UNT ʹ Ingeniería de Minas 2018 Curso: SIMULACIÓN DE OPERACIONES MINERAS

SIMULACIÓN DE OPERACIONES MINERAS

/>K͗͞y͟ Tema: CADENAS DE MARKOV

Clase Nro. 04
Cadenas de MARKOV

Ing° ROJAS ESCOBAR José Alvan Página 1 de 80

UNT ʹ Ingeniería de Minas 2018 Curso: SIMULACIÓN DE OPERACIONES MINERAS

/>K͗͞y͟ Tema: CADENAS DE MARKOV

Ing° ROJAS ESCOBAR José Alvan Página 2 de 80

 UNT ʹ Ingeniería de Minas 2018 Curso: SIMULACIÓN DE OPERACIONES MINERAS
/>K͗͞y͟ Tema: CADENAS DE MARKOV

Ejemplo Nro. 01
Considere un agricultor que tiene un viejo tractor que muy a menudo se
encuentra en el taller de reparación donde toma un día repararlo. Se
ha observado que el primer día que el tractor deja el taller funciona
bastante bien, pero pasado cierto tiempo tiene un 10% de
probabilidad de fallar y de ser regresado al taller. Sean X0, X1, ... las
variables aleatorias que indican la condición diaria del tractor, donde
͞1͟ denota que el tractor está trabajando y ͞0͟ que está
descompuesto. Entonces decimos que X0, X1, ... es una cadena de
Markov con espacio de estado = {0, 1} y con matriz :
P= 0 0 1
1 0.1 0.9 1.0 0.9
o gráficamente 0 1
0.1
(Cada estado está representado por un circulo mientras que las
probabilidades de transición por flechas)

Ing° ROJAS ESCOBAR José Alvan Página 3 de 80

UNT ʹ Ingeniería de Minas 2018 Curso: SIMULACIÓN DE OPERACIONES MINERAS

/>K͗͞y͟ Tema: CADENAS DE MARKOV

Ejemplo Nro. 02
Un proceso de manufactura consiste de dos fases sucesivas. Después
de la primera fase, 20% de las partes deben ser re-trabajadas, 10 % de
las partes son eliminadas y 70% pasan a la segunda fase. Después de
la etapa 02, 5% de las partes deben ser regresadas a la primera fase,
10% deben ser re-trabajadas y 5% eliminadas; las restantes partes son
vendidas. El diagrama se ilustra este proceso de manufactura.
0.05 La matriz de Markov
asociada a este proceso de
Buenas
manufactura está dada por:
0.1
1 2 s g
0.7 0.8
Etapa 01 Etapa 02 1 0.2 0.7 0.1 0.0
2 0.05 0.1 0.05 0.8
0.05 P =
0.2 0.1 s 0.0 0.0 1.0 0.0
Desperdicio g 0.0 0.0 0.0 1.0

Ing° ROJAS ESCOBAR José Alvan Página 4 de 80

 UNT ʹ Ingeniería de Minas 2018 Curso: SIMULACIÓN DE OPERACIONES MINERAS
/>K͗͞y͟ Tema: CADENAS DE MARKOV

Ejemplo Nro. 03
Considérese el ejemplo de las migraciones, y suponga que al inicio de la
investigación, el 35% de la población vivía en áreas urbanas, el 45% en
área suburbana, y el resto en área rural.
a) Si inicialmente una familia vive en un área rural, ¿cuál es la
probabilidad de que tres años después esta familia viva en un área
urbana?
b) ¿Cual es la probabilidad de que tres años después de iniciada la
investigación una familia viva en el área urbana?
Solución Calculando la matriz Q3, se obtiene:
Se tiene que la matriz de transición es: § 0,5399 0,3353 0,1248·
¨ ¸
urb surb rural Q 3 ¨ 0,1352 0,7593 0,1055¸
¨ 0,0967 0,1622 0,7411¸
urb § 0,80 0,15 0,05· © ¹
¨ ¸ Además, las probabilidades iniciales dan:
Q surb ¨ 0,06 0,90 0,04¸ a t (0,35 0,45 0,20 )
rural ¨ 0,04 0,06 0,90¸ Con lo cual, se obtienen a) 0,0967
© ¹
las respuestas a las
interrogantes: b) 0,2691
Ing° ROJAS ESCOBAR José Alvan Página 5 de 80

UNT ʹ Ingeniería de Minas 2018 Curso: SIMULACIÓN DE OPERACIONES MINERAS

/>K͗͞y͟ Tema: CADENAS DE MARKOV

Ing° ROJAS ESCOBAR José Alvan Página 6 de 80

 UNT ʹ Ingeniería de Minas 2018 Curso: SIMULACIÓN DE OPERACIONES MINERAS
/>K͗͞y͟ Tema: CADENAS DE MARKOV

