59

Proceso de Poisson
Teora de Renovacin
Procesos Estocsticos
Elena Zaitseva
2010
Elena Zaitseva Procesos Estocsticos: Administracin en Riesgos
Proceso de Poisson
Teora de Renovacin
Proceso de Poisson
y
Teora Elemental de la Renovacin
Proceso de Poisson
Teora de Renovacin
Denicin 1. Un proceso estocstico en tiempo continuo
se dice que es de incrementos independientes
t
0
< t
1
< < t
n
, t
0
, . . . , t
n
T
se tiene que
X(t
1
) X(t
0
), X(t
2
) X(t
1
), . . . , X(t
n
) X(t
n1
)
son variables aleatorias independientes.
Por lo tanto, en un proceso de renovacin, los cambios en
intervalos de tiempo que no se solapan son
independientes.
Proceso de Poisson
Teora de Renovacin
es de incrementos estacionarios si la distribucin, jado
t , de
X(s +t ) X(s)
es la misma para todo s.
En un proceso de incrementos estacionarios, cambios en
el proceso de igual tamao son iguales en distribucin.
Proceso de Poisson
Teora de Renovacin
N(t ), t 0, se dice puntual o de conteo si N(t )
representa el nmero de veces que ocurre un suceso
hasta el instante de tiempo t .
En particular:
N(t ) N, t T,
N(s) N(t ) si s < t . (Los incrementos son no negativos.)
En consecuencia, un proceso de conteo es de
incrementos independientes si el nmero de sucesos que
tienen lugar en intervalos de tiempo que no se solapan
son variables aleatorias independientes.
Y ser de incrementos estacionarios si el nmero de
sucesos que tienen lugar en un intervalo de tiempo es el
mismo en intervalos de igual longitud.
Proceso de Poisson
Teora de Renovacin
Proceso de Poisson homgeneo
Tiempo entre arribos
Proceso de Poisson no homgeneo
Proceso de Poisson compuesto
Un uso muy frecuente de la distribucin de Poisson surge
en situaciones en las cules los eventos ocurren a lo largo
del tiempo, por ejemplo: ocurrencia de terremotos,
personas que ingresan a un banco, emisiones de
partculas por una fuente radiactiva etc.
En estadstica y simulacin un Proceso de Poisson
(tambin conocido como "Ley de los sucesos raros")
llamado as por el matemtico Simon Denis Poisson
(1781 - 1840) es un proceso estocstico de tiempo
continuo que consiste en contar eventos raros (de ah el
nombre "ley de los eventos raros") que ocurren a lo largo
del tiempo.
Proceso de Poisson
Teora de Renovacin
La distribucin de Poisson, se aplica a varios fenmenos
discretos de la naturaleza (esto es, aquellos fenmenos
que ocurren 0, 1, 2, 3, dots veces durante un periodo
denido de tiempo). Ejemplos de estos eventos que
pueden ser modelados por la distribucin de Poisson
incluyen:
El nmero de autos que pasan a travs de un cierto punto
en una ruta durante un periodo denido de tiempo.
El nmero de errores de ortografa que uno comete al
escribir una nica pgina.
El nmero de llamadas telefnicas en una central
telefnica por minuto.
El nmero de servidores WEB accedidos por minuto.
El nmero de animales muertos encontrados por unidad
