Modelos en Administración – Unidad IV

Modelos en Administración

Cadenas de Markov.

Guía de Conceptos
Unidad IV

1
Modelos en Administración – Unidad IV

MODELOS DE ADMINISTRACION – UNIDAD IV

En este capítulo se trata de modelos matemáticos de probabilidad de procesos

que evolucionan en el tiempo de una manera probabilística (no en forma
determinística). Tales procesos se llaman procesos estocásticos, siendo un
caso de particular de este tipo de proceso la Cadena de Markov.

Las cadenas de Markov tienen la propiedad particular de que las probabilidades

que describen la forma en que el proceso evolucionará en el futuro dependen
sólo del estado actual en que se encuentra el proceso y, por lo tanto, son
independientes de los eventos ocurridos en el pasado. Muchos procesos se
ajustan a esta descripción, por lo que las cadenas de Markov constituyen una
clase de modelo probabilístico de gran importancia (LIEBERMAN, 2006, p.
1458).

Una cadena de Markov, por tanto, representa un sistema que varía un estado a
lo largo del tiempo, siendo cada cambio una transición del sistema

En teoría de probabilidades se conoce como Cadena de Markov a un tipo

especial de proceso estocástico discreto, en el que la probabilidad de que ocurra
un evento depende del evento inmediatamente anterior.

El análisis de Markov constituye una poderosa herramienta que posibilita el

estudio del comportamiento de un sistema en una situación dinámica. Los
procesos de Markov constituyen un modelo probabilístico para la predicción del
comportamiento futuro de un sistema.

Con este modelo es posible, mediante una serie de observaciones (llamadas

estados), predecir aproximadamente cuál será el comportamiento de un sistema
en un período futuro, en base al conocimiento previo de su comportamiento en
un período pasado.

Si se comienza el estudio del proceso en algún estado y se pueden determinar

las probabilidades de pasar de ese estado a cualquier otro, es posible calcular
las probabilidades que correspondan a cualquier secuencia de transiciones en
un período dado de tiempo.

En una Cadena de Markov se trabaja con los siguientes supuestos básicos:

→ Es posible determinar un número finito de estados posibles.

→ La probabilidad de que el sistema se encuentre en un estado determinado

depende únicamente del estado inmediato precedente.

2
Modelos en Administración – Unidad IV

→ Las probabilidades de transición de un estado a otro se mantienen finas a

través del tiempo.

Usaremos las Cadenas de Markov para abordar entre otros tipos,

comportamiento de pago en las personas y problemas de fidelidad de una marca
por parte de los consumidores.

Para estos problemas, se distinguirán los siguientes elementos:

→ Unidades de observación: las diversas marcas de un mismo producto que

ofrecen varias empresas competidoras.

→ Estados: las proporciones del mercado total que ha alcanzado la venta de

cada una de esas marcas.

→ Probabilidades de transición: las posibilidades de que esas proporciones

aumenten o disminuyan.

Para trabajar con Cadenas de Markov, se deben reconocer dos elementos

fundamentales.

Primero, la matriz de transición, que muestra el cambio en el comportamiento

por parte de los individuos presentes en el estudio.

Segundo, el estado inicial, que es una matriz columna que presenta el

comportamiento actual de los individuos presentes en el estudio, respecto a sus
preferencias.

Nota: es importante destacar que al ser elementos de probabilidad, tanto las

columnas de la matriz de transición como la matriz columna que representa al
estado inicial, deben sumar 1.

Matricialmente, un proceso de Markov es presentado de la siguiente manera:

Donde Vn+1 es el estado(n+1)-ésimo, que depende de la matriz de transición y

la matriz columna, que es el estado n-ésimo. Si reemplazamos a n por valores
naturales, se tiene que:
n= 0........................V1=TV0
n=1 .........................V2=TV1=T(TV0)=T2V0
n=2… .....................V3= TV2=T(TV1)=T(T2V0)= T3V0
En general se puede ver que:

Así, para calcular que pasa en cualquier estado n, se multiplica la matriz de

transición elevada a tal número n por el estado inicial.

