CIENCIA Y TECNOLOGÍA
CADENAS DE MARKOV
UN VISTAZO AL FUTURO
Carlos Polanco y Jorge Alberto Castañón González
Una herramienta es útil cuando significa un beneficio
tangible y amplía los límites del conocimiento humano.
Sin lugar a dudas lo es el aporte del científico ruso Andréi
Markov a la Teoría de la probabilidad conocido como:
Cadena de Markov. Este operador permite conocer el
estado probable futuro de un proceso, a partir de sólo su
probable estado actual. Un ejemplo ayudará a entender el
potencial aplicativo que tiene este operador.
“Cada día un hombre o maneja su automóvil o toma el tren no cambien. En nuestro ejemplo tras cinco multiplicaciones
para ir a trabajar. Suponga que nunca toma el tren dos días encontramos que la matriz de transiciones es:
seguidos, pero si maneja para ir a trabajar, entonces al día
siguiente es igualmente probable que maneje de nuevo o que Tren Automóvil
tome el tren” (Lipschutz, S. 1973 Probability McGraw-Hill).
Tren 0.31 0.69
Este caso contempla dos estados: (t, tren) y (a, automóvil).
Automóvil 0.34 0.66
Note además que lo que pueda ocurrir mañana depende
únicamente de lo que ocurra hoy. Ahora expresemos toda
esta información en una matriz que denominaremos: ¿Cuál será la probabilidad futura asociada a cada
matriz de transiciones. transición? Observe particularmente las cifras de las
casillas (t,t) y (a,a), algo imprevisto ocurre: a la larga el
hombre tomará el tren 0.31 de las veces, y manejará los
otros 0.66 del tiempo. Pero si la sencillez de este operador
Tren Automóvil le impresiona, seguramente le impresionará aún más lo que
Tren 0 1 viene a continuación.
Automóvil 0.50 0.50 La precisión de un pronóstico depende del número de
variables que tomamos en cuenta, pero entre más variables
incluyamos el tiempo empleado para evaluar todas ellas
Esta matriz ilustra las cuatro transiciones posibles entre los crecerá exponencialmente. Por lo que ningún computador
dos estados al pasar del estado presente (renglón) al estado será suficiente. Sin embargo, los procesos de Markov han
futuro (columna). Veamos cada caso: si la persona toma el mostrado que no se ven afectados por el número de
tren entonces al siguiente día no tomará el tren: (t,t) → 0; variables que se adicionan. Ello los hace muy atractivos
por lo que al día siguiente seguro tomará el automóvil: (t,a) para pronosticar la evolución de distintos procesos de muy
→ 1. Por otro lado, si opta por tomar el automóvil es distinta índole.
igualmente probable que al día siguiente o tome el tren:
(a,t) → 0.5, o tome el automóvil (a,a) → 0.5. Carlos Polanco (Ciudad de México, 1958). Mexicano, matemático y profesor
de la Facultad de Ciencias de la Universidad Nacional Autónoma de México. Es
miembro del Sistema Nacional de Investigadores. Desde el año 2007 desarrolla
Si observáramos este proceso como una película donde modelos estocásticos predictivos orientados a: epidemiología matemática,
cada cuadro es un día que transcurre, ¿cuál será el futuro de proteómica computacional y origen de la vida.
estas transiciones? Para conocer ello basta multiplicar esta Jorge Alberto Castañón González (Ciudad de México, 1957). Mexicano, médico
matriz por sí misma un número n de veces (cadena de internista e intensivista por la Universidad Nacional Autónoma de México. Es
profesor de Medicina e investigador en los Departamentos de Medicina Crítica
Markov), hasta que los valores correspondientes a cada e Investigación Biomédica del Hospital Juárez de México. Es miembro del
renglón y columna, entre la matriz anterior y la actual, casi Sistema Nacional de Investigadores.
27