FACULTAD DE INGENIERÍA Y CIENCIAS

BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

PROYECTO DE PROGRAMACIÓN ESTOCASTICA

INTEGRANTES:

CORPORACIÓN UNIVERSITARIA POLITÉCNICO GRANCOLOMBIANO

CAMPUS VIRTUAL

2019

CONTENIDO

JUSTIFICACION ...................................................................................................... 2
OBJETIVO GENERAL ............................................................................................. 2
DESCRIPCIÓN DE LA EMPRESA Y EQUIPO DE TRABAJO ................................ 2
 FACULTAD DE INGENIERÍA Y CIENCIAS
BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

PRIMERA ENTREGA............................................................................................... 3
SEGUNDA ENTREGA ............................................................................................. 7
CONCLUSIONES................................................................................................... 13

JUSTIFICACION

El siguiente trabajo se realiza con el fin de realizar un estudio estocástico utilizando

las cadenas de Márkov en tiempo discreto para dar solución a un ranking de
popularidad para 24 pilotos de la Formula 1.

OBJETIVO GENERAL

Implementación de Cadenas de Markov en tiempo discreto aplicada a grupos de

Fórmula 1 en Facebook, con el fin de dar soporte a los motores de búsqueda para
mantener la escala dramática y mantener al día con el crecimiento de la web.

DESCRIPCIÓN DE LA EMPRESA Y EQUIPO DE TRABAJO

CGJ CONSULTORIA Es una empresa que se dedica a conseguir el mejoramiento

interno en una empresa. Desde hace mucho tiempo, nos hemos enfocado en el área
de programación y análisis de datos como plataforma creativa de la empresa.
Contamos con 6 ingenieros capaces de desenvolverse en varias áreas, también se
cuenta con varios instrumentos entre ellos software de diseño e instalaciones de
fabricación que cuenta con los respectivos sistemas de control de calidad. Donde
nuestro resultado es ser una empresa que integra tecnologías de información,
comunicaciones y servicios digitales, habilitando soluciones especializadas para
contribuir al logro de los objetivos de nuestros clientes.

Nuestro equipo de trabajo se conforma por 6 ingenieros industriales, Ingenieros

Industriales de la Universidad Politécnico Gran Colombiano.
 FACULTAD DE INGENIERÍA Y CIENCIAS
BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

1) Jhonn Barrera: Especialista en el estudio de bases de datos estadísticos a gran

escala.
2) Gina Paola Suarez Avila: Agente comercial quien da a conocer el proyecto.
3) Gilver Ardila: Ingeniero de sistemas y el encargado de la implementación de
nuevos programas para agilizar los estudios estadísticos.
4) Jose Estrada: Analista de datos estadísticos quien se encarga de la presentación
de los informes.
5) Carolina Cepeda: Ingeniera Industrial quien realiza el control de calidad de los
resultados obtenidos en cada estudio.
6) Carolina Reina Zarata: Ingeniera Industrial que se encarga del seguimiento del
recurso humano

PRIMERA ENTREGA

Proceso metodológico:

Inicialmente en el archivo “anexo Formula 1”, se encontró una copia de los amigos
que tienen 24 pilotos en su perfil de Facebook. En el perfil de cada uno se puede
ver a las personas que “i” ha decidido incluir entre sus amigos.

Posterior a ello se construyó una matriz de incidencia en la página de “Matriz

incidencia 1“de la hoja de Excel “Análisis anexo Facebook 1.xlsx” para el grupo
donde dicha matriz es de 24*24, en donde la posición (i; j) de la matriz está definida
por:

En donde “Mi” corresponde al número total de amigos que tiene la persona "i".
“Pi"” es la probabilidad que el sistema se mueva a un estado "j" cuando este se
mueve fuera del estado "i", para todo "i" diferente de "j".
 FACULTAD DE INGENIERÍA Y CIENCIAS
BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

Finalmente se realizará la matriz transitoria en la página de “Matriz transitoria 2” de

la hoja de Excel “Análisis anexo Facebook 1.xlsx”, con el fin de reconocer la
probabilidad que tiene cada piloto con respecto a los amigos que tienen en
Facebook.

