MBA MÉTODOS CUANTITATIVOS PARA LA GESTIÓN

UNIDAD 2:

CADENAS DE MARKOV

Alumna: Karen Franco Manriquez.

Docente: Marjorie Daphne Caldera Calvert.

Santiago, Julio del 2023

I. Introducción

Una cadena de Markov es un proceso estocástico, definido sobre un espacio de

probabilidad común y con espacio de estados discretos, cuya importancia radica en el
gran número de fenómenos físicos, biológicos y económicos, entre otros, que pueden
ser descritos por ellas1. Por tanto, una cadena o modelo de Markov es modelo
probabilístico o herramienta para analizar procesos en que la sucesión de variables
aleatorias evoluciona en función de otra variable utilizado para pronosticar el progreso
y el comportamiento a corto y a largo plazo de determinados sistemas, donde si el
estado actual Xn y los estados previos X 1,...,Xn−1 son conocidos, la probabilidad del
estado futuro Xn+1,no depende de los estados anteriores X1,...,Xn−1, y solamente
depende del estado actual Xn. Es decir, para n = 1, 2,... y para cualquier sucesión de
estados s1,...,sn+12

La cadena de Markov utiliza una matriz de transición que le permite conocer el

probable estado futuro de un proceso a partir de su probable estado actual. Una
cadena de Markov tiene probabilidades de transición estacionarias si para cualquier par
de estados si y sj existe una probabilidad de transición pij

una de las principales utilidades que tiene el modelo de Markov es

establecer las posibilidades de cualquier evento futuro conociendo
l o s e v e n t o s pasados. Esto puede y afecta las decisiones que podríamos
tomar basándonos en l a i n c e r t i d u m b r e q u e p r o v o c a n p o s e e r v a r i o s
e v e n t o s f u t u r o s y t o d o s t i e n e n s u grado de probabilidad de que
sucedan. Otro de los factores que altera la toma de decisiones es
cuando estos posibles eventos futuros se ven alterados con el paso d e l
tiempo, para evitar este acontecimiento existe este modelo el cual
tiene la propiedad particular de que las probabilidades que describen
la forma en que el proceso evolucionara en el futuro solo dependerán
d e l e s t a d o a c t u a l e n q u e s e encuentra el proceso y por lo tanto son
independientes de los eventos ocurridos en el pasado. Esta dependencia
del evento anterior distingue a las cadenas de Márkov de las series de
eventos independientes, como tirar una moneda al aire o un dado

Este trabajo tiene como objetivo conocer que tipos de fenómenos pueden ser descritos por
una cadena de Markov y aplicar una cadena de Markov a un fenómeno específico.

1
Barbosa Correa, R. (2016). Procesos estocásticos con aplicaciones. Barranquilla, Colombia: Universidad del
Norte. Recuperado de https://elibro.net/es/ereader/uniacc/70066?page=34.
2
Cadenas de Markov, capitulo 10, pág. 104. Recuperado de
https://www.ugr.es/~bioestad/_private/cpfund10.pdf
2
II. Desarrollo

1. Encontrar algún problema relacionado al área financiera y modelarlo de acuerdo a la

metodología estudiada en esta unidad.
2. Para lo anterior deberá de aplicar cadenas de Markov para calcular el estado estacionario
de este sistema.
3. Realizar los supuestos necesarios para el buen desarrollo de su trabajo

 Hillier, F. S., & Lieberman, G. J. (2014). Introduction to Operations Research.

McGraw-Hill Education.

III. Conclusiones:

Al considerar la aleatoriedad en nuestros modelos, estaremos mejor equipados para

tomar decisiones informadas y desarrollar estrategias empresariales más resilientes y
flexibles. La incorporación de la incertidumbre nos permitirá evaluar los riesgos, identificar
oportunidades y adaptarnos a cambios imprevistos en el entorno empresarial.