INFORME GERENCIAL DE MATRICES

Estudiante:
WILDER JEFRY GOMEZ RIVERA

Profesor:
WILSON EDISSON NIÑO

CORPORACION UNIVERSITARIA REMINGTON

INGENIERIA DE SISTEMAS
INVESTIGACION DE OPERACIONES
2017
 1. INTRODUCCION

La construcción de modelos explicativos de la organización y funcionamiento de las

organizaciones con apoyatura matemática ha permitido realizar avances de
extraordinaria importancia en campos tan diversos como la “toma de decisiones”,
“programación”, “control de calidad”, “optimación”, etc., especialmente cuando se
actúa en situaciones complejas en las que la eficacia y eficiencia son función de
múltiples variables en la investigación de operaciones
La primera utilidad práctica de la Investigación de Operaciones ha sido, y es, la
construcción de modelos icónicos, analógicos y simbólicos para representar estados,
situaciones o procesos organizacionales. Estos modelos, aunque no van más allá de ser
representaciones simplificadas de la realidad, permiten identificar y representar con
cierta facilidad las relaciones que existen entre las partes y funciones de las
organizaciones.

2. TEORÍA DE COLAS

2.1. Proceso Básico de las Colas

El proceso básico supuesto por la mayor parte de los modelos de colas es el siguiente.
Los clientes que requieren servicios, a través del tiempo, provienen de una fuente de
entrada. Estos clientes arriban al sistema de servicios y se unen a una cola. En un
determinado tiempo se selecciona un miembro de la cola, mediante alguna regla
conocida como disciplina de servicio. Luego, se brinda el servicio requerido por el
cliente en un mecanismo de servicio, después de lo cual el cliente sale del sistema de
servicio.

2.2. Componentes del Proceso de Colas

1. Fuente de Entrada: Una característica de la fuente de entrada es su tamaño. El
tamaño es el número total de potenciales clientes que pueden requerir servicio en un
determinado momento. Esta población a partir de la cual surgen las unidades que
arriban se conocen como población o fuente de entrada. Puede suponerse que el tamaño
es infinito o finito (por lo cual se dice que la fuente de entrada es ilimitada o limitada).
Debe especificarse el patrón estadístico mediante el cual se generan los clientes a través
del tiempo. La suposición normal es que se generan de acuerdo al proceso de Poisson.
Este caso corresponde a aquel cuyas llegadas al sistema ocurren de manera aleatoria,
pero con cierta taza media fija y sin importar cuantos clientes están ya allí (por lo que el
tamaño de la fuente de entrada es infinito). Una suposición equivalente es que, la
distribución de probabilidad del tiempo que transcurre entre dos llegadas consecutivas
es exponencial. Se hace referencia al tiempo que transcurre entre dos llegadas
consecutivas como tiempo entre llegadas.
2. Proceso de Llegada: Es la forma en que los clientes de la fuente de entrada llegan a
solicitar un servicio. La característica más importante del proceso de llegada es el
tiempo entre llegadas, que es la cantidad de tiempo entre dos llegadas sucesivas de
clientes a un sistema de colas.
Se supone que el proceso de llegada no es afectado por el número de clientes presentes
en el sistema. Existen casos en los que el proceso de llegada puede depender del número
de clientes presentes en el sistema, como en el caso de una población pequeña.
Otro caso en el que el proceso de llegada depende del número de clientes presentes en
cola, se tiene cuando la rapidez con la que llegan los clientes a la instalación disminuye
si está demasiado concurrida. Por ejemplo: si un banco tiene mucha gente, cuando llega
un cliente se puede ir.

3. Cola: Una cola se caracteriza por el número de clientes que puede admitir. Las colas
pueden ser finitas o infinitas; la suposición de una cola infinita es la estándar en la
mayoría de los modelos, incluso las situaciones en las que de hecho existe una cota
superior (relativamente grande) sobre el número permitido de clientes. Los sistemas de
colas en los que la cota superior es tan pequeña que se llegan a ella con cierta
frecuencia, se suponen como cola finita.

