Professional Documents
Culture Documents
TEMA 3
Introduccin a las cadenas de Markov de primer orden
Introduccin
Proceso estocstico:
PROPIEDAD MARKOVIANA
PROPIEDAD MARKOVIANA
PROPIEDAD MARKOVIANA
PROPIEDAD MARKOVIANA
PROPIEDAD MARKOVIANA
Ejemplos:
Comportamiento (sube/baja) del precio de las
acciones hoy depende de lo ocurrido ayer
No viajar
V. entre islas
V. fuera
No viajar
40
20
40
V. entre islas
50
10
40
V. fuera
10
70
20
1
EJEMPLO 1: EL REPARTO DEL
MERCADO A LARGO PLAZO
EN UN OLIGOPOLIO
Tres laboratorios farmacuticos (A,B y C) que compiten en un principio activo
(mismo conjunto homogneo en la orden de precios de referencia). Hoy
sus cuotas de mercado son 30%, 20% y 50% respectivamente
Matriz de transicin en
un paso (ciclo)
Ciclo: Mes
A
A
B
C
B
0,8
0,15
0,13
C
0,1
0,82
0,12
0,1
0,03
0,75
CON
SECUELAS
BIEN
MUERTO
Ciclo=mes
Utilidades = Nivel salud
Distribucin inicial de la cohorte
(N=10.000): todos bien
CON
SECUELAS
BIEN
MUERTO
Ciclo=mes
Utilidades = Nivel salud
Distribucin inicial de la cohorte
(N=10.000): todos bien
0.6
BIEN
0.2
0.2
CON
SECUELAS
MUERTO
Ciclo=mes
Utilidades = Nivel salud
Distribucin inicial de la cohorte
(N=10.000): todos bien
1
EJEMPLO 1: EL REPARTO DEL
MERCADO A LARGO PLAZO
EN UN OLIGOPOLIO
Tres laboratorios farmacuticos (A,B y C) que compiten en un principio activo
(mismo conjunto homogneo en la orden de precios de referencia). Hoy
sus cuotas de mercado son 30%, 20% y 50% respectivamente
Matriz de
transicin en un
ciclo (P)
Ciclo: Mes
A
A
B
C
B
0,8
0,15
0,13
C
0,1
0,82
0,12
0,1
0,03
0,75
1
EJEMPLO 1: EL REPARTO DEL
MERCADO A LARGO PLAZO
EN UN OLIGOPOLIO
0.3722 0.21131]
Nunca lo ha
probado
Nunca lo ha probado
Lo ha probado, pero ahora
no fuma
Fuma menos de una vez
por semana
Fuma los fines de semana
Fuma diariamente
Total
Total
100.0%
0.0%
75.0%
12.2%
4.7%
8.1%
100.0%
0.0%
0.0%
0.0%
50.4%
34.0%
26.5%
6.3%
31.8%
22.0%
17.6%
8.3%
6.7%
12.0%
26.5%
0.0%
3.0%
32.0%
29.4%
85.4%
8.1%
100.0%
100.0%
100.0%
100.0%
2
En general podemos considerar a los tiempos de primera pasada
como variables aleatorias, por tanto con una distribucin de
probabilidad asociada a ellos. Dichas distribuciones de
probabilidad dependern de las probabilidades de transicin del
proceso.
fij(1)=pij(1)=pij
fij(2)=pij(2)-fij(1)pij
.............................................
fij(n)=pij(n)-fij(1)pij(n-1)-fij(2)pij(n-2)....-fij(n-1)pij
2
Como generalmente es bastante engorroso calcular las fij(n) para
todas las n, se suele optar por obtener el tiempo esperado de
primera pasada del estado i al estado j
2
Podemos considerar fij(n) para (n=1,2,..) como la funcin de
probabilidad de la variable aleatoria tiempo de primera pasada
(n)
(n)
0
1
2
3
4
0
0.25
0.5
0
0
1
1
0.75
0.5
0
0
0
2
0
0
1
0.33333333
0
3
0
0
0
0.66666667
0
4
0
0
0
0
0
EJEMPLOS DE APLICACIONES
CMO HACER EL MODELO
REALISTA
Propiedad
Ingredientes de una cadena de markov:
markoviana: falta de
Se suponen constantes en el
tiempo, e idnticas para todos los pacientes
BIEN
MUERTO
ACCIDENTE
CEREBRAL
VASCULAR
MUERTO
CON
SECUELAS
2)
CONCEPTOS BSICOS
idnticas para
Software y bibliografa
Usaremos QSB
Un excelente texto para este tema es el de
Hillier y Lieberman (est referenciado en el
programa)