Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1.- Sea {Xn |n ≥ 1}, un proceso Bernoulli con parámetro p. Determinar la función de probabilidad
conjunta de (X1 , X2 , . . . , Xn ).
2.- Sea Snk := Sn + k, con n = 0, 1, 2, ... la caminata aleatoria simple con inicio en k. Determinar
O
la distribución de Snk := Sn + k.
4.- Demostrar que para un proceso de conteo tipo Poisson con intensidad λ, los tiempos de llegada
X1 , X2 , ... forman una sucesión de variables aleatorias independientes e idénticamente distribuidas
exponenciales con densidad: (
λe−λx , para x ≥ 0,
f (x) =
0, d.o.f
R
5.- Demostrar que si N1 (t) y N2 (t), son dos procesos de Poisson independientes con intensidad
λ1 y λ2 , respectivamente, entonces, el proceso de conteo N(t) = N1 (t) + N2 (t), es Poisson con
intensidad λ1 + λ2
6.- Sea N(t) = N1 (t) + N2 (t), un proceso de Poisson formado por la suma de dos procesos de
Poisson independientes con intensidad λ1 y λ2 , respectivamente. Demostrar que, dado que el
proceso N(t) ha observado una llegada, entonces, la probabilidad condicional de que la llegada
sea del proceso N1 (t), es λ1λ+λ
1
2
.
7.- Cierta enfermedad afecta en promedio a una persona de cada mil en una población. ¿Cuál es la
probabilidad de que ocurran al menos dos casos, ningún caso y exactamente un caso, si suponemos
P
8.- Sea p(x; λ) la función de probabilidad de Poisson con parámetro λ. Demuestre la siguiente
fórmula recursiva:
λ
p(x; λ) = p(x; λ)
x+1
9.- Sea {N(t)|t ≥ 0} un proceso contador de Poisson homogéneo con intensidad λ = 8. Calcula
P {N(2.5) = 15, N(3.2) = 19, N(4.5) = 32}.
10.- El número de partı́culas emitidas de una fuente radioactiva durante un periodo de tiempo es
una variable aleatoria con distribución de Poisson y la probabilidad de que no haya emisiones es
de 1/3. Calcule la probabilidad de tener 2 o más emisiones en ese lapso de tiempo.
1
UNIVERSIDAD AUTÓNOMA CHAPINGO
DIVISIÓN DE CIENCIAS FORESTALES
LICENCIADO EN ESTADÍSTICA
PROCESOS ESTOCÁSTICOS TAREA: UNIDAD F
11.- Sean A y B, dos matrices estocásticas (o bi-estocásticas) del mismo tamaño, demostrar que
AB, es también una matriz estocástica (o bi-estocástica).
O
12.- Sea P una estocástica (o bi-estocástica), y sea n ≥ 1, demostrar que Pn , es también una
matriz estocástica (o bi-estocásticas).
13.- Demuestre que si una matriz estocástica P, es simétrica, entonces para cualquier n ≥ 1, la
potencia Pn es también simétrica.
15. Sea la cadena de Markov {Xn |n ≥ 0}, con espacio de estados E = {0, 1, 2} y matriz de
transición:
0.1 0.2 0.7
R
P = 0.9 0.1 0
0.1 0.8 0.1
y distribución inicial p0 = P [X0 = 0] = 0.3, p1 = P [X0 = 1] = 0.4 y p2 = P [X0 = 2] = 0.3.
Determinar P [X0 = 0, X1 = 1, X2 = 2].
16. Una cadena de Markov X0 , X1 , X2 , ..., con espacio de estados E = {0, 1, 2} y matriz de
transición:
0.7 0.2 0.1
P = 0 0.6 0.4
0.5 0 0.5
P
18. Sea {Xn |n ≥ 0}, una cadena de Markov finita. Sean i, j ∈ E = {1, 2, 3, ..., K}, demuestra que
la matriz de transición de n pasos, satisface
K
X
pij (n + m) = piℓ (n)p(ℓj); o en notación matricial, P(n+m) = Pn Pm .
ℓ=0
2
UNIVERSIDAD AUTÓNOMA CHAPINGO
DIVISIÓN DE CIENCIAS FORESTALES
LICENCIADO EN ESTADÍSTICA
PROCESOS ESTOCÁSTICOS TAREA: UNIDAD F
19. Una cadena de Markov {Xn |n ≥ 0}, con espacio de estados E = {0, 1, 2} y matriz de transición:
0.1 0.2 0.7
O
P = 0.2 0.2 0.6
0.6 0.1 0.3
20. Una partı́cula se mueve entre los estados 0, 1, 2, de acuerdo a una cadena de Markov cuya
matriz de transición es:
0 0.5 0.5
P = 0.5 0 0.5
0.5 0.5 0
para n = 0, 1, 2, 3, 4.
