Académique Documents
Professionnel Documents
Culture Documents
CURSO:
INVESTIGACIN DE PERACIONES II
TERCERA UNIDAD
M0DULO:
CADENAS DE MARKOV
UNS
OBJETIVOS DE APRENDIZAJE
1. Cmo reconocer una cadena de Harkov
2. Cmo describir una cadena de Harkov usando una matriz de transicin o un
diagrama de estados
3. Cmo calcular las probabilidades de estado transitorio
4. Cmo calcular la probabilidades de estado estable usando el mtodo de la suma de
flujos o el mtodo de las ecuaciones matriciales
5. Cmo aplicar anlisis de Harkov a comercializacin, a contabilidad y a planeacin
de personal
SEMANA 12
INTRODUCCIN, CADENAS DE MARKOV, PROBABILIDADES DE TRANSICIN,
DIAGRAMA DE ESTADOS
Introduccin
Una cadena de Markov es una serie de eventos, en la cual la probabilidad de que ocurra un
evento depende del evento inmediato anterior. En efecto, se podra decir que, las cadenas
de este tipo tienen memoria, es decir Recuerdan el ultimo evento y esto condiciona las
posibilidades de los eventos futuros. Esta dependencia del evento anterior distingue a las
cadenas de Markov de las series de eventos independientes, como tirar una moneda al aire
o un dado, es decir, el resultado del ltimo evento no influye en el resultado de un nuevo
evento.
Pag.
UNS
En los negocios, las cadenas de Markov se han utilizado para analizar los patrones de
compra de los consumidores, para pronosticar las concesiones por deudores morosos, para
planear las necesidades de personal y para analizar el reemplazo de equipo. Aunque no es
una herramienta que se use mucho, el anlisis de Markov puede proporcionar informacin
importante cuando es aplicable a una de las situaciones antes mencionada..
Es importante indicar que se analizara por separado la teora y las aplicaciones, pues estas
ltimas son muy variadas. En este sentido, el anlisis de Markov es similar a la
programacin lineal (PL), aunque no se usa tanto. La tarea ms difcil es reconocer cundo
puede aplicarse. La caracterstica ms importante que hay que buscar es la memoria de un
evento a otro.
Movimiento
Evento generado
E7
E1
E4
E6
Ei
t1
t2
t3
t4
t5
Tiempo
Figura 1
Generador de Markov
Pag.
UNS
discretos de tiempo (que no tienen que ser iguales). Las probabilidades de ocurrencia para
cada uno de estos eventos dependen del estado del generador. Este estado se describe por el
ltimo evento generado. En la figura 1, el ltimo evento generado fue Ei, de manera que el
generador se encuentra en el estado Si.
En esta seccin se presentan dos formas fciles de exponer las probabilidades de transicin.
p31
p33
S3
S1
p13
p12
p43
p21
p34
p42
S2
S4
P44
p24
Figura 2
Un diagrama de estados
Una forma para describir una cadena de Markov es con un diagrama de estados, como el
que se muestra en la figura 2. En sta se ilustra un sistema de Markov con cuatro estados
posibles: S1, S2, S3 y S4. La probabilidad condicional o de transicin de moverse de un
estado a otro se indica en el diagrama. Para simplificar la notacin se usan subndices para
Ing Juan Pablo Snchez Chvez
Pag.
UNS
el estado actual y el siguiente. Es decir, p14 = P( S4 / S1). Las flechas muestran las
trayectorias de transicin que son posibles. Ntese que no aparecen algunas trayectorias
como la de S2 a S3. Su ausencia significa que esas trayectorias tienen probabilidad de
ocurrencia igual a cero.
Otro mtodo para exhibir las probabilidades de transicin es usar una matriz de transicin.
La matriz de transicin para el ejemplo del diagrama de estados se muestra en la tabla 1.
Ntese que, como existen cuatro estados posibles, se necesitan 4 x 4 = 16 probabilidades.
Tambin ntese que cada rengln de la matriz suma 1. Esto se debe a que el sistema debe
hacer una transicin.
