Académique Documents
Professionnel Documents
Culture Documents
Otra forma de plantear esta relacin, es que existe una probabilidad de 0.2 de que un camin
rentado en el norte sea regresado en la misma regin (norte).
Obsrvese que para cualquier regin, la suma de las probabilidades es uno, lo que significa que
un camin rentado debe ir a algn lado.
Norte Central Sur
Suma
Norte
0.2
0.3
0.5 = 1.0
Central 0.3
0.4
0.3 = 1.0
Sur
0.2
0.4
0.4 = 1.0
Ntese tambin que la regin en la que se regresa un camin depende solamente de la regin en
la que se rent; es decir, el estado final del camin depende slo de su estado ms reciente.
Si un camin fue rentado alguna vez en la regin central, no afecta el lugar en que se le regrese si
ahora se renta en el norte.
El hecho de que haya una probabilidad asociada con el lugar en el que se devolvern los
camiones y que esta regin en la que se devuelven dependa solo de la regin en la que se rente,
significa que esta situacin satisface las consideraciones bsicas de los proceso de Markov
(propiedad markoviana).
Una consideracin adicional para los problemas de este tipo es que habr ocurrencias repetidas
del evento bajo estudio.
Abreviando, las principales consideraciones de las cadenas de Markov aplicadas al ejemplo son
1. Hay incertidumbre con respecto a la regin en la que se devolvern los camiones y es
posible medir esta incertidumbre a travs de probabilidades.
2. La regin en la que se devuelve un camin depende slo de la regin en que fue rentado
3. Habr ocurrencias repetidas, o ensayos; es decir, se rentan camiones en las mismas
circunstancias.
Presentacin de cadenas de Mrakov a travs de un rbol
Un mtodo ilustrativo para responder las primeras preguntas referentes a la flotilla de camiones
consiste en utilizar un enfoque de rbol; en la siguiente figura, se muestra el diagrama de rbol
para un camin que se renta en la regin NORTE en el mes 0.
Ubicacin Probabilidad de cada
en el
ubicacin en el
mes 2
mes 2
Ubicacin
en el
mes 1
Ubicacin
en el
mes 0
0.2
Norte
0.2 Norte
0.3
Central
0.5
Sur
0.3
Norte
0.3
Central
Norte
0.4 Central
0.3 Sur
0.2
0.5
Sur
Norte
0.4 Central
0.4 Sur
0.04
0.06
0.10
0.09
0.12
0.09
0.10
0.20
0.20
Los nodos del rbol son las ubicaciones en los meses 0, 1 y 2, y en las ramas del rbol aparecen
las probabilidades de cada transicin.
Las probabilidades de encontrarse en cada uno de los estados en el mes 2 se calculan
multiplicando las probabilidades individuales de transicin.
Por ejemplo, la probabilidad de estar en el norte en cada uno de los tres meses est dada por:
(0.2)* (0.2) = 0.04
Para determinar la probabilidad de que un camin se encuentre en el norte despus de dos
meses, se suman las tres probabilidades de encontrarlo en el norte:
P(estar en el norte en el mes 2 dado que se encontraba en el norte en el mes 0) = 0.04 + 0.09 + 0.10 = 0.23
De manera similar:
P(estar en el centro en el mes 2 dado que estaba en el norte en el mes 0) = 0.06 + 0.12 + 0.20 = 0.38
P(estar en el sur en el mes 2 dado que se estaba en el norte en el mes 0) = 0.10 + 0.09 + 0.20 = 0.39
Utilizando la notacin matricial, estos clculos para el mes 1 aparecern de la siguiente manera:
N C
0.2
0.3
0.2
0.3
0.4
0.4
0.5
0.3
0.4
Vector de probabilidad
para comenzar en el norte
Matriz de transicin
de un mes
0.2
0.3
0.5
Vector de probabilidad
despus de un mes
0.2
C
0.3
0.5
0.2
0.3
0.2
0.3
0.4
0.4
0.5
0.3
0.4
Vector de probabilidad
despus de un mes
Matriz de transicin
de un mes
0.23
0.38
S
0.39
Vector de probabilidad
despus de dos meses
Obsrvese que estas series de clculos puede combinarse en una solo de la siguiente manera:
N
C
0
S
0
0.2
0.3
0.2
0.3
0.4
0.4
0.5
0.3
0.4
N
0.2
0.3
0.2
C
0.3
0 .4
0 .4
S
0.5
0.3
0.4
Matriz de transicin
de un mes
0.23
0.38
0.39
Vector de
despus de dos meses
El clculo del vector de probabilidad despus de dos meses depende del vector de probabilidad en
el mes 0 y de la matriz de transicin de un mes.