4. Selección a Partir de la Cola o Línea de Espera

Disciplina de Cola: La disciplina de la cola se refiere al orden en el que se seleccionan
los clientes para recibir el servicio. Por ejemplo, el primero en entrar es el primero en
salir; aleatoria; de acuerdo a algún procedimiento de prioridad o a algún otro orden. En
general la disciplina de los modelos de cola es: primero en entrar, primero en salir. Las
reglas de prioridades más comunes para determinar el orden de servicio a los clientes
que esperan en la cola son:
1. PEPS: Primero Entrado, Primero Salido.
2. UEPS. Ultimo Entrado, Primero Salido.
3. SEOA: Servicio en Orden Aleatorio.
4. GD: Disciplina General de Servicio (representa las disciplinas PEPS, UEPS y
SEOA).
5, Instalación de Servicios o Estaciones: El mecanismo de servicio consiste en una o
más instalaciones de servicio, cada una de ellas con uno o más canales paralelos de
servicio, llamados servidores. Si existe más de una instalación de servicio, puede ser
que sirva al cliente a través de una secuencia de ellas (canales en serie de servicio). En
una instalación dada, el cliente entra en uno de estos canales y el servidor le presta el
servicio completo. Un modelo de colas debe especificar el arreglo de las instalaciones y
el número de servidores (canales paralelos) en cada una.
El tiempo que transcurre para un cliente desde el inicio del servicio hasta su terminación
en una instalación se llama tiempo de servicio (o duración del servicio). Un modelo de
sistema de colas determinado debe especificar la distribución de probabilidad de los
tiempos de servicio para cada servidor (y tal vez para los distintos clientes), aunque es
común suponer la misma distribución para todos los servidores. El flujo de los
elementos que recibirán servicios puede formar una cola única, una cola múltiple o una
combinación de ambas y pueden ser brindadas por un servidor o múltiples servidores.

6, Proceso de Salida: Es la forma en que los clientes abandonan un sistema de colas.

Para describir el proceso de salida de un sistema de cola, se especifica una distribución
de probabilidad.
En la mayor parte de los casos suponemos que la distribución de tiempo de servicio es
independiente del número de clientes presentes, es decir que el servidor no trabaja más
rápido cuando hay más clientes.

Ejemplo: Suponga una estación de gasolina a la cual llegan en promedio 45 clientes por
hora se tiene capacidad para atender en promedio a 60 clientes por hora Se sabe que los
clientes esperan en promedio 3 minutos en la cola La tasa media de llegadas l es 45
clientes por hora o 45/60 = 0.75 clientes por minuto La tasa media de servicio m es 60
clientes por hora o 60/60 = 1 cliente por minuto
 3. Teoría de Inventarios

Un inventario es un recurso empleado pero útil que posee valor económico. El problema
se plantea cuando una empresa expendedora o productora de bienes y servicios no
produce en un momento determinado la cantidad suficiente para satisfacer la demanda,
por lo que debe realizar un almacenamiento protector contra posibles inexistencias.
El objetivo radica en definir el nivel de inventario. Estas decisiones consisten en dar
normas que nos precisen en que instante se deben efectuar los pedidos del producto
considerado y la cantidad que se debe pedir.
En términos generales un inventario es un conjunto de recursos útiles que se encuentran
ociosos en algún momento. El objetivo de los problemas de inventario es minimizar los
costes (totales o esperados) del sistema sujetos a la restricción de satisfacer la demanda
(conocida o aleatoria). Entre los diferentes costes que puede haber en un problema de
inventario están:

