Universidad César Vallejo: Facultad de Ingeniería

Universidad César Vallejo
Facultad de Ingeniería
Escuela de Ingeniería Industrial
“ELABORACIÓN DE UN MODELO MATEMATICO PARA ANALIZAR EL

TRASLADO INTERNO Y EXTERNO EN LOS ESTUDIANTES DE LA
ESCUELA DE INGENIERIA INDUSTRIAL DE LA UNIVERSIDAD CESAR
VALLEJO 2011”
TESIS PARA OPTAR EL TÍTULO PROFESIONAL DE INGENIERO INDUSTRIAL
Autor:
Bach. Rodríguez Zavaleta, Felipe Ramiro
Asesor Especialista:
Ing Javez Valladares, Santos Santiago
Trujillo, Perú
2011
i
VALLEJO 2011”
Rodríguez Zavaleta Felipe Ramiro
Autor
Presentada a la Escuela de ingeniería Industrial de la universidad Cesar

Vallejo para obtener el Título de ingeniero Industrial
Presidente
Ing. Santiago Javez Valladares
Secretario Vocal
Mg. Francisco Pinillos Nieto Mg. Elmer Tello de la Cruz
Trujillo- Perú
2011
ii
DEDICATORIA
A Dios primeramente, por darme sabiduría y

Fortaleza a lo largo de mi carrera, siempre me
Guía para lograr mis objetivos.
A toda mi familia, mi esposa Magali y

mis hijos: Ximira y Jean Paul, por su
apoyo incondicional y comprensión.
Felipe Ramiro
iii
AGRADECIMIENTO
A Dios por iluminarme durante toda la carrera y mostrarme el

camino en los momentos difíciles.
A la memoria de mis padres Santiago y Juana por haberme

inculcado el deseo de superación y la lucha constante para salir
adelante.
A los Docente que con sus enseñanzas contribuyeron a mi

formación profesional.
Al Ing. Blasco Nuñez Velasco, Santiago Javes Valladare, Miguel

Alcala Adrianzen, Francisco Pinillos Nieto, Elmer tello de La
Cruz, por su apoyo constante y su buen ejemplo.
Al Ing. Carlos Rojas Ciudad por todo su apoyo brindado y su

gran amistad.
Al Ing. Gleny Pacheco Ibáñez por todo su apoyo brindado y sus

consejos.
Al Ing. Grekka Makoxa Veillet Macas por su apoyo brindado.
iv
PRESENTACION
Trujillo, Julio del 2011
Señores Miembros del Jurado:
Cumpliendo con lo especificado en el Reglamento General de Grados y títulos
de la Escuela Profesional de Ingeniería Industrial de la Universidad Cesar
Vallejo, presento a vuestra consideración el presente estudio, titulado
VALLEJO 2011”, que ha sido elaborado con la finalidad de obtener el título
profesional de Ingeniería Industrial.
Cabe mencionar además, que el presente estudio se ha desarrollado en base a
un arduo trabajo, con esfuerzo y dedicación, aplicando los conocimientos
adquiridos durante el proceso de formación académica por la Universidad y que
haciendo uso de su amplio criterio de evaluación del presente trabajo.
Espero, señores miembros del Jurado que el presente estudio amerite vuestra
aceptación y aprobación, expresándoles mi reconocimiento por vuestros
invalorables conocimientos y dedicación a formar profesionales en bien de
nuestra patria.
El autor
v
RESUMEN
La presente tesis trata de un enfoque analítico de la variabilidad de cambios de

carrera dentro de la Facultad de Ingeniería de la Universidad Cesar Vallejo,
esto motivado por haber detectado este problema de la cual no es ajena
ninguna universidad ya sea pública o privada.
Para poder realizar este trabajo se tomo en cuenta la base de datos de la

Facultad, en donde se encuentra los documentos de cambio de carrera ,esto
dentro del marco de los ciclos académicos 2009 y 2010, los cuales fueron
tomados en cuenta para calcular el promedio de permanencia en una carrera
profesional. Luego de ello basado en los cambios, se elaboro la Cadena de
Markov, para hallar las probabilidades de estado estable y analizar la
posibilidad de cambio mediante el cálculo académico de primera pasada.
Estos cálculos tantos los que se basaron en la base de datos y los de la

cadenas de Markov, estos se compararon y arrojaron un error del 13%, lo que
genera que lo hallado en la presente tesis si puede ser confiable en cuanto a
sus conclusiones y las explicaciones de las variaciones de cambio de carrera.
vi
ABSTRACT
This thesis is an analytical approach to the variability of career changes

within the Faculty of Engineering of the Universidad Cesar Vallejo,
motivated by having detected this problem which is not alien any
university either public or private.
To perform this work took into account the database of the Faculty,
where documents career change, this within the framework of the
academic cycles 2009 and 2010, which were taken into account to
calculate the average spent in a career. After that based on the changes,
developed the Markov chain to find the steady-state probabilities and
analyze the possibility of change by calculating academic first pass.
So many of these calculations were based on the database and the

Markov chains, these were compared and showed a 13% error, which
leads to that found in this thesis if it can be reliable in their conclusions
and explanations of changes in career change
vii
INDICE
Dedicatoria……………………………………………………………………….. 3
Agradecimiento…………………………………………………………………… 4
Presentación……………………………………………………………………… 5
Resumen………………………………………………………………………….. 6
Abstract …………………………………………………………………………… 7
Índice……………………………………………………………………………… 8
CAPITULO I: MARCO METODOLOGICO
1.1. El Problema……………………………………………………………….. 12
1.1.1. Realidad Problemática ……………………………………………………. 12
1.1.2. Antecedentes del Problema ………………………………………………. 13
1.1.3. Enunciado o Formulación del Problema ………………………………... 16
1.1.4. Justificación del Problema……………………………………………….. 16
1.1.5. Limitaciones ……………………………………………………………… 16
1.2. Objetivo General …………………………………………………………. 16
1.2.1. Objetivos Específicos …………………………………………………… 16
1.3. Hipótesis …………………………………………………………………. 17
1.4. Variables …………………………………………………………………. 17
1.4.1. Variables Dependientes …………………………………………………. 17
1.4.2. Variable Independiente………………………………………………….. 17
1.5. Diseño de Ejecución …………………………………………………….. 17
1.5.1. Metodología ……………………………………………………………… 17
1.5.2. Población y Muestra …………………………………………………….. 17
1.5.3. Técnicas e instrumentos, fuentes e informantes……………………….. 18
1.5.4. Análisis e Interpretación de Resultados ………………………………… 18
CAPITULO II: FUNDAMENTO TEORICO
2.1. Marco Teórico ………………………………………………………………. 20
2.1.1. Deserción Universitaria………………………………………………….. 20
2.1.2. Las Causas ………………………………………………………………… 23
2.1.3. Modelo Matemático ………………………………………………………. 24
2.1.4. Proceso Estocástico ………………………………………………………. 24
2.1.5. Cadena de Markov………………………………………………………... 24
2.1.6. Cadena de Markov Finita…………………………………………………. 24
2.1.7. Probabilidades de estado …………………………………………………. 25
2.1.8. Estado Alcanzable………………………………………………………… 25
2.1.9. Estado Comunicable ……………………………………………………… 25
2.1.10. Estado Transitorio ………………………………………………………. 25
2.1.11. Estado Absorvente ……………………………………………………… 26
2.1.12. Cadena Recurrente………………………………………………………. 26
2.1.13. Conjunto Cerrado……………………………………………………….. 27
2.1.14. Característica de las Cadenas de Markov………………………………. 27
2.1.15. Cadena de Markov Regular ……………………………………………... 28
2.1.16. Comportamiento a largo Plazo ………………………………………….. 29
2.1.17. Cadenas Ergódicas…………………………………………………….. 29
2.1.18. Condiciones de una cadena Ergodica …………………………………… 30
2.1.19. Cadenas de Markov……………………………………………………… 34
2.1.19.1. Tipos de Cadenas de Markov………………………………………….. 34
2.1.19.2. Matriz Ergodica………………………………………………………… 34
2.1.20. Elaboración de una cadena de Markov………………………………….. 35
viii
CAPITULO III: PROCEDIMIENTOS
3.1. Estados de la Cadena de Markov…………………………………………… 40
3.1.2. El Proceso de la Cadena de Markov ……………………………………… 40
3.1.3. Datos para construir la matriz …………………………………………….. 42
CAPITULO IV: ANALISIS Y DISCUSION DE RESULTADOS
4.1. Análisis de datos……………………………………………………………. 56
4.2. Calculo de Márgenes de Error……………………………………………… 57
CAPITULO V: CONCLUSIONES Y RECOMENDACIONES
5.1. Conclusiones……………………………………………………………….. 60
Referencias Bibliográficas ……………………………………………………….. 61
Anexos…………………………………………………………………………… 62
ix
INTRODUCCION
El presente trabajo se origina ante la problemática de cambios de carreras que

