INVESTIGACIÓN DE OPERACIONES 2

UNIDAD 1

Cadenas de Markov
Para analizar la velocidad de propagación del coronavirus, ¿en qué datos se
fijaría? ¿en los primeros datos o en los más recientes?
 LOGRO DE LA SESIÓN

Mediante los modelos de Markov, el estudiante podrá

determinar la evolución de los sistemas, a lo largo de ensayos
repetidos en lapsos sucesivos, en los que el estado del sistema
en cualquier período particular, no se puede determinar con
certeza. El supuesto básico es que probabilidad de ocurrencia de
un evento, depende sólo del evento inmediato anterior.
 MODELOS DE MARKOV

Al finalizar la siguiente sesión, los participantes estarán en capacidad de

aplicar a diferentes Operaciones en Ingeniería Industrial, los siguientes
conceptos:

a) Estados
b) Probabilidad de los estados
c) Probabilidad de transición
d) Matriz de probabilidades de transición.
En la teoría de la probabilidad, se conoce como cadena de Markov al proceso en
el que, la probabilidad de que ocurra un evento, depende solamente del evento
anterior. El matemático ruso Andréi Markov (1856-1922) introdujo este método
en 1906.
Ejemplo de aplicación de árbol de probabilidades,
probabilidades condicionales, probabilidad total y
teorema de Bayes
Una planta de ensamblado recibe sus reguladores de voltaje de tres
diferentes proveedores: 60% del proveedor A, 30% del proveedor B
y 10% del proveedor C. Si 95% de los reguladores de voltaje que
provienen A, 80% de los reguladores que provienen de B y el 65%
de los reguladores que provienen de C tienen un rendimiento de
acuerdo con las especificaciones.

a. Calcule la probabilidad de que cualquier regulador de voltaje

recibido por la planta dé un rendimiento según las
especificaciones.
b. ¿Cual es la probabilidad de que el regulador cumpla con las
especificaciones si se sabe que proviene del proveedor A?
c. ¿Cual es la probabilidad de que provenga del proveedor A si se
sabe que el regulador cumple con las especificaciones?
DEFINICIÓN DE EVENTOS

A: regulador de voltaje de proveedor A

B: regulador de voltaje de proveedor B
C: regulador de voltaje de proveedor C

R: regulador de voltaje cumple especificaciones

Rc: regulador de voltaje no cumple especificaciones

ASIGNACIÓN DE PROBABILIDADES:

P(A) = 0.60
P(B) = 0.30
P(C) = 0.10

P(R / A) = 0.95
P(R / B) = 0.80
P(R / C) = 0.65 8
ÁRBOL DE PROBABILIDADES:

Probabilidades simples Probabilidades condicionales Probabilidades conjuntas

Cadenas de Markov
 30%
40%

30%
 de: a:

Retornan a
80%
A

Probabilidades de A
Cambian a
B
10%
Transición

Cambian a
10%
C
 de: a:

Retornan a
10%
A

Probabilidades de B
Cambian a
B
70%
Transición

Cambian a
20%
C
 de: a:

Retornan a
20%
A

Probabilidades de C
Cambian a
B
20%
Transición

Cambian a
60%
C
 0.8 A

0.4 0.1
A B

0.1 C

0.1 A

0.3 0.7
B B

0.2 C

0.2 A

0.3 0.2 B
C

0.6 C
 0.8
A
Probabilidades
de estado 0.4 0.1
A B

0.1
C

0.1
A

0.3 0.7
B B

0.2
C
Probabilidades de
estado al inicio o periodo 0 0.2
A

0.3 0.2

∑ 𝜋 𝑖 (0)=1
C B

0.6
C
 0.8
Probabilidades A

de transición 0.4
A
0.1
B

0.1
C

0.1
A

0.3 0.7
B B

0.2
C

0.2
A

0.3 0.2
C B

0.6
C
 0.8 A 0.32
0.4 0.1
A B 0.04
0.1 C 0.04
0.1 A 0.32 + 0.03 + 0.06 = 0.41
0.03
0.3 0.7
B B 0.21 0.04 + 0.21 + 0.06 = 0.31
0.2 0.04 + 0.06 + 0.18 = 0.28
C 0.06
0.2 A 0.06
0.3 0.2
C B 0.06
0.6 C 0.18
 0.8
A
Probabilidades
de estado 0.41 0.1
A B

