UNIVERSIDAD AUTÓNOMA CHAPINGO

DIVISIÓN DE CIENCIAS FORESTALES

LICENCIADO EN ESTADÍSTICA
PROCESOS ESTOCÁSTICOS TAREA: UNIDAD F

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.

3.- Utilizando el proceso X1 , X2 , . . . , de tipo Bernoulli con parámetro p, construir un proceso de

Poisson N(t) con tasa λ.

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

que el número de habitantes den el pueblo es de 3000?

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.

14. Demuestre que cualquier matriz estocástica y simétrica, es doblemente estocástica.

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

Determinar P [X2 = 1, X3 = 1|X0 = 0], y P [X1 = 1, X2 = 1|X0 = 0].

17. Sea la cadena de Markov {Xn |n ≥ 0}, con espacio de estados E = {0, 1, 2} y matriz de
transición:  
0.3 0.2 0.5
P =  0.5 0.4 0.1 
0.5 0.2 0.3
y distribución inicial p0 = 0.5, p1 = 0.5. Determinar P [X0 = 1, X1 = 1, X2 = 0] y P [X1 = 1, X2 =
1, X3 = 0].

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

a.- Calcula la matriz de transición de dos pasos P2 .

b.- Calcula las probabilidades: P [X3 = 1|X1 = 0] y P [X3 = 1|X0 = 0].

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].

23. Una cadena de Markov X0 , X1 , X2 , ..., con matriz de transición:

 
0.3 0.2 0.5
P =  0.5 0.1 0.4 
0.5 0.2 0.3

y distribución inicial p0 = .5 y p1 = .5. Determinar P [X2 = 0] y P [X3 = 0].

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

Suponga que la distribución inicial es pi = 1/4, para i = 0, 1, 2, 3. Demuestra que P [Xn = k] =

1/4, k = 0, 1, 2, 3, para todo n. Podrı́as deducir un resultado general a partir de este ejemplo.

25.- Para la cadena de Markov de dos estados, compruebe que :

a. P [X0 = 0, X1 = 1, X2 = 0] = pqp0

b. P [X0 = 0, X2 = 1] = [pq + (1 − p)p]p0

R
c. P [X0 = 0] = [(1 − p)2 + pq]p0 + [(1 − q)q + q(1 − p)]q0

Suponga que la distribución inicial es pi = 1/4, para i = 0, 1, 2, 3. Demuestra que P [Xn =

k] = 1/4, k = 0, 1, 2, 3, para todo n. Podrı́as deducir un resultado general a partir de este ejemplo.

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

c. ¿Cuál es el lı́mite de esta distribución cuando 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,

a.- pij (n) = 0, para cada n ≥ 1.

b.- pij (1) = 0

35.- Demuestre que toda clase de comunicación recurrente es cerrada.