Ejemplo Nro. 01
Caso Refresco Cola.- Suponga que toda la industria de refrescos
produce dos colas. Cuando una persona ha comprado la cola 1,
hay una probabilidad de 90% de que su siguiente compra sea de
cola 1. Si una persona compró cola 2, hay 80% de probabilidades
que su próxima compra sea de cola 2.
a) Si actualmente una persona es comprador de cola 2, ¿cuál es la
probabilidad que compre cola 1 pasadas dos compras a partir de hoy?
b) Si en la actualidad una persona es comprador de cola 1, ¿cuál es la
probabilidad que compre cola 1 pasadas tres compras a partir de
ahora?
Consideraremos que las compras de cada una de las personas
son una cadena de Markov, y que el estado en cualquier
momento es el tipo de cola que compró la persona por última
vez. Por lo tanto, las compras de cola por parte de cada una de
las personas se pueden representar con una cadena de Markov
de dos estados donde:
Estado 1 = la persona acaba de comprar cola 1
Estado 2 = la persona acaba de comprar cola 2
Ing° ROJAS ESCOBAR José Alvan Página 7 de 80

UNT ʹ Ingeniería de Minas 2018 Curso: SIMULACIÓN DE OPERACIONES MINERAS

/>K͗͞y͟ Tema: CADENAS DE MARKOV

Ejemplo Nro. 01 Solución

Si definimos Xn como el tipo de cola que compra 1 2
una persona en la n-ésima compra futura (la
compra actual = X0), entonces X0, X1, } se 1 0.90 0.10
pueden describir como una cadena de Markov P = 2 0.20 0.80
con la siguiente matriz de transición:
Podemos contestar ahora las preguntas (a) y (b).
a) Se busca P(X2 = 1 | X0 = 2) 2 ª0.90 0.10º ª0.90 0.10º ª0.83 0.17º
P «0.20 0.80» «0.20 0.80» «0.34 0.66»
= p21(2) = elemento 21 de P2: ¬ ¼¬ ¼ ¬ ¼

Por lo tanto, p21(2) = 0.34. Esto significa que hay

probabilidad 0.34 de que la persona que compra cola
2 compre cola 1, después de dos compras a partir de
ahora.
Ing° ROJAS ESCOBAR José Alvan Página 8 de 80
 UNT ʹ Ingeniería de Minas 2018 Curso: SIMULACIÓN DE OPERACIONES MINERAS
/>K͗͞y͟ Tema: CADENAS DE MARKOV

Ejemplo Nro. 01 Solución

Con la teoría básica de probabilidad, podemos obtener esta
respuesta siguiendo un camino distinto. Nótese que:
p21(2) = (probabilidad que la siguiente compra sea cola 1 y la segunda sea cola 1) +
(probabilidad que la siguiente compra sea cola 2 y la segunda sea cola 1)
= p2Ip11 + p22p21= (0.20)(0.90) + (0.80)(0.20) = 0.34.

Ing° ROJAS ESCOBAR José Alvan Página 9 de 80

UNT ʹ Ingeniería de Minas 2018 Curso: SIMULACIÓN DE OPERACIONES MINERAS

/>K͗͞y͟ Tema: CADENAS DE MARKOV

Ejemplo Nro. 01 Solución

b) Si en la actualidad una persona es comprador de cola 1,
¿cuál es la probabilidad que compre cola 1 pasadas tres
compras a partir de ahora?
Buscamos p11(3) = elemento 11 de P3:

3 2 ª0.90 0.10º ª0.83 0.17º ª0.781 0.219º

P P( P ) «0.20 0.80» «0.34 0.66» «0.438 0.562»
¬ ¼¬ ¼ ¬ ¼

Por lo tanto, p11(3) = 0.781

Ing° ROJAS ESCOBAR José Alvan Página 10 de 80

 UNT ʹ Ingeniería de Minas 2018 Curso: SIMULACIÓN DE OPERACIONES MINERAS
/>K͗͞y͟ Tema: CADENAS DE MARKOV

Ejemplo Nro. 01 Solución

c) supongamos que el 60% de toda la gente toma hoy cola 1
y el 40% cola 2. A tres compras a partir de ahora, ¿qué
fracción de los compradores estará tomando cola 1?.
Como: q = [0.60 , 0.40] y
q (columna 1 de P3) = probabilidad de que a tres compras a partir de este
momento una persona tome cola 1,
la probabilidad que se busca es:

ª0.781º
>0.60 0.40@ « » 0.6438
¬0.438¼
Por lo tanto, a tres compras de este momento el
64% de las personas estará comprando cola 1.
Ing° ROJAS ESCOBAR José Alvan Página 11 de 80