se presentan entre los alumnos de la Facultad de Ingeniería,de la Universidad
Cesar Vallejo, esto es notorio en cada escuela profesional, y por lo tanto es
importante tener un valor cuantificable que permita a las autoridades tener una
idea de la magnitud que tiene.
Motivado entonces por este problema, se ha dado pie al desarrollo de esta

tesis.
En el capítulo I, Se expongo la problemática encontrada y algunos

antecedentes de trabajos similares a lo que estoy proponiendo.
En el capítulo II, Es en donde doy a conocer el marco teórico que me ayudara a

fijar los conceptos y elegir la mejor técnica a usar para plasmar en un modelo
matemático estos traslados de carrera.
Capítulo III de Procedimientos,Una vez fundamentado la técnica, que en este

caso es la Cadena de Markov, se inicia el proceso de recojo de datos y con ello
la fundamentación del procedimiento y su uso para plasmar el intercambio de
carreras.
Capítulo IV de Análisis y Discusión de Resultados., Lo más difícil del uso de

una técnica teórica es valorar cuan cercana está para explicar algunos
fenómenos o cambios que se presentan en la realidad, es por ello que los
resultados logrados se han sometidos a un análisis de error, esto permitió
obtener solo un 13% de error, lo que deja satisfecho lo realizado a través de
este trabajo.
El Capítulo V, En este se evalúa los objetivos propuestos en esta Tesis y lo que

se ha logrado calcular y encontrar a través de la cadena de Markov, dando un
resultado cuantificable donde se da las interpretaciones de los resultados
obtenidos.
x
CAPITULO I
MARCO
METODOLOGICO
xi
UNIVERSIDAD CÉSAR VALLEJO
1. EL PROBLEMA:
1.1.1 Realidad Problemática
La Universidad César Vallejo (UCV) es una universidad privada fundada el

12 de noviembre de 1991 por el Ingeniero César Acuña Peralta, en la
ciudad de Trujillo, capital del Departamento de La Libertad. Entró en
funcionamiento el 1 de Abril de 1992.
La Escuela de Ingeniería Industrial de la Universidad Cesar Vallejo (UCV),

inicio sus actividades a partir del 9 de Setiembre año 1999, con la misión de
formar ingenieros industriales competentes con espíritu emprendedor,
capacitados para elaborar proyectos empresariales que contribuyan al
crecimiento socio económico del país, con responsabilidad social y
ambiental.(Misión de la Escuela de Ingeniería Industrial)
Durante todos estos años se han tenidos estudiantes que iniciaron sus
estudios en nuestra universidad y muchos de ellos lograron graduarse; sin
embargo, durante los últimos 2 años ha sido muy notorio observar el
traslado interno de alumnos de Ingeniería Industrial a otras carreras o
alumnos de otras carreras que vienen a la Escuela de Ingeniería Industrial,
así como también alumnos que emigran a otra Universidad o alumnos de
otras universidades que vienen a la UCV.(Base de datos de solicitudes de
cambio de carrera de la Facultad de Ingeniería Industrial).
Estas migraciones de alumnos hasta el momento no ha sido analizado

mediante una investigación que permita recoger información de los propios
alumnos, es necesario recoger información, evaluar y explicar las razones
que ocasionan esta migración, aun más, aprovechar la información para
elaborar un modelo matemático para cuantificar los futuros cambios y con
ello plantear medidas de mejora para revertir estos cambios.
Elaboración de un modelo matemático para RODRIGUEZ ZAVALETA FELIPE RAMIRO

analizar el traslado interno y externo en los 12
estudiantes de la escuela de ingeniería
industrial de la Universidad Cesar Vallejo 2011
1.1.2 Antecedentes del Problema
Predicciones de Markov Aplicadas en el Programa de Ingeniería

Industrial de la Universidad Nacional Experimental del Táchira
(UNET)
“Esta aplicación formula un modelo Markoviano para vaticinar la
evolución académica de alumnos en la carrera de Ingeniería
Industrial. Sus resultados no intentan explicar la causalidad del
proceso resultante. Solo reflejan la incertidumbre presente en un
proceso social que transita cambiante a lo largo del tiempo,
permitiendo describir el progreso estacional de los aspirantes en la
carrera, sustentado en valores de probabilidad. Los patrones
mostrados por el progreso dinámico del estudiante en sus estudios,
son el resultado de múltiples factores conocidos y desconocidos. El
modelo de Markov esta lejos de explicar las causas del fenómeno que
imita. Sin embargo, ofrece una alternativa útil de interpretación y
estimación universitaria.
Este modelo permite pronosticar con soporte en valores de

probabilidades, el tiempo que los estudiantes pasan en cada uno de
los semestres de la carrera de Ingeniería Industrial de la Universidad
del Táchira, y sus posibilidades de desempeño semestre a semestre,
hasta graduación o retiro. Se presentan detalles del enfoque
metodológico adoptado, lo cual hace este estudio fácilmente
trasladable para utilización en otras carreras y universidades; además
de propiciar su aplicabilidad a innumerables procesos del mundo real.
En resumen, esta investigación recoge y ordena datos relevantes,
que aumentan considerablemente el conocimiento sobre el proceso
evolutivo de los estudiantes en la carrera de Ingeniería Industrial,
además de proveer información pertinente a la gestión de
planificación universitaria”.

Proyecto: Simulación del número de alumnos en pregrado en la

PUCP empleando Cadenas de Markov Absorbentes.
Investigador: Ing. Eduardo Carbajal López
Unidad: Departamento de Ingeniería
Descripción:
El estudio, emplea simulación Montecarlo y Cadenas de Markov para
pronosticar la probabilidad de transición semestre a semestre de los
alumnos de pregrado en la PUCP a estados definidos en función de
cinco parámetros que permitan caracterizar el grado de avance en la
carrera, la escala de pago y el rendimiento. A través de estas
probabilidades de transición y el número alumnos en cada estado se
puede proceder a efectuar una proyección de la ubicación en el
semestre próximo. Esta base permitirá poder calcular indicadores
económicos y operacionales vinculados con la población estudiantil
en los ciclos próximos, calcular el número esperado de abandonos, el
tiempo promedio de duración de la carrera y el monto estimado de
recolección por el pago de derechos académicos ordinarios.
Finalmente se puede proceder a la definición de escenarios
alternativos, que incluirían políticas potenciales asociadas a la
modificación de los parámetros definidos para los alumnos, y medir
su impacto en los flujos hacia los semestres próximos, incluyendo
factores de impacto sociales de las políticas que serán incluidas en el
cálculo. De esta manera el objetivo final será poder medir a priori los
resultados esperados de cada escenario factible, y emplear el
modelo para poder evaluar cada uno respecto a indicadores de
desempeño definidos.
Modelo Probabilístico para los fenómenos de Transferencia

entre Programas de pre Grado y de Deserción Estudiantil
Autor: Eliana M. Toro O.
Ingeniera Industrial, MSc. Profesora Asistente Facultad de Ingeniería
Industrial
Universidad Tecnológica de Pereira

El proceso de Markov discreto en el estado y continuo en el tiempo
permite modelar los fenómenos de transferencia de estudiantes entre
programas de pregrado y de deserción estudiantil.
Este tipo de modelamiento permite obtener índices descriptores de
los fenómenos aleatorios bajo estudio como la probabilidad de
encontrar un estudiante transferente en alguno de los programas, la
frecuencia con se presentan transferencias a cada programa y la
duración media en cada programa, lo cual, da una base analítica
para programar los recursos de la universidad.
Se presenta un ejemplo de aplicación real tomando estadísticas
correspondientes a 15 semestres académicos de la Universidad
Tecnológica de Pereira.
El método presentado es una forma de análisis de los fenómenos de
transferencias entre programas de pregrado y de deserción
estudiantil que va más allá de los enfoques meramente estadístico-
descriptivos.
1.1.3 Enunciado o Formulación del Problema
¿Podrá un Modelo Matemático, analizar el traslado interno y externo

en los estudiantes de la Escuela de Ingeniería Industrial de la
Universidad Cesar Vallejo 2011?
1.1.4 Justificación del Problema:

El presente estudio se justifica por el interés que muestran en la
Escuela de ingeniería industrial por tener una idea de cual es el
comportamiento del cambio de carreras que se presentan en los
estudiantes, esto permitirá tomar políticas internas de mejoras para
evitar la temprana deserción de los estudiantes. Además será una
herramienta que podrá ser usada para solicitar mejores recursos
tantos técnicos y humanos para disminuir, si fuera el caso, cambio de
carrera que se puedan presentar.