de longitud de ruta.
Proceso de Poisson
Teora de Renovacin
El nmero de mutaciones de determinada cadena de ADN
despus de cierta cantidad de radiacin.
El nmero de ncleos atmicos inestables que decayeron
en un determinado periodo de tiempo en una porcin de
sustancia radiactiva. La radiactividad de la sustancia se
debilitar con el tiempo, por lo tanto el tiempo total del
intervalo usado en el modelo debe ser signicativamente
menor que la vida media de la sustancia.
El nmero de estrellas en un determinado volumen de
espacio.
La distribucin de receptores visuales en la retina del ojo
humano.
La inventiva de un inventor a travs de su carrera.
Proceso de Poisson
Teora de Renovacin
Denicin 4. Un proceso de conteo {N(t ), t 0} se
dice de Poisson (homogneo) de la intensidad (tasa)
> 0, si
1. N(0) = 0.
2. Es de incrementos independientes.
3.
P{N(t +s) N(s) = n} =
(t )
n
n!
e
t
, n N, s, t > 0.
De la denicin est claro que el proceso es de
incrementos estacionarios, y los incrementos siguen una
distribucin de Poisson de parmetro t para intervalos de
tiempo de amplitud t .
Proceso de Poisson
Teora de Renovacin
As, el nmero medio de sucesos hasta el instante t es
E[N(t )] = E[N(t +0) N(0)] = t .
Var (N
t
) = t .
Para cualquier intervalo de la longitud t :
E[N(s +t ) N(s)] = E[N(t )] = t .
Proceso de Poisson
Teora de Renovacin
Existe otra denicin (equivalente) del Proceso de
Poisson:
Denicin 5. Un proceso de conteo {N(t ), t 0} se
dice de Poisson (homogneo) de la intensidad > 0, si
1. N(0) = 0.
3. lim
h0
P{N(h)=1}
h
= .
4. lim
h0
P{N(h)2}
h
= 0.
Proceso de Poisson
Teora de Renovacin
Ocurrencia de 1 o ms eventos
lim
h0
P{N(h) = 1}
h
= .
La probabilidad de que ocurra un evento en un intervalo de
tiempo pequeo es proporcional al tamao del intervalo.
La constante es igual a .
lim
h0
P{N(h) 2}
h
= 0.
La probabilidad de ocurrencia de dos o ms eventos en un
intervalo muy pequeo es cero. Es decir, no hay
probabilidad de ocurrencia de ms de un evento en un
mismo instante.
Proceso de Poisson
Teora de Renovacin
Tiempos entre arribos.
Denimos el siguiente proceso {T
i
, i = 1, 2, . . . }:
T
1
es el tiempo transcurrido hasta el primer evento,
T
i
es el tiempo transcurrido entre el (i 1)-simo evento y
el i -simo, para i > 1.
{T
i
} es la sucesin de tiempos entre arribos.
Proceso de Poisson
Teora de Renovacin
Para encontrar la distribucin de T
i
, notemos que
P{T
1
> t } = P{N(t ) = 0} = e
t
,
entonces T
1
es una variable aleatoria exponencial de
parmetro (de la media
1
).
P{T
2
> t } = E [P{T
2
> t | T
1
}] .
La ltima igualdad es cierta por la ley de probabilidad total
o por los siguientes razonamientos:
E[I
{T
2
>t }
| T
1
] = P{T
2
> t | T
1
}.
Usando las propiedades de la esperanza condicional
tenemos:
E [P{T
2
> t | T
1
}] = E
_
E[I
{T
2
>t }
| T
1
]
= E
_
I
{T
2
>t }
]
= P{T
2
> t }
Proceso de Poisson
Teora de Renovacin
P{T
2
> t

