-1-

Universitat Oberta
de Catalunya

Aula

22.504 - Álgebra lineal aula 1

Reto 5. ¿Cómo modelar sistemas dinámicos con cadenas de Markov al estilo del algoritmo
PageRank de Google?

Inicio: Entrega: Solución: Calificación:

24/12/20 15/01/21 Solución 25/01/21
programada
18/01/21

Descripción del Reto

Saber modelizar un sistema mediante sistemas dinámicos en tiempo discreto nos puede ser muy útil
en nuestra carrera profesional en el ámbito de la ciencia de datos. El ejemplo más famoso de este tipo
de modelos es el de la agoritmo PageRank que utiliza el buscador Google.

Con el fin de ser capaces de trabajar con estos modelos veremos en este reto los modelos matriciales
lineales para sistemas clasificados en n tipo de estados (n grupos). Como ejemplo principal
estudiaremos las Cadenas de Markov dadas por matrices estocásticas. Extenderemos los conceptos
trabajados en el reto 3, como el de matrices positivas y el de valor propio dominante de una matriz,
para acabar deduciendo el comportamiento a largo plazo del sistema en forma de la distribución
estable de estados.

En el apartado de recursos encontraéis una contextualización a la ciencia de datos, dos recursos teóricos
que describen las Cadenas de Markov y nos presentan una serie de problemas genéricos. Además,
encontraéis una colección de problemas contextualizados a la ciencia de datos y un caso de uso y guía
de resolución en R.

En cada recurso se indica el tiempo que creemos que podéis necesitar para su comprensión y,
además, para los módulos teóricos os damos una serie de orientaciones para su lectura y comprensión.
Este reto requiere la misma dedicación que el reto anterior. Tomaos su tiempo para comprender la
modelización utilizando Cadenas de Markov y pensad cómo pueden ser útiles en diferentes ámbitos.
 -2-

Descripción de la Práctica

Os pedimos en esta actividad que resolváis el caso de uso propuesto mediante el modelado con
Cadenas de Markov. Este caso de uso os permitirá poner en práctica los conceptos trabajados en este
reto, entender y coger destreza en su aplicación a un caso de uso concreto utilizando datos reales o
realistas. Veréis también la necesidad de utilizar un lenguaje de programación como por ejemplo R para
su resolución y cogeréis destreza en su utilización.
Tened en cuenta que esta actividad formará parte de la nota de prácticas (Pr = (Pr1 + Pr2) / 2) de
esta asignatura. La nota de esta actividad corresponde a la Pr2. Recordad que debéis entregar las
dos prácticas y obtener como mínimo un 4 en cada una de ellas y un 5 en la Pr para superar la
asignatura. Para más información sobre el modelo de evaluación de la asignatura consultad el plan
docente.

Objetivos y competencias

CB1- Que los estudiantes hayan demostrado poseer y Comprender la utilidad de los conceptos de álgebra
comprender conocimientos en un área de estudio que lineal que se han trabajado en los retos 1-3 en
parte de la base de la educación secundaria general, la aplicación en el ámbito de la ciencia de datos
y se suele encontrar a un nivel que, si bien se apoya mediante los modelos matriciales.
en libros de texto avanzados, incluye también algunos
aspectos que implican conocimientos procedentes de
la vanguardia de su campo de estudio.

CB5- Que los estudiantes hayan desarrollado Comprender la utilidad de los conceptos de álgebra
aquellas habilidades de aprendizaje necesarias para lineal que se han trabajado en los retos 1-3 en
emprender estudios posteriores con un alto grado de la aplicación en el ámbito de la ciencia de datos
autonomía. mediante los modelos matriciales.

CG3- Buscar, gestionar y usar la información más Ser capaz de resolver un problema usando modelos
adecuada para modelizar problemas concretos y matriciales en un caso de uso utilizando datos reales
aplicar adecuadamente procedimientos teóricos para o realistas.
su resolución de manera autónoma y creativa.

CE5- Utilizar de forma combinada los fundamentos
matemáticos, estadísticos y de programación para
desarrollar soluciones a problemas en el ámbito de la
ciencia de los datos.
Entender la utilidad de utilizar un lenguaje de
programación para el tratamiento de grandes
volúmenes de datos.
Coger destreza en la utilización del lenguaje R para
la resolución de problemas con un gran volumen de
datos.

CT1- Uso y aplicación de las TIC en el ámbito
académico y profesional.
Entender la utilidad de utilizar un lenguaje de
programación para el tratamiento de grandes
volúmenes de datos.
Coger destreza en la utilización del lenguaje R para
la resolución de problemas con un gran volumen de
datos.
 -3-

Contenido

Modelos Matriciales: Cadenas de Markov

• Introducción a los modelos matriciales en tiempo discreto.

• Concepto de cadenas de Markov en tiempo discreto.
• Diagrama de estados y probabilidades de transición.
• Evolución en el tiempo de una cadena de Markov.
• Matrices positivas y valor propio dominante.
• Distribuciones de estado estacionarias.
• Aplicación a la ciencia de datos.

Recursos de aprendizaje