1.1.5 Limitaciones
 No se cuenta con una base de datos de cuantos alumnos
pasan de una carrera a otra.
 Los datos de alumnos que pasan a otra facultad no se tienen,
puesto que son alumnos que solicitan sus documentos pero no
dan a conocer a que carrera se cambian o a que Universidad
se traslada.
 La poca existencia de trabajos referentes al tema.
 Esta investigación está limitada por el tiempo, ya que solo se
ha investigado lo que sucede basado en la información que se
tiene.
1.2 OBJETIVO GENERAL

Analizar el traslado interno y externo en los estudiantes de la Escuela
de Ingeniería Industrial de la Universidad Cesar Vallejo 2011
1.2.1 Objetivos Específicos:
1.- Demostrar que el traslado de estudiantes de la facultad de

Ingeniería cumple con un modelo de cadenas de Markov.
2.- Explicar mediante calculados hallados por la Cadena de Markov
El porcentaje de variación estudiantil.
3.- Evaluar la consistencia calculando el error del estudio.
1.3 HIPÓTESIS
El uso de un modelo Matemático Basado en una cadena de Markov va a
permitir analizar el valor porcentual del traslado interno y externo en los
estudiantes de la Escuela de Ingeniería Industrial de la Universidad Cesar
Vallejo 2011.

1.4 VARIABLES
1.4.1. Variable Dependiente: valor porcentual del traslado interno y

externo en los estudiantes de la Escuela de Ingeniería Industrial.
1.4.2. Variable Independiente: modelo Matemático Basado en una

cadena de Markov .
1.5 DISEÑO DE EJECUCIÓN

1.5.1 Metodología
Investigación no experimental-Transversal Descriptiva
La investigación no experimental es la que se realiza sin manipular
deliberadamente las variables, se basa en variables que ya ocurrieron
o se dieron en la realidad sin intervención directa del investigador, es
decir se realizara la investigación con datos que proporcionen los
archivos de la facultad.
Así mismo en relación a la investigación en el tiempo es una
investigación transversal descriptiva ya que el estudio presenta el
panorama de la migración de estudiantes en un tiempo determinado.
1.5.2 Población y Muestra

La población y muestra para el estudio a realizar son todos los
alumnos que han hecho cambio de carrera en los años 2009 y 2010
que han ingresado o cambiado a otra escuela de Ingeniería.

1.5.3 Técnicas e Instrumentos, Fuentes e Informantes

TÉCNICAS RESULTADOS
ETAPAS Fuentes Recopilación Tratamiento
1.Recojo de Base de Encuestas, - Análisis de Determinar la

Datos datos de la entrevistas, datos, cantidad de
Facultad revisión de Cuadros y alumnos en
de revisión gráficos cada ciclo
Ingeniería bibliográfica, estadísticos académico.
Internet
2.Elaboración Resultados Entrevistas, - Análisis, Matriz que

de matriz de de etapa 1 Bibliografía definición de visualiza el
Markov de consulta, estados de proceso de
Internet la cadena avance
de Markov. porcentual de
alumnos ciclo
a ciclo.
3.Calculo de Resultados Libros, - Calculo de Determinar

resultados de etapa 2 Internet, matrices. tiempos
Tesis promedios de
anteriores variación de un
estado a otro.
4.Evaluación Resultados - Análisis de Determinar la

Económica y de etapa 3 indicadores probabilidad de
Libros,
Financiera económicos abandonar o
Internet
y culminar la
financieros. carrera,
Indicadores de
- Análisis de
la evaluación
sensibilidad.

1.5.4 Análisis e Interpretación de Resultados
CAPITULO II
FUNDAMENTO
TEORICO

2.1 MARCO TEÓRICO
2.1.1 DESERCIÓN UNIVERSITARIA

La deserción universitaria, “es el proceso de abandono voluntario o
forzoso de la carrera en que se matricula un estudiante, por la
influencia positiva o negativa de circunstancias internas o externas
a él”, según lo define un estudio sobre “Repitencia y deserción en la
educación superior de Guatemala”, realizado por el Instituto
Internacional para la Educación Superior en América Latina y el
Caribe (UNESCO:1997).
Diversas investigaciones efectuadas en la región, revelan altas

tasas de deserción en la educación superior, provocadas por una
serie de factores bastante similares. Este fenómeno parece no
respetar naciones, ni continentes, aunque los índices varían de un
país a otro.
Puede existir deserción de carrera, —en la que el estudiante deja la

actual, para cursar una nueva”—, o bien, deserción total —en la
cual el estudiante abandona por completo los estudios”.
De acuerdo a una investigación realizada por Margarita Latiesa,

catedrática de sociología de la Universidad de Granada-España, la
deserción universitaria también alcanza a los países europeos. En
dicho estudio presenta las siguientes estadísticas: “Las tasas de
abandono en España oscilan entre el 30% y el 50% y son similares
a las de otros países como Francia, Austria y Estados Unidos de
Norteamérica. Sin embargo, son algo más bajas en Alemania (20-
25%), Suiza (7%-30%), Finlandia (10%), y Países Bajos (20%-
30%).

Según explica Latiesa tomado de Lorena de Castillo en

http://www.unesco.org.ve/estudios/estudiosporprograma.asp y
http://www.cinda.cl/pag/seminarios
No es producto de la casualidad que las tasas de deserción sean
inferiores en países que tienen sistemas más selectivos para el
ingreso a la educación superior, que en aquéllos que poseen
sistemas más abiertos.
La deserción, que por lo general ocurre durante el primer o segundo
año de la carrera universitaria, se ha convertido en un tema
preocupante para toda Latinoamérica, ya que tiene fuertes
implicaciones en el ámbito personal, institucional y socio-
económico.
Para la elaboración de este artículo se consultaron varios estudios

sobre repitencia y deserción en distintos países de Latinoamérica,
los cuales fueron elaborados por UNESCO. Luego de revisar las
distintas razones vistas desde la perspectiva del estudiante, así
como de las autoridades académicas, se encontró que los
principales motivos de deserción universitaria pueden clasificarse
en factores de tipo personal, socio-económico y laboral, y de tipo
institucional o pedagógico.
Desde la época escolar nuestros profesores y familiares nos

alientan a ser profesionales por nuestro propio desarrollo personal y
por que el país los necesita.
Ciertamente no es lo correcto, todos los países necesitan un cierto

número de profesionales pero no exige ni necesita que toda la
población lo sea.
Pasemos a analizar el tema principal, porque la mayoría de

estudiantes abandona sus estudios universitarios, si estudias una
carrera por un afán lucrativo, por que crees que es la más fácil,
porque crees que tu puntaje de ingreso solo da para una carrera
que pocas personas postulan, por la influencia de tus padres o de

alguna otra persona estas estudiando algo que no te gusta y esto
provocara que la abandones o que no ejerzas esa carrera una vez
finalizada.
Existen otros factores que motivan esta decisión por parte de los
jóvenes como son el gran número de alumnos por aulas que se
presentan en las universidades nacionales sin embargo en las
universidades particulares ocurre otro fenómeno similar, si bien no
existe un gran número de alumnos por aula si existe un gran
número de universidades particulares las que sumadas engloban
similar número de alumnos o incluso más.
Otro punto a tomar es la excesiva teorización de las carreras
profesionales, en muchos casos tiene muy poco que ver con la
función que desempeña el profesional cuando llega al puesto de
trabajo en otras palabras los tutores exigen algo que no es
adecuado o que no pondrán en práctica en el futuro.
La escasa inversión en la educación por ambas partes: el estado

que no brinda apoyo financiero a las universidades ni oportunidades
laborales a los que han finalizado sus estudios y por el otro lado los
estudiantes no tienen los ingresos suficientes para invertir en libros
actuales, materiales de estudio y propios de la carrera
(principalmente en ingenierías y ciencias de la salud donde se
necesita materiales costosos como en arquitectura, odontología,
medicina, etc.)
Finalmente la deficiente educación recibida aumenta la deserción o

disminuye la decisión de seguir una carrera universitaria, en España
un estudio señala que los universitarios tienen problemas de
redacción, ortografía y por si fuera poco problemas en las
operaciones básicas de matemática, me atrevo a afirmar que en
nuestro medio ocurre algo similar o incluso peor.