X
1
= s} = P{0 eventos en (s, s +t ]
T
1
= s} =
P{0 eventos en (s, s +t ]} =
P{N(s +t ) N(s) = 0} = e
t
.
Entonces
P{T
2
> t } = E [P{T
2
> t | T
1
}]
= E[e
t
] = e
t
.
Por consiguiente
P{T
2
> t

T
1
= s} = P{T
2
> t } = e
t
.
Proceso de Poisson
Teora de Renovacin
Para el caso general:
P{T
n
> t } = e
t
.
Proposicin. Las variables aleatorias T
1
, T
2
, . . . son
v.as independientes, igualmente distribuidas, con
distribucin exponencial con parmetro :
T
i
Exp().
El tiempo de esperada hasta n-simo evento se dene
como:
S
n
=
n
i =1
T
i
, n 1.
Proceso de Poisson
Teora de Renovacin
Proceso de Poisson no homogneo (o no estacionario).
En numerosas situaciones es realista suponer que hay
ms incidencias a ciertas horas que a otras. Para modelar
esta situacin, es conveniente la siguiente generalizacin
del Proceso de Poisson:
Proceso de Poisson
Teora de Renovacin
Denicin 6. Decimos que {N(t ), t 0} es un proceso
de Poisson no homogneo con intensidad (t ) si
1. N(0) = 0.
3. P{N(t +s) N(s) = n} Poisson
_
_
t +s
s
(x)dx
_
, para
todo s 0, t > 0.
En otras palabras, para cada s 0 y t > 0 se tiene que
N(t +s) N(s) es una variable aleatoria de Poisson con
media
m(t +s) m(s) =
_
t +s
s
(x)dx.
Proceso de Poisson
Teora de Renovacin
N(t ) tiene la distribucin de Poisson con la esperanza
m(t ) =
_
t
0
(x)dx.
Si (t ) = (la constante), entonces N(t +s) N(s) es
una variable aleatoria de Poisson con media t .
Proceso de Poisson
Teora de Renovacin
Denicin 7 (equivalente a 6). Decimos que
{N(t ), t 0} es un proceso de Poisson no homogneo
con intensidad (t ) si
1. N(0) = 0.
3. lim
h0
P{N(t +h)N(t )=1}
h
= (t ).
4. lim
h0
P{N(t +h)N(t )2}
h
= 0.
Proceso de Poisson
Teora de Renovacin
En la teora de riesgo uno de los principales objetos de
estudio es la determinacin de reservas para hacerle
frente a los posibles reclamos futuros y prevenir la
insolvencia de la compaa.
La herramienta bsica ha sido modelar los reclamos
agregados a travs de un Proceso Poisson Compuesto
(CPP).
Proceso de Poisson
Teora de Renovacin
Proceso de Poisson compuesto.
Denicin 8. El proceso
S(t ) =
N(t )
i =1
Y
i
,
donde {N(t ), t 0} es un proceso de Poisson
homogneo con intensidad > 0 y Y
1
, Y
2
, . . . es una
sucesin de v.a.i.i.d. (no negativas)
se llama Proceso Poisson Compuesto.
As, si Y
i
representa el costo de atencin de la i -sima
incidencia, el proceso S(t ) representa el costo acumulado
a tiempo t .
Proceso de Poisson
Teora de Renovacin
Ejemplo.
En aplicaciones de seguros:
N(t ) es el nmero de reclamos hechos a la compaa
durante el intervalo de tiempo (0, t ],
Y
i
es la magnitud del i -simo reclamo,
los procesos {N(t )} y {Y
i
} se suponen independientes uno
de otro,
S(t ) son los reclamos agregados en el intervalo de tiempo
(0, t ].
Proceso de Poisson
Teora de Renovacin
Propiedades
La media de S(t ):
ES(t ) = EN(t )EY
i
= t EY
i
.
La varianza de S(t ):
Var (S(t )) = t EY
2
i
.
Proceso de Poisson
Teora de Renovacin
Ejemplos.
El proceso de riesgo de un portafolio (Lundberg, 1926)
consiste en compensar los egresos mediante:
Z(t ) = ct S(t ),
donde c > 0 denota la tasa de prima de riesgo.
En seguros Z(t ) es la ganacia del portafolio en el intervalo
(0, t ].
Otro proceso de inters es el proceso de reserva denido
como:
R
u
(t ) := u +Z(t )
donde u es el capital inicial.
Proceso de Poisson
Teora de Renovacin
En muchas ramas de las matemticas aplicadas, el
trmino riesgo est asociado a procesos en los cuales
est presente la incertidumbre (procesos estocsticos) y
cuya evolucin puede desembocar en sucesos
indeseables (muerte de un paciente, bancarrota de una
compaia, productos industriales defectuosas, accidentes
nucleares, etc.)
En el transcurso de las ltimas dcadas, lo que se ha dado