UNT ʹ Ingeniería de Minas 2018 Curso: SIMULACIÓN DE OPERACIONES MINERAS

/>K͗͞y͟ Tema: CADENAS DE MARKOV

Ejemplo Nro. 01 Solución

d) Para mostrar el comportamiento de las Tabla.- Probabilidades de transición en
PROBABILIDADES DE TRANSICIÓN en ¶¶Q¶¶ etapas para el caso de Cola
¶¶Q¶¶ etapas para grandes valores de ¶¶Q¶¶,
hemos calculado algunas de las n P11(n) P12(n) P21(n) P22(n)
probabilidades transición de ¶¶Q¶¶ etapas 1 0.90 0.10 0.20 0.80
para el ejemplo de la cola y se muestran
en la Tabla. 2 0.83 0.17 0.34 0.66
Cuando ¶¶Q¶¶ es grande, p11(n) y p21(n) son
3 .078 0.22 0.44 0.56
casi constantes y tienden a 0.67. 4 0.75 0.25 0.51 0.49
Esto quiere decir que para n grande,
independientemente del estado inicial, hay 5 0.72 0.28 0.56 0.44
una probabilidad de 0.67 de que una persona
compre cola 1. 10 0.68 0.32 0.65 0.35
Igualmente, vemos que para ¶¶Q¶¶ grande, tanto 20 0.67 0.33 0.67 0.33
p12(n) como p22(n) son casi constantes y
tienden a 0.33. Esto significa que para ¶¶Q¶¶
30 0.67 0.33 0.67 0.33
grande, haciendo caso omiso del estado 40 0.67 0.33 0.67 0.33
inicial, hay una probabilidad 0.33 de que una
persona sea comprador de cola 2.
Ing° ROJAS ESCOBAR José Alvan Página 12 de 80
 UNT ʹ Ingeniería de Minas 2018 Curso: SIMULACIÓN DE OPERACIONES MINERAS
/>K͗͞y͟ Tema: CADENAS DE MARKOV

Ejemplo Nro. 01 Solución

d) PROBABILIDADES DE ESTADO ESTABLE Y TIEMPOS MEDIOS DE PRIMER PASAJE
En los ejemplos anteriores, encontramos que después de largo tiempo, la probabilidad de que
la siguiente compra de una persona fuera de cola 1 tiende a 0.67, y la de que la compra
siguiente fuera de cola 2 a 0.33 (Tabla). Estas probabilidades no dependieron de si la persona
era al principio tomador de cola 1 o de cola 2.
Ahora describiremos el importante concepto de probabilidades de estado estable, el cual se
puede usar para describir el comportamiento de una cadena de Markov a largo plazo.
1 2
Recuerde que la matriz de transición de ese ejemplo era 1 0.90 0.10
P=
2 0.20 0.80
ª0.90 0.10º
>S1 S 2 @ > S1 S 2 «@ »
Al reemplazar ha segunda ecuación por la
0.20 0.80
¬ ¼
condición ʋ1 + ʋ 2 = 1, obtenemos el sistema

Al despejar ʋ1 y ʋ 2 , resulta que ʋ1 = 2/3 y ʋ2 = 1/3.

Por lo tanto, después de largo tiempo, hay probabilidad
2/3 de que una persona dada compre cola 1 y 1/3 de
probabilidad de que una persona dada compre cola 2.
Ing° ROJAS ESCOBAR José Alvan Página 13 de 80

UNT ʹ Ingeniería de Minas 2018 Curso: SIMULACIÓN DE OPERACIONES MINERAS

/>K͗͞y͟ Tema: CADENAS DE MARKOV

Ejemplo Nro. 01 Solución

e) USO DE LAS PROBABILIDADES DE ESTADO ESTABLE PARA TOMAR DECISIONES
Suponga, que cada cliente hace una compra de cola durante cualquier semana (52
semanas = 1 año). Suponga que hay 100 millones de clientes de cola. La producción de
una unidad de venta de cola cuesta 1 dólar y se vende a 2 dólares. Una empresa de
publicidad garantiza, por 500 millones de dólares al año, un decremento del 10% al 5%
de la fracción de consumidores de cola 1, que se cambian a cola 2 después de una
compra. ¿Debe contratar a la empresa de publicidad la compañía que fabrica la cola 1?.
En la actualidad, una fracción ʋ1 = 2/3 de todas las compras es de cola 1. Cada compra de cola
1 le deja al fabricante 1 dólar. Como hay un total de 52(100,000,000) = 5,200,000,000 de
compras de cola cada año. 1 2
Las ganancias actuales del fabricante de cola 1, al año, son: 1 0.95 0.05
2/3(5,200͛000,000) = 3,466͛666,667 dólares P=
2 0.20 0.80
La empresa de publicidad ofrece cambiar la matriz P a
Para P1, las ecuaciones de estado Al reemplazar la segunda ecuación por ʋ1 + ʋ 2 = 1 y
despejar, obtenemos ʋ1 = 0.8 y ʋ 2 = 0.2. En este caso, la
estable se transforman en ganancia anual de la productora de cola 1 será:
(0.80)(5,200͛000,000)ʹ500͛000,000 = USD$ 3,660͛000,000
Por lo tanto, el fabricante de cola 1 debe:
contratar la agencia de publicidad.
Ing° ROJAS ESCOBAR José Alvan Página 14 de 80
 UNT ʹ Ingeniería de Minas 2018 Curso: SIMULACIÓN DE OPERACIONES MINERAS
/>K͗͞y͟ Tema: CADENAS DE MARKOV

Ing° ROJAS ESCOBAR José Alvan Página 15 de 80

UNT ʹ Ingeniería de Minas 2018 Curso: SIMULACIÓN DE OPERACIONES MINERAS

/>K͗͞y͟ Tema: CADENAS DE MARKOV

Ejemplo Nro. 01

Ing° ROJAS ESCOBAR José Alvan Página 16 de 80

 UNT ʹ Ingeniería de Minas 2018 Curso: SIMULACIÓN DE OPERACIONES MINERAS
/>K͗͞y͟ Tema: CADENAS DE MARKOV