Importante estudio realizado por Logros.edu.pe revela que

dramática cifra de deserción universitaria en el Perú tiende a crecer
año a año.
“La deserción hizo que se pierdan 200 millones de dólares en los

últimos dos años debido a la imposibilidad de cubrir las pensiones
mensuales y en otros casos debido al simple desinterés por lo que
estudian. Con ese monto los padres de familia podrían completar el
tramo que le falta a la línea 1 del tren eléctrico.” Explica de manera
contundente el Ing. Rafael Plasencia, director del portal Logros
quien ha realizado un completo estudio sobre las pérdidas
causadas por la deserción universitaria.
Basándose en el documentado estudio realizado por su institución y

que indica además, que de continuar la tendencia, en los próximos
diez años, se podrían perder más de 2 mil 100 millones de dólares,
que es la cantidad que el estado comprometió para reconstruir las
zonas afectadas por el terremoto del sur. El monto invertido (y
perdido) por los padres de familia en pensiones de estudios
universitarios en el 2004 fue aproximadamente de 93 millones de
dólares. Mientras que en el año 2005 se perdió más de 100
millones de dólares. En el mismo año no se graduaron 42 mil
alumnos y se estima que esta tendencia continúe en aumento en
los próximos años hasta superar los 70 mil no graduados en el
2015.
2.1.2 Las causas
a) Económicas
El estudio señala que uno de los problemas radica en el hecho de
que cuando los padres de familia optan por una universidad
privada, confían en que podrán pagar las pensiones, que
normalmente son mayores que las que tenían en el colegio. Un
proceso de re categorización o solicitud de becas, en muchas
ocasiones, no es suficiente para solventar sus estudios y tienen que

dejarlo.
b) Vocacionales
Otro elemento presente en esta realidad, es que muchos

estudiantes no tienen claro si realmente tienen vocación por lo que
estudian. Muchos chicos ingresan a la universidad esperanzados en
que realmente disfrutarán lo que han elegido; pero luego sufren una
profunda decepción al encontrar que lo que estudian no es lo que
esperaban.
Las universidades privadas, también se encuentran afectadas por

esta situación; debido a que por cada alumno que deja sus estudios
se pierde también la oportunidad de formar mejores ciudadanos.
Las universidades juegan un rol importante en el desarrollo de la
sociedad, por lo que esta situación las compromete a trabajar más
para solucionar este problema que afecta a la juventud.
2.1.3 MODELO MATEMATICO

El modelo matemático es uno de los tipos de modelos científicos,
que emplea algún tipo de formulismo matemático para expresar
relaciones, proposiciones sustantivas de hechos, variables,
parámetros, entidades y relaciones entre variables y/o entidades u
operaciones, para estudiar comportamientos de sistemas complejos
ante situaciones difíciles de observar en la realidad, dentro de ello
tenemos la cadena de Markov que permite evaluar los cambios de
un estado a otro.(Winston L-Waynea, 1994)
2.1.4 Proceso Estocástico

El proceso estocástico es una lista de variables aleatorias: { Xt }
donde tT (conjunto de enteros no negativos) y XtZ (conjunto de
Características que pueden ser medidas en un tiempo t. Z = {0, 1,
2, .., M).
Entonces un proceso estocástico es donde se representan cada

uno de los pasos necesarios para efectuar una actividad, además
de las formas o maneras en que cada uno de los pasos puede ser
llevado a efecto junto con sus respectivas probabilidades. Entonces
toda actividad que use probabilidades es un proceso estocástico.
2.1.5 Cadena de Markov

Es una serie de sucesos, en la cual la probabilidad de que ocurra
un suceso depende del suceso inmediato anterior. Es por eso que
las cadenas de este tipo tienen memoria. Se dice que tienen la
característica de recordar el último evento y esto condiciona las
posibilidades de los sucesos futuros.
2.1.6 Cadena de Markov Finita

Es un conjunto de objetos relacionados en un cierto periodo de
tiempo con un conjunto finito de diferentes estados.
Dentro de sus características se tiene:
2.1.6.1 Durante cada periodo temporal cada objeto esta en un solo

estado.
2.1.6.2 La probabilidad de que un objeto pase de un estado a otro (

o permanezca en el mismo estado) al cabo de un periodo
solo depende de los estados
Inicial y final.
2.1.7 Probabilidades de estado:

Si k tiende a infinito, P(k) llega a una constante, entonces el limite
de las probabilidades de estado existe y son independientes de la
condición inicial. ( )
Si π es un vector 1 x m definido como, ( )
Entonces puede satisfacer = P.

Para el ejemplo, esta ecuación se puede ser resuelta con la

restricción
m
i i =1 para obtener ( 1 2)
2.1.8 Estado Alcanzable

Si es un estado alcanzable si se llega a j partiendo de un estado i.
2.1.9 Estado Comunicable

Si es un estado comunicable si se alcanza un estado j partiendo de
un estado i y viceversa.
2.1.10 Estado transitorio

Si es un estado transitorio si se puede dejar el estado pero nunca
retornar a él.
2.1.11 Estado absorbente

Si es un estado absorbente si el sistema entra al estado y desde allí
ya no puede trasladarse a ningún otro estado. El límite de la
probabilidad de estado es 1.
2.1.12 Cadena recurrente

Una cadena recurrente es un conjunto de estados de los que el
sistema no puede salir. Un estado transitorio conduce al sistema
dentro de este conjunto de estados. El sistema hace saltos dentro
de este conjunto indefinidamente. La cadena recurrente es también
llamada subcadena de Markov irreducible o de clases recurrentes.

Tabla Nº 1
Fuente: Elaboración Propia
2.1.13 Conjunto Cerrado:

Un conjunto de estados Si en una cadena de Markov es un conjunto
cerrado si ningún estado fuera de S es alcanzable desde algún
estado en S.
Grafico Nº 1:
2.1.14 Características de las cadenas de Markov:

1. Cada cadena de Markov debe tener al menos una cadena
recurrente.
2. Una cadena recurrente es un estado absorbente generalizado.
3. Un proceso de Markov que tiene una cadena recurrente será

completamente. ergódica desde dondequiera que el inicie
finalizara en cadena recurrente.
4. Si un proceso tiene dos o más cadenas recurrentes (conjunto
cerrado), entonces la propiedad ergódica no se mantiene en el
tiempo.
5. Un estado transitorio es un estado que ocupa el sistema antes
de convertirse en una cadena recurrente.
2.1.15 Cadena de Markov Regular

Una cadena de Markov es regular si existe un número de etapas n
tal que la probabilidad de la transición en n etapas entre cualquier
par de estados es estrictamente positiva.
Se dice que una cadena de Markov con matriz de probabilidades

de transición T es regular si todos los elementos de matriz T n son
estrictamente positivos para algún valor de n.
Resultado. Si el conjunto de estados de una cadena de Markov, S,

es finito, entonces existe una única distribución de probabilidad Xc
tal que TXc=Xc. Si, además, la cadena es regular, entonces
( ). Es decir Xc es la distribución estacionaria de la
cadena.
Nótese que TXc = Xc implica =1 es un autovalor de T y que Xc es

un autovector correspondiente a este autovalor, convenientemente
normalizado para que sus coordenadas sumen 1. De hecho π=1
tiene que ser necesariamente el autovalor dominante de T ya que,
si π>1, ( ) sería infinito para todas las coordenadas y si
π<1, ( ) seria cero para todas las coordenadas. En
ninguno de los dos últimos casos Xc es una distribución de
probabilidad. Por otro lado, si se cumple la segunda parte del
resultado, Xc = TX(0)=LX(0); para cualquier distribución
inicial X(0). Por lo tanto la matriz del estado estacionario L, debe
tener todas las columnas iguales a Xc. la distribución estacionaria

también se puede interpretar como la proporción de tiempo a largo

plazo que el sistema pasa en cada estado.
2.1.16 Comportamiento a Largo Plazo

La notación X(n)=(x1(n),.....,xk(n))t representa la probabilidad de que
una cadena se encuentre en cada uno de los estados en la etapa
n.
( ) =LX(0) donde ( ) Tn. El vector Xc

caracteriza el comportamiento a largo plazo de la cadena, ya que
nos informa de la probabilidad de que la cadena se encuentre en
cada uno de los estados cuando ha transcurrido un número grande
de etapas. Al vector Xc se le llama distribución estacionaria de la
cadena. El límite no siempre existe debido a la existencia de
periodos.
2.1.17 Cadenas Ergódicas
Si los estados en una cadena son recurrentes, aperiódicos y se

comunican entre si, se dice que la cadena es ergodica.
Condición suficiente: si existe un n>0 tal que Pijn >0, i, j=0,1,2....m.

la cadena de Markov, con esta propiedad, se llama ergódica.
Entonces, Pijn = πk=0 (Pikn * Pkj), luego πj k=0 (πk * Pkj) y
como πj=0 Pijn = 1, entonces πj=0 πj =1
Teorema. Para una cadena de Markov ergódica, πj =Lim ninfinito

Pijn existe y πj (j pertenece {0,..,m}) es la única solución no
negativa de πj. Entonces:
πj k=0 (πk * Pkj) y πj=0 πj =1.

