Facultad de Ingenierı́a y Ciencias Universidad Diego Portales

CII2753 - Modelos Estocásticos 14 de diciembre 2018

Pauta Examen
Profesor: Basso, Ferez y Yañez.

P1. [6 ptos] Sea L una variable aleatoria gamma de parámetros m y θ. Considere un proceso de conteo N (t)
tal que, condicional a L = λ, N (t) es un proceso de Poisson de tasa λ. Desmuestre que
  m  n
n+m−1 θ t
P (N (t) = n) =
n t+θ t+θ

Puede serle útil recordar que la función de densidad de una variable aleatoria gamma de parámetros m y θ
(θλ)m−1
es g(λ) = θe−θλ para λ > 0.
(m − 1)!
Solución:
Condicionando con respecto a L = λ:

Z∞
P (N (t) = n) = P (N (t) = n|L = λ)fL (λ)dλ (1.5 ptos)
0
Z∞
(λt)n (θλ)m−1
= e−λt · θe−θλ dλ (1.5 ptos)
n! (m − 1)!
0
Z∞
tn θ m
= e−(t+θ)λ λn+m−1 dλ (1.5 ptos)
n!(m − 1)!
0

(n + m − 1)!
Multiplicando y dividiendo por y notando que queda la integral de la función de densidad de
(t + θ)n+m
una gamma de parámetros n + m y t + θ se obtiene el resultado (1.5 ptos).

P2. Ignacia cuenta con una tienda de pasteles caseros incipiente en su barrio, los cuales se caracterizan por
su bajo contenido de azúcar y gluten. Como está empezando su negocio le resulta fundamental mantener
una adecuada polı́tica de inventarios, a fin de rentabilizar su presupuesto que por momento es pequeño.
Asesorándose con estudiantes de una prestigiosa Universidad, ha decidido mantener una politica tipo (s, S).
La polı́tica consiste en que si al final del dı́a se posee menos de s pasteles, se hace una orden de producción
que al inicio del dı́a siguiente eleva las existencias al nivel S y en caso contrario, no se produce nada.
Considere que la tienda mantiene un inventario que busca satisfacer una demanda aleatoria. La demanda
diaria D, tiene la siguiente distribución: P [D = 0] = 0.4 , P [D = 1] = 0.3, P [D = 2] = 0.1 y P [D ≥ 3] = 0.2
Para valores de s = 1 y S = 2:

(a) Jutifique por qué es posible modelar como una cadena de Markov en tiempo discreto el nivel de inventario
de pasteles al inicio del dı́a n
Facultad de Ingenierı́a y Ciencias Universidad Diego Portales

(b) Modele la situacion descrita como una cadena de Markov en tiempo discreto. Dibújela con los respectivos
estados, encuentre la matriz de transición y clasifique los estados en clases, indicando claramente cómo
obtener las probabilidades de transición, y calculándolas.
(c) Argumente sobre la existencia de probabilidades estacionarias y calcúlelas. En el largo plazo. ¿Cuál es
el inventario promedio? y ¿Cuál es la cantidad de pasteles vendidos en promedio?.

Solución:

(a) Es posible dado que el número de pasteles en inventario al comienzo de un dı́a cualquiera sólo depende
de la cantidad de pasteles disponibles al comienzo del dı́a anterior y esto es suficiente para determinar
la evolución del sistema (en probabilidades).

(b) La cadena toma se muestra en la siguiente figura.