1) Costes de fabricación.
2) Costes de mantenimiento o almacenamiento.
3) Costes de penalización o rotura por no satisfacer la demanda.
4) Rendimientos o ingresos. (Puede o no incluirse en el modelo).
5) Costes de recuperación o salvamento. (El valor de recuperación representa el
valor de desecho del artículo para la empresa, quizá a través de una venta con
descuento).
6) Tasa de descuento. La tasa de descuento toma en cuenta el valor del dinero en el
tiempo. Cuando una empresa compromete capital en inventarios, no puede usar
este dinero para otros fines.
Los modelos de control de inventarios los podemos clasificar en:
MODELO EOQ (cantidad económica de producción): Es una técnica de
administración de inventarios para determinar el tamaño óptimo de pedido de un
artículo; este modelo considera varios costos de inventario y luego determina que
tamaño de pedido minimiza el costo total del inventario. Los costos que se determinan
son el costo de mantener inventario y el costo de pedir. el modelo se clasifica en:
Modelo EOQ sin faltantes
supuestos:
 Demanda conocida y constante.
 Tiempo de reposición son instantáneos
 Existencia de dos costos: Costo de pedir y Costo de mantenimiento del
inventario
 No se admiten faltantes
 Los costos no varían en el tiempo
 Relación directa costo – volumen
Modelo EOQ con faltantes
supuestos:
 Demanda conocida y constante.
 Tiempo de reposición son instantáneos
 Se aceptan faltantes
 Existencia de tres costos: Costo de pedir, Costo de mantenimiento del inventario
y Costo de faltante
 No se admiten faltantes
 Los costos no varían en el tiempo
 Relación directa costo – volumen
Modelo EOQ con descuentos por cantidad: Este modelo es idéntico al modelo EOQ
anterior, excepto que el artículo en el inventario se puede comprar con un descuento si
el volumen de pedido excede un límite dado, es decir el precio de compra por unidad.
Ejemplo: Un proveedor le ofrece la siguiente tabla de descuento para la adquisición de
su principal producto, cuya demanda anual usted ha estimado en 5.000 unidades. El
costo de emitir una orden de pedido es de $49 y adicionalmente se ha estimado que el
costo anual de almacenar una unidad en inventario es un 20% del costo de adquisición
del producto. ¿Cuál es la cantidad de la orden que minimiza el costo total del
inventario?
Tamaño del Lote (Unidades) Descuento (%) Valor del Producto ($/Unidad)
0 a 999 0% 5
1.000 a 1999 4% 4,8
2.000 o más 5% 4,75
Para dar respuesta a esta situación se propone seguir los siguientes pasos:
1. Determinar el tamaño óptimo de pedido (Q*) para cada nivel o quiebre de
precios.

2. Ajustar la cantidad a pedir en cada quiebre de precio en caso de ser

necesario. En nuestro ejemplo para el tramo 1 Q(1)=700 unidades está en el
intervalo por tanto se mantiene; para el tramo 2 Q(2)=714 está por debajo de
la cota inferior del intervalo, por tanto se aproxima a esta cota quedando
 Q(2)=1.000; finalmente en el tramo 3 Q(3)=718 que también está por debajo
de la cota inferior del intervalo, por tanto se aproxima a esta cota quedando
Q(3)=2.000

3. Calcular el costo asociado a cada una de las cantidades determinadas

(utilizando la fórmula de costo total presentada anteriormente)
Costo Tramo 1 = C(700)=$25.700
Costo Tramo 2 = C(1.000)=$24.725
Costo Tramo 3 = C(2.000)=$24.822
Se concluye que el tamaño óptimo de pedido que minimiza los costos totales es 1.000
unidades, con un costo total anual de $24.725.

4. LAS CADENAS DE MARKOV

Las cadenas de markov son una herramienta para analizar el comportamiento de

determinados procesos estocásticos, estos procesos evolucionan de forma determinística
a lo largo del tiempo en torno a un conjunto de estados.
Ejemplos de procesos estocásticos

1) Serie mensual de ventas de un producto

2)  Estado de una máquina al final de cada semana (funciona/averiada)
3) Nº de clientes esperando en una cola cada 30 segundos
4) Marca de detergente que compra un consumidor cada vez que hace la compra.
Se supone que existen 7 marcas diferentes
5) Nº de unidades en almacén al finalizar la semana

Las cadenas de markov son modelos probabilísticos que se usan para predecir la
evolución y el comportamiento a corto y a largo plazo de determinados sistemas.

Ejemplos: reparto del mercado entre marcas; dinámica de las averías de máquinas para
decidir política de mantenimiento; evolución de una enfermedad

Una Cadena de Markov (CM) es

 Un proceso estocástico
 Con un número finito de estados (M)
 Con probabilidades de transición estacionarias
 Que tiene la propiedad markoviana.

Para desarrollar correctamente esta herramienta es necesario tener claros los siguientes
conceptos:
Estados: Los estados son la caracterización de la situación en que se halla el sistema en
un instante dado, de dicha caracterización puede ser tanto cuantitativa como cualitativa.
El estado de un sistema en un instante t es una variable cuyos valores solo pueden
pertenecer al conjunto de estaos en el sistema. El sistema modelizado por la cadena, por
lo tanto, es una variable que cambia con el valor del tiempo, cambio al que llamamos
transición.