2.1.18 Condiciones de una cadena Ergódica
La relación fundamental en una cadena de Markov es: P n =Mn P0. Y

si nuestro interés es el comportamiento asintótico de P n, es decir
Lim ninfinito Pn entonces el problema es encontrar las condiciones
para que este límite exista y en caso de existir, ¿dependerá del
estado inicial del sistema?
Bajo condiciones de “regularidad” la distribución asintótica existe y

bajo estas condiciones la distribución en el límite será
independiente de la distribución inicial.
En una cadena de Markov recurrente irreducible y aperiódica se

tiene que:
Siendo fii la probabilidad de que el proceso regrese al estado i dado

que comienza en el estado i.
Y además
Del teorema se pueden sacar fuertes conclusiones:
 Si M = Pij es la matriz de transición de una cadena de Markov, y

si suponemos que esta cadena es recurrente, irreducible y
aperiódica, se nos garantiza la existencia de la matriz
M(infinita) donde la entrada j,i es pero como
Pij(inf) = Pii(inf) se concluye que la matriz M(infinita) tiene sus

columnas iguales, esto es de la forma :

P00inf P00inf P00inf ….
P11inf P11inf P11inf …
M(infinita) = P22inf P22inf P22inf …
.
. . .
Piiinf Piiinf Piiinf …
 Sea C una cadena irreducible y recurrente, entonces Pijn =0

para i pertenece a C y j no pertenece a C dado n. Esto es, toda
vez que entremos en C no es posible abandonarlo, luego la
matriz Pij con i,j perteneciendo a C estará asociada a una
cadena de Markov irreducible y recurrente luego el teorema
básico es aplicable si la clase resulta ser aperiódica.
Ahora si y la clase es recurrente se dirá
entonces que la clase es débilmente ergódica o nula recurrente.
 Supongamos que = πi >0 para algún i en una clase

aperiódica recurrente, entonces πj >0 para todo j que esté en la
clase de i. Si este es el caso diremos que la clase es positiva
recurrente o fuertemente ergódica.
 El valor πinfn=1 n fiin = mi. se define como el tiempo medio de
recurrencia del estado i. Ahora se asegura, sin demostración,
que bajo las condiciones de regularidad del teorema anterior,
que = 1/mi = πi. El calculo de los πi se da en el
siguiente teorema.
 Teorema. En una clase aperiódica positiva recurrente con
estados i=0,1,2.... se tiene que
= πi = πinfk=0 Pkj πk ; πinfk=0 πk =1 (1)
Cualquier conjunto πi que satisfaga (1) se llama probabilidad de

distribución estacionaria de la cadena de Markov.
Observe que si Pij es la matriz de transición asociada a una clase

inf
recurrente ergódica positiva, entonces la ecuación πi = k=0 Pkj
πk llevada a su forma matricial:
P00 P10 P20 … π1 π1
P01 P11 P21 … π2 π2
P02 P12 P22 … π3 π3
. . . . . .
. . . . . . = .
. . . . . .
P0i P1i P2i … πi πi
. . . . . .
. . . . . .
t
Establece claramente que (π1 π2 π3..... es un auto vector (a la
derecha) de la matriz Pij asociado al autovalor 1. Para esto
debemos saber que la matriz de Markov tiene un autovalor igual a
1, más aún, este valor será el mayor, en valor absoluto, si la
matriz es primitiva, esto es si todas sus entradas son positivas
para alguna potencia de la matriz.
En una cadena de Markov se puede caracterizar por que se

puede ir de a un estado n+1 si antes estaba en un estado n
Que es la probabilidad de transición del proceso. Esta propiedad

de una cadena de Markov es que las transiciones entre los
estados, solo puede producirse entre estados vecinos, Solo se
puede llegar al estado i desde el estado i-1 o bien de i+1.

Esta característica se encuentra en la distribución exponencial

cuya función de densidad de probabilidad se expresa de la
siguiente manera:
Para demostrar que un proceso definido por esta función de

probabilidad no tiene “memoria”, la probabilidad de una transición
entre 0 y un tiempo t cualquiera es:
Integrando se tiene:
Calculando la probabilidad para el mismo intervalo t, pero con

instante de inicio diferente t0. Calculando la probabilidad de tener
una transición en el intervalo t, (de t0 hasta t0+t) condicionado a
que antes de t0 no ha habido ninguna transición:
Sustituyendo por las funciones de probabilidad y operando

obtenemos:
Con lo que se ha demostrado que la probabilidad de tener una

transición en un estado, no depende del tiempo anterior.

2.1.19 CADENAS DE MARKOV

Hablar del mundo de las probabilidades es hablar de la propia
vida, es lo más cercano a enfrentar un nuevo día, es como
levantarse y preguntarnos ¿Qué sucederá hoy día? , ¿Qué noticias
veré en la noche de lo que paso durante este día? ¿Seré yo el
protagonista de la noticia?, no se sabe realmente lo que pueda
acontecer, pero, ¿Se puede predecir con cierta probabilidad la
ocurrencia de algún evento futuro? ,¿Podría ganarle la apuesta a
mi amigo en el juego de póker?, de verdad que suena interesante
volverse por algún momento una pitonisa, y desde luego que estas
posibilidades están enlazadas con las matemáticas y dentro de ello
la Investigación de Operaciones tiene dentro de sus herramientas a
las cadenas de Markov.(Hiller F.y Lieberman G, 2001)
Markov, fue un matemático ruso conocido por sus trabajos en la

teoría de los números y la teoría de probabilidades. Su trabajo
teórico en el campo de los procesos en los que están involucrados
componentes aleatorios (procesos estocásticos) darían fruto en un
instrumento matemático que actualmente se conoce como cadena
de Markov: secuencias de valores de una variable aleatoria en las
que el valor de la variable en el futuro depende del valor de la
variable en el presente, pero es independiente de la historia de
dicha variable. Las cadenas de Markov, hoy día, se consideran
una herramienta esencial en disciplinas como la economía, la
ingeniería, la investigación de operaciones y muchas otras”.
2.1.19.1 Tipos de Cadenas de Markov

La cadena de Markov es una matriz cuadrada que relaciona
estados que están enlazados mediante probabilidades, hay dos
tipos de matrices: Ergodica y Absorbente.

2.1.19.2 Matriz Ergodica:

Es una matriz cuadrada donde todos los estados deben estar
relacionados ya sea directa o indirectamente.
Ejemplo: Comportamiento del clima

Soleado Nublado Lluvioso
Soleado 0.60 0.30 0.10
Nublado 0.40 0.40 0.20
Lluvioso 0.30 0.50 0.20
Fig. Matriz Ergodica
Soleado
Nublado
Lluvioso
2.1.20 Elaboración una cadena de Markov

Sea por ejemplo el deseo de analizar las ocurrencias de
transacciones en un cajero de un Banco durante un día, para lo cual
se recoge la información durante todo este periodo de tiempo, sea
entonces que se realizaron 20 transacciones (cantidad solo para
datos didácticos) dadas en la siguiente data:

1 2 3 4 5 6 7 8 9 10
R R D D D D R D R D
11 12 13 14 15 16 17 18 19 20
R R D D R R D D R D
Sea: Retiro (R), Deposito (D).

Entonces los estados de la matriz serán solo dos: Retiro y Deposito, si
esto lo relacionamos queda:
Retiro Deposito
Retiro
Deposito
Ahora lo que vamos a hacer es hacer el conteo de la data, el primer

cliente hizo un retiro(R) y luego el segundo también hizo un retiro (R),
entonces dentro del tablero ponemos 1 en el casillero (Retiro, Retiro)
Retiro Deposito
Retiro 1
Deposito
Ahora relacionamos el segundo cliente con el tercero, el segundo hizo

Retiro (R) y el tercero un Deposito (D) entonces se coloca 1 en el
casillero (Retiro, Deposito)
Retiro Deposito
Retiro 1 1
Deposito
Ahora relacionamos el tercer cliente con el cuarto, el tercero un Deposito

(D) y el cuarto también Deposito (D) entonces se coloca 1 en el casillero
(Deposito, Deposito)

Retiro Deposito
Retiro 1 1
Deposito 1
Ahora relacionamos el cuarto cliente con el quinto, el cuarto hizo

Deposito (D) y el quinto un Deposito (D), entonces se adiciona 1 en el
casillero (Deposito, Deposito)
Retiro Deposito
Retiro 1 1
Deposito 1+1
Ahora relacionamos el quinto cliente con el sexto, el quinto hizo Deposito

(D) y el sexto un Deposito (D), entonces se adiciona 1 en el casillero
(Deposito, Deposito)
Retiro Deposito
Retiro 1 1
Deposito 1+1+1
Ahora relacionamos el sexto cliente con el séptimo, el sexto hizo

Deposito (D) y el séptimo un Retiro (R),
entonces se adiciona 1 en el casillero (Deposito, Retiro)
Retiro Deposito
Retiro 1 1
Deposito 1 1+1+1
Y así se relacionan hasta llegar al cliente 20, por lo que la matriz queda:
Retiro Deposito
Retiro 3 6
Deposito 5 5
Se entiende que la cantidad de datos colocados en la matriz es n-1,

ahora se acumula la cantidad lograda de cada estado:
Retiro Deposito Total

Retiro 3 6 3+6=9
Deposito 5 5 5+5=10
Ahora se convierte a probabilidades:

Retiro Deposito
Retiro 3/9 6/9
Deposito 5/10 5/10
Pasando el tablero a probabilidades:

Retiro Deposito
Retiro 0.33 0.67
Deposito 0.50 0.50
Ahora ya se tiene la matriz lista para hacer los cálculos, la matriz hallada
es una matriz ergodica, por lo que su tabla de estado estable (cuando
se multiplica la matriz varias veces y en cada tienen el mismo valor) es la
siguiente:
Retiro Deposito
Retiro 0.42857177 0.57142823
Deposito 0.42857117 0.57142883
Por lo que se tiene un 42,85% que una persona que llegue a la ventanilla
vaya a realizar un retiro y un 57,14% que vaya a hacer un depósito.

