APLICACIONES DE LA CADENA DE MARKOV

DEFINICIÓN:
Se trata de una herramienta creada por el matemático ruso "Andrei Markov" en el año 1907
que mezcla principios algebraicos y estadísticos para analizar procesos estocásticos (que
evolucionan a lo largo del tiempo en un conjunto de estados).

Es posible aplicar este principio a campos tan diferentes como la meteorología, astrología,
biología... o a las empresas (entre otras muchas áreas, por supuesto).

Las Cadenas de Markov son sucesiones de variables aleatorias que permiten evaluar la
probabilidad con la que un estado actual puede alcanzar uno inmediatamente posterior. Se ha
utilizado en diversas aplicaciones como predicciones de escenarios económicos, patrones de
compra, estimación de indicadores, administración de inventarios, proyecciones demográficas,
pronósticos de votación, etc.

APLICACIONES:

ARTES

1. Entre las mencionadas aplicaciones se encuentran dos composiciones musicales

contemporáneas, creadas utilizando como referencia la obra musical de una banda
predeterminada. Dichas composiciones obtenidas guardan notoria relación con el
estilo musical de la banda referencial. Los archivos de audio se encuentran adjuntos al
presente documento. Del mismo modo, se muestran poesías y textos generados con
esta aplicación matemática y que guardan relación con el estilo literario de escritores
tomados como referencia. Finalmente se mostrarán aplicaciones de las Cadenas de
Markov para la Generación de Imágenes y Videos a través de sistemas generativos,
disciplina denominada “Arte Procesual-Aleatorio”.

EMPRESAS

2. En ocasiones resulta complicado determinar cuál va a ser la evolución de ciertos

aspectos empresariales sujetos a variaciones constantes. Esto puede dificultar la
adecuación de esfuerzos económicos y de personal, entre otros.
Una manera diferente de controlar ciertos factores de la gestión de un negocio es
realizar aproximaciones o previsiones en base a la utilización de cadenas de Markov.
No es un método totalmente exacto pero si útil para previsiones a largo o muy largo
plazo.
A diferencia del método clásico de utilizar el año inmediatamente anterior como guía,
la cadena de Markov utiliza todos los estados anteriores para determinar una
evolución más realista de lo que cabe esperar de los próximos ejercicios. Es una
técnica curiosa, aunque algo complicada para quien no domine la materia.

BIOLOGÍA
 3. Aplicación de Cadenas de Markov en un proceso de producción de plantas in vitro:
Se aplicó el modelo de Cadenas de Markov para determinar el número de explantes
iniciales que se requiere establecer para obtener un número definido de lote de
producción (3,000 plantas finales mediante tres ciclos de multiplicación in vitro), según
la estandarización de la empresa. Se estableció un registro histórico del número de
plantas que fueron desechadas, reprocesadas y aquellas que continuaron su ciclo de
reproducción. Se calculó la matriz de transición de Markov tomando en cuenta un 95%
de éxito en la etapa de enraizamiento y la transición al empaque final, según registros
de la empresa. A partir de la matriz obtenida, se estimaron las probabilidades de los
estados adsorbentes (empaque y desecho) de cada etapa, mediante las operaciones
matriciales:
• Resta de Matriz Identidad con Matriz Transitoria: (I-N)
• Matriz Inversa de 1-N: Minversa(I-N)
• Multiplicación de la Matriz Inversa por la Matriz Absorbente: Minversa(I-N)*M(A).
Con el cálculo de las probabilidades anteriores, se planteó una fórmula para obtener el
número de plantas requeridas para cumplir con el lote de producción final, de acuerdo
con la etapa en la que se encuentre el material vegetal. En esta fórmula, se presentó
una relación entre el número de plantas deseadas, el coeficiente de multiplicación, el
número de ciclos de multiplicación y la probabilidad correspondiente según la matriz
de Markov.

El coeficiente de multiplicación utilizado fue de 3,74 y representa la relación de plantas

finales entre plantas iniciales. Se obtuvo mediante el promedio de tres ciclos de
multiplicación históricos de la empresa. Los cálculos se realizaron con el software
Microsoft Excel 2010.

CADENAS DE MARKOV Y LA RELACIÓN CON EL MARKETING

Cadenas de Markov para cálculo de LTV (LifeTime Value) Valor del Tiempo de
Vida del Cliente:

Cadena de Markov:

Flexibilidad

» Customer Retention

» Customer Migration

» Clientes actuales
 » prospectos

• Modelo Probabilístico

» Uso de probabilidades

» Valores esperados

Supongamos que la empresa “J-avon” está tratando de captar a la Sra. Juanita.

 Si lo logra la contribución neta será $NC

 Supongamos una compra por período
 Si suponemos que hay migración puede que la señora juanita no compre en varios
períodos y después si lo haga
 Si la Sra. Juanita tiene probabilidad de compra se gasta $M en mantención
 Se cree que la posibilidad de compra (P) sólo depende de la última vez que lo hizo
(recency)...si compró en el periodo anterior R=1
 Se asume que si R=5 la S. J. Ya no volverá a comprar