Ciencia…Ahora, Nº 20, año 10, septiembre – octubre 2007

MATRICES DE TRANSICIÓN Y CADENAS DE MARKOV

Juan Espinoza B.
Facultad de Agronomía UdeC

Existen muchas situaciones en las cuales es posible aplicar matrices, para esto
consideremos situaciones en la que se separa a la población en dos o más categorías o
estados.

Por ejemplo, podemos separar los ciudadanos de un país de acuerdo a:

Sus ingresos, en las categorías: pobre, ingresos medio o rico.
Las migraciones del campo a la ciudad; o del norte al sur.
La movilidad intergeneracional de padres a hijos, en relación al nivel educativo.
La preferencia por una determinada marca de bebidas.

En general al hablar de población nos estaremos refiriendo a gente, pero esto no es

esencial. Podemos clasificar los automóviles de acuerdo a si funcionan o no, el riesgo de
poner o cambiar nuestros ahorros de la AFP en un determinado tipo de fondo A, B, C, D; o
bien, estudiar los patrones de cambio de uso de suelo en una ciudad de rápido crecimiento.

Estamos interesados en cómo la distribución de una población entre estados puede cambiar
durante un período de tiempo. Las matrices y su multiplicación pueden desempeñar un
papel importante en dichas consideraciones, para esto se utilizan las matrices de
transición.

Matrices de Transición

La tendencia de una población a moverse entre n estados se puede describir a veces

mediante una matriz de n x n.

Consideremos una población distribuida entre n = 3 estados, que llamaremos estado 1,

estado 2 y estado 3. Se supone que conocemos la proporción tij de la población del
estado j, que se mueve al estado i en determinado período de tiempo fijo. Obsérvese que
dirección del movimiento del estado j al estado i va en orden de derecha a izquierda de
los subíndices en tij . La matriz T = (tij ) se llama matriz de transición.

Supongamos que la población de un país, está clasificada de acuerdo con los ingresos en
Estado 1: pobre
Estado 2: ingresos medios
Estado 3: rico

Supongamos que en cada período de 20 años tenemos los siguientes datos para la población
y su descendencia:

De la gente pobre, el 19% pasó a ingresos medios, y el 1% a rica;

119
Ciencia…Ahora, Nº 20, año 10, septiembre – octubre 2007

de la gente con ingresos medios, el 15% pasó a pobre, y el 10% a rica;

de la gente rica, el 5% paso a pobre, y el 30%, a ingresos medios.

El registro tij de la matriz de transición T, representa la proporción de la población que

pasa del estado j al estado i, no el porcentaje.
Para el estado 1 (esto es la columna 1 de la matriz de transición T). El dato de que el 19%
de los pobres (estado 1) pasará a ingresos medios (estado 2) significa que debemos tomar
t21 = 0,19 . Del mismo modo como, como el 1% de la gente del estado 1 (pobre) pasa al
estado 3 (rico), debemos anotar t31 = 0,01 . Ahora t11 representa la proporción de gente
pobre que sigue siendo pobre después de 20 años. Como es el 80%, debemos escribir el
registro t11 = 0,80 . Siguiendo de esta manera y comenzando con el estado 2 (para la
columna 2), se tiene, t12 = 0,15 t 32 = 0,10 con lo cual se obtiene t 22 = 0,75 ; y
finalmente, para el estado3 (columna3) se tiene t13 = 0,05 t 23 = 0,30 entonces
t 33 = 0,65 .
De esta forma la matriz de transición que describe estos datos es

pobre medio rico

 0,80 0,15 0,05  pobre
T=  
 0,19 0,75 0,30  medio
 0,01 0,10 0,65  rico
 
Obsérvese que:

1) las entradas de la diagonal de la matriz representa la proporción de la población

que no cambia de estado en un período de 20 años;
2) un registro de la matriz da la proporción de la población del estado superior del
registro que pasa al estado de la derecha del registro en un período de 20 años.
3) la suma de los registros de cada columna de la matriz T es 1, pues la suma refleja
el movimiento de toda la población para el estado relacionado en la parte superior
de la columna.

Supongamos ahora que las proporciones de toda la población ubicada en los distintos
estados al comienzo de un período están dadas por el vector p de distribución de la
 p1   13 
   
población p =  p2  , por ejemplo, podríamos tener p =  13  si el total de la
p  1
 3 3
población estuviera inicialmente dividida por igual entre los estados. Los registros de un
vector de distribución de población deben ser no negativos y sumar 1.

Para una matriz de transición T y un vector inicial de distribución de población, el

vector producto Tp es el vector de distribución de población después de un período de
tiempo

120
Ciencia…Ahora, Nº 20, año 10, septiembre – octubre 2007

 0,80 0,15 0,05  13   1 / 3 

    
Tp =  0,19 0,75 0,30  13  =  31 / 75 
 0,01 0,10 0,65  1  19 / 75 
  3   

La proporción de la población que permanece en el estado 1 (sigue siendo pobre), después

de 20 años, es 1/3; es decir no hubo cambio en este estado. La clase media aumento de un
33,3% a un 41,3% en un periodo de 20 años. Los ricos disminuyeron de un 33,3% a un
25,3%.

