INSTITUTO TECNOLOGICO DE

ENSENADA

INVESTIGACION DE OPERACIONES II
INGENIERA
INDUSTRIAL
ELABORADO POR
DOMINGUEZ DIAZ GEMA
N. CONTROL
14760076

SISTEMA SEMI ESCOLARIZADO

INGENIERA INDUSTRIAL
Ing. JOSE SOLIS GIL

ENSENADA, B.C.
abril de 2016

KADENAS DE MARKOV

QUE ES UNA CADENA DE MARKOV

Una cadena de Markov es una serie de eventos, en la cual la probabilidad de que
ocurra un evento depende del evento inmediato anterior.
Las ventajas y desventajas de usar teora de Markov incluyen:

Teora de Markov es simple de aplicar y entender.

1. Clculos de sensibilidad ( contestar las preguntas "qu-si") se llevan a cabo
fcilmente.
2. La teora de Markov nos da con el tiempo una visin de los cambios en el
sistema.
3. P puede ser dependiente del estado actual del sistema. Si P es dependiente
tanto del tiempo y del estado actual del sistema i.e., P es una funcin de t y st,
entonces la ecuacin de Markov bsica se vuelve st=st-1P(t-1,st-1).
4. La teora de Markov es un modelo simplificado de un proceso de toma de
decisin complejo.

VIDEO INTRODUCCION A LAS CADENAS DE MARKOV

Este problema nos habla sobre los posibles estados del clima en un pueblo, dando
que si la probabilidad de tener un clima seco al siguiente dia es de 0.8 si el dia
actual es seco, pero si el clima es hmedo la probabilidad de que el clima sea seco
es de 0.6.
Entonces determinamos la matriz de transicin.
La cual nos quedara de esta manera
X= estado del clima
X=
X=

0
1

Estado actual Xt

Estado siguiente

Xt +1

P = 0.8

P1= 0.2

P1 = 0.6

P1.1= 0.4

Diagrama de Tranciscion
Dia seco a hmedo= 0.2

Hmedo-humedo=0.4

Seco-seco=0.8

Hmedo-seco0.6

Al final nos queda que

P= 0.75
P1= 0.25

CADENAS DE MARKOV EN EXCEL

Ejercicio:
Una empresa est 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 estimacin de la matriz
de probabilidades de cambiarse de una marca a otra cada mes. Si en la
actualidad la participacin de mercado es de 45%, 25% y 30%,
respectivamente. Cules sern las participaciones de mercado de cada marca
en dos meses ms?
Nuestra tabla quedara asi

Columna

SOLUCION
Rengln -
0.45

0.25

0.3

0.80

0.10

0.10

0.03

0.95

0.02

0.20

0.05

0.75

En esta matriz lo que se hace es multiplicar rengln por columna

0.43 0.30 0.28

0.43

0.3

0.28

0.80

0.10

0.10

0.03

0.95

0.02

0.20

0.05

0.75

0.41 0.34 0.26

Lo mismo en esta siguiente matriz hasta llegar a su solucin

Toda cadena de Markov tiene los siguientes elementos:
Un conjunto finito de M estados, exhaustivos y mutuamente excluyentes (ejemplo:
estados de la enfermedad)
Ciclo de markov (paso) : periodo de tiempo que sirve de base para examinar las
transiciones entre estados (ejemplo, un mes)
Probabilidades de transicin entre estados, en un ciclo (matriz P)
Distribucin inicial del sistema entre los M estados posibles.
Toda cadena de Markov cumple con las siguientes propiedades:
Propiedad Markoviana:
Un proceso estocstico tiene la propiedad markoviana si las probabilidades de
transicin en un paso slo dependen del estado del sistema en el perodo anterior
(memoria limitada).
PROPIEDADES:
1- la suma de las probabilidades de los estados debe ser igual a 1.
2- la matriz de transicin debe ser cuadrada.
3- las probabilidades de transicin deben estar entre 0 y 1

Para concluir podemos decir que las cadenas de Markov son una herramienta para
analizar el comportamiento y el gobierno de determinados tipos de procesos
estocsticos, esto es, procesos que evolucionan de forma no determinstica a lo largo
del tiempo en torno a un conjunto de estados.