ICS2123-2 Modelos Estocsticos Tarea: 4-E Nombre Alumno: Katherine Araya-Felipe Correa-Marianella Prez-Carlos torres

Hoja Respuesta
1) a) La caracterstica de la fdp es que, no importa los eventos previos al estado actual, la probabilidad de que el siguiente sea de cierta manera solo depende de donde se encuentre, por ende la fdp depende del estado y no de lo que haya pasado previamente, es decir es independiente y por lo tanto falta de memoria. La fdp distribuye geomtrica con probabilidad p de ir a otro estado y (1-p) de permanecer en l. b) En muchas etapas las filas de la matriz transicin comienzan a parecerse, pues en el largo plazo tienden a estar en estado estacionario, pues: ( )

En el largo plazo no importa el estado inicial en el que se parti (xo=i), sino que slo el tiempo en el que el proceso se encuentra en el estado j. Por ende las filas en muchas etapas se parecen. Los elementos de las filas no son necesariamente parecidos, pues como explicamos anteriormente cada elemento de la fila depender del estado j. c) En el proceso de renovacin el tiempo entre eventos distribuye con una funcin F.
N1(T) X Y N2(T*)

Se tiene : N1(T): nmero de eventos que suceden en el intervalo T N2(T*): nmero de eventos en el intervalo T* X: Tiempo desde que termina el primer proceso y comienza el intervalo Y Y: Tiempo desde que termina X hasta el inicio del segundo proceso. Si aumenta N1(T) , X disminuye. Si disminuye X, aumenta Y. Si aumenta Y disminuye N2(T*). As mismo ocurre a la inversa. Por lo tanto N2(T*) depende de lo que suceda en N1(T), y con ello los intervalos de tiempo T y T* no son independientes.

ICS2123-2 Modelos Estocsticos Tarea: 4-E Nombre Alumno: Katherine Araya-Felipe Correa-Marianella Prez-Carlos torres

d) La dualidad conteo-tiempo que permite desarrollar la expresin de la distribucin para el proceso de renovacin es la siguiente: ( ) La que quiere decir que si en el instante t hay ms (o igual) de n eventos, es equivalente a decir que el evento n ocurri antes del instante t o en t. e) Para ello usara las soluciones binarias 0 y 1, con ello resolver la funcin objetivo a optimizar y mostrarle que el resultado obtenido es menos ptimo que el que se logra con soluciones probabilsticas, pues con soluciones binarias se restringe el modelo y por lo tanto es menos ptimo.