Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Bea Cadenas Marko
Bea Cadenas Marko
TEMA 3
Introduccin a las cadenas de Markov de primer orden
Ejemplos:
Comportamiento (sube/baja) del precio de las
acciones hoy depende de lo ocurrido ayer
A B C
Matriz de transicin A 0,8 0,1 0,1
en un paso (ciclo) B 0,15 0,82 0,03
C 0,13 0,12 0,75
Cmo se repartirn el mercado dentro de 1
Ciclo: Mes mes, 6 meses, 1 ao?, A largo plazo?
1
CON
BIEN
SECUELAS
33estados
estados(1(1absorbente,
absorbente,22transitorios)
transitorios)
Ciclo=mes
MUERTO Ciclo=mes
Utilidades==Nivel
Utilidades Nivelsalud
salud
Distribucininicial
Distribucin inicialde
delalacohorte
cohorte
(N=10.000):todos
(N=10.000): todosbien
bien
1
CON
BIEN
SECUELAS
33estados
estados(1(1absorbente,
absorbente,22transitorios)
transitorios)
Ciclo=mes
MUERTO Ciclo=mes
Utilidades==Nivel
Utilidades Nivelsalud
salud
Distribucininicial
Distribucin inicialde
delalacohorte
cohorte
(N=10.000):todos
(N=10.000): todosbien
bien
1
0.6 0.6
CON
BIEN 0.2
SECUELAS
0.2 33estados
estados(1(1absorbente,
absorbente,22transitorios)
transitorios)
Ciclo=mes
MUERTO Ciclo=mes
Utilidades==Nivel
Utilidades Nivelsalud
salud
Distribucininicial
Distribucin inicialde
delalacohorte
cohorte
(N=10.000):todos
(N=10.000): todosbien
bien
1
A B C
Matriz de A 0,8 0,1 0,1
transicin en un B 0,15 0,82 0,03
ciclo (P) C 0,13 0,12 0,75
Cmo se repartirn el mercado dentro de 1
Ciclo: Mes mes, 6 meses, 1 ao?, A largo plazo?
1
55estados
estados(1(1transitorio,
transitorio,44recurrentes)
recurrentes)
Ciclo=un
Ciclo= unao
ao
Distribucininicial
Distribucin inicialde
delalacohorte
cohorte(N=1.340):
(N=1.340):
(0.580.28
(0.58 0.280.05
0.050.03
0.030.06)
0.06)
2 Tipos de estados y de cadenas de markov de primer orden
fij(1)=pij(1)=pij
fij(2)=pij(2)-fij(1)pij
.............................................
fij(n)=pij(n)-fij(1)pij(n-1)-fij(2)pij(n-2)....-fij(n-1)pij
Tiempos de primera pasada/recurrencia (Corto plazo)
2
Como generalmente es bastante engorroso calcular las fij(n) para
todas las n, se suele optar por obtener el tiempo esperado de
primera pasada del estado i al estado j
Tipos de estados y Cadenas de Markov
2
Podemos considerar fij(n) para (n=1,2,..) como la funcin de
probabilidad de la variable aleatoria tiempo de primera pasada
Estados 0 1 2 3 4
P 0 0.25 0.75 0 0 0
1 0.5 0.5 0 0 0
2 0 0 1 0 0
3 0 0 0.33333333 0.66666667 0
4 1 0 0 0 0
Tipos de estados y Cadenas de Markov
2
Tipos de estados y Cadenas de Markov
2
2
Tipos de estados y Cadenas de Markov.
2
Tipos de estados y Cadenas de Markov.
Comportamiento a largo plazo de las Cadenas de
3
Markov
Comportamiento a largo plazo de las Cadenas de
2 Markov
4
Comportamiento a largo plazo de las
Cadenas de Markov: el caso de las cadenas
absorbentes
CM absorbente:
Tiene al menos un estado absorbente
Desde cualquier estado no absorbente se puede acceder
a algn estado absorbente
A largo plazo, termina en absorcin con
probabilidad 1
Interesa calcular:
Probabilidad de absorcin por cada estado absorbente
Numero esperado de pasos antes de la absorcin
4
Comportamiento a largo plazo de las
Cadenas de Markov: el caso de las cadenas
absorbentes
EJEMPLOS DE APLICACIONES
CMO HACER EL MODELO
REALISTA
Propiedad
Propiedad
Ingredientes de una cadena de markov: markoviana:
markoviana:
Conjunto de K estados exhaustivos y mutuamente deexcluyentes
falta de memoria
falta memoria
definen las posibles situaciones (ej. Bien-discapacitado-muerto)
(Realista?...)
(Realista?...)
Ciclo: periodo de tiempo en el que ocurren transiciones entre
estados (ej: un mes)
Probabilidades de transicin entre estados en un ciclo
Se suponen constantes en el
tiempo, e idnticas para todos los pacientes
Sus valores forman la matriz de transicin en un paso (P)
Distribucin inicial de la cohorte de pacientes entre los K
estados
EJEMPLO 1: LA EVOLUCIN CLNICA DE LOS
PACIENTES CON VLVULA CARDIACA
SOMETIDOS A TRATAMIENTO ANTICOAGULANTE
Complicando el modelo para hacerlo ms realista
CON
CON
BIEN
BIEN SECUELAS
SECUELAS
Seincluye
Se incluyeun
unestado
estadotransitorio
transitoriode
de
procesoagudo
proceso agudo(embolia
(emboliaoohemorragia
hemorragia
MUERTO
MUERTO interna)
interna)
EJEMPLO 1: LA EVOLUCIN CLNICA DE LOS
PACIENTES CON VLVULA CARDIACA
SOMETIDOS A TRATAMIENTO ANTICOAGULANTE
Complicando el modelo para hacerlo ms realista
ACCIDENTE
ACCIDENTE
CEREBRAL
CEREBRAL CON
CON
BIEN
BIEN VASCULAR
VASCULAR
SECUELAS
SECUELAS
Estadotransitorio
Estado transitorioACV:
ACV:para
paraun
unsuceso
suceso
quetiene
que tienesolo
soloefectos
efectosaacorto
corto
MUERTO
MUERTO plazo
plazo
Dosusos:
Dos usos:
1)1) Incorporarun
Incorporar unvalor
valorespecfico
especficode
de
lalautilidad
utilidad(o(ocoste)
coste)
2)2) Asignartemporalmente
Asignar temporalmentediferentes
diferentes
probabilidadesde
probabilidades detransicin
transicin
CONCEPTOS BSICOS
Esta limitacin
Esta limitacin
generalmente puede
generalmente puede
Ingredientes de una cadena resolverse
de markov:
resolverse definiendo
definiendo
estados
Conjunto de K estados exhaustivos
estados distintosexcluyentes
y mutuamente
distintos para
para
definen las posibles situaciones (ej. Bien-discapacitado-muerto)
pacientes
pacientes con distintos
con distintos
Ciclo: periodo de tiempo en el que ocurren transiciones entre
antecedentes
antecedentes
estados (ej: un mes)
Probabilidades de transicin entre estados en un ciclo
Se suponen constantes en el tiempo, e idnticas para
todos los pacientes
Sus valores forman la matriz de transicin en un paso (P)
Distribucin inicial de la cohorte de pacientes entre los K
estados
Software y bibliografa
Usaremos QSB
Un excelente texto para este tema es el de
Hillier y Lieberman (est referenciado en el
programa)