Distribuciones de Equilibrio para el proceso general de Nacimiento y

Muerte
Según Samuel Karlin, Howard M. Taylor-A First Course in Stochastic Processes, Second Edition-Academic Press
(1975), página 137. También en Rincón L. (2012) página 162.
Si la distribucion limite del proceso de nacimiento y muerte existe y son independientes del estado de inicial i,
entonces:

lı́m Pij (t) = pj

t→∞

son constantes para cualquier t. Además estas satisfacen las ecuaciones de equilibrio:

−λ0 p0 + µ1 p1 = 0,
λj−1 pj−1 − (λj + µj ) pj + µj+1 pj+1 = 0, j ≥ 1
X X X
La convergencia de pj esta dada pues pij (t) = 1. Si pj = 1 entonces la secuencia {pj } es denominada
j j j
“distribución estacionaria”. Además satisface
∞
X
pj = pi · pij (t)
i=0

cuya interpretación significa que si el proceso empieza en estado i con probabilidad pi entonces en cualquier
tiempo t estará en el estado i con la misma probabilidad pi .
La solucion al sistema de ecuaciones de equilibrio en función de p0 se obtiene por inducción.
λ0
p1 = µ1 p0 , = π1 p 0
p2 = − µλ02 p0 + (λ1 + µ1 ) µλ1 µ0 2 p0 = λ0 λ1
µ1 µ2 p0 = π2 p 0
..
.
λ0 λ1 ···λn−1
pn = µ1 µ2 ···µn p0 , = πn p0
..
.
λ0 λ1 ···λj−1
donde: π0 = 1 y πj = µ1 µ2 ···µj , j≥1
X
Dado que la secuencia {pj } define una distribución de probabilidad se cumple pj = 1. Entonces:
j
∞
πj
X
Si πk < ∞ existe distribución estacionaria: pj = ∞
X
k πk
k
∞
X
Si πk = ∞ no existe distribución estacionaria: p0 = 0, pj = 0
k

En particular, cuando existe la distribución estacionaria se tiene que:

1
p0 = ∞
X
πk
k

Finalmente, mencionar que el proceso de nacimiento y muerte puede tomar diferentes formas, dependiendo de
las funciones λi o µi .

λi = iλ µi = iµ : Proceso lineal de nacimiento y muerte

λi = λ µ i = µ : Proceso de inmigración y emigración
λi = λ µi = iµ : Proceso de inmigración y muerte lineal
λi = iλ µi = µ : Proceso de nacimiento lineal y emigración
El codigo en R para generar la distribución estacionaria dadas las tasas de nacimiento y muerte

1
#Code R: Funcion para obtner las distribucion de probabilidad estacionaria
#Argumentos vectores de parametros de nacimientos (lambda) y muertes (mu)
destCMTC = function(lambda, mu) {
pi=c(); prob = c()
pi[1] = 1
pi[2] = lambda[1]/mu[1]
for (k in 2:(length(mu))) {
pi[k+1] = pi[k]*(lambda[k]/mu[k])
}
prob[1] = 1/(sum(pi[1:length(pi)]))
for (k in 2:(length(mu)+1))
{
prob[k] = pi[k]*prob[1] }
prob
}
#Ejemplo: Considerado los parametros constantes (similar a un modelo de colas)
lambda = rep(1,10)
mu = rep(2,10)
#El numero medio de personas en el sistema
sum(0:length(mu) %* %dEstCMTC (lambda=lambda, mu=mu))
#Comparando con un modelo M/M/1
library(queueing)
summary(QueueingModel(NewInput.MM1(lambda=1, mu=2, n=0)))