Supongamos que una matriz de transición es válida para una sucesión de períodos de
tiempo, una situación así se denomina cadena de Markov.

Las cadenas de Markov surgen de manera natural en biología, psicología, economía,

demografía y en muchas otras áreas de estudio, por lo que son una aplicación importante
del álgebra lineal y de la probabilidad. El registro tij en una matriz de transición T se
conoce como la probabilidad de pasar del estado j al estado i en un período de tiempo.

El nombre de cadenas de Markov se debe al matemático ruso Andrei Andreevich Markov

(1856 -1922), quien las definió por primera vez en un artículo de 1906 que trataba la ley de
los grandes números y posteriormente demostró muchos resultados estándar sobre ellas.
Su interés en estás sucesiones se originó en las necesidades de la teoría de la probabilidad;
Markov nunca trato sus aplicaciones a las ciencias. Los únicos ejemplos reales que utilizó
eran de textos literarios, donde los dos estados posibles eran vocales y consonantes. Para
ilustrar sus resultados, hizo un estudio estadístico de la alternancia de las vocales y las
consonantes en el libro de Pushkin Eugene Onegin. Andrei Markov dio clase en la
universidad de San Petersburgo de 1880 a 1905, y se retiró para dar paso a matemáticos
más jóvenes.

Definición. (Matriz de transición)

Una matriz de transición para una cadena de Markov de n estados es una matriz de n x n
con todos los registros no negativos y con la propiedad adicional de que la suma de los
registros de cada columna (o fila) es 1.

Por ejemplo las siguientes son matrices de transición

 0,70 0,10 0,00 0,01

 0,80 0,20 0,00   
   13 23   0,30 0,60 0,45 0,05 
 0,18 0,75 0,16     0,0
 0,02 0,05 0,84  1 0 0,15 0,15 0,55 
   
 0,0 0,39 
 0,15 0,40

El comportamiento de cambio de marca de los consumidores ha sido modelado como una

cadena de Markov, para ayudar a desarrollar las estrategias de mercadotecnia. A manera

121
Ciencia…Ahora, Nº 20, año 10, septiembre – octubre 2007

de ejemplo, observemos el comportamiento de cambio de marca descrito en la tabla 1 para

una muestra de 250 consumidores de un producto.

Tabla 1. Número de consumidores que cambian la marca i en la semana 6 por la marca j en

la semana 7

Marca en la
semana 7
Marca en la semana 6 1 2 3 Total
1 72 4 4 80
2 12 102 6 120
3 2 6 42 50
Total 86 112 52 250

El primer renglón indica que, de 80 personas que compraron la marca 1 en la semana 6, 72

volvieron a adquirirla en la semana7, 4 prefirieron la marca 2 y 4 la marca 3. Sin embargo,
nótese que 12 personas cambiaron la marca 2 por la marca 1 y 2 personas cambiaron la
marca 3 por la marca 1. Así pues, para la marca 1, la perdida de 8 clientes se compensó
con creces por la conquista de 14 clientes. Entre la sexta y la séptima semanas, la marca
1 aumentó su participación en el mercado de 32% (80/250) a 34,4 % (86/250).

La matriz de probabilidades de transición para la tabla de contingencia es P:

 80
72 4 4
  0,90 0,05 0,05 
 12 80 80
  
P =  120 102
120
6
120  =  0,10 0,85 0,05 
 2 6 42   0,04 0,12 0,84 
 50 50 50   

la matriz P es una estimación de la matriz verdadera, pues solamente representa el

comportamiento de una muestra de 250 consumidores, durante un período de dos semanas.
Los elementos p11, p22 y p33 de la matriz P son medidas del “poder de retención” de las tres
marcas; los restantes elementos pij reflejan el “poder de atracción” de la marca j,
suponiendo que la compra anterior haya sido a favor de la marca i. Los elementos de cada
fila reflejan la probabilidad de que una marca retenga a sus clientes o los pierda frente a
otras marcas. Los elementos de cada columna resumen la probabilidad de que una marca
retenga a sus clientes o conquiste a otros a costa de cada marca de la competencia.
Supongamos que la participación en los mercados que tienen las tres marcas del ejemplo
son 30%, 38% y 32%, respectivamente, durante la séptima semana. Si la matriz de
transición P (muestral), se considera una buena estimación de la verdadera matriz de
transición (poblacional), es posible predecir las participaciones de mercado esperadas en la
octava semana por medio de la multiplicación de matrices.
Así entonces

122
Ciencia…Ahora, Nº 20, año 10, septiembre – octubre 2007

X8 = X7P
 0,90 0,05 0,05 
 
= (0,30 0,38 0,32)  010 0,85 0,05 
 0,05 0,12 0,84 
 
= (0,3208 0,3764 0,3028)

Las participaciones en el mercado predichas durante la octava semana son 32,08%, 37,64%
y 30,28%, respectivamente para las tres marcas.

