Probabilidades Interactiva | Cadenas de Markov

🐱 Piénsalo así: Las cadenas de Markov son como un gato que se mueve aleatoriamente entre habitaciones: solo importa dónde está ahora, no cómo llegó allí. Si está en la cocina, la probabilidad de ir al jardín es la misma sin importar si antes estuvo en el baño o en el salón.

🎯 ¿Qué aprenderás?

Comprender los conceptos fundamentales explicados en este módulo
Aplicar las técnicas con ejemplos prácticos
Interpretar resultados y diagnosticar problemas
Desarrollar intuición para aplicar lo aprendido

Matriz de Transición P

Probabilidad de ir de estado i (fila) a estado j (columna). Cada fila suma 1.

→ A

→ B

→ C

P^3 (prob. a 3 pasos)

—

Simular camino aleatorio

Haz clic en un estado inicial, luego avanza paso a paso.

🌞 A: Soleado

☁️ B: Nublado

🌧️ C: Lluvioso

Paso 0: 🌞

🌞 A:

100%

☁️ B:

🌧️ C:

Distribución Estacionaria π

π · P = π: la distribución que no cambia con el tiempo.

π(A)

—

π(B)

—

π(C)

—

Suma

—

Gambler's Ruin

Un jugador con $5 apuesta $1 cada ronda (p=0.5). ¿Probabilidad de ruina?

Fortuna inicial:

p (ganar):

0.50

Prob. Ruina

—

Prob. Ganar

—

🏅 ¡MAESTRO DE MARKOV! 🏅

Dominas las cadenas de Markov, la matriz de transición y la distribución estacionaria.

📌 Resumen del módulo

Concepto clave: domina la idea central del módulo
Aplicación: preparado para casos prácticos reales
Errores comunes: identifica y evita las trampas
Próximos pasos: base para continuar aprendiendo

🔗 CADENAS DE MARKOV