en llamar la Teora del Riesgo se ha establecido como
una teora matemtica, en la cual riesgo expresa la
posibilidad de prdida o dao.
El signicado de riesgo comprende dos elementos
distintos: la idea
de prdida o dao, y
la de incertidumbre.
Proceso de Poisson
Teora de Renovacin
En la Teora de Riesgo, el riesgo es siempre expresado en
trminos econmicos (monetarios).
El prototipo de un proceso en el que el riesgo est
presente ha sido la operacin de una compaa
aseguradora.
No obstante, la Teora de Riesgo es mucho ms general y
puede emplearse para modelar las operaciones de otro
tipo de empresa (industrias, compaas nancieras,
instituciones de seguridad social, etc.)
Entonces, en trminos actuales, puede decirse que la
Teora de Riesgo se ocupa de modelos estocsticos que
se aplican para estudiar distintos aspectos del riesgo
asociado con la operacin de una empresa.
Proceso de Poisson
Teora de Renovacin
El estado de una compaa (de seguros) en un momento
dado puede describirse por el monto de sus reservas
nancieras, el cual a su vez es el resultado del balance
entre ingresos (pagos de primas a la compaa) y egresos
(pago por cobertura de seguros).
En su forma ms simple, un proceso de riesgo puede
formularse en trminos de un modelo estocstico que
involucra dos variables (ingresos y egresos), as como la
descripcin de la evolucin de estas en el tiempo.
Proceso de Poisson
Teora de Renovacin
Formalmente, el proceso de riesgo se dene como el par
(P(t ), S(t )), t [0, ), donde las variables P(t ) y S(t )
representan, respectivamente, el total de ingresos (primas)
y el total de pagos (reclamaciones) por la compaa,
durante el intervalo [0, t ).
Ambas variables pueden ser estocsticas, aunque en el
modelo clasico, P(t ) es una variable determinista y S(t ) es
estocstica.
Por lo comn, se asume que P(t ) es de la forma
P(t ) = ct ,
donde c > 0 puede interpretarse como la tasa (constante)
de ingresos por conceptos de pagos a la compaa.
Proceso de Poisson
Teora de Renovacin
Por otra parte, S(t ) depende de dos procesos estocsticos
:
el proceso {N(t )} asociado con el nmero de eventos
(accidentes, muertes, incendios, etc.) que ocurren en el
intervalo [0, t );
y el proceso {Y
i
, i = 1, 2, . . . } asociado con los montos de
las reclamaciones que corresponden a cada evento.
Entonces, S(t ) se dene por la relacin
S(t ) =
N(t )
i =1
Y
i
,
donde S(t ) = 0 cuando N(t ) = 0.
La variable S(t ) es llamada la variable de reclamaciones
agregadas, o simplemente total de reclamaciones.
Proceso de Poisson
Teora de Renovacin
Bajo la formulacin clasica, se asume que {N(t )} es un
proceso de Poisson homogneo con parmetro .
Las variables Y
1
, Y
2
, . . . se asumen mutuamente
independientes e idnticamente distribuidas.
Los procesos {N(t )} y {Y
i
} se suponen independientes
uno de otro.
De estas suposiciones se desprende que {S(t )} es un
proceso de Poisson compuesto.
Proceso de Poisson
Teora de Renovacin
El proceso de riesgo (o de reserva) {X(t )} se dene por
la frmula:
X(t ) = X(0) +P(t ) S(t ),
donde X(0) representa el capital inicial de la compaia.
X(t ) es llamada la reserva en riesgo al tiempo t .
Proceso de Poisson
Teora de Renovacin
Tradicionalmente, el problema de la distribucin del total
de reclamaciones ha sido un tema central en la Teora de
Riesgo. La discusin se ha enfocado bsicamente en la
disyuntiva de partir de las distribuciones individuales
(modelo individual), o agrupar a los individuos en
colectivos (portafolios) y denir una distribucin sobre este
colectivo (modelo colectivo).
El modelo colectivo es el ms popular y el de mayor
alcance.
Proceso de Poisson
Teora de Renovacin
Modelo individual
Suponga que se tiene un portafolio de n plizas
individuales de seguros vlidas por un ao.