2
 Ejercicios PROCESOS DE NACIMIENTO Y MUERTE

October 5, 2019

1. En relacion a los fanáticos de un grupo musical se supone que un primer grupo llegará al estadio de acuerdo a
un proceso de Poisson de tasa β . Una persona de este tipo es tal que si llega al estadio y encuentra éste con
su capacidad completa (igual a N personas) se retirará indignado. Sin embargo, existe otro tipo de fanático
que se motivan de acuerdo a la gran afluencia de público. Se puede suponer que los tiempos entre llegadas
de este grupo está distribuido exponencialmente y dependen linealmente del número de personas que ya se
encuentran en el estadio.
De esta manera, el tiempo esperado hasta que llega el siguiente de estos fan, cuando hay sólo una persona
en el estadio, es 1/λ, mientras que si hay i es 1/(λ · i). A este grupo no les interesa que el estadio ya haya
sobrepasado su capacidad, dado que debido a la falta de seguridad ingresan al recinto de todas formas hasta
que éste está por reventar, lo que ocurre cuando el número de personas es 3 · N .
Finalmente, independiente del tipo de fan que se trate, éste se aburre y regresa del estadio en un tiempo
exponencialmente distribuido de media 1/µ. Suponga para efectos de este problema que el repertorio del
grupo no se acaba nunca.
a) Modele el número de personas en el recinto como un proceso de nacimiento y muerte. ¿Cuál es la
condición de estacionalidad?.
Considerando que se tiene una cadena finita e irreducible son las condiciones para la existencia de
probabilidades estacionarias.
X(t) :Numero de fanáticos de tipo I y tipo II que en el concierto en el intervalo de tiempo (0, t).
Tasas de nacimiento (llegadas)

λr =β +rλ, 0≤r≤N
λs = sλ, N + 1 ≤ s ≤ 3N

Tasas de muerte (salidas)

µr = rµ, 0≤r≤N
µs = sµ, N + 1 ≤ s ≤ 3N

b) Calcule una expresión que le permita calcular las probabilidades estacionarias.

λ0 β
p1 = µ1 p0 , = µ p0 = π1 p0
λ0 λ1 β(β+λ)
p2 = µ1 µ2 p0 = µ·2µ p0 = π2 p0
λ0 λ1 λ2 β(β+λ)(β+2λ)
p3 = µ1 µ2 µ3 p0 = µ·2µ·3µ p0 = π3 p0
..
. Qr−1
λ0 λ1 ···λr−1 k=0 (β+kλ)
pr = µ1 µ2 ···µr p0 = r!µr p0 = πr p 0 ,
0≤r≤N
QN −1 QN −1
λN k=0 (β+kλ)·N λ k=0 (β+kλ)·λ
pN +1 = πN · µN +1 p0 = N !µN ·(N +1)µ p0 = (N −1)!(N +1)µN +1 p0 = πN +1 p0
QN −1 2 QN −1 2
k=0 (β+kλ)·λ ·(N +1) k=0 (β+kλ)·λ
pN +2 = πN +1 · µλN +1
N +2
p0 = (N −1)!(N +1)(N +2)µ N +2 p0 = p
(N −1)!(N +2)µN +2 0
= πN +2 p0
..
. Q 
N −1
(β+kλ)
λs−1 k=0 λs−N
ps = πs · µs p0 = (N −1)! s·µs p0 = πs p0 ,
N + 1 ≤ s ≤ 3N

3
 c) Si λ = β= 1 y µ = 2, pruebe para diferentes valores de N = 9 y determine la proporción del tiempo tal
que no pueden ingresar al estadio fanáticos del primer tipo.