Estado de equilibrio del sistema:

Si al cabo de periodos las proporciones de mercado se vuelven prácticamente

3
Modelos en Administración – Unidad IV

estables, se ha llegado a un estado de equilibrio del sistema. Para encontrar el

estado de equilibrio, se resuelve, para x, el sistema

donde I es la matriz identidad, y T es la matriz de transición

Ejemplo 1

Un gerente de crédito estima que el 95% de aquellos que pagan sus cuentas a
tiempo un mes, también lo harán el mes siguiente. Sin embargo, de aquellos que
se tardan, sólo la mitad pagarán a tiempo la próxima vez.

1. Si una persona paga a tiempo hoy, ¿cuál es la probabilidad de que

pague a tiempo a los 3 meses?

2. En promedio, ¿cuál es la proporción de cuentas pagadas y no pagadas

a tiempo?

SOL:

Empezamos encontrando la matriz de transición.

Reconocemos dos comportamientos en análisis: paga a tiempo (PT) y no paga

a tiempo (NPT).

Con ello, armamos la matriz de transición como sigue:

Donde los elementos son las proporciones de transición entre un

comportamiento y otro, y se llenan siguiendo los datos originales del problema.
Tenemos:

t11: es la proporción de personas que, pagando a tiempo en el estado actual,

pagan a tiempo en el siguiente estado.

En el ejemplo, se estima que el 95% de aquellos que pagan sus cuentas a

tiempo un mes, también lo harán el mes siguiente.

4
Modelos en Administración – Unidad IV

Luego, t11=0,95 (en la matriz de transición se coloca el valor probable, no el

porcentual. Para ello, el valor en porcentaje se divide por 100)

t21: De esta misma información, podemos inferir que el 5% de las personas que
pagan a tiempo en el estado actual, no pagaron a tiempo en el estado
siguiente. Así, tenemos que t21 = 0,05.

t12: es la proporción de personas que, no pagando a tiempo en el estado

actual, sí pagan a tiempo en el estado siguiente. En el ejemplo, de aquellos
que se tardan, sólo la mitad pagarán a tiempo la próxima vez. Es decir, el 50%
de los que se atrasan en el estado actual, pagan a tiempo en el estado
siguiente. Así, la otra mitad paga tarde en el estado siguiente.

t22: Son no pagando a tiempo en el estado actual, no pagan a tiempo en el

estado siguiente.

Así, tenemos que t21=0,5. Y, de igual manera, t22 = 0,5. Luego, la matriz de
transición es

Una vez definida la matriz de transición, respondemos las preguntas.

1. Para la primera pregunta debemos determinar el estado actual.

Se nos dice que una persona paga a tiempo, y se quiere saber qué pasará en 3
meses más.

Si la persona paga a tiempo hoy, quiere decir que con un 100% de certeza paga
a tiempo hoy.

Luego, la matriz columna que representa el estado actual es

Con ello, podemos calcular las probabilidades para cualquier estado finito, con
la fórmula

5
Modelos en Administración – Unidad IV

Así, para los 3 meses, debemos hacer n=3, para calcular el estado tercero.
Tenemos:

Luego, si una persona paga a tiempo en el periodo actual, con una probabilidad
de 0.92 va a pagar a tiempo en 3 meses más, y con una probabilidad de 0.08 va
a pagar tarde la cuenta a los 3 meses.

Dicho de otra manera, si multiplicamos por 100 cada probabilidad, podemos decir
que el 92% de las personas que pagan a tiempo hoy, pagarán a tiempo en 3
meses más, y el 8% de las personas que pagan a tiempo hoy, pagarán atrasados
en 3 meses más.

2. Para la segunda pregunta, se nos pide un promedio de las cuentas pagadas

a tiempo, y las cuentas no pagadas a tiempo.

