Notas de laboratorio · Probabilidad
Todo inicio queda igual de lejos de un destino al azar
En 1960, John Kemeny y Laurie Snell probaron algo que todavía sorprende a los matemáticos: en cualquier cadena de Markov finita, el tiempo esperado para alcanzar un objetivo elegido al azar no depende de dónde empieces. Ese número se llama la constante de Kemeny. Aquí están las matemáticas, en movimiento.
Verlo en movimientoEl teorema
Elige un destino j al azar, ponderado por la distribución estacionaria π. Suma los tiempos esperados de viaje m desde tu posición i hacia cada destino posible. El resultado K depende solo de la cadena, nunca de i. El punto de partida se cancela por completo.
Modelo interactivo
Mira cómo se sostiene la constante
El tamaño de cada nodo muestra la probabilidad estacionaria π. El caminante luminoso persigue un objetivo secreto sorteado según π. Mientras tanto, miles de viajes simulados por segundo miden el tiempo promedio desde cada inicio. Las barras siempre se encuentran en la misma línea: K.
Loading 3D model…
Prueba "Dos comunidades": cruzar el puente débil es raro y K se dispara
01 · El punto de partida
Un caminante sobre un grafo
Una cadena de Markov es un sistema que salta entre un conjunto finito de estados. Toda su personalidad vive en un solo objeto: la matriz de transición P, donde cada entrada P(i, j) es la probabilidad de saltar del estado i al estado j en un paso. La cadena no tiene memoria. Su siguiente paso depende solo de dónde está ahora.
Suponemos que la cadena es irreducible: todo estado puede alcanzar eventualmente a cualquier otro. Ese es el único requisito que necesita el teorema.
02 · Equilibrio
La distribución estacionaria π
Deja correr la cadena el tiempo suficiente y la fracción de tiempo que pasa en cada estado se asienta en proporciones fijas. Esa receta límite es la distribución estacionaria π: el único vector de probabilidad que la cadena deja intacto.
En el modelo 3D de arriba, cada esfera está escalada por su valor de π. Esfera grande: el caminante vive ahí seguido. Esfera pequeña: una parada rara.
03 · El viaje de regreso
Tiempo medio de recurrencia: 1 / π
¿Cuánto tarda el caminante, en promedio, en volver al estado que acaba de dejar? La respuesta es de una simpleza hermosa. Si la cadena pasa una fracción π de su tiempo en un estado, los regresos deben ocurrir en promedio cada 1/π pasos:
Pasa el 10% de tu tiempo en un lugar y regresas cada 10 pasos. Pasa ahí la mitad de tu tiempo y regresas cada 2. La distribución estacionaria y los tiempos medios de recurrencia son dos vistas del mismo hecho.
04 · Tiempos de viaje
Tiempos medios de primer paso
Para dos estados distintos, m(i, j) es el número esperado de pasos para llegar a j por primera vez partiendo de i. Estos tiempos suelen ser asimétricos y desordenados: llegar a un estado raro toma mucho, llegar a uno popular es rápido. Ningún m(i, j) individual es notable. La magia está en cómo se combinan.
05 · La sorpresa
La i se cancela
Ahora pondera cada tiempo de viaje por la probabilidad estacionaria de su destino y súmalos. Separa la suma en el viaje de regreso (j = i) y todo lo demás. Como el tiempo de recurrencia es exactamente 1/π, el primer término siempre vale exactamente 1:
Kemeny y Snell probaron que la expresión completa es el mismo número K para todo inicio i. Equivalente: el tiempo ponderado por π para alcanzar los demás estados vale siempre exactamente K − 1, sin importar dónde estés.
Ejemplo resuelto: dos estados
Toma una cadena de dos estados: del estado 1 saltas al 2 con probabilidad 0.3, del estado 2 regresas con probabilidad 0.1. Entonces π = (0.25, 0.75), los tiempos de paso son m₁₂ = 1/0.3 ≈ 3.33 y m₂₁ = 1/0.1 = 10, y los de recurrencia son m₁₁ = 4 y m₂₂ = 4/3.
Desde el estado 1
0.25 × 4 + 0.75 × 3.33 = 3.5
Desde el estado 2
0.25 × 10 + 0.75 × 1.33 = 3.5
Dos viajes completamente distintos, una respuesta idéntica: K = 3.5. No es una coincidencia del ejemplo. Es un teorema.