CAPITULO III:
PROCEDIMIENTOS

3.1. Modelo de Matriz de Cadena de Markov a usar
3.1.1 Estados de la cadena de Markov

Los estados a considerar dentro de la matriz ergodica son:
Estados:
Fij:
I (i=Escuela de ingeniería)
Estado1: Ingeniería Industrial (I)
Estado2: Ingeniería Mecánica-Eléctrica ( M )
Estado 3: Ingeniería de Sistemas ( S )
Estado 4: Ingeniería Agro Industrial y Comercio Exterior ( A )
Estado 5: Ingeniería Civil ( C )
Estado 6: Otros programas
J ( j= ciclo 1,2,3,4,5,6,7,8,9,10)
Estado1: Ingeniería Industrial

Estado2: Ingeniería Mecánica-Eléctrica
Estado 3: Ingeniería de Sistemas
Estado 4: Ingeniería Agro Industrial y Comercio Exterior
Estado 5: Ingeniería Civil
Estado 6: Otros programas
3.1.2 El Proceso como Cadena de Markov
Los intercambios esperados de carrera que se presenten, están

limitados al traslado entre las diferentes carreras que forman la facultad
de Ingeniería de la Universidad Cesar Vallejo, pero no se puede dejar de
lado que en algunos casos la llegada de alumnos también de otras
facultades e incluso de otras universidades, para cubrir esta migración
se ha creado el estado otros:

Dibujo Nº: Traslado de Matriculas
El proceso se define como una cadena de Markov debido a que cumple la propiedad
Markoviana de la siguiente forma:
 Si P[Sj(k) / Sa(k-1), Sb(k-2), Sc(k-3).....] = P[Sj(k) / Sa(k-1)] para todo k, j,a, b,

c,..... entonces el sistema es un estado discreto de discretas transiciones de
procesos de Markov.
 Los cambios de carrera tienen la posibilidad de ir a cualquier de las carreras.
 La cantidad de cambios de carrera dependen solo del último cambio y no si
hubo algún cambio anterior.

3.1.3 .Datos para construir la Matriz

Tabla Nº2: Traslados Internos y Externos durante el Año 2009
SISTEMAS INDUSTRIAL AGRO MECANICA CIVIL
INDUSTRIAL Y ELECTRICA
COMERCIO
EXTERIOR
SISTEMAS 4 1 3 6
INDUSTRIAL 3 2 1 3
AGRO 3 1
INDUSTRIAL Y
COMERCIO
EXTERIOR
MECANICA 2 1
ELECTRICA
CIVIL 2 1 1
Fuente: Base de datos de la Facultad de Ingeniería de la UCV
Tabla Nº3: Traslados Internos y Externos durante el Año 2010

COMERCIO
EXTERIOR
SISTEMAS 2 3 3
INDUSTRIAL 1 1
AGRO 1
INDUSTRIAL Y
COMERCIO
EXTERIOR
MECANICA 1 4 3 4
ELECTRICA
CIVIL 1 4 1

Tabla Nº4: Total de Traslados Internos y Externos durante los Año 2009 y
2010
INDUSTRIAL ELECTRICA
Y COMERCIO
EXTERIOR
SISTEMAS 0 6 1 6 9
INDUSTRIAL 3 0 3 1 4
AGRO 0 4 0 1 0
INDUSTRIAL Y
COMERCIO
EXTERIOR
MECANICA 1 6 4 0 4
ELECTRICA
CIVIL 3 4 2 1 0
1. ACCESIBILIDAD DE LOS ESTADOS
J es Accesible, si pijn >0
Tabla Nº5: Probabilidad de cambio de una carrera a otra

COMERCIO
EXTERIOR
SISTEMAS 0 0,272727273 0,045454545 0,272727273 0,409090
91
INDUSTRIAL 0,272727273 0 0,272727273 0,090909091 0,363636
36
AGRO 0 0,8 0 0,2 0
INDUSTRIAL Y
COMERCIO
EXTERIOR
MECANICA 0,066666667 0,4 0,266666667 0 0,266666
67
ELECTRICA
CIVIL 0,3 0,4 0,2 0,1 0

Ahora multipliquemos la matriz original n veces por ella misma y miremos su

comportamiento para P16
Tabla Nº6: Probabilidades de Estados Estables

Y COMERCIO
EXTERIOR
SISTEMAS 0,15 0,31 0,19 0,12 0,23
INDUSTRIAL 0,15 0,31 0,19 0,12 0,23
AGRO INDUSTRIAL 0,15 0,31 0,19 0,12 0,23
Y COMERCIO
EXTERIOR
MECANICA 0,15 0,31 0,19 0,12 0,23
ELECTRICA
CIVIL 0,15 0,31 0,19 0,12 0,23
Existe un n=16 donde los valores de pijn >0. esto indica que todos los estados j
son accesibles.
2. COMUNICACIÓN ENTRE ESTADOS
Los estados se comunican si:
Si i es accesible desde j
Si j es accesible desde i
La matriz P16 nos presenta este comportamiento pues todos los estados son
accesibles de i a j o des de j a i por lo tanto todos los estados se comunican.

Tabla Nº 7: Probabilidad de Estado Estable

SISTEMAS INDUSTRIAL AGRO INDUSTRIAL MECANICA CIVIL
Y COMERCIO ELECTRIC
EXTERIOR A
SISTEMAS 0,15 0,31 0,19 0,12 0,23
INDUSTRIAL 0,15 0,31 0,19 0,12 0,23
AGRO 0,15 0,31 0,19 0,12 0,23
INDUSTRIAL Y
COMERCIO
EXTERIOR
MECANICA 0,15 0,31 0,19 0,12 0,23
ELECTRICA
CIVIL 0,15 0,31 0,19 0,12 0,23
Por ejemplo Industrial se comunica con todas las carreras.
3. CONCURRENCIA DE LOS ESTADOS
Sea PT la transpuesta de la matriz original, elaborada para calcular las

probabilidades de estado estable

COMERCIO
EXTERIOR
SISTEMAS 0 0,272727273 0,045454545 0,272727273 0,409090
91
INDUSTRIAL 0,272727273 0 0,272727273 0,090909091 0,363636
36
AGRO 0 0,8 0 0,2 0
INDUSTRIAL Y
COMERCIO
EXTERIOR
MECANICA 0,066666667 0,4 0,266666667 0 0,266666
ELECTRICA 67
CIVIL 0,3 0,4 0,2 0,1 0

Representación matricial de:
m m
j = i=0 i * Pij) y como j=0 Pijn = 1, entonces j=0 j =1
para j=0,1,....m
m
El sistema tiene una ecuación adicional por causa de j=0 j =1

COMERCIO
EXTERIOR
SISTEMAS 0 0,272727273 0,045454545 0,272727273 0,40909
091
INDUSTRIAL 0,27272727 0 0,272727273 0,090909091 0,36363
3 636
AGRO 0 0,8 0 0,2 0
INDUSTRIAL Y
COMERCIO
EXTERIOR
MECANICA 0,06666666 0,4 0,266666667 0 0,26666
ELECTRICA 7 667
CIVIL 0,3 0,4 0,2 0,1 0
Modelo Matemático para estados estables:
R1=0.2727R2+0.066R4+0.3r5
R2=0.2727R1+0.8R3+0.4R4+0.4r5
R3=0.045R1+0.2727R2+0.26R4+0.2r5
R4=0.2727R1+0.09090R2+0.2R3+0.1r5
R5=0.4090R1+0.3636R2+0.266R4
R1+R2+R3+R4+R5=1

