Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estudio de
casos en la industria y otras
áreas de conocimiento.
1. Biografía de Andrèi Markov.
• Por tanto, en una cadena de Markov la probabilidad del estado futuro no depende de los
estados anteriores si no que depende únicamente del estado presente.
2.1. Matriz de transición.
• Una matriz de transición para una cadena de Markov de n estado es una matriz de orden
n × n con todos los registros no negativos, en la que las probabilidades de transición
deben estar entre 0 y 1, y que tiene la propiedad adicional de que la suma de los
registros de cada columna o fila es 1. La siguiente es una matriz de transición:
0.4 0.3 0.3
0.2 0.7 0.1
0.3 0.2 0.5
• Las matrices de transición se pueden representar gráficamente de manera sencilla para
facilitar su comprensión. En la imagen deben quedar claras las relaciones que se
establecen entre los distintos fenómenos y la probabilidad de que se produzcan los
diferentes fenómenos.
2.2. Vector de probabilidades iniciales.
• El análisis por cadenas de Markov ha sido empleado desde hace mucho tiempo para el
estudio de sucesiones de facies.
• Otros casos muy interesantes de uso de cadenas de Markov son el de alineamiento de secuencias
de ADN, que permite buscar patrones en largas secuencias o en el diseño de turbinas de viento.
3. Aplicaciones.
• Vamos a estudiar el caso concreto de las operadoras de telefonía móvil. Tras realizar un
estudio se determina que en España, Vodafone tiene el 40% de cuota de mercado,
Orange el 25% y Movistar el 35%.
• Con estos datos tenemos que elaborar tanto nuestra matriz de transición como nuestro
estado inicial.
3. Aplicaciones.
• El estado inicial sería el siguiente: (0.4, 0.25, 0.35) y la matriz de transición quedaría
definida:
Vodafone
Orange
Movistar
• 𝑓 𝑛 = 𝑓 𝑛−1 × P
• 𝑓 𝑛 = f0 × 𝑃 𝑛
3. Aplicaciones.
• Como vemos la nueva cuota de mercado de Vodafone es del 42%, la de Orange del 31%
y la de Movistar del 27%.