Sea p
j
la probabilidad de que el j -simo asegurado no
efecte ninguna reclamacin durante el tiempo de vigencia
del seguro, y sea q
j
la probabilidad de que se observe
exactamente una reclamacin.
Suponga que la igualdad p
j
+q
j
= 1 se cumple, lo que
signica que no puede haber ms de una reclamacin por
cada asegurado. Tal situacin corresponde, por ejemplo, a
los seguros de vida.
Proceso de Poisson
Teora de Renovacin
Dena la v. a.
D
j
=
_
1 si hay reclamacin en la pliza j
0 si no hay reclamacin en la pliza j
Claramente D
j
tiene distribucin Bernoulli con parmetro
q
j
. (El uso de la letra D viene del trmino en ingls death).
Sea la v. a. C
j
> 0 el monto de la reclamacin efectuada
por la pliza j . (La letra C proviene del trmino claim).
Entonces, la reclamacin de la pliza j est dada por el
producto
D
j
C
j
=
_
C
j
si D
j
= 1
0 si D
j
= 0
Dado que las reclamaciones son mutuamente
independientes, se tiene que las variables
D
1
C
1
, D
2
C
2
, . . . , D
n
C
n
son tambin independientes.
Proceso de Poisson
Teora de Renovacin
El monto de reclamaciones agregadas, o tambin
llamado agregado de reclamaciones, en el modelo
individual, es la variable aleatoria
S =
n
j =1
D
j
C
j
.
Esta variable es el monto que afronta una compaa
aseguradora por concepto de reclamaciones durante el
periodo completo del seguro.
El modelo se llama individual porque lleva el registro de
las probabilidades de reclamacin y posible monto de
reclamacin de todos y cada uno de los asegurados de
manera individual.
Proceso de Poisson
Teora de Renovacin
Si F
j
(x) denota la funcin de distribucin del producto
D
j
C
j
, entonces la funcin de distribucin F(x) del riesgo S
adquiere la expresin en trminos de convoluciones. Esta
expresin por lo general un tanto difcil de calcular.
Denotaremos por G
j
(x) la funcin de distribucin de C
j
.
Entonces bajo la hiptesis del modelo individual se tienen
los siguientes resultados:
1. F
j
(x) = p
j
I(x) +q
j
G
j
(x);
2. E(S) =
n
j =1
q
j
E(C
j
);
3. Var (S) =
n
j =1
q
j
Var (C
j
) +
n
j =1
q
j
p
j
_
E[C
j
]
_
2
, donde
I(x) =
_
0 si x < 0
1 si x 0.
Proceso de Poisson
Teora de Renovacin
Modelo colectivo
En este modelo se ignoran las caractersticas de las
plizas individuales, considerandose al conjunto de plizas
(portafolio) como un todo
Consideremos un conjunto de un nmero no determinado
de contratos de seguros con vigencia en un periodo de
tiempo [0, t ]. Este periodo puede corresponder a un ao
por ejemplo.
Sea N(t ) la v. a. que denota el nmero de reclamaciones
ocurridas en este intervalo, y sean las variables positivas
Y
1
, Y
2
, . . . , Y
N(t )
los montos de estas reclamaciones.
Proceso de Poisson
Teora de Renovacin
El monto agregado o monto acumulado de todas las
reclamaciones efectuadas es la v. a. S(t ), llamada riesgo,
y denida como sigue
S(t ) =
N(t )
j =1
Y
j
.
La suma se dene como cero cuando N(t ) = 0.
Proposicin. El riesgo S(t ) en el modelo colectivo
cumple las siguientes propiedades:
1. ES(t ) = EN(t ) EY
i
;
2. Var (S(t )) = Var (N(t )) E
2
Y +Var (Y) EN(t ).
Proceso de Poisson
Teora de Renovacin
Generalmente se asume que el proceso {N(t )} es un
proceso de Poisson. Las propiedades denitorias de
este proceso son las siguientes:
1) Eventos que ocurren en dos intervalos de tiempo disjuntos
son independientes. Por ejemplo, en el caso de seguros
contra accidentes automovilsticos, esta suposicin
signica que los accidentes que ocurran este ao no
afectan la ocurrencia de accidentes durante el prximo ao.
2) La probabilidad de que cierto nmero de eventos ocurra en
un intervalo de tiempo (t , t +s), s 0, depende solamente
de longitud del intervalo s y no del valor de t .Esto es, la
probabilidad de que ocurran n accidentes en un ao es la