Como tenemos un sistema de 6 ecuaciones para 5 variables eliminamos una

de ellas por ser redundante.
Modelo Matemático:
R1=0.2727R2+0.066R4+0.3r5
R2=0.2727R1+0.8R3+0.4R4+0.4r5
R3=0.045R1+0.2727R2+0.26R4+0.2r5
R4=0.2727R1+0.09090R2+0.2R3+0.1r5
R5=0.4090R1+0.3636R2+0.266R4
R1+R2+R3+R4+R5=1
Modelo Ingresado a LINGO:
Max=r1;
R1=0.2727*R2+0.066*R4+0.3*r5;
R2=0.2727*R1+0.8*R3+0.4*R4+0.4r5;
R3=0.045*R1+0.2727R2+0.26*R4+0.2*r5;
R4=0.2727*R1+0.09090*R2+0.2*R3+0.1*r5;
R1+R2+R3+R4+R5=1;
Solución del Modelo por LINGO:
Variable Value Reduced Cost
R1 0.1611721 0.0000000E+00
R2 0.3201166 0.0000000E+00
R4 0.1291741 0.0000000E+00
R5 0.2178362 0.0000000E+00
R3 0.1717010 0.0000000E+00
Del reporte se desprende lo siguiente:
Al resolver el sistema de ecuaciones se tienen los valores de j , en este caso R

son:
R1= 0.16
R2= 0.32
R3= 0.17
R4= 0.13
R5= 0.22
Calculo de estados Estables mediante Excell:
INGENIERIA PROBABILIDAD
SISTEMAS 0,15
INDUSTRIAL 0,31
AGRO INDUSTRIAL Y 0,19
COMERCIO EXTERIOR
MECANICA ELECTRICA 0,12
CIVIL 0,23
La diferencia de valores con respecto a lo obtenido por multiplicación de matrices es

poca, esto se explica que el reporte mediante LINGO es limitado en las cantidades de
resultados continuos, en cambio la hoja de cálculo es más precisa, por lo que vamos
a usar la matriz de estado estable calculada con excell.
Calculo de los Periodos de Recurrencia:
Donde los valores de recurrencia (U) son Ujj j
U Ciclo
U11 6.57
U22 3.28
U33 5.19
U44 8,07
U55 4.43
Los estados Recurrentes positivos presentan uii < infinito lo cual cumple para
los estados de esta cadena de Markov.

4. Mostrar que los estados son aperiódicos.
Veamos la matriz n-1 =15
Tabla Nº8: Matriz multiplicada 15 veces

COMERCIO
EXTERIOR
SISTEMAS 0,15 0,31 0,19 0,12 0,23
INDUSTRIAL 0,15 0,31 0,19 0,12 0,23
AGRO 0,15 0,31 0,19 0,12 0,23
INDUSTRIAL Y
COMERCIO
EXTERIOR
MECANICA 0,15 0,31 0,19 0,12 0,23
ELECTRICA
CIVIL 0,15 0,31 0,19 0,12 0,23
Matriz n=16

COMERCIO
EXTERIOR
SISTEMAS 0,15 0,31 0,19 0,12 0,23
INDUSTRIAL 0,15 0,31 0,19 0,12 0,23
AGRO 0,15 0,31 0,19 0,12 0,23
INDUSTRIAL Y
COMERCIO
EXTERIOR
MECANICA 0,15 0,31 0,19 0,12 0,23
ELECTRICA
CIVIL 0,15 0,31 0,19 0,12 0,23
Para un n+1 donde n=16 y n+1=17 se tiene:


COMERCIO
EXTERIOR
SISTEMAS 0,15 0,31 0,19 0,12 0,23
INDUSTRIAL 0,15 0,31 0,19 0,12 0,23
AGRO 0,15 0,31 0,19 0,12 0,23
INDUSTRIAL Y
COMERCIO
EXTERIOR
MECANICA 0,15 0,31 0,19 0,12 0,23
ELECTRICA
CIVIL 0,15 0,31 0,19 0,12 0,23
Se puede observar en las matrices que los valores de las probabilidades en

todas las filas permanecen iguales entre las matrices pares e impares, a demás
el sistema a la larga se estabilizo, lo que demuestra que la matriz es
aperiódica.
Cálculos de Primera Pasada
u12=1+P11*u12+P12*u32+P14*u42+P15*U52
u32=1+P31*U12+P33*U32+P34*u42+P35*U52
u42=1+P41*U12+P43*U32+P44*U42+P45*U52
u52=1+P51*U12+P53*U32+P54*U42+P55*U52
Usando el tablero inicial:

SISTEMAS INDUSTRIAL AGRO INDUSTRIAL MECANICA CIVIL

Y COMERCIO ELECTRICA
EXTERIOR
SISTEMAS 0 0,272727273 0,045454545 0,272727273 0,409090
91
INDUSTRIAL 0,27272727 0 0,272727273 0,090909091 0,363636
3 36
AGRO 0 0,8 0 0,2 0
INDUSTRIAL
Y
COMERCIO
EXTERIOR
MECANICA 0,06666666 0,4 0,266666667 0 0,266666
ELECTRICA 7 67
CIVIL 0,3 0,4 0,2 0,1 0
Se tiene el siguiente sistema de ecuaciones:
U12=1+0*u12+0.045*u32+0.2727*u42+0.4090*u52;
U32=1+0*u12+0*u32+0.2*u42+0*u52;
U42=1+0.066*u12+0.266*u32+0*u42+0.266*u52;
U52=1+0.3*u12+0.2*u32+0.1*u42+0*u52;
Usando LINGO
Variable Value Reduced Cost
U12 2.584004 0.0000000E+00
U32 1.431406 0.0000000E+00
U42 2.157030 0.0000000E+00
U52 2.277185 0.0000000E+00

Tabla Nº 10: Cálculos de Primera Pasada
INDUSTRIAL
Markov
SISTEMAS 2,58 ciclos
AGRO INDUSTRIAL Y 1,43 ciclos
COMERCIO EXTERIOR
MECANICA ELECTRICA 2,157 ciclos
CIVIL 2,27 ciclos
OTROS 2,20 ciclos
Fuente: elaboración propia
La interpretación de la tabla es la siguiente:
Un estudiante que ingreso a Ingeniería de Sistemas se puede trasladar a

Ingeniería Industrial en un promedio de 2,58 ciclos.
Un estudiante que ingreso a Ingeniería Agro Industrial y Comercio Exterior se

puede trasladar a Ingeniería Industrial en un promedio de 1,43 ciclos.
Un estudiante que ingreso a Ingeniería Mecánica Eléctrica se puede trasladar

a Ingeniería Industrial en un promedio de 2,157 ciclos.
Un estudiante que ingreso a Ingeniería Civil se puede trasladar a Ingeniería

Industrial en un promedio de 2,27 ciclos.
Un estudiante que ingreso a otra carrera que no sea Ingeniería se puede

trasladar a Ingeniería Industrial en un promedio de 2,2 ciclos.

CAPITULO IV:
ANÁLISIS Y DISCUSIÓN
DE RESULTADOS

4.1.- Análisis de Datos
Considerando la información obtenida por la base de datos de la Facultad de

Ingeniería, se va a analizar para hacer una comparación de los obtenido por los
calculas de la Cadena de Markov.
El proceso de análisis a seguir es el siguiente:
a) Analizar la cantidad de cursos que ha llevado un alumno en su carrera de

procedencia, esto se hace basándose en la ficha de convalidación que se hace
cuando se solicita el traslado de una carrera a otra.
Tabla Nº 11 : Ficha de Convalidación
1. Escuela Académico Profesional Ingeniería Industrial

2. Alumno
Universidad César
3. Centro De Procedencia Vallejo
Ingeniería de
4. Carrera De Procedencia Sistemas
5. Currículo De Convalidación “F”
6. Semestre 2009-I
ASIGNATURA DE
ASIGNATURA DEL CURRÍCULO UCV ORIGEN
CÓDIG NOT
O DENOMINACIÓN CRÉDITO A DENOMINACIÓN
TF11 COMUNICACION I 4 11 Comunicación I

TF12 LOGICO MATEMATICA 4 11 Lógico Matemática
TF13 DESARROLLO PERSONAL 4 11 Desarrollo Personal

ACTIVIDADES Actividades
INTEGRADORAS I 0 16 Integradoras
TF21 COMUNICACION II 4 13 Comunicación II
TF22 CATEDRA VALLEJO 4 12 Cátedra César Vallejo

TF33 FISICA 4 11 Física I
b) Calcular el promedio ciclos estudiados en la carrera de procedencia
Por ejemplo en esta ficha se considera siete cursos, como en promedio por ciclo se
lleva cinco cursos se divide la cantidad de cursos convalidados entre cinco, para esta
ficha se tiene: 7/5=1.4 que es el valor inicial de la relación de cambio de Ingeniería de

sistemas hacia Ingeniería Industrial.
c) Dividir el promedio de ciclos entre el número de alumnos que se han cambiado

ha Ingeniería Industrial.
Los cálculos obtenidos son los siguientes:
Tabla Nº 12 : Ciclos Promedios Reales de cambio de Carrera
INDUSTRIAL
Real
SISTEMAS 2,43 CICLOS
AGRO INDUSTRIAL Y 1,75 CICLOS
COMERCIO EXTERIOR
MECANICA ELECTRICA 1,633 CICLOS
CIVIL 2,25 CICLOS
Tabla Nº : Comparación de Ciclos Promedios de cambio de Carrera
INDUSTRIAL
Markov Real
SISTEMAS 2,58 2,43 ciclos
AGRO INDUSTRIAL Y 1,43 1,75 ciclos
COMERCIO EXTERIOR
MECANICA ELECTRICA 2,157 1,633333333 ciclos
CIVIL 2,27 2,25 ciclos
4.2.- Calculo de Márgenes de Error
Error Medio Porcentual Absoluto(MAPE):
(abs(2.58-2.43)/2.58 +abs(1.43-1.75)/1.43+abs(2.157-1.63)/2.157
+abs(2.27-2.25)/2.27)*100= 13%
Se tiene un 13% de error entre los datos calculados por Markov y los datos
reales.

