Scribd
Cargar
58 vistas2 páginas

Cadenas de Markov I

El documento presenta una tarea sobre procesos estocásticos, enfocándose en cadenas de Markov y sus propiedades. Incluye problemas que requieren calcular probabilidades y funciones de transición, así como demostrar teoremas relacionados. También se solicita la implementación de algoritmos para generar variables aleatorias específicas.

Cargado por

Miguel Angel Olvera Garcia
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
58 vistas2 páginas

Cadenas de Markov I

El documento presenta una tarea sobre procesos estocásticos, enfocándose en cadenas de Markov y sus propiedades. Incluye problemas que requieren calcular probabilidades y funciones de transición, así como demostrar teoremas relacionados. También se solicita la implementación de algoritmos para generar variables aleatorias específicas.

Cargado por

Miguel Angel Olvera Garcia
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

Procesos Estoc

asticos I
Tarea 1
Ana Meda
18 de febrero de 2005
Teora
1.

Sea Xn , n 0, una cadena de Markov de dos estados. Encuentra

(a) P{X1 = 0|X0 = 0, X2 = 0},


(b) P{X1 6= X2 }.

2. Tenemos 2d bolas en dos urnas, de las cuales d son negras y d son rojas. Al principio colocamos d bolas
en la urna 1 y el resto en la urna 2. En cada paso escogemos una bola de cada urna y la intercambiamos de
lugar. Sea X0 el n
umero de bolas negras inicialmente en la urna 1, y para n 1 sea Xn el n
umero de bolas
negras despues del n-esimo paso. Calcula la funcion de transicion de la cadena de Markov Xn .

3. Tomemos un espacio de probabilidad (, F, P) y supongamos que todos los conjuntos mencionados


pertenecen a F.
S
(a) Tomemos Di disjuntos y P{C|Di } = p. Calcula P{C| i Di }.
S
(b) Sean Ei disjuntos y tal que i Ei = . Muestra que
X
P{C|D} =
P{Ei |D}P{C|Ei D}
i

(c) Es cierto que si Ci son disjuntos y P{A|Ci } = P{B|Ci } para todo i, entonces P{A|

4.

Ci } = P{B|

Ci }.

Sea Xn , n 0, una cadena de Markov. Muestra que


P{X0 = x0 |X1 = x1 , . . . , Xn = xn } = P{X0 = x0 |X1 = x1 }

5.

Demuestra los siguientes teoremas con todo detalle.


(n)

Teorema 1. Sea P la matriz de transici


on de una cadena de Markov. La entrada pij de la matriz Pn da
la probabilidad de que empezando del estado si pasar al estado sj en n pasos.
Teorema 2. Sea Xn , n 0, una cadena de Markov con espacio de estados S . Supongamos que existe
A S tal que P{Xn+1 = xn+1 |Xn = xn } = 0 si xn+1
/ A y xn A . Entonces Xn |A es una cadena de
Markov.

6. Sigue siendo v
alido el Teorema 2 si suprimimos la hipotesis de que P{Xn+1 = xn+1 |Xn = xn } = 0 si
xn+1
/ A y xn A .

Simulaci
on
En esta secci
on dejaremos ejercicios en los cuales debe entregarse el algoritmo, justificado teoricamente, y
el programa escrito en la computadora, este u
ltimo tiene que enviarse por correo a jbarrios@[Link].

1.

Genera una variable aleatoria exponencial de parametro .

2.

Genera una variable aleatoria normal estandar.

3.

Genera un variable aleatoria bernoulli de parametro p.

4.

[Opcional] Genera una variable aleatoria binomial (n, p).

Fecha de entrega: 25 de febrero de 2005

También podría gustarte