En los clculos anteriores, se utiliz un vector de probabilidad inicial que representaba un camin
que haba comenzado en el norte.
3
Para calcular la proporcin de camiones que se encontrarn en cada regin despus de dos
meses, simplemente se sustituye la proporcin original de camiones que se encuentra en cada
regin y se considera como el vector inicial de probabilidad; es decir, [0.4 0.3 0.3].
Por ello, los clculos se convierten en:
N
0 .4
S
0 .3
N
0 .2
0 .3
0.2
0 .3
Proporcin de
camiones en el
mes 0
0 .3
0 .4
0 .4
0 .5
0.3
0.4
Matriz de transicin
de un mes
N
0 .2
0 .3
0.2
C
0 .3
0 .4
0 .4
0 .5
0.3
0.4
Matriz de transicin
de un mes
0.236
C
0.377
Proporcin de camiones
en el mes 2
De estos clculos, puede verse despus de dos meses que el 23.6% de todos los camiones se
encontrarn en el norte; el m37.7% estarn en la regin central y 38.7% en el sur.
La segunda pregunta que interesa responder es la proporcin de camiones que se encontrara en
cada regin despus de un periodo largo.
Para contestarla, pueden repetirse los clculos mes con mes, o programar una computadora.
Mes
0
1
2
3
4
5
6
7
8
Norte 0.4000 0.2300 0.2360 0.2377 0.2376 0.2376 0.2376 0.2376 0.2376
Central 0.3000 0.3600 0.3770 0.3764 0.3763 0.3763 0.3763 0.3763 0.3763
Sur 0.3000 0.4100 0.3870 0.3859 0.3862 0.3862 0.3862 0.3862 0.3862
En la tabla anterior se observa que el vector de probabilidad cambia de su valor inicial de:
[0.4 0.3 0.3] a [0.238 0.376 0.386]
en 8 meses
Observe tambin que el cambio entre vectores subsiguientes disminuye al aumentar el nmero de
meses.
Este patrn de vectores de probabilidad prcticamente iguales indica que se ha alcanzado una
condicin de estado estable (o estado estacionario) cuando la proporcin de camiones en cada
regin permanece igual.
Esta proporcin de estado estable de camiones es 23.8% en el norte; 37.6% en la regin central y
38.6% en el sur.
Desarrollo matemtico
El anlisis anterior puede resumirse utilizando la siguiente notacin:
Pij
si(t)
S(t)
Por ejemplo:
Pij
P11 = 0.2
si(t)
s1(0
= 0.4
)
4
S(0)
[0.4 0.3
0.3]
0.387
s2(0
= 0.3
)
s3(0
= 0.3
)
P12 = 0.3
P13 = 0.5
P21
P22
P23
P31
P32
P33
=
=
=
=
=
=
0.3
0.4
0.3
0.2
0.4
0.4
para i = 1, 2, , n
Recurdese que esto implica que debe hacerse alguna transicin hacia un estado en cada paso.
La transicin de un periodo al siguiente se encuentra incluida en la ecuacin:
S(t + 1) = S(t) P
Para el primer periodo (t = 0) se convierte en:
S(1) = S(0) P
Y para el segundo periodo (t = 1), se tiene:
S(2) = S(1) P = S(0) P P = S(0) P2
En general, este resultado se convierte en:
S(t) = S(0) P t
Ahora, para la condicin de estado estable, se tiene:
S = S(t + 1) = S(t)
Donde S es el vector de probabilidad de estado estable, que es el mismo sin importar el periodo,
lo que implica que:
S=SP
Es decir, el vector de estado estable sigue siendo igual despus de una transicin de una etapa.
Para el ejemplo, esto da como resultado:
S
s s
s .
.
.
.
.
.
.
s2 = 0.376
s3 = 0.386
Estos valores son las mismas proporciones de estado estable que se obtuvieron usando el
programa de computadora; sin embargo, fue posible determinar estos valores resolviendo yn
sistema de ecuaciones lineales, en vez de repetir el procedimiento hasta que la diferencia entre
los valores de dos meses se volviera pequea.
Un detalle que resulta importante tomar en cuenta con respecto a esta condicin de estado
estable es que no depende del estado inicial.
Si se comenzara con un vector de probabilidades [0.5 0.25 0.25] o uno de [0.33 0.33 0.34], a
largo plazo siempre se terminara con el mismo vector de proporciones de estado estable
[0.238 0.376 0.386].
