Recuperación de información para respuesta a preguntas en ...
Recuperación de información para respuesta a preguntas en ...
Recuperación de información para respuesta a preguntas en ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Ca<strong>de</strong>nas <strong>de</strong> Markov (Golubitsky & Dellnitz, 1999).<br />
Una ca<strong>de</strong>na (homogénea) <strong>de</strong> Markov <strong>para</strong> un sistema con un número finito <strong>de</strong> estados<br />
marcados <strong>de</strong> 1 a n junto con probabilida<strong>de</strong>s p ij <strong>de</strong> moverse <strong>de</strong>l estado i al j <strong>en</strong> un paso, se<br />
<strong>de</strong>fine precisam<strong>en</strong>te por el conjunto <strong>de</strong> estados<br />
y una matriz M <strong>de</strong><br />
repres<strong>en</strong>tando las probabilida<strong>de</strong>s <strong>de</strong> los movimi<strong>en</strong>tos. El sistema comi<strong>en</strong>za <strong>en</strong> algún estado<br />
inicial <strong>en</strong> S y a cada paso se mueve <strong>de</strong> un estado a otro. Esta transición está guiada por M: a<br />
cada paso, si el sistema se <strong>en</strong>cu<strong>en</strong>tra <strong>en</strong> un estado i, se mueve a un estado j con una<br />
probabilidad M ij . El movimi<strong>en</strong>to <strong>de</strong> un estado a otro sólo <strong>de</strong>p<strong>en</strong><strong>de</strong> <strong>de</strong>l estado <strong>en</strong> que se<br />
<strong>en</strong>cu<strong>en</strong>tre el sistema y no <strong>de</strong> cómo llego ahí. Si el estado actual <strong>de</strong>l sistema está dado como<br />
una distribución <strong>de</strong> probabilidad, la distribución <strong>de</strong> probabilidad <strong>de</strong>l sigui<strong>en</strong>te estado está<br />
dada por el producto <strong>de</strong>l vector que repres<strong>en</strong>ta la distribución <strong>de</strong>l estado actual y la matriz<br />
M. En g<strong>en</strong>eral, el estado inicial <strong>de</strong>l sistema se escoge <strong>de</strong> acuerdo a cierta distribución <strong>de</strong><br />
probabilidad x (usualm<strong>en</strong>te una distribución uniforme) <strong>en</strong> S. Después <strong>de</strong> k pasos, el estado<br />
<strong>de</strong>l sistema se distribuye <strong>de</strong> acuerdo a xM k . Bajo ciertas condiciones, in<strong>de</strong>p<strong>en</strong>di<strong>en</strong>tem<strong>en</strong>te<br />
<strong>de</strong> la distribución inicial x, el sistema ev<strong>en</strong>tualm<strong>en</strong>te alcanza un punto fijo don<strong>de</strong> la<br />
distribución <strong>de</strong>l estado no cambia más. Esta distribución se <strong>de</strong>nomina distribución<br />
estacionaria. Es posible mostrar que la distribución estacionaria <strong>de</strong>l sistema está dada por el<br />
eig<strong>en</strong>vector principal y <strong>de</strong> M, es <strong>de</strong>cir, . En la práctica, un algoritmo <strong>de</strong> iteración<br />
pue<strong>de</strong> obt<strong>en</strong>er rápidam<strong>en</strong>te una aproximación razonable a y. Una observación importante es<br />
que las <strong>en</strong>tradas <strong>en</strong> y <strong>de</strong>fin<strong>en</strong> un or<strong>de</strong>n natural <strong>de</strong>l conjunto <strong>de</strong> estados S <strong>de</strong>l sistema. Un<br />
aspecto relevante que surge al emplear las ca<strong>de</strong>nas <strong>de</strong> Markov <strong>para</strong> or<strong>de</strong>nar los elem<strong>en</strong>tos<br />
<strong>de</strong> S es el sigui<strong>en</strong>te:<br />
Una ca<strong>de</strong>na <strong>de</strong> Markov <strong>de</strong>fine un grafo pon<strong>de</strong>rado dirigido con n nodos tales que el peso <strong>de</strong><br />
una arista está dada por . Las compon<strong>en</strong>tes fuertem<strong>en</strong>te conectadas <strong>de</strong> este grafo<br />
<strong>de</strong>fin<strong>en</strong> un DAG. Si este DAG ti<strong>en</strong>e un nodo sumi<strong>de</strong>ro, <strong>en</strong>tonces la distribución<br />
estacionaria <strong>de</strong> la ca<strong>de</strong>na estará <strong>en</strong>teram<strong>en</strong>te conc<strong>en</strong>trada <strong>en</strong> la compon<strong>en</strong>te fuertem<strong>en</strong>te<br />
conectada correspondi<strong>en</strong>te al nodo sumi<strong>de</strong>ro. En este caso, solo se obti<strong>en</strong>e una or<strong>de</strong>nación<br />
<strong>de</strong> las alternativas pres<strong>en</strong>tes <strong>en</strong> esta compon<strong>en</strong>te. Si esto suce<strong>de</strong>, el proce<strong>de</strong>r usual es<br />
eliminar estos estados <strong>de</strong> la ca<strong>de</strong>na y repetir el proceso <strong>para</strong> or<strong>de</strong>nar los nodos restantes.<br />
Por supuesto, si esta compon<strong>en</strong>te ti<strong>en</strong>e sufici<strong>en</strong>tes alternativas podría ser posible mejor<br />
32