0.1
C

0.1
A

0.31 0.7
B B

0.2
C
Probabilidades de
estado en el periodo 1 0.2
A

0.28 0.2

∑ 𝜋 𝑖 ( 1 )=1
C B

0.6
C
 0.8 A
Diagrama
0.4
A
0.1 B de transición
0.1 C 0.7
0.1
0.1 A
B
0.1
0.3 0.7
B B 0.8 A 0.2 0.2
0.2
0.2 C

0.2 0.1 C
A 0.6

0.3 0.2 B
C

0.6 C
 MATRIZ DE
PROBABILIDADES
DE TRANSICIÓN - P
0.7
a:
0.1
B
0.1
0.8 A 0.2 0.2
0.2 de: =P
0.1 C
0.6

pij: probabilidad de hacer una

transición del estado i al estado j
en el siguiente periodo
MATRIZ DE PROBABILIDADES DE TRANSICIÓN
En general
Definición:

Las probabilidades de estado estable de un sistema,

son las probabilidades de que ocurran los estados,
luego de una gran cantidad de sucesos con la misma
estructura o con la misma matriz de transición.

p = (p1, p2, p3, …) PROBABILIDADES DE ESTADO ESTABLE

p=p.P
Problema de aplicación 1:

En cierta comunidad, el clima puede cambiar de un día a otro.

Considere que sólo se presentan dos posibilidades de clima: seco o
húmedo. Si el día actual es seco, la probabilidad de tener un clima
seco al día siguiente es 0.8, pero si el día actual es húmedo, la
probabilidad de tener un clima seco el día de mañana es 0.6.
Suponiendo que dichos valores no cambian en el tiempo, determine:

a) Los estados.
b) La matriz de probabilidades de estado.
c) El diagrama de transición.
d) La matriz de transición.
e) Las probabilidades de estado estable del sistema.
 Estado 1: clima seco 𝑃=
[
0.8
0.6
0.2
0.4 ]
Estado 2: clima húmedo

Estado estable
p=p.P
0.8 1 p = (p1, p2) = (p1, p2).P
0.6

0.2 2 p1 + p2 = 1
0.4 p1 = 0.8 p1 + 0.6 p2
p2 = 0.2 p1 + 0.4 p2
Sistema de ecuaciones
p1 + p2 = 1
0.2 p1 - 0.6 p2 = 0

Resolviendo el sistema de ecuaciones

Solución algebraica genérica
0.6 p1 + 0.6 p2 = 0.6
0.2 p1 - 0.6 p2 = 0 A.X = M
A-1.A.X = A-1.M
0.8 p1 = 0.6
X = A-1.M
p1 = 0.75
p2 = 0.25

Probabilidades de estado estable

p = (0.75, 0.25)
Problema de aplicación 2:

Un estudiante está cursando sólo las asignaturas de Álgebra Lineal y

Cálculo Diferencial en el presente semestre. El estudiante decide
seguir las siguientes reglas:
• Si un día estudia Álgebra Lineal, la probabilidad de que al día
siguiente estudie Algebra Lineal es ½ y de que estudie Cálculo
Diferencial también ½
• Si un día estudia Cálculo Diferencial, la probabilidad de que al día
siguiente vuelva a estudiar este curso es 1/3 y la probabilidad de
que estudie Álgebra Lineal es 2/3
Si el estudiante estudia Cálculo Diferencial el lunes de una semana
¿cuál es la probabilidad de que estudie Álgebra Lineal el jueves de la
misma semana?
 Estado 1: estudia Algebra Lineal
Estado 2: estudia Cálculo Diferencial

0.5694 0.4306
𝑃=
[
0. 5
2/ 3
0.5
1/3 ]
lunes
0.5 1
2/3

jueves
0.5 2
1/3
Problema de aplicación 3:

Una empresa esta considerando utilizar Cadenas de Markov para analizar los

cambios en las preferencias de los usuarios por tres marcas distintas de un
determinado producto. El estudio ha arrojado la siguiente estimación de la
matriz de probabilidades de cambiarse de una marca a otra cada mes:
1 2 3
1 0.80 0.10 0.10
2 0.03 0.95 0.02
3 0.20 0.05 0.75

Si en la actualidad, la participación de mercado es de 45%, 25% y 30%

respectivamente:
a) ¿Cuáles serán las participaciones de mercado de las marcas en dos meses
más?
b) ¿Cuál es la cuota de mercado en el largo plazo para cada una de las marcas?
 Estado estable