A:
S1
De:
S1
S2
p12
S3
p13
S4
Total
S2
p21
p24
S3
p31
p33
p34
S4
p42
p43
p44
Tabla 1
Una matriz de Transicin
Las probabilidades de transicin son datos para el anlisis. Se deben conocer, no existe
manera de derivarlas. En algunas aplicaciones esto puede ser una limitacin.
Pag.
UNS
Ahora que se sabe cmo presentar los datos, qu puede hacerse? Un anlisis til es
pronosticar el estado del sistema despus de 1, 2, 3 o ms periodos. Esto se llama anlisis
de transicin, debido a que es a corto plazo y est enfocado a periodos cortos.
0.75
A:
S1
S2
S1
0.75
0.25
S2
0.25
0.75
S1
De:
0.25
0.25
S2
0.75
Figura 3
Un ejemplo de dos estados
Para comenzar un anlisis de transicin, se deben conocer el estado actual. Supngase que
se est comenzando y que hay 75 % de posibilidades de estar en el estado 1 y 25 % de estar
en el estado 2. Esto define el estado actual en forma probabilista. Cul es la probabilidad
de estar en el estado 1 al da siguiente? Si se comienza en el estado 1 hay 75 % de
posibilidades de seguir ah. Si se comienza en el estado 2, slo hay 25 % de cambiar el
estado 1. As:
Significa P(S1/S2)
Pag.
UNS
= 0.625
Como solo hay dos estados, entonces P ( S2) = 0.375 o sea 1-P(S1) 1-0625 = 0.375
Despus de dos das:
Este mtodo para hacer clculos puede representarse por un diagrama de rbol, como se
muestra en la figura 4. Como puede observarse, la copiadora no es muy segura. Los
resultados de los primeros cuatro das son:
P( S1)
P( S2 )
Inicio
0.75
0.25
0.625
0.375
0.5625
0.53125
0.515625
0.4375
0.46875
0.484375
Tabla N 02
Pag.
UNS
Figura 4
Diagrama de rbol
En los sistemas con ms estados, los clculos se vuelven mas largos, pero el procedimiento
es el mismo. Considrese el sistema de tres estados que se muestra en la figura 5.
Supngase que el sistema se encuentra en el estado S1. En el diagrama puede observarse
que para el siguiente ciclo:
Pag.
UNS
Figura 5
Un ejemplo de tres estados
Pag.
UNS
Por supuesto, como el sistema se debe encontrar en algn estado, solo es necesario calcular
dos de estas probabilidades y la tercera puede encontrarse con la siguiente relacin:
Inicio
P( S1)
P( S2 )
P( S3 )
0.4
0.3
0.3
0.22
0.45
0.33
0.166
0.53
0.304
0.15
0.565
0.285
0.145
0.58
0.275
Tabla N 03
Ejercicio de Prctica 01
Dada la cadena de Harkov siguiente:
A
De
S1
S2
S1
0.6
0.4
S2
0.2
0.8
Pag.
10
UNS
SEMANA 13
El proceso de Markov tiene varios rdenes, y el primero depende de los resultados del
ltimo acontecimiento (selecciones de marcas por los clientes en ese perodo), y no de
cualquier comportamiento previo de compras para la probabilidad del acontecimiento
siguiente (selecciones de los clientes para el prximo perodo). Un anlisis de Markov de
segundo orden supone que las selecciones de marcas especficas para el prximo perodo
dependern de las selecciones de marcas hechas por los clientes durante los dos perodos
anteriores. De modo semejante, un proceso de Markov de tercer orden, estudia las
preferencias de los clientes durante los tres ltimos perodos, a fin de pronosticar su
comportamiento durante el perodo siguiente hacia determinadas marcas.
Revisando un ejemplo cualquiera, supnga que las participaciones del mercado de las
marcas , B, C y D, son ahora de 22, 30, 25 y 23 por ciento, respectivamente, para el
Pag.