misma en 2009 que en 2010.
3) La probabilidad de que dos o ms eventos ocurran al
mismo tiempo es cero.
en la prctica debe vericarse el cumplimiento de estas
suposiciones.
Proceso de Poisson
Teora de Renovacin
Cuando el nmero de reclamaciones N(t ) tiene una
distribucin Poisson se dice que el riesgo S(t ) tiene una
distribucin Poisson compuesta, y se tienen los siguientes
resultados.
Proposicin. Si N(t ) tiene una distribucin Poisson (),
entonces
ES(t ) = EN(t ) EY
i
= tEY
i
;
Var (S(t )) = Var (N(t ))
_
EY
i
2
+EN(t ) Var (Y
i
) = tEY
2
i
,
como EN(t ) = t y Var (N(t )) = t .
Proceso de Poisson
Teora de Renovacin
Ejercicios
Modelo individual
1. Considere el modelo individual para un portafolio de n
plizas de seguros. Bajo la notacin e hiptesis usuales,
demuestre que el nmero esperado de reclamaciones es
q
1
+ +q
n
.
2. Considere el modelo individual para un portafolio de n
plizas de seguros de vida. Suponga que el j -simo
asegurado tiene una suma asegurada constante z
j
.
Demuestre que
a) ES(t ) =
n
j =1
q
j
z
j
;
b) Var (S(t )) =
n
j =1
q
j
p
j
z
2
j
.
Proceso de Poisson
Teora de Renovacin
4. Considere un portafolio de 21 plizas individuales de
seguros de vida vlidas por un ao como se indica en la
tabla que aparece abajo. Usando el modelo individual
calcule ES y Var (S).
Tasa de mortalidad Suma asegurada
q
j
$2 $3 $4 $5
0.04 1 1 2 1
0.05 0 2 3 3
0.06 1 1 2 4
Proceso de Poisson
Teora de Renovacin
5. Sean q
j ,0
, q
j ,1
y q
j ,2
las probabilidades de que el j -simo
asegurado presente 0, 1 y 2 reclamaciones
respectivamente durante el tiempo de vigencia del seguro.
Suponga que cada una de las posibles reclamaciones de
la pliza j es constante z
j
y que q
j ,0
+q
j ,1
+q
j ,2
= 1.
Encuentre frmulas para ES y Var (S) en el modelo
individual.
Proceso de Poisson
Teora de Renovacin
6. Una compaa aseguradora tiene una cartera con plizas
de seguros de vida y diferentes sumas aseguradas como
se muestra en la tabla que aparece abajo. Calcule ES y
Var (S) usando el modelo individual.
Suma Nmero Probabilidad de
asegurada de plizas reclamacin
$10, 000 50 0.0040
$20, 000 75 0.0035
$30, 000 100 0.0030
Proceso de Poisson
Teora de Renovacin
Modelo Poisson compuesto
7. (Opcional) Sean X
1
, X
2
, . . . v.as independientes, cada
una de ellas con distribucin Bernoulli(p), y sea X
0
= 0.
Sea N con distribucin Poisson() independiente de las
variables X
i
. Demuestre que la variable X =
N
i =0
X
i
tiene distribucin Poisson(p).
Esta variable tiene la siguiente interpretacin:
Si N representa el total de siniestros ocurridos y cada
siniestro es reportado con probabilidad p, entonces X
representa el total de siniestros ocurridos reportados.
Proceso de Poisson
Teora de Renovacin
Probabilidad de ruina
Consideremos proceso de riesgo (o de reserva) {X(t )}
que se dene por la frmula:
X(t ) = X(0) +P(t ) S(t ),
donde X(0) representa el capital inicial de la compaia, y
S(t ) es un proceso de Poisson compuesto con EY
i
= ,
ES(t ) = t .
Si P(t ) = ct , donde c > 0 puede interpretarse como la
tasa (constante) de ingresos por conceptos de pagos a la
compaa y X(0) = u, entonces
X(t ) = u +ct S(t );
EX(t ) = u + (c )t .
Proceso de Poisson
Teora de Renovacin
Deniremos el tiempo de ruina:
= inf{t > 0 : X(t ) < 0}.
La probabilidad de ruina en el intervalo [0, t ] (con
horizonte nito), es
(u, t ) = P( t | X(0) = u).
La probabilidad de ruina con horizonte innito, o
simplemente la probabilidad de ruina, es
(u) = lim
t
(u, t ) = P( < ).
Es intuitivamente claro que (u, t ) (u), y que
(u, t
1
) (u, t
2
), cuando t
1
t
2
.
La probabilidad de supervivencia se dene como
Q(u) = 1 (u).
Proceso de Poisson
Teora de Renovacin
Proposicin.
1. Si P(t ) = ct , entonces
(0) =