[ ]
p=p.P 𝟎 . 𝟖𝟎 𝟎 . 𝟏𝟎 𝟎. 𝟏𝟎
𝑷 = 𝟎 . 𝟎𝟑 𝟎 . 𝟗𝟓 𝟎 .𝟎 𝟐
Como p = (p1, p2, p3) entonces: 𝟎 . 𝟐𝟎 𝟎 . 𝟎𝟓 𝟎 .𝟕 𝟓

(p1, p2, p3) = (p1, p2, p3).P

Solución algebraica genérica
p1 + p2 + p3 = 1
p1 = 0.8 p1 + 0.03 p2 + 0.20 p3 A.X = M
p2 = 0.1 p1 + 0.95 p2 + 0.05 p3 A-1.A.X = A-1.M
p3 = 0.1 p1 + 0.02 p2 + 0.75 p3 X = A-1.M

p1 + p2 + p3 = 1 p1 = 0.2371
0.2 p1 - 0.03 p2 - 0.20 p3 = 0 p2 = 0.6186
- 0.1 p1 + 0.05 p2 - 0.05 p3 = 0 p3 = 0.1443
Determinación de probabilidades en estados estables

Sistema de ecuaciones
p1 + p2 + p3 = 1 A.X = M
0.2 p1 - 0.03 p2 - 0.20 p3 = 0 A-1.A.X = A-1.M
- 0.1 p1 + 0.05 p2 - 0.05 p3 = 0 X = A-1.M

A= 1 1 1 M= 1
0.2 -0.03 -0.2 0
-0.1 0.05 -0.05 0

A-1 = 0.23711 2.06186 -3.50515 A-1 M = 0.2371 p1

0.61856 1.03093 8.24742 0.6186 p2
0.14433 -3.09278 -4.74227 0.1443 p3

La cuota de mercado en el largo plazo para cada una de las marcas es: 23.71%
para la marca 1, 51.86% para la marca 2 y 14.43% para la marca 3
Problema de aplicación 4:

En la unidad de cuidados intensivos de un hospital, cada paciente es

clasificado de acuerdo a un estado crítico (C) , serio (S) o estable (E).
Estas clasificaciones son actualizadas cada mañana por un médico
internista, de acuerdo a la evaluación experimentada por el paciente. Las
probabilidades con las cuales cada paciente se mueve de un estado a otro
se muestran en el siguiente diagrama:
a) ¿Cuál es la probabilidad de que un
paciente que esté en estado crítico el
día jueves, esté estable el día sábado
de la misma semana?
b) ¿Cuál es la probabilidad que un
paciente que está en estado estable el
lunes experimente alguna complicación
y no esté estable nuevamente el
miércoles de la misma semana?
c) ¿Qué porcentaje de la Unidad de
Cuidados Intensivos usted diseñaría y
equiparía para pacientes en estado
crítico?.
Problema de aplicación 5:

En una población de 10,000 habitantes, 5000 no fuman, 2500 fuman

uno o menos de un paquete diario y 2500 fuman más de un paquete
diario. En un mes hay un 5% de probabilidad de que un no fumador
comience a fumar un paquete diario, o menos, y un 2% de que un no
fumador pase a fumar más de un paquete diario. Para los que fuman un
paquete, o menos, hay un 10% de probabilidad de que dejen el tabaco, y
un 10% de que pasen a fumar más de un paquete diario. Entre los que
fuman más de un paquete, hay un 5% de probabilidad de que dejen el
tabaco y un 10% de que pasen a fumar un paquete, o menos.

a) ¿Cuántos individuos habrá de cada clase el próximo mes?

b) ¿Cuántos individuos habrá de cada clase en el largo plazo?
Problema de aplicación 6:

El ascensor de un edificio con bajo y dos pisos realiza viajes de uno a

otro piso. El piso en el que finaliza el viaje n-ésimo del ascensor sigue
una cadena de Markov. Se sabe que la mitad de los viajes que parten
del bajo se dirigen a cada uno de los otros dos pisos, mientras que si un
viaje comienza en el primer piso, sólo el 25% de las veces finaliza en
el segundo. Por último, si un trayecto comienza en el segundo piso,
siempre finaliza en el bajo. Se pide:

a. Calcule la matriz de probabilidades de transición de la cadena.

b. ¿Cuál es la probabilidad de que, a largo plazo, el ascensor se
encuentre en cada uno de los tres pisos.
 BIBLIOGRAFÍA

• https://www.youtube.com/watch?v=6zBrnP6-w8Y

• https://www.youtube.com/watch?v=jk57_m_Jk28

• https://www.gestiondeoperaciones.net/cadenas-de-markov/cadenas-de-markov-e
jercicios-resueltos/
¡MUCHAS GRACIAS !