Aplicación de la Teoría de Grafos a Cadenas de Markov.

Ponente(s): Sayli Maria Sigarreta Ricardo, Saylé Caridad Sigarreta Ricardo y Hugo Cruz Suárez.
Las Cadenas de Markov permiten modelar los grafos como un sistema que es observado de forma discreta en el tiempo bajo incertidumbre en su movimiento, en este sentido la Teoría de Grafos está estrechamente relacionada con la Teoría de Probabilidad. En base a lo anteriormente planteado, el objetivo de este trabajo es fusionar estas dos importantes áreas de las Matemáticas al estudiar mediante los grafos las principales características de las Cadenas de Markov: Clasificación de estados. Comunicación. Distribución Estacionaria. Distribución Límite. Además se diseñan e implementan algoritmos asociados a las características antes mencionadas, en lenguaje Python; obteniendo un archivo ejecutable que permite el acceso a los programas expuestos en este trabajo de manera práctica, disponible en la página: https://cape.fcfm.buap.mx/cruz-suarez/appCM/appCM.html