Matriz de transición: Una matriz de transición es el arreglo numérico donde se

encuentran las probabilidades de un estado a otro. Dicha matriz es cuadrada con tantas
filas y columnas como estados que tiene el sistema, y los elementos de matriz
representan la probabilidad de que el estado próximo sea el correspondiente a la
columna si el estado actual es el correspondiente a la fila. La matriz debe cumplir con
ciertos requisitos: La suma de las probabilidades de los estados debe ser igual a 1, la
matriz de transición debe ser cuadrada y las probabilidades de transición deben estar
entre 0 y 1.
4.1. ELEMENTOS DE UNA CADENA DE MARKOV

- Un conjunto finito de M estados, exhaustivos y mutuamente excluyentes

(ejemplo: estados de la enfermedad)
- Ciclo de markov (“paso”): periodo de tiempo que sirve de base para examinar
las transiciones entre estados (ejemplo, un mes)
- Probabilidades de transición entre estados, en un ciclo (matriz P)
- Distribución inicial del sistema entre los M estados posibles

4.2. Conceptos más utilizados

 Operaciones con matrices:

Suma-resta
Multiplicación
Traspuesta
Inversa (Gauss-Jordan)
 Probabilidad
Teoría de la probabilidad
ESTADO ABSORBENTE
Definición: Estado cuya única transición posible es volver al mismo estado. Un estado
absorbente constituye una clase final de un único estado.
En otras palabras, un estado absorbente es aquel del que no se puede salir una vez se
haya caído en él, es decir la probabilidad de permanecer en el mismo es de 100%. Por
ejemplo, si expresáramos la vida como una cadena de markov, con la serie de estados:
nacer, crecer, reproducirse y morir; la muerte sería obviamente el estado absorbente ya
que no existe la posibilidad alguna de volver a un estado anterior.

MATRICES
Concepto
Se denomina matriz a todo conjunto de números o expresiones que aparecen
distribuidos ordenadamente en forma rectangular, formando filas y columnas.
De modo general, estas filas y columnas se identifican con las letras m y n. La m para
las filas y la n para las columnas.
Cada uno de los números de que consta la matriz se denomina elemento. Un elemento
se distingue de otro por la posición que ocupa; es decir, la fila y la columna a las que
pertenece
El número de elementos de una matriz lo obtendremos de multiplicar el número de filas
por el de columnas: m x n (m por n).
La expresión de este producto (m x n) indica a su vez el orden de matriz (o dimensión
de una matriz o tamaño de una matriz).
Cuando decimos que una matriz es de orden o dimensión 3 x 4 estamos diciendo que se
trata de una matriz de 3 filas y 4 columnas.
Clases de Matrices
a) Respecto a las dimensiones

1. Matriz fila
Una matriz fila está constituida por una sola fila, es decir, m = 1, por lo tanto, es de
orden 1xn. A = (a1, a2, ... an-1, an)
Ejemplo
A = ( -1  8  10)
2. Matriz Columna
Una Matriz Columna es aquella matriz que está formada únicamente por una
columna, es decir, n = 1, por lo tanto, es de orden mx1.

Ejemplo

3. Matriz Cuadrada
Una Matriz Cuadrada es aquella matriz que tiene el mismo número de filas que de
columnas, es decir, m = n.
 Diagonal principal: son los elementos de la matriz cuadrada en los que i = j, es
decir (a11, a22, a33, a44, a55 ... ann).
Diagonal segundaria: son los elementos de la matriz cuadrada donde i+j = n +1
4. Matriz traspuesta
Sea A una matriz cualquiera. Se denomina Matriz Traspuesta o Transpuesta (AT), a
la matriz que resulta de intercambiar los correspondientes valores de las filas por los
de las columnas:

Propiedades de la Matriz Traspuesta:

Las matrices traspuestas presentan las siguientes propiedades:

 (AT)T = A
 (A + B)T=  AT + BT
 (AB)T = BT AT
 (k · A)T = k · AT

5. Matriz Simétrica

Una Matriz Simétrica es aquella matriz cuadrada que es igual a su traspuesta. Es decir:
A es Simétrica ⇔ A = AT

Para que sea simétrica, la matriz A de m filas y n columnas tiene que cumplir:
 - n = m, es decir, es una matriz cuadrada con igual número de columnas que de
filas
- aij = aji , para todo i,j con valores 1, 2, 3..., n

Ejemplo:

6. Matriz anti simétrica

Una Matriz Anti simétrica (o Hemisimétrica) es aquella matriz cuadrada que es igual a
su traspuesta cambiada de signo:
A es anti simétrica ⇔ A = -AT
Propiedades de la Matriz Anti simétrica:
Las matrices anti simétricas presentan las siguientes propiedades:
- Son matrices cuadradas
- Los valores de su diagonal principal son todos iguales a 0
- Toda matriz cuadrada se puede descomponer en la suma de una matriz simétrica
y otra anti simétrica

b) Respecto a los elementos

1. Matriz Nula
Una Matriz Nula (Matriz Cero) es aquella matriz en la que todos sus valores son
igual a 0.
 2. Matriz Diagonal
Una Matriz Diagonal es aquella matriz cuadrada en la que todos los elementos que
no estén en la diagonal principal son iguales a 0:
A = (aij) es diagonal ⇔ aij = 0 cuando i ≠ j

3. Matriz escalar
Una Matriz Escalar es aquella matriz diagonal en la que todos los elementos de la
diagonal principal tienen el mismo valor.