11
UNS
Probabilidades de
Primer Periodo
Transicin
Particip. De Mercado
B .091
1.0
1.0
A .796
C .046
Segundo Periodo
1.0
.22
.30
X
.2242
=
.2912
.25
.2472
.23
.2374
1.0
1.0
0 x .25 = 0
Pag.
12
UNS
.2912
.2472
.2374
Pag.
13
UNS
Despus de obtener la solucin para el segundo perodo, lo que requiere que se tengan en
cuenta las participaciones iniciales del mercado y las probabilidades de transicin, la
determinacin del tercer perodo puede hacerse de dos modos. El primer mtodo es una
continuacin del enfoque que ya hemos expresado, o sea la multiplicacin de la matriz
original de probabilidades de transicin por las participaciones de las marcas en el segundo
perodo, lo que da los resultados del tercer perodo. Esas dos matrices, y la de las
participaciones de mercado para el tercer perodo, son las siguientes:
Probabilidades de
Segundo Periodo
Transicin
Particip. De Mercado =
B .091
.2224
.2912
X
1.0
1.0
A .796
C .046
Tercer Periodo
1.0
.2267
=
.2472
.2849
.2450
.2374
.2434
1.0
1.0
Primer mtodo
Pag.
14
UNS
: 0.2450
: 0.2434
Este mtodo tiene la ventaja de que pueden observarse los cambios que ocurren de un
perodo a otro. Sin embargo, la administracin puede necesitar las participaciones de
mercado de su propia marca para ciertos perodos especficos en el futuro, y en ese caso
ser preferible el segundo mtodo. Bsicamente este mtodo eleva la matriz de
probabilidades de transicin a una potencia que representa el nmero de perodos futuros.
Por ejemplo, en el problema, las participaciones probables de mercado para el tercer
perodo, se calculan como sigue:
Probabilidades de
Primer Periodo
A .796
B .091
C .046
1.0
1.0
Tercer Periodo
1.0
.22
.30
X
.25
.2267
=
.2850
.2449
.23
.2434
1.0
1.0
Segundo mtodo
Se utiliza de nuevo la multiplicacin de matrices. La elevacin al cuadrado de la matriz
de probabilidades de transicin significa que habr que calcular nuevas probabilidades de
retencin, ganancia y prdida. La matriz de probabilidades de transicin elevada al
cuadrado se multiplica por las participaciones originales de mercado. Como explicacin,
los diversos renglones de la matriz de probabilidades de transicin, se multiplican por sus
columnas correspondientes para formar una matriz de probabilidades de transicin
elevada al cuadrado:
Pag.
15
UNS
B
A .796
.796
B .091
.091
C .046
.046
D .067
.067
.6484 .2112
.0145
.0742
.1513 .6072
.1808
.1056
.0818 .0376
.7957
.0729
.1185 .1440
.0090
.7473
Capacidad de A para
conservar sus propios
clientes
Capacidad de A para
conservar sus propios
clientes
. 796
Capacidad de A para
ganar clientes a B
.796
Capacidad de B para
ganar clientes a A
. 133
Capacidad de A para
ganar clientes a C
.6336
.091
Capacidad de C para
ganar clientes a A
.046
Capacidad de A para
reconquistar sus propios clientes
de B
.0121
Capacidad de A para
reconquistar sus propios clientes
de C
0
Pag.
16
Capacidad de A para
ganar clientes a D
UNS
Capacidad de D para
ganar clientes a A
. 040
Capacidad de A para
reconquistar sus propios clientes
de D
.0027
.067
La porcin de los clientes originales de A que sta retiene (la suma de los clculos
originales de la marca A) = .6484
Matriz de
Probabilidades de
Transicin elevada al
cuadrado
A
Participaciones
originales de
Mercado para cada
Periodo
D
.22
.30
1.0
1.0
Tercer Periodo,
Participaciones
probables de
Mercado
1.0
.2267
=
.2849
.25
.2450
.23
.2434
1.0
1.0
La elevacin de una matriz a una potencia mucho ms alta no es tarea fcil. Sin embargo,
hay programas de computadoras para efectuar esos clculos con rapidez y precisin.