Cabe tener en cuenta que se tomó las letras iniciales de los nombres de los 24
pilotos para la toma de datos del “anexo Facebook F1”, en la hoja de Excel “Análisis
anexo Facebook 1.xlsx”.
Paso 1: Tabla (Consolidado de contactos F1)

La Matriz anterior aparece descrita en la hoja “Total de Contactos” del archivo Excel
“Análisis anexo Facebook 1.xlsx”. La tabla anterior la utilizamos como soporte para
realizar la matriz de incidencias.
 FACULTAD DE INGENIERÍA Y CIENCIAS
BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

Con la información suministrada en el anexo Facebook 1 en el cual de describe la

cantidad de amigos que tienen 24 usuarios de la aplicación de Facebook para ello
se recreara una serie de matrices que conexionen la probabilidad que tiene cada
uno de ellos.
Matriz de incidencia:
Se realizará una Matriz de incidencia como primera medida, para conocer la
cantidad de pilotos que poseen una relación directa con otro piloto de la F1, para
ello se diseñará una matriz de unos (1) y ceros (0), se marcará con un (1) para
demostrar una conexión y (0) para indicar que no existe ninguna relación entre los
pilotos, como se muestra a continuación:

Tabla 1: Matriz de incidencia. Fuente: Elaboración propia.

En la tabla anterior “Mi” pertenece a la totalidad de amigos que tiene la persona “i”.
La tabla de incidencias elaborada aparece descrita en la hoja “Matriz incidencia 1”
de Excel.
La tabla anterior la utilizamos como soporte para realizar la matriz transitoria 2.
Matriz transitoria:
 FACULTAD DE INGENIERÍA Y CIENCIAS
BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

Después se realiza la matriz de incidencia, tomaremos la cantidad de amigos que

encontramos para cada piloto y operaremos la fórmula de “Pij”, la cual nos permitirá
conocer la probabilidad que posee cada piloto en ser visitado en su página de
Facebook:
“P” es la probabilidad
“i” corresponde al piloto
“j” corresponde al amigo del piloto
“Mi” corresponde al número total de amigos del piloto “i”

Pij = {1/Mi Incluye a “j” dentro de sus amigos, 0, E. C. C}

Tabla 2: Matriz transitoria. Fuente: Elaboración propia.

Se identifica un piloto (Sergio Pérez), el cual no posee ninguna conexión con los
demás pilotos, a pesar de que otros pilotos si poseen alguna conexión con él, de
esta manera se descarta que la matriz resulte ser estocástica en su totalidad.

Paso 2: Grupos
 FACULTAD DE INGENIERÍA Y CIENCIAS
BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

Se identificaron dos grupos claramente definidos, los cuales se relacionan en la hoja

“Asignación de grupos” de Excel. esto se logró a través de la organización del listado
de pilotos, ubicando a los pilotos que tienen una cierta relación en común, como se
observa a continuación:

Tabla 3: Grupos conformados. Fuente: Elaboración propia.

SEGUNDA ENTREGA

Paso 3: Nueva matriz

La matriz estocástica se caracteriza por que la suma de sus filas es igual a 1, sin
embargo, observamos que el comportamiento de la matriz de probabilidad del paso
1 y 2, no se presenta como una matriz con características propias de una Matriz de
da cadena de Márkov de tiempo discreto. (CMTD).

Teniendo en cuenta que las filas de la matriz de probabilidad no suman (1) en su

totalidad, se procede a realizar los ajustes necesarios para que se cumpla esta
regla, estos ajustes sugieren aplicar un supuesto de uniformidad, basado en βij
 FACULTAD DE INGENIERÍA Y CIENCIAS
BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

=1/N, siendo 24 la cantidad de personas de baja asociación, de esta manera

podremos decir que al remplazar la fila del vector βij, para cada una de las
posiciones de “j” lograríamos reconvertir la matriz a una de sumatoria de (1) para
todas sus filas, como se describe a continuación:

De esta manera se da por hecho que nuestra nueva matriz (P), es totalmente
estocástica y está lista para operar el ranking de popularidad que desea la FIA.

Tabla 4: Nueva matriz estocástica. Fuente: Elaboración propia.

TERCERA ENTREGA

Paso 4: Distribución de la Matriz Estocástica de perturbación

El paso para seguir y sabiendo que ahora la matriz es de cierta forma estocástica,
se hace necesario transformar la matriz a una matriz completamente estocástica,
ahora se realizara la distribución límite de nuestra matriz, esto se obtiene de la
siguiente formula:
 FACULTAD DE INGENIERÍA Y CIENCIAS
BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

𝒖 ∗ 𝒖𝒕
𝐏 = 𝛂 ∗ 𝐏𝐢𝐣 + (𝟏 − 𝛂) ∗
𝑵
Operaremos la primera parte de la ecuación, que consiste en una multiplicación de
alfa por la resultante de nuestra matriz estocástica anteriormente hallada (Pij).