Ejemplo Nro. 02

Ing° ROJAS ESCOBAR José Alvan Página 17 de 80

UNT ʹ Ingeniería de Minas 2018 Curso: SIMULACIÓN DE OPERACIONES MINERAS

/>K͗͞y͟ Tema: CADENAS DE MARKOV

Ejemplo Nro. 03

Ing° ROJAS ESCOBAR José Alvan Página 18 de 80

 UNT ʹ Ingeniería de Minas 2018 Curso: SIMULACIÓN DE OPERACIONES MINERAS
/>K͗͞y͟ Tema: CADENAS DE MARKOV

Ing° ROJAS ESCOBAR José Alvan Página 19 de 80

UNT ʹ Ingeniería de Minas 2018 Curso: SIMULACIÓN DE OPERACIONES MINERAS

/>K͗͞y͟ Tema: CADENAS DE MARKOV

Ejemplo Nro. 01
El departamento de estudios de mercado de una fábrica estima que el 20% de la
gente que compra un producto un mes, no lo comprará el mes siguiente.
Además, el 30% de quienes no lo compren un mes lo adquirirá al mes siguiente.
En una población de 1,000 individuos, 100 compraron el producto el primer mes.
¿Cuántos lo comprarán al mes próximo? ¿Y dentro de dos meses?
Solución

Matriz de transición

0.80 Total de la población = 1,000 individuos

0.70
0.20 No
Compran el
compran el
producto
producto
(C) 0.30
(N)

Ing° ROJAS ESCOBAR José Alvan100 900 Página 20 de 80

 UNT ʹ Ingeniería de Minas 2018 Curso: SIMULACIÓN DE OPERACIONES MINERAS
/>K͗͞y͟ Tema: CADENAS DE MARKOV

Ejemplo Nro. 01 Solución

¿Cuántos lo comprarán al mes próximo? Desarrollando..
C= 100 (0.8) + 900 (0.3)= 350
N= 100 (0.2) + 900 (0.7)= 650
Comprarán C=350
No Comprarán N=650

¿Y dentro de dos meses? ¿Y dentro de dos meses?

350 650 475 525

Desarrollando..
C= 350 (0.8) + 650 (0.3)= 475
N= 350 (0.2) + 650 (0.7)= 525 Desarrollando..
C= 100 (0.7) + 900 (0.45)= 475
Comprarán C=475 N= 100 (0.3) + 900 (0.55)= 525
No Comprarán N=525 Comprarán C=475
No Comprarán N=525
Ing° ROJAS ESCOBAR José Alvan Página 21 de 80

UNT ʹ Ingeniería de Minas 2018 Curso: SIMULACIÓN DE OPERACIONES MINERAS

/>K͗͞y͟ Tema: CADENAS DE MARKOV

Ejemplo Nro. 02 0.93

En una población de 10,000 habitantes, 5,000 no No

fuman, 2,500 fuman uno o menos de un paquete fuman
diario y 2,500 fuman más de un paquete diario. En 0.05 0.10
un mes hay un 5% de probabilidad de que un no
fumador comience a fumar un paquete diario, o 0.02 0.05
menos, y un 2% de que un no fumador pase a fumar Fuman 1
Fuman
0.10 o menos
más de un paquete diario. para los que fuman un 0.85 más de 1 de 1
0.80
paquete, o menos, hay un 10% de probabilidad de cajetilla al
cajetilla al
que dejen el tabaco, y un 10% de que pasen a fumar día 0.10 día
más de un paquete diario. entre los que fuman más NF= No fuman
de un paquete, hay un 5% de probabilidad de que FC= fuman uno o menos de un paquete diarios
dejen el tabaco y un 10% de que pasen a fumar un FCC= fuman más de un paquete diario.
paquete, o menos. ¿cuántos individuos habrá de 0 1 2
cada clase el próximo mes? ¿Y dentro de dos meses?.
૚
§ 0.93
¨
0.05 0.02 ·
¸
ࡼ ൌ 0 0.93 0.05 0.02
( NF , FC , FCC) 5,000 ; 2,500 ; 2500¨ 0.10 0.80 0.10 ¸ (5,025 ; 2,500 ; 2475) 1 0.10 0.80 0.10
¨ 0.05 0.10 0.80 ¸¹
© 2 0.05 0.10 0.85
Después de ͚͛hED^͛͛ŚĂďƌĄŶE&сϱ͕ϬϮϱ ; FC=2,500 ; FCC=2,475
§ 0.8709 0.0885 0.0406 ·
¨ ¸
( NF , FC , FCC) 5,000 ; 2,500 ; 2,500* ¨ 0.178 0.655 0.167 ¸ (5,047 ; 2,498.75 ; 2,454.25)
¨ 0.099 0.1675 0.7335 ¸¹
©
Después de µ¶'260(6(6¶¶habrán NF=5,047 ; FC=2,499 ; FCC=2,455
Ing° ROJAS ESCOBAR José Alvan Página 22 de 80
 Ejemplo Nro. 03
Matrices de transición de estados en n pasos del clima:
La probabilidad del estado del clima dos, tres, cuatro, cinco días a futuro se puede
conocer a partir de las matrices de transición de dos, tres, cuatro y cinco pasos que
se calculan bajo las ecuaciones de Chapman Kolmogorov. Partiendo de la matriz de
transición de un paso.
§ 0.8 0.2 ·
P (1) ¨¨ ¸
© 0.6 0.4 ¸¹
§ 0.8 0.2 ·§ 0.8 0.2 · § 0.76 0.24 ·
P ( 2) P (1) x P (1) ¨¨ ¸¨ ¸ ¨¨ ¸
© 0.6 0.4 ¸¹¨© 0.6 0.4 ¸¹ © 0.72 0.28 ¸¹ Observe que en la
matriz de cinco
§ 0.8 0.2 ·§ 0.76 0.24 · § 0.752 0.248 · pasos, las dos filas
P ( 3) P (1) x P ( 2 ) ¨¨ ¸¨ ¸ ¨ ¸
© 0.6 0.4 ¸¹¨© 0.72 0.28 ¸¹ ¨© 0.744 0.256 ¸¹ tienen elementos
idénticos. Esto se
§ 0.8 0.2 ·§ 0.752 0.248 · § 0.75 0.25 · denomina proba-
P ( 4) P (1) x P (3) ¨¨ ¸¨ ¸ ¨ ¸
© 0.6 0.4 ¸¹¨© 0.744 0.256 ¸¹ ¨© 0.749 0.251¸¹ bilidad del estado
estable de la cadena
§ 0.8 0.2 ·§ 0.75 0.25 · § 0.75 0.25 · de Markov.
P ( 5) P (1) x P ( 4 ) ¨¨ ¸¨ ¸ ¨ ¸
© 0.6 0.4 ¸¹¨© 0.749 0.251¸¹ ¨ 0.75
© 0.25 ¸¹

