Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Procesos Estocásticos
Grado en Estadística y Empresa
Outline
1 15 de Octubre de 2020
2 Otros
B. D’Auria ©2013
Ejercicio
Una empresa quiere usar un sistema para incentivar la mejora profesional de su
personal ofreciendo cursos de formación. Un empleado tendrá que cursar un
curso de formación (estado 1) y una vez acabado el curso recibirá, en el año
siguiente, una recompensa (estado 2). Luego, por un año más, el empleado no
recibirá ninguna formación (estado 3), y al terminar de este año se apuntará a
otro curso de formación.
La matriz de transición para este modelo está dada por
80 % 20 % 0
P= 0 0 1
1 0 0
Solución
1 2
3
b) Llamando π(n) la distribución de X (n), es inmediato calcular
π(1) = (1, 0, 0)
π(2) = (80 %, 20 %, 0)
B. D’Auria ©2013
Solución
Obtendremos que
p(i, j) j =1 2 3
i =1 64 % 16 % 0
2 0 0 20 %
3 0 0 0
B. D’Auria ©2013
Ejercicio
Una compañía de seguros comienza en el instante 0 con un
superávit de 3 unidades. Al principio de cada año, obtiene una
ganancia de 2 unidades y paga un cantidad aleatoria, debida a los
siniestros, con la siguiente distribución:
Cantidad 0 1 2 4
Probabilidad 0.15 0.25 0.50 0.10
Solución
El superávit de la empresa se puede modelar con una cadena de
Markov con matriz de transición
1 0 0 0
0.10 0.50 0.25 0.15
P= 0.10
0 0.50 0.40
0 0.10 0 0.90
π(3) = π(0) P3 =
0.0265 0.1525 0.0475 0.7735 .
matP <- t(matrix(c(0, 0.5, 0.5, 0.4, 0, 0.6, 0, 0.3, 0.7), 3))
B. D’Auria ©2013
Solución
a) 2 = 62 %
P23
b) p{7}{7} p{7}{3} + p{7}{9} p{9}{3} = p22 p21 + p23 p31 = 0
c) E{7} [X (2)] = ( 0 1 0 ) P2 ( 3 7 9 )t = 8.24,
E{7} [X 2 (2)] = ( 0 1 0 ) P2 ( 32 72 92 )t = 68.84,
Var{7} [X (2)] = E{7} [X 2 (2)] − E2{7} [X (2)] = 0.9424
Outline
1 15 de Octubre de 2020
2 Otros
B. D’Auria ©2013
Solución
1 Las clases de estados son {1}, {3}y {2, 4}, y sus respectivos
periodos son d(1) = d(3) = d({2, 4}) = 1.
2
1 3 1
6 1 2 2
1 1 1
6 4 2
3
1 3 4 4
B. D’Auria ©2013
Solución
2. Dado que empezamos en 2 y la clase {2, 4} es recurrente,
podemos considerar la cadena de Markov formada solo por
esos estados para hallar su distribución estacionaria. Primero
calculamos la matriz P{2,4} − I, donde P{2,4} es la matriz de
transición de la clase {2, 4}, la cual se obtiene al tomar los
elementos de P cuyas filas y columnas sean 2 o 4.
{2,4} −1/2 1/2
P −I=
1/4 −1/4
Luego resolvemos el sistema φA = (1, 0) que queda al añadir
la condición φ~1 = 1 en lugar de la primera columna de
P{2,4} − I,
φ1 + φ2 = 1,
φ1 /2 − φ2 /4 = 0,
de donde se obtiene φ1 = 1/3 y φ2 = 2/3. Finalmente, la
distribución estacionaria de la cadena completa es
(0, 1/3, 0, 2/3).
B. D’Auria ©2013
Solución
3. Podemos usar el análisis de un paso para simplificar el cálculo
de la probabilidad P(T14 ).
Solución
4. Es fácil ver que el estado 1 es transitorio, por lo tanto π1 (la
primera componente de la distribución estacionaria) debe ser
0. El resto de los estados pertenencen a clases recurrentes con
una cantidad finita de estados, y por lo tanto tienen
distribución estacionaria con todas sus componentes positivas.
Luego, dado que empezamos con distribución uniforme
discreta en todos los estados,
π1 = 0,
1 1 1
π2 = + P(T1{2,4} < ∞) ,
3 2 4
1 1
π3 = + P(T13 < ∞),
4 4
2 1 1
π4 = + P(T1{2,4} < ∞) .
3 2 4
Nótese que
P(T1{2,4} < ∞) = P(T12 < ∞) = 1 − P(T13 < ∞).
B. D’Auria ©2013
5h
3h
SALIDA!