Cuando hablamos de encontrar un promedio, necesitamos que pasen muchos

estados para tener una idea del comportamiento. Por tanto, lo que estamos
buscando cuando buscamos un promedio es el estado de equilibrio del sistema.
Para ello, resolvemos el sistema

Tenemos

Escalonamos la matriz, usando la operación fila F2+F1→ F2 y tenemos

6
Modelos en Administración – Unidad IV

Multiplicando las matrices, tenemos la ecuación

0,05x-0.5y=0
Como tenemos dos variables, necesitamos dos ecuaciones para poder
resolverlas.
La segunda ecuación sale del hecho de que todas las columnas deben sumar 1.
Así, tenemos que x+y=1. Luego, formamos el sistema

Al resolver el sistema (usando cualquier método de resolución, incluso matricial),

las soluciones son

Así, a lo largo del tiempo, el 91% de las personas pagarán sus cuentas a tiempo,
mientras que el 9% lo hará tarde.

Ejemplo 2

El fabricante de dentífrico Brillo controla actualmente el 60% del mercado de una

ciudad. Datos del año anterior muestran que el 88% de consumidores de Brillo
continúan usándola, mientras que el 12% de los usuarios de Brillo se cambiaron
a otras marcas. Además, el 85% de los usuarios de la competencia
permanecieron leales a esas otras marcas, mientras que el 15% restante se
cambió a Brillo.

Considerando que estas tendencias continúan, determinar la parte de mercado

que corresponde a Brillo en 5 años y a largo plazo.

SOL:

Empezamos determinando la matriz de transición entre marcas y el estado inicial

del comportamiento de los consumidores.

Tenemos que:

Así, se tiene que la matriz de transición es:

7
Modelos en Administración – Unidad IV

Tenemos, por los datos del problema, que el estado inicial es el siguiente:

Luego, a los 5 años, el estado es:

Luego, a los 5 años, el estado es:

Así, en 5 años Brillo tendrá, aproximadamente, el 56% del mercado, mientras

que la competencia tendrá el 44% del mercado.

Para calcular lo que pasa a lo largo del tiempo, resolvemos el sistema

Tenemos

Al hacer la operación fila F2+F1→ F2, y al multiplicar las matrices, nos queda la
ecuación 0,12x-0,15y=0

Recordando que x+y=1, formamos el sistema

8
Modelos en Administración – Unidad IV

cuyas soluciones son

Luego, con el paso del tiempo, el mercado se estabiliza en un 56% para Brillo, y
un 44% para la competencia.

Ejemplo 3

Una manada de lobos siempre caza en una de tres regiones A, B o C. Sus hábitos
de caza son los siguientes:

→ Si caza en alguna región un día, existe la misma probabilidad de que no

cace allí de nuevo al día siguiente.

→ Si caza en la región A, nunca cazará en B al día siguiente.

→ Si caza en B o C, existe la misma probabilidad de que cace en cualquiera

de las otras regiones al día siguiente.

Si la manada caza en A el lunes, se pide encontrar la probabilidad de que cace

allí el jueves.

También, se pide en promedio el tiempo que caza en cada región.

SOL:

La matriz de transición, según los datos del enunciado, es la siguiente:

Así

9
Modelos en Administración – Unidad IV

La matriz columna que representa al estado inicial es

Si el estado inicial es para el día lunes, y queremos saber qué pasa para el día
jueves, entonces queremos calcular las probabilidades de caza en el estado 3.
Tenemos

Así, las probabilidades de caza en la región A para el día jueves son de 0.34,
aproximadamente.
También, podemos decir que con un 34% de certeza cazarán en la región A, con
un 19% de certeza lo harán en la región B, y con un 47% de certeza lo harán en
la región C.
Para el estado de equilibrio, tenemos que resolver el sistema

Tenemos

10
Modelos en Administración – Unidad IV

Hacemos la operación fila

F3 +F1 → F3 y tenemos

Hacemos ahora la operación fila

F3 + F2 → F3
Tenemos

Con ello, nos quedan las ecuaciones

Más la ecuación

nos queda el sistema

11
Modelos en Administración – Unidad IV

que tiene por solución a

Así, podemos concluir que el 33% del tiempo la manada caza en la región A, el
22% del tiempo lo hace en la región B, y el 45% del tiempo lo hace en la región
C.