R
Si Xn denota la posición de la partı́cula después de n movimientos. Calcula P [Xn = 0|X0 = 0],
21. Una cadena de Markov X0 , X1 , X2 , ..., con espacio de estados E = {0, 1, 2} y matriz de
transición:
0.7 0.2 0.1
P = 0 0.6 0.4
0.5 0 0.5
Determinar P [X3 = 1|X0 = 0], y P [X4 = 1|X0 = 0].
22. Una cadena de Markov X0 , X1 , X2 , ..., con espacio de estados E = {0, 1, 2} y matriz de
transición:
P
0.7 0.2 0.1
P = 0 0.6 0.4
0.5 0 0.5
Si se sabe que el proceso inicia en X0 = 1, determina P [X2 = 2].
3
UNIVERSIDAD AUTÓNOMA CHAPINGO
DIVISIÓN DE CIENCIAS FORESTALES
LICENCIADO EN ESTADÍSTICA
PROCESOS ESTOCÁSTICOS TAREA: UNIDAD F
24. Considere una cadena de Markov {Xn |n ≥ 0}, cuya matriz de transición es
0.4 0.3 0.2 0.1
O
0.1 0.4 0.3 0.2
P= 0.3 0.2
0.1 0.4
0.2 0.1 0.4 0.3
a. P [X0 = 0, X1 = 1, X2 = 0] = pqp0
26.- Suponga que la distribución inicial de la cadena de Markov de dos estados es (π0 , π1 ). Uti-
lizando inducción matemática, demostrar que para (p + q) > 0,
q q
a. P [Xn = 0] = p+q + π0 − p+q (1 − p − q)n
P
p p
b. P [Xn = 1] = p+q
+ π1 − p+q
(1 − p − q)n
27. Dibuje un diagrama de transición e identifique las clases de comunicación para las siguientes
cadenas de Markov.
0 0.2 0 0.8
0.3 0 0.7 0.4 0.6 0.5 0.5 0
0 0
P = 0.4 0.6 0 P = 0
P = 0.5 0 0.5
0 1 0
0.5 0 0.5 0 0 1
0 0 0.3 0.7
28.- Para las siguientes cadenas de Markov, dibuja un diagrama de transición, identifique las clases
de comunicación y calcule el periodo de cada uno de los estados.
1/4 1/4 1/4 1/4 1/3 1/3 1/3 0 1/2 0 1/2 0
0 1/2 1/2 0
P= 1 0 0 0 P= 0 0 0 1
P= 0
0 0 1 1/2 1/2 0 0 1/2 0 1/2 0
0 0 1 0 1/3 1/3 1/3 0 1/3 1/3 1/3 0
4
UNIVERSIDAD AUTÓNOMA CHAPINGO
DIVISIÓN DE CIENCIAS FORESTALES
LICENCIADO EN ESTADÍSTICA
PROCESOS ESTOCÁSTICOS TAREA: UNIDAD F
29.- Sea {Xn |n ≥ 0}, una cadena de Markov con matriz de transición:
0.5 0.5 0 0 0 0
O
0.5 0.5 0 0 0 0
0 0 0.5 0.5 0 0
P=
0 0 0.5 0.5 0 0
1/6 1/6 1/6 1/6 1/6 1/6
1/6 1/6 1/6 1/6 1/6 1/6
Encuentra las clases de comunicación, los periodos, y clasifique cada clase de comunicación como
transitoria o recurrente.
30.- Para cada una de las siguientes cadenas Markov cuyas matrices de transición se dan, deter-
minar las clases de comunicación y clasificarlas como recurrentes o transitorias.
0.5 0.5 0
R
P = 0 0.5 0.5 P =
0
0
0.5 0.5
0.5 0.5
0.5 0.5
0 0
0
0
0 0.5 0.5
0.25 0.25 0.25 0.25
31.- Demuestre que si i es un estado recurrente e i → j, entonces j → i.
32.- Demuestre que toda cadena de Markov finita tiene por lo menos una clase de comunicación
recurrente.
33.- Demuestre que la unión de dos clases cerradas es una clase cerrada.
P
34.- Demuestre que la colección de estados C es cerrada si, y sólo si, alguna de las siguientes
condiciones se cumple. Para cualesquiera i ∈ C y j 6∈ C,