Trabajo: Construir un programa de computadora para elevar una matriz a una potencia n.
Pag.
17
UNS
SEMANA 14
PROBABILIDADES DE ESTADO ESTABLE, CONDICIONES DE EQUILIBRIO
P( S1)
P( S2 )
Inicio
0.75
0.25
0.625
0.375
0.5625
0.4375
0.53125
0.46875
0.515625
0.484375
Tabla N 02 pgina 07
Se sabe que, las cadenas de Markov poseen una propiedad notable en cuanto a que tienden
a aproximarse a lo que se llama estado estable. Considrense los dos ejemplos anteriores
de anlisis de transicin. En el sistema de dos estados, P(S1) result ser 0.75 al principio y
despus 0.625, 0.567, 0.531 y 0.516. Estas probabilidades se mueven hacia un lmite. En
forma anloga, en el sistema de tres estados puede observarse que P(S 2), por ejemplo,
adquiere los valores 0.3, 0.45, 0.53, 0.565 y 0.58. Despus de unos cuantos ciclos nada
ms, las probabilidades de estado comienzan a asentarse o estabilizarse. Cuando una cadena
de Markov ha llegado lo suficientemente lejos como para estar cerca de estos lmites, se
dice que ha alcanzado un estado estable. Adems, estos lmites son los mismos,
independientemente del punto de partida del sistema.
Es importante hacer notar que la existencia de una condicin de estado estable es una
propiedad adicional de las cadenas de Markov. De ninguna manera afecta las
probabilidades de transicin o la dependencia de cada estado en el estado anterior. Los
Pag.
18
UNS
lmites de estado estable se refieren slo al porcentaje de tiempo a largo plazo que el
sistema se encontrar en cada estado particular.
En la mayora de las aplicaciones el estado estable tiene una gran importancia, esto puede
apreciarse ms adelante. En esta seccin se describen dos mtodos para determinar estos
lmites y se presenta una aplicacin a comercializacin.
Este mtodo est basado en el concepto de que todo lo que entra debe salir. El diagrama de
estados se usa para presentar los flujos. En la figura 6 se muestra de nuevo el ejemplo
anterior de dos estados. Para cada estado puede escribirse una ecuacin tal que para el
estado k se cumpla:
P( S ) pik P( S k )
ik
i
toda _ i k
toda _ i k
0.75
S1
0.25
0.25
Figura 6
Un ejemplo de dos estados
S2
0.75
Ing Juan Pablo Snchez Chvez
Pag.
19
UNS
P( S ) p21P( S2 ) 0.25P( S2 )
ik
i
toda _ i k
toda _ i k
Para los flujos que salen, se suman las probabilidades de transicin a todos los otros
estados. En este caso slo hay una, 0.25. As, la ecuacin para S 1 es
0.25 P(S2) = 0.25 P(S1)
De igual manera, el flujo hacia adentro para el estado S2 es 0.25 P(S1) y el flujo hacia
afuera es 0.25P(S2). Esto da para S2
El hecho de que estas dos ecuaciones sean iguales es una coincidencia. Pero no son
independientes; as, se necesita una relacin ms:
P(Sl) = P(S2) = 1
Esto proporciona tres ecuaciones con dos incgnitas que pueden resolverse por eliminacin.
El resultado es
Pag.
20
UNS
Figura N 07
Ejemplo con tres estados
Pag.
21
UNS
Ordenando las ecuaciones, para poner todo junto se tienen cuatro ecuaciones:
Pag.
22
UNS
1.17(0.6) + 1.17P(S3) = 1
P(S3) = 0.26
Segn los resultados obtenidos en el anlisis de transicin, puede observarse que el sistema
estaba cerca de estos lmites despus de slo cinco ciclos.