Ejemplo Nro. 03
Hay tres marcas nacionales de cerveza principales (B,M,S).
Piense en el volumen total (en galones) que se
consumieron el año pasado de estas tres cervezas. En la
gráfica se muestra la proporción del total del mercado( o
sea, la participación en el mercado) de cada marca.
Sharon Sheralik es la gerente de la fábrica que
Marca de Participación produce la cerveza B. Le gustaría recuperar su
cerveza en el posición como fabricante de cerveza número 1
mercado en la nación. Ella espera cambiar su posición
en el mercado modificando su estrategia de
B 0.3 mercado y el envase. Espera aumentar su
M 0.5 participación en el extenso mercado cervecero,
S 0.2 en tanto que conserva una ventaja entre los
jóvenes solteros. Sabe que con una nueva
campaña ganará y perderá clientes ante sus
dos competidores. Lo que Sharon necesita
es una estimación del efecto global.
Una cadena de Markov ofrece a Sharon un nuevo
modelo para analizar este problema. Para usarlo,
suponga que se puede describir el comportamiento
de un consumidor individual mediante una cadena de
Markov. Los estados del sistema son las marcas de
cerveza que los consumidores podrían comprar. Una
probabilidad de transición pij es la probabilidad de
que un cliente que compra esta vez la marca i cambie
a la marca j la próxima vez.
En la tabla siguiente se muestra la matriz de
transición de un paso para este problema. Esta
matriz indica que:1.- el 85% de la gente que compró
B la última vez, la comprará otra vez; 2.- El 10% se
aficionará a M;3.- el 5% comprará S. Las demás fila
tienen una representación similar.
La matriz de probabilidades estacionarias se puede
calcular con las ecuaciones de Chapman
Kolmogorov.

B M ƒS
B 0.85 0.10 0.05
M 0.08 0.85 0.07
S 0.13 0.17 0.70

‫ ۍ‬0.85 0.1 0.05 ‫ې‬

‫ێ‬ ‫ۑ‬
(1)
P = ‫ ێ‬0.08 0.85 0.07 ‫ۑ‬
‫ێ‬ ‫ۑ‬
‫ ۏ‬0.13 0.17 0.7 ‫ے‬

‫ ۍ‬0.85 0.1 0.05 ‫ ۍ ې‬0.85 0.1 0.05 ‫ې‬ ‫ ۍ‬0.737 0.1785 0.0845 ‫ې‬
‫ێ‬ ‫ێ ۑ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
P(2)= =
‫ ێ‬0.08 0.85 0.07 ‫ ێ ·ۑ‬0.08 0.85 0.07 ‫ۑ‬ ‫ ێ‬0.1451 0.7424 0.1125 ‫ۑ‬
‫ێ‬ ‫ێ ۑ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
‫ ۏ‬0.13 0.17 0.7 ‫ ۏ ے‬0.13 0.17 0.7 ‫ے‬ ‫ ۏ‬0.2151 0.2765 0.5084 ‫ے‬

‫ ۍ‬0.85 0.1 0.05 ‫ې‬ ‫ ۍ‬0.737 0.1785 0.0845 ‫ې‬ ‫ ۍ‬0.651715 0.23979 0.108495 ‫ې‬
‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
‫ ێ‬0.08 0.85 0.07 ‫ ۑ‬X ‫ ێ‬0.1451 0.7424 0.1125 ‫= ۑ‬ ‫ ێ‬0.197352 0.664675 0.13797 ‫ۑ‬
P(3)=
‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
‫ ۏ‬0.13 0.17 0.7 ‫ے‬ ‫ ۏ‬0.2151 0.2765 0.5084 ‫ے‬ ‫ ۏ‬0.2710469 0.34296 0.3859 ‫ے‬
 ‫ې ‪ 0.85 0.1 0.05‬ۍ‬ ‫‪ 0.651715‬ۍ‬ ‫ې ‪0.23979 0.108495‬‬
‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
‫‪ 0.197352‬ێ ‪ X‬ۑ ‪ 0.08 0.85 0.07‬ێ =)‪P(4‬‬ ‫ۑ ‪0.664675 0.13797‬‬
‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
‫ے ‪ 0.13 0.17 0.7‬ۏ‬ ‫‪ 0.2710469‬ۏ‬ ‫ے ‪0.34296 0.3859‬‬
‫ې ‪ 0.5872452999 0.2874371499 0.1253175499‬ۍ‬
‫ێ‬ ‫ۑ‬
‫=)‪P(4‬‬ ‫ۑ ‪ 0.2388596899 0.6081643600 0.1529759499‬ێ‬
‫ێ‬ ‫ۑ‬
‫ے ‪ 0.3080056899 0.3842415499 0.3077527599‬ۏ‬

