Un proceso estocástico en un espacio de estados discreto que evoluciona en tiempo continuo con la propiedad de Markov: las probabilidades futuras dependen únicamente del estado actual y de los incrementos temporales mediante tasas de transición dadas por una matriz generadora infinitesimal (matriz Q).

Principio

La ausencia de memoria a nivel de estado implica que los tiempos de permanencia en cada estado son exponenciales con parámetros iguales a las tasas de salida, y las transiciones se gobiernan por las tasas fuera de la diagonal de la generadora, produciendo un semigrupo de matrices de transición P(t)=exp(Qt).

Demostración

Situación: Un servidor puede estar en {idle, busy, failed} con tasas constantes de transición entre ellos. Reconocimiento: Los cambios de estado ocurren en tiempo continuo y cumplen la propiedad de Markov. Acción: Especificar Q con tasas de salida y tasas de transición fuera de la diagonal, calcular P(t)=exp(Qt) para obtener la distribución futura de estados o simular trayectorias usando tiempos de permanencia exponenciales. Consecuencia: Se pueden calcular probabilidades dependientes del tiempo, distribuciones estacionarias (si es ergódico) y tiempos de permanencia esperados usando Q.

Aplicación incorrecta

Asumir que distribuciones empíricas de tiempos de espera que no son exponenciales pueden modelarse con un CTMC ajustando probabilidades de transición en lugar de tasas. El error semántico es confundir evidencia de tiempos no exponenciales con estructura markoviana; los tiempos de permanencia no exponenciales violan la hipótesis CTMC.

Consecuencia

Cuando es válido, el CTMC proporciona cálculos analíticos manejables para comportamiento transitorio y estacionario y soporta simulación eficiente orientada a eventos. Aplicado a sistemas no markovianos, las predicciones (ocupación, tiempos de paso) estarán sesgadas y pueden inducir decisiones de diseño o control erróneas.

Inversión

Si las distribuciones de permanencia no son exponenciales o el espacio de estados es continuo, el marco CTMC no aplica; se deben usar procesos semi‑markovianos, procesos de salto markoviano con variables suplementarias o procesos markovianos de estado continuo (difusiones).

Límite

Claramente dentro: Una cola con llegadas de Poisson y tiempos de servicio exponenciales donde las transiciones entre longitudes de cola siguen tasas CTMC. Caso límite: Tiempos de servicio de tipo phase‑type: pueden incorporarse en un CTMC ampliado, pero con aumento del espacio de estados. Claramente fuera: Un proceso de renovación con distribuciones generales de interarribos y servicio no phase‑type sin embedding.

Tensión semántica

Tractabilidad analítica ↔ Realismo de las distribuciones de permanencia — los CTMC son convenientes, pero requieren tiempos exponenciales que pueden no coincidir con los datos empíricos sin aumentar el espacio de estados.

Síntesis

Los CTMC formalizan las transiciones sin memoria mediante tasas generadoras y exponenciales matriciales; la modelización requiere verificar la hipótesis de exponentialidad de las permanencias y, si falla, recurrir a marcos que preserven la estructura temporal observada.