06 · La intuición
El premio y el objetivo secreto
A Kemeny el resultado le pareció tan contraintuitivo que se ofreció un premio por una explicación intuitiva de por qué la suma ignora el estado inicial. El argumento ganador, atribuido a Peter Doyle, dice así: alguien elige en secreto un estado objetivo, sorteado de la distribución estacionaria, y no te lo dice. Tú recorres la cadena buscándolo.
Aquí está la clave: el objetivo se distribuye exactamente como se comporta la cadena en equilibrio. El paisaje de "dónde está probablemente el secreto" se ve estadísticamente idéntico desde cualquier lugar. Dar un paso ni te ayuda ni te perjudica en promedio. Por eso tu tiempo esperado de búsqueda no puede depender de dónde empezaste. Ese tiempo esperado de búsqueda es K.
07 · La estructura profunda
Autovalores y mezclado
K también emerge del espectro de la matriz de transición. Si los autovalores de P son 1, λ₂, λ₃, …, λₙ, entonces:
Los autovalores cercanos a 1 son modos lentos: cuellos de botella, puentes débiles, comunidades aisladas. Cada uno infla K. Por eso en ciencia de redes K se lee como un puntaje global de conectividad: K pequeña significa que un caminante aleatorio se mezcla rápido en la red, K grande significa que queda atrapado en regiones. Puedes sentirlo en el modelo de arriba cambiando entre "Mezcla total" y "Dos comunidades".
Sobre el nombre
Dos Kemeny
John George Kemeny (1926-1992) fue un matemático húngaro-estadounidense con un currículum absurdo: asistente matemático de Albert Einstein a los 23 años, coinventor del lenguaje BASIC junto a Thomas Kurtz, presidente de Dartmouth College y coautor, con J. Laurie Snell, de Finite Markov Chains (1960), el libro donde esta constante apareció por primera vez.
Kemeny Studio lleva el nombre de su fundador, Francisco Kemeny. Otro Kemeny, la misma obsesión: sistemas que convergen a un comportamiento confiable sin importar dónde empiecen. Es una propiedad que admiramos en las cadenas de Markov y que exigimos a los agentes de IA que construimos y operamos para empresas.
FAQ
Preguntas frecuentes
¿Qué es la constante de Kemeny?+
En una cadena de Markov finita e irreducible, elige un estado objetivo al azar según la distribución estacionaria π. El número esperado de pasos para alcanzarlo es el mismo desde cualquier estado inicial. Ese valor compartido es la constante de Kemeny, K = Σ π_j m_ij, donde m_ij es el tiempo medio de primer paso del estado i al estado j. La probaron John G. Kemeny y J. Laurie Snell en su libro Finite Markov Chains de 1960.
¿Cómo se relaciona el tiempo medio de recurrencia con la distribución estacionaria?+
Son recíprocos: m_ii = 1/π_i. Si una cadena pasa el 10% de su tiempo de largo plazo en un estado, regresa a ese estado en promedio cada 10 pasos. Esta identidad, a veces llamada fórmula de Kac, es la que hace que el término de recurrencia dentro de la suma de Kemeny se simplifique exactamente a 1.
¿Por qué la constante de Kemeny no depende del estado inicial?+
La intuición ganadora, atribuida a Peter Doyle, trata el objetivo como un secreto sorteado de la distribución estacionaria. Como el objetivo se distribuye exactamente igual que la cadena en equilibrio, dar un paso no cambia tu distancia estadística hacia él: toda posición está igual de lejos de un objetivo sorteado según π. Algebraicamente, K es la traza de la matriz fundamental Z = (I − P + Π)⁻¹, una expresión donde el estado inicial no aparece.
¿Para qué se usa la constante de Kemeny?+
Es una medida global de qué tan rápido se mezcla una caminata aleatoria en una red. Una K menor significa que el caminante alcanza destinos típicos más rápido. Se usa en ciencia de redes para medir conectividad y robustez, en modelos de tráfico vial, en análisis de propagación de epidemias y para encontrar enlaces críticos cuya remoción daña más una red.
¿Kemeny Studio tiene relación con John G. Kemeny?+
Kemeny Studio lleva el nombre de su fundador, Francisco Kemeny. John G. Kemeny, coautor del teorema y coinventor de BASIC, es un tocayo que nos alegra compartir. Otro Kemeny, la misma obsesión: sistemas que se comportan de forma predecible sin importar dónde empiecen.
Próximo paso
Deja de contratar. Despliega un agente de IA.
Agenda tu auditoría de IA. En 10 días sabrás qué flujos delegar a un agente de IA, el ahorro esperado y la construcción del agente a precio fijo. Lo construimos. Luego lo operamos.
20 minutos. Sin pitch deck. Sin compromiso.