2. En una oficina municipal atiende un solo funcionario a las personas que realizan sus trámites. Las personas
llagan a la oficina de acuerdo a un proceso de Poisson a tasa λ . Las personas son impacientes a esperar
demasiado, de modo que si hay j personas esperando ser atendidas, cuando llegan con probabilidad q(j) se
quedan (de lo contrario se van sin ser atendidos). Una vez en la cola las personas esperan hasta que los
atienden o hasta que se les acaba la paciencia. Suponiendo que los clientes esperan un tiempo exponencial
con tasa β. Los tiempos de espera de las personas son independientes entre si. El cajero atiende con tiempos
de servicio exponenciales a tasa µ. Modelar el número de personas en la cola como un proceso de nacimiento
y muerte, determinando las tasas y las probabilidades de la variable de estado.
X(t) :Numero de personas en cola de espera en el intervalo de tiempo (0, t).
Tasas de nacimiento (llegadas)

λi = λ · q(j) , 0 ≤ q(j) ≤ 1

Tasas de muerte (salidas)

µi = µ+, β·i i>0

3. Se tiene un sistema en dos niveles, en el primer nivel usuarios se conectan a un sistema de apuesta en linea .
El número de personas que se conectan sigue una distribución de Poisson a tasa λpersona/hr. Cada persona
mientras está conectada realiza apuestas a un segundo nivel. Cada persona genera apuestas con distribución
exponencial a una tasa de β apuestas/hora. Las personas conectadas permanecen un tiempo exponencial con
tasa µpersonas/hr. Las apuestas demoran en ser atendidas un tiempo exponencial con tasa α personas/hr.
a) Hallar la distribución de probabilidades del número de usuarios conectados en el segundo nivel.
X(t) :Numero de usuarios conectados en el intervalo de tiempo (0, t).
Tasas de nacimiento (llegadas)

λi =λ ,

Tasas de muerte (salidas)

µi = i· µ i>0

a) Hallar la distribución conjunta de probabilidades del número de apuestas en el nivel mas bajo y en el
nivel más alto.
Y (t) :Numero de apuestas en el intervalo de tiempo (0, t).
OJO: El numero de apuestas dependen del numero de usuarios conectados

P (X(t) = i, Y (t) = k) = P (X(t) = i) · P (Y (t) = k|X(t) = i)

P (Y (t) = k|X(t) = i) = ...

La variable aleatoria Y (t) = k|X(t) = i es un proceso de nacimiento. Dado el numero de usuarios, las tasas
de nacimiento y muerte son:
Tasas de nacimiento (llegadas)

λi =i·β , i el numero de usuarios conectados esta dado

4
 Tasas de muerte (salidas)

µk = k· α

La distribucion de probabilidades esta dado por:

P (Y (t) = k|X(t) = i) = .... y

P (Y (t) = k, X(t) = i) = P (X(t) = i) · P (Y (t) = k|X(t) = i) = ...

4. Los artículos a ser procesados llegan a dos procesos productivos 1 y 2, los que comparten una zona de
almacenamiento de materias primas llamada bodega buffer, en el cual se pueden almacenar a lo sumo N
artículos. Los artículos tipo 1 deben ser procesados en el proceso 1 y los artículos tipo 2 en el proceso 2. La
llegada de artículos para ambos procesos siguen sendos procesos de Poisson con tasas λ1 y λ2 respectivamente.
Los tiempos de operación de cada proceso productivo se distribuye exponencial con tasas µ1 y µ2 . Los artículos
que llegan cuando el bodega buffer está completa, son derivados a otros procesos productivos y comerciales.
Formule un modelo que permita conocer, en el largo plazo, la proporción de artículos derivados a otros
procesos.
X1 (t) :Numero de articulos tipo 1 en la bodega buffer en el intervalo de tiempo(0, t).
Tasas de nacimiento (llegadas)

λ1i = λ1 , X1 < N

Tasas de muerte (salidas)

µ1i = µ1 , X1 < N
µ0 = 0

X2 (t) :Número de artículos tipo 2 en la bodega buffer en el intervalo de tiempo(0, t).

Tasas de nacimiento (llegadas)

λ2i = λ2 , X2 < N

Tasas de muerte (salidas)

µ2i = µ2 , X2 < N
µ0 = 0

X(t) = X1 (t) + X2 (t) :Número de artículos en la bodega buffer en el intervalo de tiempo(0, t).