2h
Solo una salida lo lleva a salir de la mina en 2 horas, mientras las
otras dos salidas lo llevan por caminos de 3 y 5 horas que lo
vuelven a llevar en el mismo sitio.
El minero elige cada vez una salida al azar olvidándose de sus
elecciones anteriores.
Halla el tiempo medio que el minero necesita para salir de la mina.
B. D’Auria ©2013
Solución I
Si llamamos T el tiempo que tarda para salir el minero,
imaginamos que la salida 1 es la que lo llevaría a salir de la mina y
llamamos X la primera elección de salida, es decir
1 con probabilidad 1/3
X = 2 con probabilidad 1/3
3 con probabilidad 1/3
tenemos que
T = 1{X = 1} 2h + 1{X = 2} (3h + T̃ ) + 1{X = 3} (5h + T̃ )
Solución II
Solución
La distribución estacionaria para
la cadena formada por los la clase
3 8
recurrente {2, 3} es 11 11 .
Por lo tanto la distribución estacionaria será igual a
k (1 − k) 27.27 (1 − k) 72.73
con
k=0 cuando a + b > 0
0 ≤ k ≤ 1 cuando a + b = 0
B. D’Auria ©2013
Solución
La distribución estacionaria para
la cadena formada por los la clase
3 8
recurrente {2, 3} es 11 11 .
Por lo tanto la distribución estacionaria será igual a
k (1 − k) 27.27 (1 − k) 72.73
con
k=0 cuando a + b > 0
0 ≤ k ≤ 1 cuando a + b = 0
B. D’Auria ©2013
Ejercicio
Considera el siguiente laberinto
1 2
3 4 5
e imagina que el ratón cada minuto cambia con probabilidad 2/3 de habitación
eligiendo al azar una de las puertas disponibles, y que para en el momento que
encuentre el queso en la habitación 5.
Solución
a) La matriz de transición es
1/3 2/9 2/9 2/9 0
1/3 1/3 0 0 1/3
P = 2/3 0 1/3 0
0
1/3 0 0 1/3 1/3
0 0 0 0 1
1/3 0 0 1/3
B. D’Auria ©2013
Solución
Tendremos que la matriz M está dada por
9/2 3/2 3/2 3/2
9/4 9/4 3/4 3/4
M = (I − Q)−1 = 9/2 3/2 3 3/2
m14 3/2
f14 = = = 2/3
m44 9/4
m12 = 3/2 .
B. D’Auria ©2013
Solución
e) Llamamos mi = Ei [T5 ] con i = 1, . . . , 4 Tendremos que
que equivale a
~ = ~1 + Q m
m ~
~ y ~1 vectores columnas. Por lo tanto
con m
~ = M ~1 =
m 9 6 21/2 6
y el valor buscado es
m1 = 9 .
B. D’Auria ©2013
0.8 1
Si el contrato dura 2 años, e indicando con X (n) el estado del trabajador a final del
año n, calcula
Solución
1 Definiendo los estados: 1-activo, 2-inactivo y 3-muerto,
tenemos que el diagrama de estados de la cadena de Markov es
79 %
1%
1 3 100 %
20 % 70 %
2%
28 % 2
y la matriz de transición P ∈ M3×3 es
79 % 20 % 1 %
P = 70 % 28 % 2 %
0 0 100 %
Solución
3 Queremos calcular la probabilidad
M = (I − Q)−1
donde
0.79 0.29
Q= .
0.7 0.28
Se calcula
64.29 17.86
M≈
62.5 18.75
y por lo tanto
Solución
4 Definimos las funciones de probabilidad de X (1)
y X (2) como
π(1) y π(2). Sabiendo que π(0) = 1 0 0 tenemos que
π(1) = π(0) P = 0.79 0.2 0.01 ;
π(2) = π(1) P = 0.7641 0.214 0.0219 .
6 Se calcula
Solución
Las clases son C1 = {1, 3}, C2 = {2} y C3 = {4, 5}.
La clase C2 es transitoria mientras las clases C1 y C3 son
recurrentes positivas. Todas son aperiodicas.
La distribución estacionarias para una cadena solo en la clase C1
sería
3 8
( , )
11 11
y solo en la clase C3 sería
3 4
( , ).
