Universidad Nacional Autónoma de Honduras de Valle Sula

Asignatura: Investigaciones de Operaciones II

Tema: Cadenas de Márkov

Alumno: Axel David Oyuela García

Numero de Cuenta: 201620006666

Lugar: Cortes, San Pedro Sula

Fecha: 9/8/2019

1
 Tabla de contenido

Introducción.......................................................................................................................................3
Cadena de Márkov.............................................................................................................................4
DEFINICIÓN DE UNA CADENA DE MARKOV....................................................................4
¿Para que se utiliza?........................................................................................................................6
Elementos de Una cadena de Márkov.............................................................................................6
Tipos de cadenas de Márkov..............................................................................................................6
Aplicaciones de las cadenas de Márkov..........................................................................................7
Tiempo de recurrencia y ocurrencia...............................................................................................7
Ejemplo.............................................................................................................................................7
Conclusiones...................................................................................................................................11
Bibliografía.....................................................................................................................................12

2
 Introducción

Las cadenas de Márkov, es una actividad que tiene una gran importancia y con una enorme
capacidad de poder ser aplicada en el mundo de los negocios, al igual que los ingenieros en
el área industrial. Esta actividad tiene como función de poder determinar la probabilidad de
que ocurra un suceso que dependen únicamente del evento anterior, el cual viene siendo
una de las herramientas esencial y fundamental para el ingeniero, para examinar o
pronosticar el comportamiento de la demanda de una clase de producto siendo de gran
utilidad para el uso de tomas de decisiones.

3
 Cadena de Márkov

DEFINICIÓN DE UNA CADENA DE MARKOV

Sea Xi una variable aleatoria que caracteriza el estado del sistema en puntos discretos en el
tiempo t 5 1, 2… .La familia de variables aleatorias {Xi} forma un proceso estocástico con
una cantidad finita o infinita de estados. [ CITATION Ham121 \l 18442 ]

Dado a este concepto podemos decir que la cadena de Márkov es una serie de eventos
estadísticamente determinados, en la cual la probabilidad de que ocurra un evento dependa
del evento inmediato anterior, el cual tiene memoria, a esto queremos decir que recuerda el
ultimo evento y al mismo tiempo condiciona las posibilidades de los eventos futuros
subsecuentes.

Las cadenas de Márkov son una herramienta para analizar un funcionamiento o

comportamiento de determinados procesos, el cual estos procesos evolucionan de forma
determinística conforme pasa el tiempo en torno a un conjunto de estados. Para poder
desarrollar correctamente esta herramienta es necesario conocer algunos conceptos, el cual
los veremos a continuación.

Estados

Son las caracterizaciones de la situación en la que se encuentra el sistema en un momento

dado, en la que dichas características pueden ser tanto en cantidad como en calidad.

Matriz de Transición

Uno de los métodos mas usuales para exhibir las probabilidades de transición de un evento
o estado es usar una Matriz de transacción , el cual tiene que cumplir con unas diversas
condiciones, como por ejemplo:

1. La matriz debe ser cuadrada.

2. Deben estar contenidos tanto en las filas como en las columnas los mismos estados
o eventos circulantes (transitorios)

4
 3. La suma de los elementos de cada fila debe ser siempre igual a 1, cumpliendo con la
teoría de las probabilidades
4. Cada elemento de la matriz debe ser un numero entre cero y 1.
5. Matriz de Transición

Matriz F A B
Suma de probabilidades por
T
renglones
F 0,3 0,5 0,2
1
A 0,1 0,7 0,2 2
B 0,2 0,3 0,5 3

Operadores de agencia bancarias

Ficohsa Atlántida Banpaís
Estado 1 Estado 2 Estado 3

Los valores dentro de la matriz representan la probabilidad de pasar de un estado a otro.

Distribución actual: Es como se distribuyen las probabilidades de los estados en el

comienzo de un tiempo el cual seria periodo 0. Esta información permite averiguar cual
será la distribución en periodos posteriores.

Estado Estable: Se puede decir que el estado estable es la distribución de probabilidades

que en cierto punto quedara fija para el vector p y no presentara cambios en periodos
posteriores.