Las compras de los consumidores estn influidas por la publicidad, el precio y muchos
otros factores. Con frecuencia un factor clave es la ltima compra del consumidor. Si, por
ejemplo, alguien compra un refrigerador marca Y, y le da buen servicio, quedar
predispuesto a comprar otro refrigerador marca Y. De hecho, una investigacin de mercado
puede determinar el grado de lealtad a la marca encuestando a los consumidores. En
trminos de una cadena de Markov, los resultados de la investigacin son las
probabilidades de transicin de seguir con la marca o de cambiar.
Pag.
23
UNS
P(A) = 0.6
P(B) = 0.4
0.8
A:
Marca A
0.3
0.2
Marca B
De: Marca A
0.8
0.2
Marca B
0.3
0.7
B
0.7
Figura 8
Cambio de Marca
Pag.
24
UNS
La marca A capturar a la larga el 60 % del mercado y las otras marcas tendrn el 40%.
Esta informacin puede ser til en muchas formas. Una de ellas es al evaluar las diferentes
estrategias de publicidad. Esta publicidad puede estar dirigida a los clientes actuales en un
esfuerzo para incrementar la lealtad a la marca. De otra manera, puede dirigirse a los
compradores de otras marcas con el fin de persuadirlos para cambiar. Cmo debe
asignarse un presupuesto de publicidad entre estas dos alternativas? El anlisis de Markov
puede proporcionar una respuesta si se dispone de cierta informacin adicional. Por
ejemplo, si cada incremento se un punto porcentual en el mercado aumenta las ganancias en
S/. 50 000 nuevos soles, el presupuesto de publicidad es S/. 100 000 y esto podra aumentar
la lealtad a la marca a 85% o incrementar el cambio a la marca a un 35%; el problema
puede resolverse de la siguiente manera, teniendo en cuenta la siguiente informacin en la
tabla N 04: La Publicidad altera la Matriz
a) Anuncios dirigidos a los clientes de la
A:
Marca A
De: Marca A
0.8
0.2
Marca B
0.3
0.7
0.8
0.2
Marca B
0.3
0.7
Pag.
25
UNS
P(A) = 0.75
P(B) = 0.25
P(A) = 0.64
P(B) = 0.36
Pag.
26
UNS
CONDICIONES DE EQUILIBRIO
Solo puede haber una condicin de equilibrio si ninguno de los competidores altera la
matriz de probabilidades de transicin. Es razonable suponer que podra llegarse en el
futuro a un estado de equilibrio, con respecto a las participaciones de mercado. El
intercambio de clientes en trminos de retencin, ganancias o prdidas, seria esttico en el
momento en que se lograra el equilibrio. En trminos de mercadotecnia, cuales son las
participaciones de mercado finales o de equilibrio?
.85
.10
.80
.25
.05
.20
.75
1.0
.10
.05
.80
.05
.10
.90
Pag.
27
UNS
Como A no sufre perdidas de Mercado, solo es cuestin de tiempo para que tenga todos los
clientes de B y C, a lo que se llama sumidero o Cuenca de un Estado, porque al final una
empresa obtiene toda la clientela. En el primer ejemplo esto se llama sumidero o Cuenca de
dos Estados, porque al final, dos empresas comparten toda la clientela del Mercado.
El ejemplo mas comn es aquel en que ninguna empresa obtiene toda la clientela, sea que
en un total de tres empresas, ni una ni dos de ellas se apoderara de todo el Mercado. Hay
cierta condicin final de equilibrio que se desarrolla y continua basndose en una matriz
estable de probabilidades de transicin.
PRCTICA DE LABORATORIO
CONSTRUIR UN PROGRAMA PARA ELEVAR UNA MATRIZ A UNA POTENICA n
PARA SER PRESENTADO EL DA DEL EXAMEN DE LA UNIDAD III. EL
PROGRAMA DEBE TENER UN EJECUTABLE QUE DEBE CORRER EN
CUALQUIER SISTEMA OPERATIVO Y SU MANUAL DE USUARIO
SEMANA 15
TEORA DE JUEGOS.
Pag.
28