Generalizando, podemos decir que si un proceso de Markov donde el sistema puede

encontrarse en cualquiera de m estados posibles, las probabilidades pueden escribirse por
medio del vector X = (x1 x2 . . . xm) donde xj representa la probabilidad de que el sistema
se halle en el estado j. En los estados actuales de un proceso de Markov Xk, los estados
después del siguiente experimento (transición) pueden calcularse mediante la
multiplicación de matrices

Xk+1 = Xk P

Con base en la ecuación anterior podemos afirmar que:

X1 = X0 P
X2 = X1 P = (X0 P)P = X0 P2
X3 = X2 P = (X0 P2)P = X0 P3
Generalizando,
Xn = X0 Pn

Esto es, el vector de estado, que describe el sistema después de n transiciones (o

experimentos) es el producto del vector inicial de estado y la potencia enésima de la matriz
de transición P.
En el ejemplo, si se desea predecir las participaciones de mercado durante la décima
semana, calculamos X10 = X7 P3, ya que en este caso X0 corresponde al vector X7.

 0,748230 0,131065 0,120705 

 
X 10 = (0,30 0,38 0,32) 0,236230 0,643065 0,120705 
 0,122464 0,263792 0,613744 
 
= (0,35342488 0,36809764 0,27847748)

Matriz de transición de m períodos

Una cadena de Markov con una matriz de transición T tiene Tm como matriz de
transición para m períodos.

123
Ciencia…Ahora, Nº 20, año 10, septiembre – octubre 2007

Para la cadena de Markov con período de tiempo de 20 años, con matriz de transición T,
descrita anteriormente, hallar la matriz de transición para un período de 40 años.

pobre medio rico

 0,80 0,15 0,05  pobre
T=  
 0,19 0,75 0,30  medio
 0,01 0,10 0,65  rico
 

Sea n1 el tamaño de la población del estado1 al principio de un período de tiempo.

Hallaremos la proporción de n1 en el estado 2, después de dos períodos de tiempo.
Después del primer período de tiempo, la distribución de los n1 miembros del estado 1
entre los tres estados esta dada por

Estado 1 Estado 2 Estado 3

(0,80) n1 (0,19) n1 (0,01) n1

Durante el siguiente período de tiempo:

el 19% de los (0,80) n1 en el estado 1 harán una transición al estado 2;

el 75% de los (0,19) n1 en el estado 2 permanecerán en el estado, y
el 30% de los (0,1) n1 en el estado 3 pasarán al estado 2.

Así, siguiendo los cambios de estado de los n1 miembros originales del estado 1,
hallamos que el número de ellos que acaba en el estado 2 después de los dos períodos de
tiempo es

(0,19)(0,80) n1 + (0,75)(0,19) n1 + (0,30)(0,01) n1 = (0,2975) n1

Así, el registro de la segunda fila y primera columna de la matriz de transición de los dos
períodos será
(0,19)(0,80) + (0,75)(0,19) + (0,30)(0,01) = 0,2975

se observa que 0,2975 corresponde al elemento que ocupa la posición de la segunda fila y
primera columna de la matriz producto T ⋅ T = T 2 . Continuando con el análisis, hallamos
que la matriz de transición para los dos períodos es realmente T 2

pobre medio rico

 0,6690 0,2375 0,1175  pobre
T 2=  
 0,2975 0,6210 0,4295  medio
 0,0335 0,1415 0,4530  rico
 

124
Ciencia…Ahora, Nº 20, año 10, septiembre – octubre 2007

La suma de las columnas de T2 es 1, luego T2 es realmente una matriz de transición.

Cadenas de Markov regulares

Una matriz de transición T es regular si para algún entero m, Tm no tiene registros cero.
Una cadena de Markov que tenga una matriz de transición regular se llama cadena
regular.

 0 1 0,3 0 
 
 0,7 0 0 0,7 
Consideremos la matriz A = 
0 0 0 0,1 
 
 0,3 0 0,7 0,2 


Es una matriz de transición regular, ya que T3 no tiene registros cero. Esto se puede
verificar fácilmente usando Exceli.

Se puede probar que si una cadena de Markov es regular, entonces, después de muchos
períodos de tiempo, la distribución de población entre los estados tiende a un vector fijo s
de distribución de estado estacionario. Esto es, la distribución de población entre los
estados ya no cambia de manera significativa con el paso del tiempo. Esto no quiere decir
que ya no hay cambio de población entre los estados; la matriz de transición sigue
realizando cambios, pero el movimiento entre estados se equilibra permaneciendo la
proporción constante.

Bibliografía

1. Fraleigh, John. Álgebra Lineal. Editorial Addison Wesley. 1989

2. Budnick, Frank. Matemáticas Aplicadas a la Administración, Economía y Ciencias
Sociales. Editorial Mac Graw Hill. 1990.
3. Juan Espinoza B. UBB - año 2000. Apuntes de Clases de Álgebra Lineal.

i
Usando la función MMULT podemos calcular productos y potencias de matrices en EXCEL.

125