Ejemplo:

Tres operadores de las agencias bancarias se distribuyen, según un estudio realizado, la

población de cliente de la siguiente manera

Ficohsa presenta el 30% de los clientes

Atlántida posee en 30% de los clientes totales

5
Banpaís tiene el 40% restante de los clientes del mercado.

Estado absorbente: Estado cuya única transición posible es volver al mismo estado. Un
estado absorbente constituye a una clase final de un único estado.

¿Para que se utiliza?

Una de las principales utilidades que tiene el modelo de Márkov es establecer las
posibilidades de cualquier evento futuro conociendo los eventos pasados. Esto puede y
afecta las decisiones que podríamos tomar basándonos en la precisión (incertidumbre) que
provocan poseer varios eventos futuros y todos tienen su grado de probabilidad de que
sucedan.

El método de las cadenas de Márkov consiste en emplear la información probabilística en el

análisis de tendencias con el fin de predecir sus resultados.

Elementos de Una cadena de Márkov

Un conjunto finito de M estados exhaustivos y mutuamente excluyentes.

Ciclo de Márkov (paso) periodo de tiempo que sirve de base para examinar las
transacciones entre estados

Probabilidades de transición entre estados, en un ciclo (matriz p)

Distribución inicial del sistema entre los estados posibles

Tipos de cadenas de Márkov

Cadenas irreducibles: es irreducible si cumple con una de las cualquiera condiciones:

1. Desde cualquier estado de E se puede acceder a cualquier otro.

2. Todos los estados se comunican entre si

6
 3. C(x)= E para algún x∈E.
4. El único conjunto cerrado es el total.

Cadenas positivas regulares

En una cadena de Márkov es regular (también primitiva) si existe alguna potencia positiva
de la matriz de transición cuyas entradas sean todas estrictamente mayorees que cero,

Cadenas recurrentes: Es positivo recurrente si todos sus estados son positivos recurrentes.
Si la cadena es irreducible existe un único vector de probabilidad invariante y esta dado
por:

1
πx=
μx

Cadenas absorbentes: Una cadena de Márkov con espacio de estados finito se llama absorbente si
se cumplen las siguientes condiciones: FACULTAD DE ESTUDIOS A DISTANCIA 1. La cadena
tiene al menos un estado absorbente. 2. De cualquier estado no absorbente se accede a algún estado
absorbente.

Aplicaciones de las cadenas de Márkov

Las cadenas de Márkov tienen diversidad de utilidades en el mercado por ese motivo es una
herramienta importante para solucionar los problemas que confrontan a las empresas, como
por ejemplo planeación de tareas administrativas aun en la dinámica de mantenimiento.
Pero no solamente se emplean en las áreas industrias, también son usadas para poder
formula modelos climatológicos, resolver problemas estadísticos, termodinámica aun en el
área musical de diversos algoritmos de composición musical.

Tiempo de recurrencia y ocurrencia

7
 Tiempos de recurrencia: U ii es el tiempo esperado que gasta el sistema en volver a estar en i
partiendo de i.

Tiempo de Ocurrencia: Es el tiempo esperado que se gasta para ir del estado i al j.

Ejemplo

Almacenes Juanchi´s vende partes de automóviles y camiones a empresas que cuentan con
flotas. Cuan las empresas compran a Juanchi´s se le dan 3 meses para pagar si las cuentas
no se saldan en ese período, Juanchi´s cancela la cuenta, la remite a una agencia de
cobranzas y da por terminadas las transacciones. Por lo tanto Juanchi´s clasifica sus cuentas
en nuevas, de un mes de retraso, de dos meses de retraso, de tres meses de retraso, pagadas
e incobrables. Juanchi´s investigó sus antiguos recursos y descubrió que:

a) 70% de las cuentas nuevas se pagan en un mes.

b) 60% de las cuentas de 1 mes de retraso se liquidan al final de mes.

c) 50% de las cuentas con 2 meses de retraso se pagan al final de ese último mes.

d) 60% con 3 meses de retraso se remiten a una agencia de cobranza.