1. El departamento de comercialización de la marca X hizo una investigación

de mercado y encontró que, si un cliente compra su marca, existe un 70% de
posibilidades de que le compre de nuevo la próxima vez. Por otro lado, si la
última compra fue de otra marca, entonces se escoge la marca X sólo el 20% del
tiempo.

¿Cuál es el porcentaje de mercado que puede pronosticarse a la larga para la

marca X?

SOL: Marca X: 40%; Otras marcas: 60%

2. Un hombre siempre come en uno de dos restaurantes: A y B. Nunca come

en A dos veces seguidas. Sin embargo, si come en B, es tres veces más
probable que la siguiente vez coma en B que en A.

Inicialmente, existe la misma probabilidad de que coma en un restaurante que

en otro.

a) ¿Cuál es la probabilidad de que coma en B al tercer día después del día

inicial? SOL: 0.805

b) ¿Cuál es la proporción de sus comidas en el restaurante A?

SOL: A: 20%; B: 80%

3. José llega a tiempo a su trabajo un lunes de cada cuatro. En los restantes

días de trabajo se comporta de la siguiente manera: si llega tarde un día, la
probabilidad de que al día siguiente llegue a tiempo es el doble que la de llegar
tarde. Si llega a tiempo un día, la probabilidad de que llegue tarde al siguiente
día es la misma que la de que llegue a tiempo.

Encontrar la probabilidad de que llegue tarde y de que llegue a tiempo los

miércoles.

SOL: Tarde: 44%; A tiempo: 56%

4. Un zorro caza en tres territorios: A, B y C. Nunca caza dos días sucesivos

en el mismo territorio. Si caza en A, al día siguiente caza en C. Si caza en B o
C, existe el doble de probabilidad de que cace en A al día siguiente de que lo
haga en el otro territorio.

a) ¿Qué proporción de tiempo pasa cazando en A, B o C?

SOL: A: 40%; B: 15%; C: 45%
12
Modelos en Administración – Unidad IV

b) Si caza en A el lunes, ¿qué probabilidad hay de que cace en B el jueves?

SOL: Probabilidad 0.

5. Supóngase que existen tres clases sociales: alta, media y baja, y que la
movilidad social se comporta de la siguiente manera:

→ El 70% de los hijos de padres de clase alta siguen perteneciendo a la clase

alta, mientras que el 10% se convierte a clase media, y el 20% lo hace a clase
baja.

→ El 80% de los hijos de padres de clase media siguen perteneciendo a la clase

media, mientras que el resto se reparte equitativamente entre clase alta y clase
baja.

→ El 60% de los hijos de padres de clase baja siguen perteneciendo a la clase

baja, mientras que el 30% se convierte a clase media y el 10% a clase alta.

a) Hallar la probabilidad de que un nieto de padres de clase baja se convierta en

clase alta.

SOL: 0.16 (16%)

b) Hallar la proporción por clase a lo largo del tiempo.

SOL: Alta: 25%; Media: 50%; Baja: 25%

6. Supóngase que el clima de cierta ciudad es despejado, nublado o lluvioso.

Como resultado de un amplio registro se ha determinado que la probabilidad de
que se dé un día lluvioso después de un día despejado es 1, y la probabilidad de
que se tenga un día lluvioso después de otro día lluvioso es 0.7, y la probabilidad
de que se dé un día despejado después de un día nublado es 0.2, y la
probabilidad que se dé un día nublado después de un día nublado es 0.3, y la
probabilidad que se dé un día despejado después de un día lluvioso es nula. Se
pide encontrar la proporción de días despejados, nublados y lluviosos a lo largo
del tiempo.

SOL: Despejado: 6%; Nublado: 28%; Lluvioso: 66%

Referencias

LIEBERMAN, F. S. (2006). INTRODUCCIÓN A LA INVESTIGACIÓN DE OPERACIONES.

México: McGRAW-HILL/INTERAMERICANA EDITORES.
Taha, H. A. (2004). Investigación de Operaciones. México: PEARSON EDUCACIÓN.

13