Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Clase4 PR
Clase4 PR
FaMAF
22 de marzo 2012
1 / 25
Distribucin exponencial
Denicin
Una v.a. X con funcin de densidad dada por
f (x) = ex ,
x > 0,
Var (X ) =
1
2
2 / 25
Propiedades
t
exp(x) t
|0 = 1 exp(t)
0
P(X > t) = 1 [1 exp(t)] = exp(t)
F (t) =
exp(x)dx =
exp(x)dx
t+s
exp(x)dx
s
exp(s + t)
= P(X > t).
exp(s)
3 / 25
Denicin
Una variable aleatoria con funcin de densidad de probabilidad
f (t) = et
(t)n1
(n 1)!
4 / 25
(2, 2)
(5, 2)
(1, 2) E(2)
5 / 25
Procesos estocsticos
Denicin
Un proceso estocstico es una sucesin de variables aleatorias
observadas sobre el mismo espacio muestral.
Ejemplo
Supongamos tener una pieza de material radioactivo, el experimento
consiste en observar cuantas partculas se desintegran en un
intervalo de tiempo, y el tiempo que tarda en desintegrarse cada
partcula. El nmero de partculas que se desintegran en [0, t] es una
variable aleatoria N(t) y el tiempo en que se desintegra la n-esima
partcula Dn tambin es una variable aleatoria. La coleccin de
variables forman procesos estocsticos realcionados.
Ejemplo
Consideremos llamadas telefnicas que llegan a una central
telefnica y sea Dn el tiempo en que la n-esima llamada ingresa a la
central y N(t) el nmero de llamadas que ingresa en un intervalo de
tiempo [0, t].
6 / 25
t 0,
P(N(h) = 1)
= ,
h
limh0
P(N(h) 2)
= 0.
h
7 / 25
Incrementos independientes
N(tn ) N(tn1 )
N(t1 )
0
1
0
t1
1
0
11
00
t2 t3
11
00
tn1
1
0
tn
8 / 25
Incrementos estacionarios
N(s)
0
N(t + s) N(t)
1
0
11
00
t
1
0
t +s
s < t.
9 / 25
Ocurrencia de 1 o ms eventos
h0
P(N(h) 2)
= 0.
h
10 / 25
Consecuencias
Proposicin
Supongamos que N(t) es el nmero de llegadas en el intervalo de
tiempo [0, t], que forma un proceso de Poisson de tasa . Entonces,
la distribucin de cada N(t) es Poisson de tasa t
11 / 25
11
00
1
0
1
0
11
00
1
0
11111111
00000000
11111
00000
11
00
1
0
1
0
0
t
n
2t
n
11
00
11
00
11
00
t
t
n
n(n 1) . . . (n k + 1)
n
k!
(t)k
n k !
t
n
(t)k
t
lim 1
k ! n
n
lim
lim
t
n
n
k
t
n
nk
1
k
t
n
nk
n(n 1) . . . (n k + 1)
nk
1
t
n
1
n
1
1
2
n
t
n
... 1
k 1
n
13 / 25
Poisson
Observando que
lim
t
n
= e
14 / 25
e1
X1
1
0
e2 e3
X2
1
03
11
00
X
en1
en
11
00 Xn 0
1
15 / 25
Proposicin
Las variables aleatorias X1 , X2 , . . . , son v.a. independientes,
igualmente distribuidas, con distribucin exponencial con parmetro
.
Xi E(),
i = 1, 2, . . . .
16 / 25
P(X2 > t | X1 = s)
X2 E(), y es independiente de X1 .
17 / 25
X1 = s1 , . . . , Xj1 = sj1 )
18 / 25
Sn
Xj , una suma de
j=1
(t)n1
(n 1)!
19 / 25
Conclusion
20 / 25
t 0
P(N(t + h) N(t) = 1)
= (t),
h
4. limh0
P(N(t + h) N(t) = 1) 2)
= 0.
h
21 / 25
m(t) =
(s) ds
0
22 / 25
Proposicin
Para cada t 0 y s > 0 se tiene que N(t + s) N(t) es una variable
aleatoria Poisson con media
t+s
m(t + s) m(t) =
(x) dx.
t
Corolario
Si (t) = (es constante), N(t + s) N(t) es una variable aleatoria
Poisson con media t.
23 / 25
Proposicin
Si (N(t))t0 es un proceso de Poisson homogneo con razn > 0,
entonces (A(t))t0 es un proceso de Poisson no homogneo con
funcin de intensidad (t) = p(t), t > 0.
24 / 25
25 / 25