Donde el estado Xn se caracteriza como el nivel de inventario al inicio del dı́a n = 1, 2, 3..., tomando
valores Xn ∈ {1, 2}.
Para el cálculo de las probabilidades de transición y matriz de transición, se tiene que Pi,j denota
la probabilidad de tener i pasteles en inventario un dı́a y j en inventario al dı́a siguiente, es decir
Pi,j = P (xn = j/xn−1 = i), con lo cual:

P1,1 = P [D = 0] = 0.4
P1,2 = P [D ≥ 1] = 0.6
P2,1 = P [D = 1] = 0.3
P2,2 = P [D = 0] + P [D ≥ 2] = 0.7
Con ello se tiene la matriz de transición:
 
0.4 0.6
P =
0.3 0.7
Existe sólo una clase recurrente aperiódica compuesta por todos los estados de la cadena.
(c) Dado que la cadena es ergódica existirá una ley de probabilidades estacionarias. Esta ley debe cumplir
con los siguientes requisitos:

πt = πtP
2
X
πi = 1
i=1

Con ello el sistema queda determinado por:

Facultad de Ingenierı́a y Ciencias Universidad Diego Portales

π1 = 0.4 ∗ π1 + 0.3 ∗ π2
π2 = 0.6 ∗ π1 + 0.7 ∗ π2

El cual al resolverse entrega comop resultados π1∗ = 0.33, π2∗ = 0.66

Utilizando los valores para π1∗ , π2∗ , el imventario promedio queda representado por:

E[inventario] = 1π1∗ + 2π2∗ = 1.67

Por último, las ventas en promedio quedan dadas por:

E[pasteles vendidos] = 1π1∗ (P [D = 1] + P [D ≥ 2]) + π2∗ P [D = 1] + 2π2∗ P [D ≥ 2] = 0.6π1∗ + 0.9π2∗ = 0.79

P3. Se ha determinado que autos llegan a una planta de revisión técnica de acuerdo a una distribución exponencial
de media t3 . La planta de revisión técnica, esta equipada por dos lı́neas de revisión, las lineas de revisión
se identificarán como linea 1 y lı́nea 2. Los administradores de la planta de revisión técnica han notado
que las lineas de revisión tienen tiempos de atención distintos, la lı́nea 1 demora en promedio t1 en realizar
la revisión, mientras que la lı́nea 2 tarda t2 . Algunos estudios realizados han permitido determinar que el
tiempo de atención en ambas lı́neas sigue una distribución exponencial.
Cuando la planta se encuentra vacı́a los autos ingresan directamente a la lı́nea 1, si llega un segundo auto
a plata éste ingresa a la lı́nea 2, si al llegar un auto ambas lı́neas se encuentran ocupadas, entonces este
esperará mientras exista espacio disponible.

(a) [3 ptos] Modele el sistema como una cadena de Markov en tiempo continuo. Construya el grafo asociado
explicitando las tasas instantáneas de transición, tasas de permanencia y probabilidades de transición
(b) [2 ptos] Indique las ecuaciones que permiten encontrar las probabilidades estacionarias.
(c) [1 ptos] Si t1 = 1/3[h], t2 = 1/4[h], t3 = 1/2[h] y N = 4, determine las probabilidades estacionarias
del sistema.

Solución:

(a) El conjunto de estados viene dado por la cantidad de clientes en el sistema (en espera + revisión).
Cuando el estado está en 1 vehiculo, no sabemos en que linea está por lo tanto el estado 1 debe ser
dividido en dos estados, que llamaremos 1.1 y 1.2 y viene dado por I = {0, (1.1), (1.2), 2, . . . , N }
El grafo y las tasas instantáneas de transición vienen dadas por:
Facultad de Ingenierı́a y Ciencias Universidad Diego Portales

(2 puntos hasta acá)

Las tasas de permanencia vienen dadas por:

v0 = 1/t3
v1.1 = 1/t3 + 1/t1
v1.2 = 1/t2
vi = 1/t3 + 1/t1 + 1/t2 , i = {2, . . . , N − 1}
vn = 1/t1 + 1/t2
(0,5 puntos) Las probabilidades de transición vienen dadas por:

P0,1 = PN −1,N = P1.2,0 = 1

1/t1
P1.1,0 =
1/t1 + 1/t3
1/t2
P1.2,0 =
1/t1 + 1/t2
1/t3
P1.1,2 =
1/t1 + 1/t3
P1.2,2 = 0
1/t2
P2,1.1 =
1/t1 + 1/t2 + 1/t3
1/t1
P2,1.2 =
1/t1 + 1/t2 + 1/t3
Facultad de Ingenierı́a y Ciencias Universidad Diego Portales

1/t1 + 1/t2
Pi,i−1 = , i = {3, 4, . . . , N − 1}
1/t1 + 1/t2 + 1/t3
1/t3
Pi,i+1 = , i = {2, 3, . . . , N − 1}
1/t1 + 1/t2 + 1/t3
(0,5 puntos)
(b) El proceso es casi un proceso de nacimiento y muerte truncado:
Siguiendo la lógica del proceso de nacimiento y muerte se tienen el siguiente esquema de ecuaciones:
N
X
πi + π0 + π1.1 + π1.2 = 1(0,5 puntos) (1)
i=2
1 1 1
π0 = π1.1 + π1.2 (2)
t3 t1 t2
 
1 1 1 1
+ π1.1 = π2 + π0 (3)
t1 t3 t2 t3
 
1 1 1
+ π1,2 = π2 (4)
t2 t3 t1
       
1 1 1 1 1 1
+ π2 = π1.1 + π1.2 + + π3 (5)
t1 t3 t3 t3 t1 t2
 
1 1 1
+ πN = πN −1 (0,5 puntos) (6)
t1 t2 t3
 N −i
1 1
t1 + t2
πi = πN , i = {3, . . . , N − 1}(1 punto) (7)
(1/t3 )N −i

(c)
Definamos:
1
λ=
t3
1
µ1 =
t1
Facultad de Ingenierı́a y Ciencias Universidad Diego Portales

1
µ2 =
t2

π0 + π1.1 + π1.2 + π2 + π3 + π4 = 1
λπ0 = µ1 π1.1 + µ2 π1.2
(λ + µ1 ) π1.1 = µ2 π2 + λπ0
(λ + µ2 ) π1,2 = µ1 π2
(λ + µ1 + µ2 )π2 = λπ1.1 + (µ1 + µ2 )π3
(µ1 + µ2 )π4 = µ2 π3

Resolviendo:
 
µ2 µ1 λµ1
λ + µ1 − λ+µ2 − λ+µ2
π3 = π2
µ 1 + µ2
µ1 µ2
µ2 + λ+µ2
π1.1 = π2
λ
µ1
π1.2 = π2
λ + µ2
   
µ1 µ2
µ1 µ2 + λ+µ 2 µ1 µ 2 
π0 =  2
+ π2
λ (λ + µ2 )λ
 
µ1 µ2 λµ1
µ1 λ + µ1 − λ+µ2 − λ+µ2
π4 = π2
(µ1 + µ2 )2
Luego usamos la primera ecuación:
   
µ1 µ2 µ1 µ2
µ1 µ2 + λ+µ2 µ1 µ2  µ2 + λ+µ µ1
2
 + π2 + π2 + π2 + π2 +
λ2 (λ + µ2 )λ λ λ + µ2
   
µ2 µ1 λµ1 µ1 µ2 λµ1
λ + µ1 − λ+µ2 − λ+µ2 µ1 λ + µ1 − λ+µ2 − λ+µ2
π2 + π2
µ 1 + µ2 (µ1 + µ2 )2
Reemplanzando por:
1
λ= =2
t3
1
µ1 = =3
t1
1
µ2 = =4
t2
Facultad de Ingenierı́a y Ciencias Universidad Diego Portales

11
π0 = π2
2
π1.1 = 3π2
π1.2 = 3π2
2
π3 = π2
7
8
π4 = π2
49
Usando:
π0 + π1.1 + π1.2 + π2 + π3 + π4 = 1

1
π2 = 11 2 8
2 + 7 + 49 +7

Tiempo: 2 horas