Para resumir el desarrollo de las cadenas de Markov, si existe una matriz de transicin de una
etapa P = [Pij] y un vector de estado para el periodo t, S(t), entonces se tiene que:
S(t + 1) = S(t) P
Pero dado que:
S(t + 1) = S(t) P = S(t 1)P2 = = S(1) P t-1 = S(0) P t
Puede decirse que:
S(t) = S(0) P t
Tambin puede obtenerse el vector de probabilidades de equilibrio o de estado estable, S,
resolviendo el sistema de ecuaciones definido por:
n
S=SP
s
i
CBC
0.4
0.3
0.2
ABS
0.4
0.4
0.6
En esta matriz, los valores que se muestran son la fraccin de televidentes que vern el programa
de cada cadena durante esta semana, dada la cadena que vieron la emana anterior.
Por ejemplo, 20% de los televidentes que observaron el programa de NBS la semana pasada lo
observarn esta semana.
7
Tambin se supone que todos los televidentes que vieron la televisin la semana pasada la vern
esta semana.
Dado que esta es una cadena de Markov, la proporcin de televidentes de estado estable que
estarn viendo el programa de cada una de las cadenas (suponiendo que todos los programas
permanecen en la televisin el tiempo suficiente para que se estabilice el patrn de televidentes),
puede determinarse utilizando los mtodos de las cadenas de Markov.
En este caso, se tiene:
s s
.
.
.
.
.
.
En donde:
s1 = proporcin de estado estable de televidentes que observan la NBS
s2 = proporcin de estado estable de televidentes que observan la CBC
s3 = proporcin de estado estable de televidentes que observan la ABS
Esto conduce a:
s1 = 0.2s1 + 0.3s2 + 0.2s3
s2 = 0.4s1 + 0.3s2 + 0.2s3
s3 = 0.4s1 + 0.4s2 + 0.6s3
De donde:
0.8s1 + 0.3s2 + 0.2s3 = 0
0.4s1 0.7s2 + 0.2s3 = 0
0.4s1 + 0.4s2 0.4s3 = 0
que cuando se combinan con la ecuacin adicional:
1 = s 1 + s2 + s3
puede resolverse para determinar las proporciones del estado estable.
En este caso, se obtiene que los valores de las proporciones del estado estable son:
s1 = 0.227
s2 = 0.273
s3 = 0.500
En otras palabras, cuando los televidentes se han decidido respecto a los programas que les
gusta ver:
Con base en estos deprimentes pronsticos, Mark Goldman puede tomar una decisin anticipada
con respecto a si debe mantener o cancelar el programa.
Si decide cancelarlo, estar en posibilidades de utilizar la proposicin de estado estable de
televidentes para justificar su decisin.
Si S(0) = [0.7 0.3], determnese: S(1), S(4), S(8), S(n) y las de ms necesarias hasta encontrar
las probabilidades de estado estable (es decir, cuando los renglones de la matriz Pn sean iguales
al vector S(n)).
.
.
.
P P P
.
.
P P P
.
.
.
. .
. .
.
.
.
.
.
.
.
.
.
S S P .
.
.
S() S P .
.
.
.
S S P .
.
.
.
.
.
.
.
.
Padres
M
B
.
.
A
.
.
M
.
.
B
Hijos
Por ejemplo el 1% de las personas que tuvieron padres de clase baja logran llegar a ser personas
de clase alta.
Recurdese que: = P
.
(A, M, B) = (A, M, B) .
.
.
.
.
.
.
.
B = 0.62
M = 0.31
Una aplicacin de contabilidad en la que los proceso de Markov han producido resultados tiles
implica la estimacin de la reserva para cuentas por cobrar de dudosa recuperacin o,
simplemente, dudosas.
Esta reserva es una estimacin de la cantidad de cuentas por cobrar que al final demostrarn ser
incobrables.
Considrese la situacin de las cuentas por cobrar para la tienda departamental Heidmans la cual
emplea dos categoras para sus cuentas por cobrar:
1) Las cuentas que se clasifican con 0 30 das de antigedad, y
2) Las cuentas que se clasifican con 31 90 das de antigedad.
Si cualquier porcin del saldo de una cuenta excede de 90 das, esa porcin se clasifica como una
deuda incobrable.
Heidmans sigue el procedimiento de clasificacin de antigedad del saldo total en la cuenta de
cualquier cliente de acuerdo con la factura sin pagar ms antigua.
