Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Mpes U3 A4 Lapb
Mpes U3 A4 Lapb
Unidad 3 Actividad 4
22 de septiembre de 2015
Autor: Laura Pontón
Procesos Estocásticos
Unidad 3 Actividad 4
Considerando que para el caso del último intervalo de 𝜆(𝑡) como 2 ≤ 𝑡 ≤ 4 donde parece ser un
error tipográfico .
Si suponemos que el número de servicios, durante periodos de tiempos disjuntos son independientes.
𝑡𝑏
𝜇(𝑡) = ∫ 𝜆(𝑡) 𝑑𝑡
𝑡𝑎
4 4
3𝑡 2 27 21
𝜇(𝑡) = ∫ 3𝑡𝑑𝑡 = | | = 24 − =
Procesos Estocásticos | 22/09/2015
3 2 3 2 2
𝑁(4) = 2 𝑁(3) = 0
21 21 2
𝑒− 2 ( )
𝑃[𝑁(4) − 𝑁(3) = 2] = 2 = 0.001517
2!
∴
La probabilidad de que durante la tercera y cuarta horas se demanden 2 servicios es de 0.1517%
1
b) Si en las primeras dos horas se demandaron 4 servicios,
¿Cuál es la probabilidad de que en la tercera hora se demanden 2 servicios más?
Como en las primeras dos horas se demandaron 4 servicios, otros 2 servicios más suman 6 servicios.
𝑁(2) = 4 𝑁(3) = 6
Calculando la probabilidad para la 3ª hora:
𝑡𝑏
𝜇(𝑡) = ∫ 𝜆(𝑡) 𝑑𝑡
𝑡𝑎
3 3
3𝑡 2 15
𝜇(𝑡) = ∫ 3𝑡𝑑𝑡 = | | =
2 2 2 2
Entonces
𝑁(3) = 6 𝑁(2) = 2
15 15 2
−( )
𝑒 2 ( )
𝑃[𝑁(3) − 𝑁(2) = 2] = 2 = 0.01517
2!
∴
La probabilidad que en la 3ª hora se demandes 2 servicios más es de 1.51%
1 2 4
𝜇 = 𝜇0≤𝑡≤4 = ∫ 2𝑡 𝑑𝑡 + ∫ 2𝑑𝑡 + ∫ 3𝑡𝑑𝑡 =
0 1 2
2 4
3𝑡
|𝑡 2 |10 + |2𝑡|12 + | | = 21
2 2
𝜇0≤𝑡≤4 = 21
2
2. Supongamos que los sumandos Yi de un proceso Poisson compuesto {Xt}de
parámetro λ, tienen distribución constante k. Encuentra la distribución de cada
una de las variables X t .
𝐹𝑠 = 𝑃(𝑆 ≤ 𝑥)
∞ Comentado [LAPB1]: Siendo la distribución no constante
𝐹𝑠 = ∑ 𝑃(𝑁 = 𝑛) 𝑃(𝑆 = 𝑥|𝑋 = 𝑛)
𝑛=0
Pero 𝑃𝑛 = 𝑃(𝑋 = 𝑛) ⟹ 𝐹𝑠 = ∑∞
𝑛=0 𝑃𝑛 𝑃(𝑆 = 𝑥|𝑋 = 𝑛)
∴
∞
𝐹𝑠 = ∑ 𝑃𝑛 𝑃(𝑌1 + 𝑌2 + 𝑌3 + ⋯ 𝑌𝑁 ≤ 𝑥|𝑋 = 𝑛)
𝑛=0
𝐹𝑠 = ∑ 𝑃𝑛 𝑘
𝑛=0
(𝜆𝑡)𝑛 −𝜆𝑡
Donde para el parámetro 𝜆, 𝑃𝑛 = 𝑛!
𝑒 | 𝑃𝑛 = 𝑃(𝑋(𝑡) = 𝑛)
∞
(𝜆𝑡)𝑛 −𝜆𝑡
𝐹𝑠 = ∑ ( 𝑒 )𝑘
𝑛!
𝑛=0
(𝜆𝑡)𝑛 −𝜆𝑡
𝑃[𝑋(𝑡) = 𝑥] = 𝑒 𝑃(𝑌1 + 𝑌2 + ⋯ + 𝑌𝑛 < 𝑥) =
Procesos Estocásticos | 22/09/2015
𝑛!