‫ې ‪ 0.85 0.1 0.05‬ۍ‬ ‫ې ‪ 0.5872452999 0.2874371499 0.1253175499‬ۍ‬

‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
‫‪ X‬ۑ ‪ 0.08 0.85 0.07‬ێ =)‪P(5‬‬ ‫ۑ ‪ 0.2388596899 0.6081643600 0.1529759499‬ێ‬
‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
‫ے ‪ 0.13 0.17 0.7‬ۏ‬ ‫ے ‪ 0.3080056899 0.3842415499 0.3077527599‬ۏ‬
‫ې ‪ 0.5384447583 0.3243500909 0.1372051503‬ۍ‬
‫ێ‬ ‫ۑ‬
‫=)‪P(5‬‬ ‫ۑ ‪ 0.2715707587 0.5668315864 0.1615976545‬ێ‬
‫ێ‬ ‫ۑ‬
‫ے ‪ 0.3325520191 0.4097238556 0.2577241248‬ۏ‬

‫ې ‪ 0.85 0.1 0.05‬ۍ‬ ‫ې ‪ 0.5384447583 0.3243500909 0.1372051503‬ۍ‬

‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
‫ێ‬ ‫‪0.08‬‬ ‫‪0.85‬‬ ‫‪0.07‬‬ ‫ۑ‬ ‫‪X‬‬ ‫ۑ ‪ 0.2715707587 0.5668315864 0.1615976545‬ێ‬
‫=)‪P(6‬‬ ‫ێ‬ ‫ۑ‬
‫ێ‬ ‫ۑ‬
‫ے ‪ 0.13 0.17 0.7‬ۏ‬ ‫ے ‪ 0.3325520191 0.4097238556 0.2577241248‬ۏ‬

‫ې ‪ 0.5014627213 0.3528669286 0.1456703494‬ۍ‬

‫ێ‬ ‫ۑ‬
‫)‪(6‬‬
‫ۑ ‪ 0.2971893668 0.5364355256 0.1663751070‬ێ = ‪P‬‬
‫ێ‬ ‫ۑ‬
‫ے ‪ 0.3489512609 0.4253335804 0.2257151581‬ۏ‬

‫ې ‪ 0.85 0.1 0.05‬ۍ‬ ‫ې ‪ 0.5014627213 0.3528669286 0.1456703494‬ۍ‬

‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
‫ۑ ‪ 0.2971893668 0.5364355256 0.1663751070‬ێ ‪ X‬ۑ ‪ 0.08 0.85 0.07‬ێ =)‪P(7‬‬
‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
‫ے ‪ 0.13 0.17 0.7‬ۏ‬ ‫ے ‪ 0.3489512609 0.4253335804 0.2257151581‬ۏ‬

‫ې ‪ 0.4734098128 0.3748471208 0.1517430655‬ۍ‬

‫ێ‬ ‫ۑ‬
‫ۑ ‪ 0.3171545677 0.5139729016 0.1688725299‬ێ =)‪P(7‬‬
‫ێ‬ ‫ۑ‬
‫ے ‪ 0.3599782287 0.4348002463 0.2052215242‬ۏ‬
 ‫ې ‪ 0.85 0.1 0.05‬ۍ‬ ‫ې ‪ 0.4734098128 0.3748471208 0.1517430655‬ۍ‬
‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
‫ۑ ‪ 0.3171545677 0.5139729016 0.1688725299‬ێ ‪X‬‬
‫ۑ ‪ 0.08 0.85 0.07‬ێ =)‪P(8‬‬ ‫ێ‬ ‫ۑ‬
‫ێ‬ ‫ۑ‬
‫ے ‪ 0.13 0.17 0.7‬ۏ‬ ‫ے ‪ 0.3599782287 0.4348002463 0.2052215242‬ۏ‬

‫ې ‪ 0.4521127090 0.3917573551 0.1561299348‬ۍ‬

‫ێ‬ ‫ۑ‬
‫ۑ ‪ 0.3326526435 0.4973007532 0.1700466023‬ێ =)‪P(8‬‬
‫ێ‬ ‫ۑ‬
‫ے ‪ 0.3674443122 0.4404656913 0.1920899955‬ۏ‬