c
.
2.
(u) =

c
__

u
(1 F(y))dy +
_
0
(u y)(1 F(y))dy
_
,
donde F es la funcin de distribucin de la reclamacin Y
i
(para todo i 1).
Proceso de Poisson
Teora de Renovacin
Por ejemplo, la probabilidad de ruina cuando las
reclamaciones son v.as exponenciales: Y
i
exp() (la
esperanza es = 1/), es la siguiente:
(u) =

c
e
(/c)u
.
Proceso de Poisson
Teora de Renovacin
Sean T
1
, T
2
, . . . tiempos entre arribos. Denimos la v.a.
B
k
= cT
k
Y
k
.
Podemos interpretarla como el balance de la compaa
aseguradora entre dos siniestros sucesivos.
La esperanza de B
k
es
EB
k
= cET
k
EY
k
=
c
.
Se puede demostrar que la ruina ocurre casi seguramente
si, y slo si, EB
k
0. Como deseamos que esta
situacin no ocurra supondremos que EB
k
> 0, es decir
condicin de ganancia neta: c > .
Proceso de Poisson
Teora de Renovacin
Ejercicio.
Suponga que las reclamaciones en el modelo de ruina (de
Cramr-Lundberg) siguen una distribucin exponencial de
parmetro = 1.
Suponga adems que = 1/2 y c = 2.
Observe que se cumple la condicin de ganancia neta:
c > .
Cul debe ser el capital inicial u para que la probabilidad
de ruina sea menor o igual a 0.01?
Proceso de Poisson
Teora de Renovacin
Teorema elemental de renovacin
Proceso de renovacin con recompensa
Sea {N(t ), t 0} un proceso de conteo y denotemos por
T
n
el tiempo entre (n 1)-simo y n-simo evento de este
proceso (n 1).
Denicin 9. Si las v.as T
1
, T
2
, . . . son independientes e
identicamente distribuidas, entonces el proceso
{N(t ), t 0} es un proceso de renovacin.
El tiempo de esperada hasta n-simo evento se dene
como:
S
0
= 0, S
n
=
n
i =1
T
i
, n 1.
Proceso de Poisson
Teora de Renovacin
Denotemos por F la distribucin de T
i
para todo i , y
supongamos que
F(0) = P{T
i
= 0} < 1.
Sea
= ET
i
, i 1.
Como v.a. T
i
no es negativa y no es equivalente a 0, > 0.
Por la Ley de Nmeros Grandes, tenemos:
S
n
n
cuando n .
Proceso de Poisson
Teora de Renovacin
Distribucin de N(t ).
El nmero de eventos para el momento n es mayor que o
igual a n si, y slo si el n-simo evento ocurre antes o en el
momento t :
N(t ) n S
n
t .
Entonces obtenemos:
P{N(t ) = n} = P{N(t ) n} P{N(t ) n}
= P{S
n
t } P{S
n+1
t }.
Sea F
n
la funcin de distribucin de S
n
=
n
i =1
T
i
(entonces si la funcin de distribucin de T
i
es F, F
n
es la
convolucin de F).
P{N(t ) = n} = F
n
(t ) F
n+1
(t ).
Proceso de Poisson
Teora de Renovacin
Encontremos la esperanza de N(t ):
m(t ) = EN(t ) =
k=1
kP{N(T) = k}
=
n=1
k=n
P{N(t ) = k} =
n=1
P{N(t ) n}
=
n=1
P{S
n
t } =
n=1
F
n
(t ).
Es posible demostrar que m(t ) determina de la forma
nica el proceso de renovacin.
Proceso de Poisson
Teora de Renovacin
Ejemplo (Ross).
Supondremos que para un proceso de renovacin est
dada la esperanza (funcin del tiempo):
m(t ) = 2t , t 0.
Cual es la distribucin del nmero de renovaciones N(t )
que ocurren para el momento de tiempo 10?
Solucin.
Sabemos que m(t ) = 2t es la esperanza de proceso de
Poisson con la intensidad (tasa) = 2.
Entonces
P{N(10) = n} = e
20
(20)
n
n!
, n 0.
Proceso de Poisson
Teora de Renovacin
Recordemos que = ET
i
para todo i 1.
Proposicin. Con la probabilidad 1,
N(t )
t

1
cuando t .
Demostracin pueden encontrar en el libro de Ross (Ch.7,
3) (como una herramienta usamos el teorema de
sandwich).
Proceso de Poisson
Teora de Renovacin
Recordemos que m(t ) = EN(t ).
m(t )
t