(𝜆𝑡)𝑛 −𝜆𝑡
=𝑘 𝑒
𝑛!
3
3. Sea {Xt} un proceso Poisson no-homogéneo de tasa y sean T1, T2,…los tiempos
interarribos. Demuestra que para cualquier tiempo t > 0,
a) fT1 t t e .
t
b) fT2 |T1 t | s t s e .
t s s
Aqui los intervalos de tiempo entre eventos sucesivos, 𝑇𝑛 , 𝑛 ≥ 1, ya no son independientes ni tienen
distribución exponencial.
𝑻𝟏
𝑻𝟏 > 𝒕
𝑡
𝛬(𝑡) = ∫ 𝜆(𝑠)𝑑𝑠
0
𝑡
𝑃(𝑇1 > 𝑡) = 𝑃(𝑁(𝑡) = 0) = 𝑒 ∫0 𝜆(𝑠)𝑑𝑠 = 𝑒 𝛬(𝑡)
𝑑 𝑑
𝑓𝑇𝑛 (𝑡) = − 𝑃(𝑇1 > 𝑡) = − 𝑒 𝛬(𝑡) = 𝜆(𝑡)𝑒 −𝛬(𝑡)
𝑑𝑡 𝑑𝑡
∴
4
b) 𝒇𝑻𝟐 |𝑻𝟏 (𝒕|𝒔) = 𝝀(𝒕 + 𝒔)𝒆−𝚲(𝒕+𝒔)+𝚲(𝒔)
4. Hay dos tipos de reclamos que se pueden hacer a una compañía aseguradora. Sean
{N1(t)} y {N2(t)} los procesos Poisson independientes que describen las llegadas de los
reclamos hasta el tiempo t; el primero de ellos tiene tasa 8 al mes y el segundo tiene tasa
2 al mes. El monto de cada reclamo tipo 1 es una variable aleatoria independiente de las
demás que se distribuye como exponencial con media 1200 pesos, mientras que el
monto de un reclamo tipo 2 es una exponencial independiente de las demás con medio
4500 pesos.
a) Encontrar el monto esperado de los reclamos que se recibirán durante tres meses y la
varianza de ese monto.
Procesos Estocásticos | 22/09/2015
{𝑁1 (𝑡)}
𝜆1 = 8 𝐸(𝑌1 ) = 1,200
{𝑁2 (𝑡)}
𝜆2 = 2 𝐸(𝑌2 ) = 4,500
5
a) Encontrar el monto esperado de los reclamos que se recibirán durante tres meses y la
varianza de ese monto.
𝐸(𝑋(𝑡)) = 𝜆𝑡𝐸(𝑌𝑖 )
𝑉𝑎𝑟(𝑋(𝑡)) = 𝜆𝑡𝐸(𝑌𝑖 2 )
{𝑁1 (𝑡)}:
𝐸(𝑌1 ) = 1,200
{𝑁2 (𝑡)}:
𝐸(𝑌2 ) = 4,500
∴
El monto esperado de los reclamos que se recibirán durante tres meses y la varianza de ese monto es
Sea 𝑌1 la variable aleatoria del monto tipo 1 y 𝑌2 la variable aleatoria del monto tipo 2
1
𝜆=
𝐸[𝑇]
Procesos Estocásticos | 22/09/2015
TIPO 1
𝐸[𝑌1 ] = 1200
1 Comentado [LAPB4]: Parámetro
𝜆1 =
1200
TIPO 2
𝐸[𝑌2 ] = 4500
6
𝟏 Comentado [LAPB5]: Parámetro
𝝀𝟐 =
𝟒𝟓𝟎𝟎
PROBABILIDAD TIPO 1
∴
1 5
−( )(3000)
𝑃[𝑌1 < 3000] = 1 − 𝑒 1200 = 1 − 𝑒 −2 = 0.9179
PROBABILIDAD TIPO 2
∴
1 2
−( )(3000)
𝑃[𝑌2 < 3000] = 1 − 𝑒 4500 = 1 − 𝑒 −3 = 0.4865
∴
La probabilidad de que un monto tipo 1 sea menor a 3000 es de 91.79%, y la probabilidad de que un
monto tipo 2 sea menor a 3000 es 48.65%
Procesos Estocásticos | 22/09/2015