Tabla 5. Matriz transpuesta y multiplicada por vector columna. Fuente:

Elaboración propia.
 FACULTAD DE INGENIERÍA Y CIENCIAS
BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

Luego procedemos operar la transpuesta de (u), donde u es una columna de 24

unos, obteniendo los siguientes resultados:

Tabla 6. Matriz operada con la transpuesta de (u) dividido en (N). Fuente:

Elaboración propia.

Teniendo el resultado de la transpuesta de (u) procedemos a dividirlo por N (número

de pilotos) y multiplicarlo por (1-0.85), para luego sumar estos dos resultados y
obtener nuestra matriz de probabilidades resultante final, obteniendo los siguientes
resultados:
 FACULTAD DE INGENIERÍA Y CIENCIAS
BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

Tabla 7. Matriz final de la ecuación (P). Fuente: Elaboración propia.

Paso 5: Ranking en Base a la distribución límite

Para identificar el ranking de popularidad relacionado al porcentaje de probabilidad

de los pilotos se debe dar solución a las propiedades de estado estable de nuestra
matriz resultante, lo cual se logró despejando la ecuación, por medio del Método De
Matrices Inversas, obteniendo los siguientes resultados:
 FACULTAD DE INGENIERÍA Y CIENCIAS
BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

De esta manera se organizaría el ranking de popularidad:

LISTADO DE PILOTOS Ranking (%)

1 Michael Schumacher 7%
2 Heikki Kovalainen 6%
3 Sebastian Vettel 6%
4 Bruno senna 5%
5 Kimi Raikonen 5%
6 Daniel Ricciardo 5%
7 Charles pic 5%
8 Nico Hulkenberg 5%
9 Mark Webber 5%
10 Pastor Maldonado 5%
11 Kamui Kobayashi 4%
12 Jenson Button 4%
13 Nico Rosberg 4%
14 Felipe Massa 4%
15 Lewis Hamilton 4%
16 Jean Eric Vergne 4%
17 Paul di Resta 4%
18 Romain Grosjean 3%
19 Vitaly petrov 3%
20 Fernando Alonso 3%
21 Sergio Perez 3%
22 Timo Glock 2%
23 Pedro de la Rosa 2%
24 Narain Karthikeyan 1%

Tabla 8. Ranking de popularidad. Fuente: Elaboración propia.

 FACULTAD DE INGENIERÍA Y CIENCIAS
BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

CONCLUSIONES

a. Se logró identificar una conexión entre los pilotos que tienen un amigo en común
como una incidencia entre ellos.

b. Gracias al orden de la lista de pilotos, pudimos observar que, de acuerdo con el

orden de pilotos, existen dos grupos claramente definidos.

c. Se llega a la conclusión que la primera matriz de probabilidad hallada no cumple

con las condiciones de una Matriz estocástica, esto debido a que uno de sus
pilotos (Sergio Pérez) no tiene incluido ningún amigo en su cuenta.

d. Por medio de la reconversión de la matriz de probabilidad y aplicando el

supuesto de uniformidad, se logró establecer una nueva matriz (P), la cual
cumple con las condiciones de una matriz estocástica.

e. Podemos notar que ahora nuestra matriz final no contiene en ella

probabilidades que den cero y por ende nos indica que una mayor cantidad de
visitas del perfil de un piloto obtiene una mayor probabilidad de ser más
popular.

f. Gracias a la trasformación de nuestra matriz final logramos reconvertir la matriz

en una completamente estocástica.
 FACULTAD DE INGENIERÍA Y CIENCIAS
BÁSICAS

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

BIBLIOGRAFIA

• A.A. Márkov. "Rasprostranenie zakona bol'shih chisel na velichiny, zavisyaschie

drug ot druga". Izvestiya Fiziko-matematicheskogo obschestva pri Kazanskom
universitete, 2-ya seriya, tom 15, pp. 135–156, 1906.
• A.A. Markov. "Extension of the limit theorems of probability theory to a sum of
variables connected in a chain". reprinted in Appendix B of: R. Howard. Dynamic
Probabilistic Systems, volume 1: Markov Chains. John Wiley and Sons, 1971.
• Leo Breiman. Probability. Original edition published by Addison-Wesley, 1968;
reprinted by Society for Industrial and Applied Mathematics, 1992. ISBN 0-
89871-296-3. (See Chapter 7.)
• J.L. Doob. Stochastic Processes. New York: John Wiley and Sons, 1953. ISBN
0-471-52369-0.
• S. P. Meyn. Control Techniques for Complex Networks. Cambridge University
Press, 2007. ISBN 978-0-521-88441-9. Appendix contains abridged Meyn &
Tweedie.