‫ې ‪ 0.85 0.1 0.05‬ۍ‬ ‫ې ‪ 0.4521127090 0.3917573551 0.1561299348‬ۍ‬

‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
‫ۑ ‪ 0.3326526435 0.4973007532 0.1700466023‬ێ ‪X‬‬
‫ۑ ‪ 0.08 0.85 0.07‬ێ =)‪P(9‬‬ ‫ێ‬ ‫ۑ‬
‫ێ‬ ‫ۑ‬
‫ے ‪ 0.13 0.17 0.7‬ۏ‬ ‫ے ‪ 0.3674443122 0.4404656913 0.1920899955‬ۏ‬

‫ې ‪ 0.4359332826 0.4047471117 0.1593196045‬ۍ‬

‫ێ‬ ‫ۑ‬
‫ۑ ‪ 0.3446448655 0.4848788270 0.1704763064‬ێ = ‪P‬‬
‫)‪(9‬‬
‫ێ‬ ‫ۑ‬
‫ے ‪ 0.3725366201 0.4437955681 0.1836678107‬ۏ‬

‫ې ‪ 0.85 0.1 0.05‬ۍ‬ ‫ې ‪ 0.4359332826 0.4047471117 0.1593196045‬ۍ‬

‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
‫‪X‬‬
‫ۑ ‪ 0.08 0.85 0.07‬ێ =)‪P(10‬‬ ‫ۑ ‪ 0.3446448655 0.4848788270 0.1704763064‬ێ‬
‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
‫ے ‪ 0.13 0.17 0.7‬ۏ‬ ‫ے ‪ 0.3725366201 0.4437955681 0.1836678107‬ۏ‬

‫ې ‪ 0.4236346077 0.4147127060 0.1616526849‬ۍ‬

‫ێ‬ ‫ۑ‬
‫ۑ ‪ 0.3539003616 0.4755924616 0.1705071755‬ێ =)‪P(10‬‬
‫ێ‬ ‫ۑ‬
‫ے ‪ 0.3760365879 0.4457034227 0.1782599881‬ۏ‬

‫ې ‪ 0.85 0.1 0.05‬ۍ‬ ‫ې ‪ 0.4236346077 0.4147127060 0.1616526849‬ۍ‬

‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
‫)‪(11‬‬
‫= ‪P‬‬ ‫ێ‬ ‫‪0.08‬‬ ‫‪0.85‬‬ ‫‪0.07‬‬ ‫ۑ‬ ‫‪X‬‬ ‫ێ‬ ‫‪0.3539003616‬‬ ‫‪0.4755924616‬‬ ‫‪0.1705071755‬‬ ‫ۑ‬
‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
‫ے ‪ 0.13 0.17 0.7‬ۏ‬ ‫ے ‪ 0.3760365879 0.4457034227 0.1782599881‬ۏ‬

‫ې ‪ 0.4142812820 0.4223502173 0.1633684991‬ۍ‬

‫ێ‬ ‫ۑ‬
‫=)‪P(11‬‬ ‫ۑ ‪ 0.3610286371 0.4686298484 0.1703415131‬ێ‬
‫ێ‬ ‫ۑ‬
‫ے ‪ 0.3784611720 0.4467557661 0.1747830605‬ۏ‬
 ‫ې ‪ 0.85 0.1 0.05‬ۍ‬ ‫ې ‪ 0.4142812820 0.4223502173 0.1633684991‬ۍ‬
‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
‫ۑ ‪ 0.08 0.85 0.07‬ێ = ‪P‬‬
‫)‪(12‬‬ ‫‪X‬‬ ‫ۑ ‪ 0.3610286371 0.4686298484 0.1703415131‬ێ‬
‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
‫ے ‪ 0.13 0.17 0.7‬ۏ‬ ‫ے ‪ 0.3784611720 0.4467557661 0.1747830605‬ۏ‬
‫ې ‪ 0.4071650120 0.4281984578 0.1646365285‬ۍ‬
‫ێ‬ ‫ۑ‬
‫)‪(12‬‬
‫= ‪P‬‬ ‫ێ‬ ‫‪0.3665091261‬‬ ‫‪0.4633962921‬‬ ‫‪0.1700945802‬‬ ‫ۑ‬
‫ێ‬ ‫ۑ‬
‫ے ‪ 0.3801542553 0.4473016387 0.1725441044‬ۏ‬

‫ې ‪ 0.85 0.1 0.05‬ۍ‬ ‫ې ‪ 0.4071650120 0.4281984578 0.1646365285‬ۍ‬

‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
‫)‪(13‬‬
‫= ‪P‬‬ ‫ێ‬ ‫‪0.08‬‬ ‫‪0.85‬‬ ‫‪0.07‬‬ ‫ۑ‬ ‫‪X‬‬ ‫ێ‬ ‫‪0.3665091261‬‬ ‫‪0.4633962921‬‬ ‫‪0.1700945802‬‬ ‫ۑ‬
‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
‫ے ‪ 0.13 0.17 0.7‬ۏ‬ ‫ے ‪ 0.3801542553 0.4473016387 0.1725441044‬ۏ‬

‫ې ‪ 0.4017488855 0.4326734002 0.1655777124‬ۍ‬

‫ێ‬ ‫ۑ‬
‫ۑ ‪ 0.3707167560 0.4594538396 0.1698294027‬ێ =)‪P(13‬‬
‫ێ‬ ‫ۑ‬
‫ے ‪ 0.3813459817 0.4475543162 0.1710997004‬ۏ‬