Tabla Nº 13: Resumen de Errores
INDUSTRI
AL
Markov Real MAP
E
SISTEMAS 2,58 2,43 6%
AGRO 1,43 1,75 22%
INDUSTRIAL Y
COMERCIO
EXTERIOR
MECANICA 2,157 1,63333333 24%
ELECTRICA 3
CIVIL 2,27 2,25 1%
Promedio 13%
Como se aprecia el cálculo de errores no supera el 13% en ninguno de los

errores, por lo que los cálculos logrados explican en un 87% las posibilidades de
cambio de carrera que puedan existir dentro de la Facultad de Ingeniería.

CAPITULO V: CONCLUSIONES Y
RECOMENDACIONES
5.1. CONCLUSIONES
1.- Al elaborar la Matriz de Cadena de Markov se ha demostrado lo siguiente:

a) Accesibilidad de los Estados, es decir, si pijn >0.
b) La comunicación entre estados se cumple dado que la matriz P16 nos
presenta este comportamiento pues todos los estados son accesibles de
i a j o des de j a i por lo tanto todos los estados se comunican.
c) La concurrencia de los estados se demuestra dado que las
probabilidades llegan a un estado estable.
d) Los estados son aperiódicos dado que sus probabilidades no cambian
con el tiempo.
2.- Explicar mediante calculados hallados por la Cadena de Markov

El porcentaje de variación estudiantil.

Y COMERCIO
EXTERIOR
0.15 0.31 0.19 0.12 0.23
 Lo que se interpreta que se tiene un 15% de probabilidad que un

estudiante de Ingeniería de Sistemas se traslade a Ingeniería Industrial.
 Se tiene un 31% de probabilidad que un estudiante de Ingeniería
Industrial se traslade a otra carrera.
estudiante de Ingeniería de Agro Industrial y Comercio Exterior se
traslade a Ingeniería Industrial.
estudiante de Ingeniería Mecánica Eléctrica se traslade a Ingeniería
Industrial.
estudiante de Ingeniería Civil se traslade a Ingeniería Industrial.

3.- Evaluar la consistencia calculando el error del estudio.
Usando el Error Medio Porcentual Absoluto (MAPE) se ha logrado hallar un 13%

de error que tiene el estudio, lo que permite tener una confianza del 87% en los
resultados obtenidos en el estudio.

REFERENCIAS BIBLIOGRÁFICAS
 HILLIER, Frederick & LIEBERMAN, Gerarld J. Introducción a la

Investigación de Operaciones. 6ª ed. México: McGraw-Hill Interamericana
Editores, 1996. 830 p. ISBN: 9701010221
(DIS/003/H54A)
 TAHA, Hamdy A. Investigación de Operaciones. 6ª ed. México: Prentice-

Hall Iberia, S. R. L., 1998. 916 p. ISBN: 9701701666
(DIS/003/T13N)
 WINSTON , Wayne L. Investigación de Operaciones Aplicaciones y

Algoritmos. 1ª ed. México: Grupo Editorial Iberoamericana, S. A. de C. V.,
1998. 1417 p. ISBN: 9706250298
(003/W71)

ANEXOS


Universidad César Vallejo: Facultad de Ingeniería

Caricato da

Informazioni sul documento

Descrizione originale:

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Universidad César Vallejo: Facultad de Ingeniería

Caricato da

Copyright:

Formati disponibili

Universidad César Vallejo

“ELABORACIÓN DE UN MODELO MATEMATICO PARA ANALIZAR EL

TESIS PARA OPTAR EL TÍTULO PROFESIONAL DE INGENIERO INDUSTRIAL

Bach. Rodríguez Zavaleta, Felipe Ramiro

Ing Javez Valladares, Santos Santiago

Rodríguez Zavaleta Felipe Ramiro

Presentada a la Escuela de ingeniería Industrial de la universidad Cesar

Ing. Santiago Javez Valladares

Mg. Francisco Pinillos Nieto Mg. Elmer Tello de la Cruz

A Dios primeramente, por darme sabiduría y

A toda mi familia, mi esposa Magali y

A Dios por iluminarme durante toda la carrera y mostrarme el

A la memoria de mis padres Santiago y Juana por haberme

A los Docente que con sus enseñanzas contribuyeron a mi

Al Ing. Blasco Nuñez Velasco, Santiago Javes Valladare, Miguel

Al Ing. Carlos Rojas Ciudad por todo su apoyo brindado y su

Al Ing. Gleny Pacheco Ibáñez por todo su apoyo brindado y sus

Al Ing. Grekka Makoxa Veillet Macas por su apoyo brindado.

Trujillo, Julio del 2011

Señores Miembros del Jurado:

Cumpliendo con lo especificado en el Reglamento General de Grados y títulos

de la Escuela Profesional de Ingeniería Industrial de la Universidad Cesar

Vallejo, presento a vuestra consideración el presente estudio, titulado

“ELABORACIÓN DE UN MODELO MATEMATICO PARA ANALIZAR EL

TRASLADO INTERNO Y EXTERNO EN LOS ESTUDIANTES DE LA

ESCUELA DE INGENIERIA INDUSTRIAL DE LA UNIVERSIDAD CESAR

VALLEJO 2011”, que ha sido elaborado con la finalidad de obtener el título

profesional de Ingeniería Industrial.

Cabe mencionar además, que el presente estudio se ha desarrollado en base a

un arduo trabajo, con esfuerzo y dedicación, aplicando los conocimientos

adquiridos durante el proceso de formación académica por la Universidad y que

haciendo uso de su amplio criterio de evaluación del presente trabajo.

aceptación y aprobación, expresándoles mi reconocimiento por vuestros

invalorables conocimientos y dedicación a formar profesionales en bien de

La presente tesis trata de un enfoque analítico de la variabilidad de cambios de

Para poder realizar este trabajo se tomo en cuenta la base de datos de la

Estos cálculos tantos los que se basaron en la base de datos y los de la

This thesis is an analytical approach to the variability of career changes

So many of these calculations were based on the database and the

El presente trabajo se origina ante la problemática de cambios de carreras que

Motivado entonces por este problema, se ha dado pie al desarrollo de esta

En el capítulo I, Se expongo la problemática encontrada y algunos

En el capítulo II, Es en donde doy a conocer el marco teórico que me ayudara a

Capítulo III de Procedimientos,Una vez fundamentado la técnica, que en este

Capítulo IV de Análisis y Discusión de Resultados., Lo más difícil del uso de

El Capítulo V, En este se evalúa los objetivos propuestos en esta Tesis y lo que

La Universidad César Vallejo (UCV) es una universidad privada fundada el

La Escuela de Ingeniería Industrial de la Universidad Cesar Vallejo (UCV),

Estas migraciones de alumnos hasta el momento no ha sido analizado

Elaboración de un modelo matemático para RODRIGUEZ ZAVALETA FELIPE RAMIRO

1.1.2 Antecedentes del Problema

Predicciones de Markov Aplicadas en el Programa de Ingeniería

Este modelo permite pronosticar con soporte en valores de

Elaboración de un modelo matemático para RODRIGUEZ ZAVALETA FELIPE RAMIRO

Proyecto: Simulación del número de alumnos en pregrado en la

Modelo Probabilístico para los fenómenos de Transferencia

Universidad Tecnológica de Pereira

1.1.3 Enunciado o Formulación del Problema

¿Podrá un Modelo Matemático, analizar el traslado interno y externo

1.1.4 Justificación del Problema:

Elaboración de un modelo matemático para RODRIGUEZ ZAVALETA FELIPE RAMIRO

1.2 OBJETIVO GENERAL