4. Matriz unidad o identidad

Una Matriz Identidad (o Unidad) es aquella matriz cuadrada que en la diagonal
principal tiene todos sus valores iguales a 1 y el resto son iguales a 0.
La Matriz Identidad se denomina In, donde n es el rango de la matriz
Propiedades:
Las matrices identidad o unidad presentan las siguientes propiedades:
- Son elemento neutro para la multiplicación, es decir, cualquier matriz
cuadrada multiplicada por la matriz identidad (del mismo rango) da como lugar
la misma matriz
 Ejemplo

5. Matriz triangular superior

Una Matriz Triangular Superior es aquella matriz cuadrada cuyos valores por debajo
de la diagonal principal son todos iguales a 0:

Las matrices triangulares superiores tienen las siguientes propiedades:

- Son matrices cuadradas
- Es utilizada para resolver sistemas de ecuaciones lineales, cálculo de matriz
inversa, determinantes, etc.

6. Matriz triangular inferior

Una Matriz Triangular Inferior es aquella matriz cuadrada cuyos valores por encima de
la diagonal principal son todos iguales a 0:
Las matrices triangulares inferiores tienen las siguientes propiedades:
- Son matrices cuadradas
- Es utilizada para resolver sistemas de ecuaciones lineales, cálculo de matriz
inversa, determinantes, etc.
Por otro lado, se denomina Matriz Triangular Superior a aquella cuyos valores por
debajo de la diagonal principal son todos iguales a 0.

7. Matriz Inversa
Una Matriz Inversa (A−1) es aquella matriz que multiplicada por la matriz de origen (A)
da como resultado la matriz unidad o identidad (I):
A−1 es la inversa de A ⇔ A · A−1 = I
Propiedades de la Matriz Inversa:
Veamos algunas propiedades de las matrices inversas:
- Una matriz invertible tiene una única matriz inversa
- La inversa de la inversa es la matriz de origen:
(A-1)-1 = A
- La inversa de un producto de matrices es igual al producto de las inversas de las
matrices, pero cambiado de signo:
(A · B)−1 = B−1 · A−1
- Sea una matriz invertible, entonces la inversa de su traspuesta es igual a la
traspuesta de la inversa:
(AT)-1 = (A-1)T
- Las matrices inversas se calculan como el adjunto de la matriz entre su
determinante (si este es distinto de cero):
(A)-1 = Adj (A) / |A|
Ejemplo:
 8. Matriz Involutiva
Una Matriz Involutiva es aquella matriz que multiplicada por si misma da como
resultado la matriz unidad o identidad (I):
A−1 es involutiva ⇔ A · A = I
siguientes propiedades:
- Son matrices cuadradas
- Son inversas de sí mismas
Ejemplo:

9. Matriz Idempotente
Una Matriz Idempotente es aquella matriz que multiplicada por si misma da como
resultado la misma matriz:
A es idempotente ⇔ A · A = A
Ejemplo:
OPERACIONES BASICAS DE MATRICES
1. Suma de matrices
Dadas dos matrices del mismo orden, A y B, se define su suma como otra matriz, C, del
mismo orden que las matrices sumando cuyos elementos se obtienen sumando a cada
elemento de la primera matriz, A, el correspondiente elemento de la segunda matriz
sumando, B:
Dadas dos matrices de la misma dimensión, A=(aij) y B=(bij), se define la matriz suma
como: A+B=(aij+bij).
La matriz suma se obtiene sumando los elementos de las dos matrices que ocupan la
misma posición.