‫ې ‪ 0.85 0.1 0.05‬ۍ‬ ‫ې ‪ 0.4017488855 0.4326734002 0.1655777124‬ۍ‬

‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
‫)‪(14‬‬
‫= ‪P‬‬ ‫ێ‬ ‫‪0.08‬‬ ‫‪0.85‬‬ ‫‪0.07‬‬ ‫ۑ‬ ‫‪X‬‬ ‫ێ‬ ‫‪0.3707167560‬‬ ‫‪0.4594538396‬‬ ‫‪0.1698294027‬‬ ‫ۑ‬
‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
‫ے ‪ 0.13 0.17 0.7‬ۏ‬ ‫ے ‪ 0.3813459817 0.4475543162 0.1710997004‬ۏ‬

‫ې ‪ 0.3976255273 0.4360954899 0.1662789808‬ۍ‬

‫ێ‬ ‫ۑ‬
‫ۑ ‪ 0.3739433721 0.4564784378 0.1695781883‬ێ‬
‫=)‪P(14‬‬ ‫ێ‬ ‫ۑ‬
‫ے ‪ 0.3821913908 0.4476427160 0.1701658913‬ۏ‬

‫ې ‪ 0.85 0.1 0.05‬ۍ‬ ‫ې ‪ 0.3976255273 0.4360954899 0.1662789808‬ۍ‬

‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
‫ۑ ‪ 0.3739433721 0.4564784378 0.1695781883‬ێ ‪ X‬ۑ ‪ 0.08 0.85 0.07‬ێ =)‪P(15‬‬
‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
‫ے ‪ 0.13 0.17 0.7‬ۏ‬ ‫ے ‪ 0.3821913908 0.4476427160 0.1701658913‬ۏ‬

‫ې ‪ 0.3944856049 0.4387111459 0.1668032470‬ۍ‬

‫ێ‬ ‫ۑ‬
‫ۑ ‪ 0.3764153058 0.4542293014 0.1693553909‬ێ‬
‫=)‪P(15‬‬
‫ێ‬ ‫ۑ‬
‫ے ‪ 0.3827956653 0.4476436493 0.1695606834‬ۏ‬
 ‫ ۍ‬0.85 0.1 0.05 ‫ې‬ ‫ ۍ‬0.3944856049 0.4387111459 0.1668032470 ‫ې‬
‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
P(16)= ‫ ێ‬0.08 0.85 0.07 ‫ ۑ‬X ‫ ێ‬0.3764153058 0.4542293014 0.1693553909 ‫ۑ‬
‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
‫ ۏ‬0.13 0.17 0.7 ‫ے‬ ‫ ۏ‬0.3827956653 0.4476436493 0.1695606834 ‫ے‬

‫ ۍ‬0.3920940780 0.4407095866 0.1671963332 ‫ې‬

‫ێ‬ ‫ۑ‬
‫ ێ‬0.3783075548 0.4525268533 0.1691655898 ‫ۑ‬
P(16)=
‫ێ‬ ‫ۑ‬
‫ ۏ‬0.3832306963 0.4476019847 0.1691673169 ‫ے‬

‫ ۍ‬0.85 0.1 0.05 ‫ې‬ ‫ ۍ‬0.3920940780 0.4407095866 0.1671963332 ‫ې‬

‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
‫ ێ‬0.3783075548 0.4525268533 0.1691655898 ‫ۑ‬
P = ‫ ێ‬0.08 0.85 0.07 ‫ ۑ‬X
(17)
‫ێ‬ ‫ۑ‬ ‫ێ‬ ‫ۑ‬
‫ ۏ‬0.13 0.17 0.7 ‫ے‬ ‫ ۏ‬0.3832306963 0.4476019847 0.1691673169 ‫ے‬

‫ ۍ‬0.3902722565 0.4422359331 0.1674918080 ‫ې‬

‫ێ‬ ‫ۑ‬
P(17)= ‫ ێ‬0.3797550965 0.4512367311 0.1690081701 ‫ۑ‬
‫ێ‬ ‫ۑ‬
‫ ۏ‬0.3835460018 0.4475432006 0.1689107954 ‫ے‬

‫ ۍ‬0.384437 0.447154 0.1684 ‫ې‬ Observe que en la matriz de

‫ێ‬ ‫ۑ‬ veinte y cinco pasos, las tres
P(25)= ‫ ێ‬0.384437 0.447154 0.1684 ‫ۑ‬ filas tienen elementos
‫ێ‬ ‫ۑ‬
idénticos. Esto se denomina
‫ ۏ‬0.384437 0.447154 0.1684 ‫ے‬
probabilidad del estado
estable de la cadena de
Markov o Matriz estacionaria

Esto implica que la ventaja en el mercado de B aumentará al nuevo nivel de 0.38.

Sea ha acercado a su competidor más fuerte, de un 20% a pasado a un 7% de
diferencia. De hecho esto depende de que la matriz de transición sea una buena
representación de cómo reaccionarán los clientes ante la nueva campaña
promocional.
 UNT ʹ Ingeniería de Minas 2018 Curso: SIMULACIÓN DE OPERACIONES MINERAS
/>K͗͞y͟ Tema: CADENAS DE MARKOV

Ing° ROJAS ESCOBAR José Alvan Página 35 de 80