1
cuando t .
Interpretamos
1
como 0 cuando = .
Proceso de Poisson
Teora de Renovacin
Ejemplo 1. (Ross)
Bety tiene radio que trabaja con una pila. Cuando la pila de
radio falla, Bety inmediatamente la reemplaza por la otra.
Si el tiempo de vida de una pila (en horas) es distribuida
uniformemente en el intervalo (30, 60),
a que velocidad tiene que cambiar las pilas Bety?
Solucin.
Sea N(t ) el nmero de pilas que han fallado para el tiempo
t .
Entonces la velocidad buscada podemos encontrar
usando la Proposicin:
lim
t
N(t )
t
=
1
=
1
45
.
Esto signica que, si considerar un largo plazo de tiempo,
Bety, reemplaza una pila en 45 horas (en promedio).
Proceso de Poisson
Teora de Renovacin
Ejemplo 2. (Ross)
Supongan que en el ejemplo anterior, Bety no tiene en la
casa las pilas sobrantes y tiene que ir cada vez a comprar
la nueva pila. Si la cantidad de tiempo que ella gasta para
esta compra es distribuida uniformemente en (0, 1),
entonces
cual es la velocidad promedia (en largo plazo de tiempo)
de cambio de pilas?
Proceso de Poisson
Teora de Renovacin
Solucin.
La media del tiempo entre las renovaciones es:
= EU
1
+EU
2
,
donde U
1
Uniform(30, 60) y U
2
Uniform(0, 1).
De este modo,
= 45 +
1
2
= 45
1
2
.
Lo que signica que Bety va a usar en promedio 2 pilas en
91 horas.
Proceso de Poisson
Teora de Renovacin
En un nmero grande de modelos probabilsticos en cada
momento cuando una renovacin ocurre, se recibe
tambin una recompenza.
Sea R
n
la recompenza obtenida en el momento de
ocurrencia de n-sima renovacin.
Asumimos que las v.as R
1
, R
2
, . . . son independientes e
identicamente distribuidas.
Sea
R(t ) =
N(t )
n=1
R
n
,
entonces R(t ) representa la recompenza total obtenida
para el tiempo t .
Proceso de Poisson
Teora de Renovacin
Proposicin. Aceptamos la siguiente denominacin:
ER = ER
n
, ET = ET
n
.
Si ER < y ET < , entonces con probabilidad 1
R(t )
t

ER
ET
cuando t .
Proceso de Poisson
Teora de Renovacin
Un ejemplo clsico es de una empresa donde cada cierto
momento de tiempo se descompone cierto nmero de
mquinas.
La teora de la renovacin nos ayuda a determinar la
poltica ptima para reemplazo de las mismas.
Proceso de Poisson
Teora de Renovacin
Ejemplo.
Erick tiene n mquinas, cada una con una vida til
distribuida uniformemente entre 0 y 2 aos.
Erick puede permitir que cada mquina funcione hasta que
se produce un error, con el costo de reposicin de $2, 600;
alternativamente, podr sustituir una mquina en cualquier
momento mientras todava es funcional a un costo de
$200.
Cul es su poltica ptima de reemplazo?
Proceso de Poisson
Teora de Renovacin
Solucin.
En primer lugar debemos encontrar el valor esperado de
T.
Si Erick decide en el principio de la vida de una mquina
reemplazarla en el tiempo 0 < t < 2 pero la mquina falle
antes de este tiempo entonces la vida til de la mquina
tiene la distribucin uniforme en [0, t ] y, por consiquiente,
su media es 0.5t .
Entonces la vida esperada de cada mquina es:
ET = E[T|falle antes de t ]P{falle antes de t }
+E[T|no falle antes de t ]P{no falle antes de t }
0.5t
t
2
+t
2 t
2
.
Proceso de Poisson
Teora de Renovacin
El costo esperado W para cada mquina es:
E[W|falle antes de t ] P{falle antes de t }
+E[W|no falle antes de t ] P{no falle antes de t }
2600
t
2
+200
2 t
2
.
Usando la Ley de Nmeros Grandes, el costo promedio a
largo plazo es:
W(t )
t

EW
ET
=
4(1200t +200)
t
2
+4t 2t
2
.
Si diferenciamos con respecto a t :
t
4(1200t +200)
t
2
+4t 2t
2
= 4
1200(4t t
2
) (4 2t )(1200t +200)
(t
2
+4t 2t
2
)
2
.
Proceso de Poisson
Teora de Renovacin
Haciendo los clculos (igualando a 0 y buscando las
raices), obtenemos: el valor de t = 2/3 nos da un mnimo
de costo, dado que el costo por unidad de tiempo tiende a
innito mientras t tiende a cero. De modo que el costo
desciende a medida que t aumenta, hasta el punto 2/3
donde la funcin comienza a aumentar.

59

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

59

Cargado por

Copyright:

Formatos disponibles

Proceso de Poisson

También podría gustarte