7 7
Por lo tanto con a, b ≥ 0 and a + b = 1, todas las distribuciones
estacionarias serán dada por
3 8
0 0 + b 0 0 0 37 47
π = a 11 0 11
3 8
a 73 b 47 b
= 11 a 0 11
B. D’Auria ©2013
Ejercicio
Considera la Cadena de Markov homogénea con diagrama de
transiciones:
1
2
1 5 1
1
1 2 1
4 1 2 1 3
2 2
la matriz de transición
las clases y sus períodos
(n)
la distribución de los tiempos de parada T11
la distribución estacionaria
B. D’Auria ©2013
Solución
La matriz de transición es igual a
0 0.5 0 0 0.5
0 0 0.5 0.5 0
P= 1 0 0 0 0
1 0 0 0 0
0 0 0 0 1
1↔2↔3
Solución
Siendo p55 = 1 tenemos que el periodo del estado 5 es 1,
d(5) = 1
Para el estado 1 tenemos que
(1) (2) (3) 1
p11 = 0; p11 = 0; p11 = ;
2
Además considerado que la distribución al tiempo 3
empezando en el estado 1 es π1 (3) = (0.5, 0, 0, 0, 0.5) usando
Champan-Kolmogorov tenemos que
(4)
p11 = p11 × 0.5 + p51 × 0.5 = 0
y continuando tenemos que
(3n)
p11 = 2−n
y 0 en el resto. Se deduce que d(1) = 3 como también el
periodo de toda su clase
d({1, 2, 3, 4}) = 3 .
B. D’Auria ©2013
Solución
(1)
Consideramos el primer tiempo de parada T11 = T11 y
indicamos con ω una realización del proceso
ω = (x0 , x1 , x2 , . . .) .
Ya que se empieza en el estado 1 tenemos x0 = 1, por lo tanto
posibles realizaciones serán
ω1 = 15555555555 . . . ω2 = 12312315555 . . .
ω3 = 12415555555 . . . ω4 = 12412312315 . . .
y el valor de la variable aleatoria T11 (ω) será
T11 (ω1 ) = ∞; T11 (ω2 ) = 3; T11 (ω3 ) = 3; T11 (ω4 ) = 3
es decir
1
T11 = 3 ⇐⇒ X (1) = 2 con prob.
2
1
T11 = ∞ ⇐⇒ X (1) = 5 con prob.
2
B. D’Auria ©2013
Solución
Es decir el primer tiempo de parada, T11 , toma solo el valor 3 y el
valor ∞ cada uno con probabilidad 21 . Por lo tanto su función de
masa o de probabilidad vale
1
f11 (n) = 2 n =3
0 en el resto
Solución
Es decir
2−n k = 3n
(n)
f11 (k) =
0 en el resto
y
(n) (n) 1
f11 = P(T11 < ∞) =
2n
B. D’Auria ©2013
Solución
Para calcular la distribución estacionaria
−1 0.5 0 0 0.5
!
0 −1 0.5 0.5 0
P−I= 1 0 −1 0 0
1 0 0 −1 0
0 0 0 0 0
0 −1 0 0 2
π = 1 0 0 0 0 0 0 −1 0 1
0 0 0 −1 1
2 1 0 0 −4
0 0 0 0 1
= .
Los cambios de estados solo ocurren al final de año y el beneficio por muerte es de
5.000e y se paga al final del año que haya muerte. Al momento del contrato el
trabajador se encuentra en estado inactivo.
Hallar el valor presente del beneficio potencial de muerte antes de estipular el contrato
1 4 0.05 1 0.15 3 1
0.1 0.2
0.2
2 0.7
Ejercicio
Una empresa quiere usar un sistema par incentivar la mejora profesional de su
personal ofreciendo cursos de formación.
Un empleado tendrá que cursar un curso de formación (estado 1) y una vez
acabado el curso recibirá, en el año siguiente, una recompensa (estado 2).
Luego, por un año más, el empleado no recibirá ninguna formación (estado 3),
y al terminar de este año o continuará con apuntarse a otro curso de formación
o dejará el plan de formación (estado 4). La matriz de transición para este
modelo está dada por
80 % 20 % 0 0
0 0 1 0
P= 80 %
0 0 20 %
0 0 0 1
Solución
a) El diagrama de estados de la cadena de Markov es
80 %
20 %
1 2
80 %
3 4
20 %
Solución
c) Calculamos
0.64 0.16 0.2 0
0.8 0 0 0.2
P2 =
0.64 0.16 0 0.2
0 0 0 1
y tenemos que la distribución de X (2) está dada por
π(2) 0.64 0.16 0.2 0 .
Usando la distribución calculamos
E1 [X (2)] = 1.56 , E1 [X 2 (2)] = 3.08 , Var1 [X (2)] = 0.6464 .
2 3 1
1
4
1
1
Solución
a) La matriz de transición es igual a
1 0 0
P = 0 0.25 0.75
0 0 1
{1, 2} y {3}
Solución
c) (continúa) Igualmente para regresar 2 veces, tenemos que
regresar una primera vez (es decir T11 = 2), luego ir al paso 3
en 2 y luego volver a 1 con probabilidad 1/4 o ir a 3 y no
regresar nunca a 1, entonces
(2) 4 con prob. 1/16
T11 =
∞ con prob. 1 − 1/16
En general tenemos
2n con prob. 1/4n
(n)
T11 =
∞ con prob. 1 − 1/4n
Calculamos la media de T11 .