1. Forme la matriz de transición con estos datos.

2. ¿Cuál es la probabilidad de una que una cuenta nueva se liquide?
3. ¿Cuál es la probabilidad de que una cuenta con 1 mes de retraso se convierta en
incobrable?

4. ¿En cuántos meses debe esperar Juanchi´s para que un cliente nuevo promedio liquidara
su cuenta?
5. Si las ventas de Juanchi´s son en promedio Lps125000/mes, ¿cuánto dinero se aceptaría
como deuda incobrable al mes y cada año?

En primera instancia se plantea a continuación la matriz:

Nueva 1er Mes 2do. Mes 3er. Mes Pagada Incobrable

Nueva 0 0.3 0 0 0.7 0
1er. Mes 0 0 0.4 0 0.6 0
2do. Mes 0 0 0 0.5 0.5 0
3er. Mes 0 0 0 0 0.4 0.6

8
 Pagada 0 0 0 0 1 0
Incobrable 0 0 0 0 0 1

Se debe ahora considerar las matrices absorbentes y no absorbe, así como la identidad.

R=
0.7 0
0.6 0
0.5 0
0.4 0.6

N=

0 0.3 0 0
0 0 0.4 0
0 0 0 0.5
0 0 0 0

Además de ello, se debe tener en cuenta,

(N-1)=

1 -0.3 0 0
0 1 -0.4 0
0 0 1 -0.5
0 0 0 1

A partir de la anterior matriz podemos hallar la matriz fundamental para conseguir las
probabilidades, para esto hallamos la matriz inversa de (N - I) por la matriz absorbente,
obteniendo las probabilidades de ocurrencia de cada estado contenido en la matriz de no
absorbente.

(N-1) =

1 0.3 0.12 0.06

0 1 0.4 0.2
0 0 1 0.5

9
 0 0 0 1

Ahora multiplicamos por la matriz absorbente así:

P(x) = (N-1)-1 (R) =

0.7 0
1 0.3 0.12 0.06
0.6 0
0 1 0.4 0.2
0.5 0
0 0 1 0.5
0.4 0.6
0 0 0 1

Con lo cual obtenemos las probabilidades para cada uno de los estados para llegar a cada uno de
los estados absorbentes:

Pagada Incobrable
Nueva 0.96 0.036
1er Mes 0.88 0.12
2do Mes 0.7 0.30
3er Mes 0.4 0.6

2. La probabilidad de que una cuenta nueva se liquide es 96%.

3. La probabilidad de que una cuenta de 1 mes de retraso se convierta en inconbrable
es 12%.

4. El tiempo que se espera para que un cliente nuevo promedio liquidara su cuenta está
dado por la suma de las probabilidades de la matriz (N - I) inversa, correspondiente a la
primera fila. Esto es:

(N-I)-1 =

1 0.3 0.12 0.06

10
Sumando tendremos que este tiempo en meses es 1+ 0.3 + 0.12 + 0.06 = 1.48 meses.
5. El dinero que se aceptará como deuda incobrable es de:

Lps .125000 Lps 4,500

0.036x mes
= mes

( Lpsmes4,500 )( 121 mese

año )
=
Lps .54,000
año

Conclusiones

 Se reconoció las generalidades de una cadena de Márkov

 Identificamos las características de un proceso estocástico márkoviano

 Clasificamos de forma general de las cadenas de Márkov.

 Quedo establecido de la manera mas clara que una cadena de Markov es una
sucesión u observaciones en la cual cada ensayo tiene el mismo número finito de
resultados posibles y en donde la probabilidad de que cada resultado para un ensayo
dado depende del ensayo inmediato anterior y no de cualquier resultado previo.

11
 Bibliografía

Hillier, F., & Liberman, G. (2010). Introducion a la investigacion de operaciones. McGRAW-

HILL/INTERAMERICANA EDITORES.

Taha, H. (s.f.). Investigacion de operaciones. English language edition.

Bronson, R. (1993). Investigación de operaciones, México, Editorial McGrawHill.

Izar, J. (2012). Investigación de operaciones, México, Editorial Trillas.

http://www.bioingenieria.edu.ar/academica/catedras/metestad/Cadenas%20 de%20Markov-
1.pdf

12