Propiedades de la suma de matrices

- Interna: La suma de dos matrices de orden m x n es otra matriz dimensión m x
n.
- Asociativa: A + (B + C) = (A + B) + C
- Elemento neutro: A + 0 = A, Donde 0 es la matriz nula de la misma dimensión
que la matriz A.
- Elemento opuesto: A + (−A) = O, La matriz opuesta es aquella en que todos los
elementos están cambiados de signo.
- Conmutativa: A + B = B + A
 2. Resta de Matrices
La resta de dos matrices del mismo orden A y B, se define como la suma de A más la
matriz opuesta de B, por lo que resultará ser otra matriz del mismo orden, D, cuyos
elementos se obtienen de restar a cada elemento de la primera matriz A (minuendo) el
elemento correspondiente de la matriz que resta, B (sustraendo).

3. Producto de Matrices

a) Producto de un escalar por una matriz

Dada una matriz A=(aij) y un número real k pertenece R, se define el producto de un
número real por una matriz: a la matriz del mismo orden que A, en la que cada elemento
está multiplicado por k.
kA =(k aij)

Propiedades
Asociativa: a · (b · A) = (a · b) · A A Pertenece M mxn, a, b Pertenece Números
Reales
Distributiva 1º: a · (A + B) = a · A + a · B A, B Pertenece Mmxn , a Pertenecer
Números Reales
Distributiva 2º: (a + b) · A = a · A + b · A A Pertenece Mmxn , a, b Pertenecer
Números Reales
Propiedad del elemento unidad: 1 · A = A A Pertenece Mmxn

b) Producto de dos matrices

Dos matrices A y B son multiplicables si el número de columnas de A coincide con el
número de filas de B.
Mm x n x Mn x p = M m x p
El producto A·B se obtiene de la siguiente forma:
El elemento cij de la matriz producto se obtiene multiplicando cada elemento de la fila i
de la matriz A por cada elemento de la columna j de la matriz B y sumándolos.

Propiedades del producto de matrices

Asociativa:
- A · (B · C) = (A · B) · C
Elemento neutro:
- A·I=A
Donde I es la matriz identidad del mismo orden que la matriz A.
No es Conmutativa:
- A·B≠B·A
Distributiva del producto respecto de la suma:
- A · (B + C) = A · B + A · C
División de matrices
La división de matrices se define como el producto del numerador multiplicado por la
matriz inversa del denominador. Es decir, sean las matrices A y B tal que A/B = AB-1:
Si una matriz está dividida entre un escalar, todos los términos de la matriz quedarán
divididos por ese escalar.

CONCLUSIONES

- La teoría de las colas es el estudio matemático de las colas o líneas de espera. La

formación de colas es, por supuesto, un fenómeno común que ocurre siempre
que la demanda efectiva de un servicio excede a la oferta efectiva. Con
frecuencia, las empresas deben tomar decisiones respecto al caudal de servicios
que debe estar preparada para ofrecer. Sin embargo, muchas veces es imposible
predecir con exactitud cuándo llegarán los clientes que demandan el servicio y/o
cuanto tiempo serán necesario para dar ese servicio; es por eso que esas
decisiones implican dilemas que hay que resolver con información escasa. Estar
preparados para ofrecer todo servicio que se nos solicite en cualquier
momento puede implicar mantener recursos ociosos y costos excesivos.

- Ante la necesidad de administrar y distribuir, de manera eficiente, materiales

escasos a las distintas operaciones en las que las empresas se ven reflejadas, la
teoría de inventarios es necesario para aplicar las técnicas de la investigación de
operaciones. Las técnicas desarrolladas han contribuido a empujar la rápida
carrera que llevaba la investigación de operaciones, e incluso muchas de las
técnicas hubiesen alcanzado un grado de desarrollo extraordinario.

- Las cadenas de Markov son una herramienta para analizar el comportamiento y

el gobierno de determinados tipos de procesos estocásticos, esto es, procesos que
evolucionan de forma no determinística a lo largo del tiempo en torno a un
conjunto de estados.

Que para su elaboración requieren del conocimiento de diversos elementos como

son el estado y la matriz de transición. Este método es muy importante, ya que
ha comenzado a usarse en los últimos años como instrumento de investigaciones
 de mercadotecnia, para examinar y pronosticar el comportamiento de los clientes
desde el punto de vista de su lealtad a una marca y de sus formas de cambio a
otras marcas, la aplicación de esta técnica, ya no solo se limita a la
mercadotecnia, sino que su campo de acción se ha podido aplicar en diversos
campos.

- Las matrices nos permiten almacenar/manipular conjuntos de datos agrupados

de manera eficiente. En general, son ideales para el registro/manipulación de
información homogénea que representa una tabulación de resultados
(valoración) agrupados por categorías. Tienen la ventaja de que sus elementos se
acceden rápidamente a través de sub-índices