E1 [T11 ] = 2 × P(T11 = 2) + ∞ × P(T11 = ∞) = ∞
como tiene que ser, ya que el estado 1 es transitorio, es decir
hay probabilidad positiva de no volver
3
P(T11 = ∞) = .
4
B. D’Auria ©2013
Solución
d) Calculamos las probabilidades de regreso en n pasos
n 1 2 3 4 5 6 7 8 9
(n) 1 1 1 1
p11 0 4 0 42 0 43 0 44 · · ·
se ve que son positivas solo para múltiples de 2, y por lo tanto
tenemos que
d(1) = 2 .
Todos los estados que comunican con el estado 1 tendrán el
mismo período, y entonces también d(2) = 2.
Para el estado 3 tenemos que
n 1 2 3 4 5 6 7 8 9
(n)
p33 1 1 1 1 1 1 1 1 · · ·
y el máximo común divisor es 1, entonces
d(3) = 1 .
e) Los estados {1, 2} son transitorios y el estado 3 es recurrente.
B. D’Auria ©2013
Ejercicio
2 1 2
5 5 5
P=
1 3 1
5 5 5
1 1 7
9 9 9
Ejercicio
Dado el siguiente diagrama de transición
50 %
1 50 % 2
100 % 50 % 50 %
3 100 % 4
Solución
a) La matriz de transición para este modelo está dada por
0 1/2 1/2 0
1/2 0 0 1/2
P= 1
0 0 0
0 0 1 0
Solución
(nd)
f) Sabiendo que pii → dπi tenemos que
(nd)
(pii )i → 8/10 4/10 6/10 2/10 .
B. D’Auria ©2013
Cadena de Markov
Calcula:
Solución
El diagrama de transición es
70 %
1 2
30 % 70 %
4 30 % 3
Solución
(0.7)(0.3)(0.7)n−1
2n
P1 (T1 = n) =
2n + 1 (0.3)(0.3)(0.7)n−1
Solución
a) Imaginamos de empezar por una cualquiera distribución inicial
πp (0) = (p, 1 − p) con p ∈ [0, 1]. Tenemos que
πp (1) = πp (0) P = (1 − p, p)
πp (2) = πp (1) P = (p, 1 − p) = πp (0)
y en general
Solución
Solución
b) Otra forma de ver la distribución estacionaria.
Sabemos que si la cadena está al tiempo n en el estado 1,
estará al tiempo n + 1 en el estado 2 y viceversa, para volver
en el mismo estado al paso siguiente, n + 2.
Esto quiere decir que
Nj (n) 1
lím =
n→∞ n 2
Sabiendo, por los teoremas limites que,
Nj (n) 1
Pi lím = =1
n→∞ n µjj
µjj = E[Tjj ] = 2 .
B. D’Auria ©2013
Solución
(n d) d
lím pjj = = d πj
n→∞ µjj
y entonces
(n d) 2
lím p = = 1 = 2 πj
n→∞ jj 2
y tenemos que πj = 12 .
B. D’Auria ©2013
Ejercicio
Solución
a) Consideramos i, j ∈ T y n > 0, tenemos que
mi,j (n) = Ei [Nj (n)] = Ei [Nj (0) + (Nj (n) − Nj (0))]
= Ei [Nj (0)] + Ei [Nj (n) − Nj (0)]
= 1{i = j} + Ei [Ei [Nj (n) − Nj (0)|X (1)]]
ya que tenemos, por la propiedad de Markov,
Ei [Nj (n) − Nj (0)|X (1) = k] = Ek [Nj (n − 1)] = mkj
llegamos a
mi,j (n) = 1{i = j} + Ei [mX (1)j ]
X
= 1{i = j} + mkj pik
k∈T
Solución
a) (Continúa) Siendo obviamente M0 = I, tenemos que la
relación es cierta por n = 1, es decir
M1 = I + Q .
Mn+1 = I + Q Mn
= I + Q (I + Q + Q2 + · · · + Qn )
= I + Q + Q2 + Q3 + · · · + Qn + 1)
Mn − I + Qn+1 = Q + Q2 + · · · + Qn + Qn+1
= Q(I + Q + · · · + Qn−1 + Qn )
B. D’Auria ©2013
Solución
c) Por el apartado anterior tenemos que
Mn − (I − Qn+1 ) = Q Mn
(I − Q) Mn = (I − Qn+1 )
Mn = M (I − Qn+1 )
Comentario
La matriz M se puede escribir como M∞ y por lo tanto, usando el
primer apartado, esta se puede calcular como
∞
X
2 3
M = I + Q + Q + Q + ··· = Qn .
n=0