Por ejemplo, supngase que el saldo de la cuenta de un cliente al 30 de septiembre es como
sigue:
Fecha de
Cantidad cargada
compra
15 de agosto
$25
18 de septiembre
$10
28 de septiembre
$50
Total
$85
La clasificacin de antigedad de esta cuenta por cobrar al 30 de septiembre asignara el saldo
total de $85 a la categora de 31 90 das debido a que la factura sin pagar ms antigua del 15 de
agosto tiene 476 das de antigedad.
Supngase que una semana despus, el 7 de octubre, el cliente paga la factura de $25 del 15 de
agosto.
El saldo total restante de $60 se colocara ahora en la categora 0 30 das en vista de que la
cuenta sin pagar ms antigua, corresponde a la compra del 18de septiembre, tiene menos de 31
das de antigedad.
Este mtodo de clasificacin de las cuentas por cobrar se llama mtodo de saldo total debido a
que el saldo total de la cuenta es colocado en la categora de edad correspondiente a la cantidad
sin pagar ms antigua.
Obsrvese que, bajo el mtodo clasificacin del saldo total, los dlares que aparecen en una
categora de 31 90 das en un punto en el tiempo pueden aparecer n una categora de 0 30
das en un punto posterior del tiempo.
En el ejemplo anterior, este movimiento entre categoras fue cierto para $60 de las facturas de
septiembre, los cuales cambiaron de una categora de 31 90 das a una de 0 30 das despus
de que se pag la factura de agosto.
Supngase que el 31 de diciembre Gheidmans muestra un total de $3,000 en sus cuentas por
cobrar y que a la administracin de la firma le gustara una estimacin de cunto de los $3,000 se
recaudarn al final y cunto resultar al final de cuentas incobrables.
La cantidad estimada de cuentas incobrables aparece como una reserva para cuentas de esta
naturaleza en los estados financieros anuales.
11
Para ver cmo puede considerarse la operacin de cuentas por cobrar como un proceso de
Markov, primero concntrese en lo que le sucede en la actualidad a un dlar en las cuentas por
cobrar.
Conforme la firma contine operando en el futuro, puede considerarse cada semana como un
ensayo de un proceso de Markov, con un dlar existente en uno de los siguientes estados del
sistema:
Estado 1 Categora de pagado
Estado 2 Categora deuda incobrable
Estado 3 Categora 0 30 das
Estado 4 Categora 31 90 das
Por lo tanto, puede rastrearse el estado semana a semana de un dlar usando un anlisis de
Markov para identificar el estado del sistema en una semana o periodo particular.
Usando un modelo de proceso de Markov con los estados anteriores, se definen las
probabilidades de transicin como sigue:
Pij = probabilidad de que un dlar en el estado i en una semana se mueva a estado j en la
siguiente semana.
Con base en las transiciones histricas en el rubro de cuentas por cobrar, se elabor la siguiente
matriz de probabilidades de transicin, P, para Heidmans:
p
p
p
p
p
p
p
p
p
p
.
.
p
p
.
p
.
.
.
.
.
.
.
.
.
.
Donde:
.
p
.
.
.
.
.
.
R
.
.
.
.
.
.
. .
.
. .
.
R
.
.
.
Q
.
.
.
.
.
.
.
Puede calcularse una matriz N, llamada matriz fundamental, usando la siguiente expresin:
N = (I Q) 1
Donde I es la matriz identidad, cuyos elementos son 1 en la diagonal principal y 0 en todo el resto
de la matriz.
El superndice 1 se usa para indicar el inverso de la matriz (I Q).
Ntese que para usar la expresin anterior, la matriz de identidad I debe elegirse de tal manera
que sea del mismo orden (es decir, con el mismo nmero de renglones y de columnas) que la
matriz Q.
En el ejemplo, Q tiene dos filas y dos columnas, as que debe elegirse:
13
I Q
.
.
.
.
.
.
.
.
. / .
. / .
. / .
.
. / .
.
.
.
NR
.
.
.
.
b2]
Dlares totales en la
categora 0 30 das
Dlares totales en la
categora 31 90 das
Supngase que el saldo de cuentas por cobrar al 31 de diciembre de Heidmans muestra $1,000
en la categora de 0 30 das (estado 3) y $2,000 en la categora 31 90 das (estado 4):
B = [1,000
2,000]
Puede multiplicarse B por NR para determinar cunto de los $3,000 se recaudaran y cunto se
perder; por ejemplo,
BNR ,
.
.
.
,
.
Por lo tanto, se observa que $2,370 del saldo de las cuentas por cobrar se recaudarn y $630 se
considerarn como deudas incobrables.
Con base en este anlisis, el departamento de contabilidad puede establecer una reserva para
cuentas incobrables de $630.
La multiplicacin de BNR slo es una forma conveniente de calcular las recaudaciones y las
deudas incobrables resultantes de las cuentas por cobrar.
14
.
p
.
.
.
.
.
.
.
.
.
.
.
N I Q
.
.
.
.
.
.
.
.
.
Al multiplicar N por R, se obtienen las nuevas probabilidades de que los dlares en cada categora
de antigedad terminen en los dos estados absorbentes:
.
.
NR
. .
. .
.
.
.
.
Se observa que con la nueva poltica de crdito se esperara que slo 3% de los fondos en la
categora de 0 30 de antigedad y 23% de los fondos en la categora de 31 90 das de
antigedad sern incobrables.
15
Si, como antes, se asume un saldo actual de $1,000 en la categora de 0 30 das de antigedad
y $2,000 en la categora de 31 90 das de antigedad, puede calcularse la cantidad total de
cuentas por cobrar que terminen en los dos estados absorbentes multiplicando B por NR,
obteniendo:
BNR ,
.
.
.
,
.
Por lo tanto, la mueva poltica de crdito muestra un impacto por deudas incobrables de $490.
Bajo la poltica de crdito anterior, se encuentra que este impacto era de $630; por lo tanto, podra
esperarse un ahorro de $630 - $490 = $140 como resultado de la nueva poltica de crdito.
Dado el saldo total de las cuentas por cobrar de $3,000, este ahorro representa una reduccin de
4.7% en deudas incobrables.
Despus de considerar los costos implicados, la administracin puede evaluar la economa de
adoptar la nueva poltica de crdito.
Si el costo, incluyendo los descuentos, es menor que 4.7% del saldo de cuentas por cobrar, se
esperara que la nueva poltica condujera a mayores utilidades para la tienda Heidmans.
16
REA DE EXHIBICIN
BODEGA
FABRICACIN
EMPACADO
Sala Exhibicin
0
1/2
1/2
1/3
Sala Exhibicin
Bodega
Fabricacin
Empacado
PSE
PB
PF
PSE
PB
PSE
=
=
=
=
=
PB
PF
PE
PE
PF
PE
1/2PB
1/3PSE
1/3PSE
1/3PSE
PSE
0
1/2
1/2
1/3
1/3
0
0
1/3
1/3
0
0
1/3
1/3
1/2
1/2
0
PSE
PB
PF
0
1/3PSE 1/3PSE 1/3PSE
1/2PB
0
0
1/2PB
=
1/2PF
0
0
1/2PF
1/3PE
1/3PE
1/3PE
0
+ 1/2PF + 1/3PE
+ 1/3PE
+ 1/3PE
+ 1/2PB + 1/2PF
+
PB
+
PF
+ PE
17
PE
La zona de empacado es de
El rea de bodega es de
El cuarto de fabricacin es de
TOTAL
Ahora calcule la probabilidad de que el velador de la fbrica mate al ratn poniendo queso
envenenado en la zona de empacado o que lo saque de la fbrica abriendo la puerta que da de la
bodega al patio de carga exterior.
REA DE EXHIBICIN
BODEGA
FABRICACIN
EMPACADO
18
SALIDA
P =
Sala Exhibicin
Bodega
Salida
Fabricacin
Empacado
Muerte
PS
E
PB
PS
Pf
PE
PM
Sala Exhibicin
0
1/3
0
1/2
1/4
0
Bodega
1/3
0
0
0
1/4
0
Salida
0
1/3
1
0
0
0
PSE
0.00
0
0.33
3
0.00
0
0.50
0
0.25
0
0.00
0
PB
0.33
3
0.00
0
0.00
0
0.00
0
0.25
0
0.00
0
PS
0.00
0
0.33
3
1.00
0
0.00
0
0.00
0
0.00
0
Pf
0.33
3
0.00
0
0.00
0
0.00
0
0.25
0
0.00
0
PE
0.33
3
0.33
3
0.00
0
0.50
0
0.00
0
0.00
0
0.19
0.25
0.40
0.17
0.15
19
Fabricacin
1/3
0
0
0
1/4
0
PM
0.00
0
0.00
0
0.00
0
0.00
0
0.25
0
1.00
0
0.1
9
0.2
5
0.4
0
0.1
7
0.1
5
0.0
0
1.0
0.00
0
=
=
=
=
=
=
=
Empacado Muerte
1/3
0
1/3
0
0
0
1/2
0
0
1/4
0
1
0.1
9
0.2
5
0.4
0
0.1
7
0.1
5
0.0
0
1.0
0