Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Definición. 1
Una familia X• = {Xt , t ∈ T } de v.a.’s Xt sobre (Ω, F, P) con valores en
S (X : (Ω, F) → (S, S)) se dice que es un proceso estocástico (PE) con
espacio de estados S y conjunto de índices T .
X :T ×Ω→S
(t, ω) → Xt (ω) ≡ X (t, ω)
X :T ×Ω→S
(t, ω) → Xt (ω) ≡ X (t, ω)
ω 7→ Xt (ω)
es una v.a. de Ω en S;
X :T ×Ω→S
(t, ω) → Xt (ω) ≡ X (t, ω)
ω 7→ Xt (ω)
es una v.a. de Ω en S;
para cada ω ∈ Ω fijo,
t → Xt (ω)
es una función de T en S que se llama una trayectoria del PE .
π(x) := P(X0 = x) ∀x ∈ S
su distribución inicial
π(x) := P(X0 = x) ∀x ∈ S
su distribución inicial
Si además X• tiene matriz de transición P, entonces se dice que X• es
una CM (π, P).
Proof.
Nótese que Xn+1 = Xn + ξn+1 y que ξn+1 es independiente de X0 , . . . , Xn
para todo n.
Proof.
Nótese que Xn+1 = Xn + ξn+1 y que ξn+1 es independiente de X0 , . . . , Xn
para todo n.De aquí se sigue la propiedad de Markov (1) porque
Proof.
Nótese que Xn+1 = Xn + ξn+1 y que ξn+1 es independiente de X0 , . . . , Xn
para todo n.De aquí se sigue la propiedad de Markov (1) porque
i.e.
p si y = x + 1,
P(x, y ) =
q si y = x − 1,
i.e.
p si y = x + 1,
P(x, y ) =
q si y = x − 1,
Por lo tanto, la matriz de transición de X• es una matriz infinita cuya fila
x, para cada x ∈ S, es de la forma
(0 . . . P(x, x − 1) 0 P(x, x + 1, ) 0 . . . 0)
Proof.
Supongamos que X• es una CM (π, P).
P(X0 = x0 , X1 = x1 , . . . , Xn = xn )
= P(X0 = x0 )P(X1 = x1 |X0 = x0 ) . . . P(Xn = xn |X0 = x0 , · · · , Xn−1 = xn−1 )
= P(X0 = x0 )P(X1 = x1 |X0 = x0 ) · · · P(Xn = xn |Xn−1 = xn−1 )
= π(x0 )P(x0 , x1 ) · · · P(xn−1 , xn ).
P(Xn+1 = y | X0 = x0 , . . . , Xn = xn )
P(X0 = x0 , . . . , Xn = xn , Xn+1 = y )
=
P(X0 = x0 , . . . , Xn = xn )
π(x0 )P(x0 , x1 ) · · · P(xn−1 , xn )P(xn , y )
=
π(x0 )P(x0 , x1 ) · · · P(xn−1 , xn )
= P(xn , y ) = P(Xn+1 = y |Xn = xn ).
Pn := [Pn (x, y )] ∀n = 0, 1, . . . ,
Teorema. 5
Para cualquier n, m = 0, 1, . . .
Pn+m = Pn · Pm , (8)
Teorema. 5
Para cualquier n, m = 0, 1, . . .
Pn+m = Pn · Pm , (8)
i.e. X
Pn+m (x, y ) = Pn (x, z)Pm (z, y ) ∀x, y ∈ S. (9)
z∈S
Teorema. 5
Para cualquier n, m = 0, 1, . . .
Pn+m = Pn · Pm , (8)
i.e. X
Pn+m (x, y ) = Pn (x, z)Pm (z, y ) ∀x, y ∈ S. (9)
z∈S
P(ξ0 = 1) = p, P(ξ0 = 0) = 1 − p =: q
P(ξ0 = 1) = p, P(ξ0 = 0) = 1 − p =: q
Proof.
Sea Xn := ξ0 + . . . + ξn para n = 0, 1, . . .. y nótese que Xn+1 = Xn +
ξn+1 . Entonces X• = {Xn } tiene espacio de estados S = {0, 1, . . .} y
probabilidades de transición
P(ξ0 = 1) = p, P(ξ0 = 0) = 1 − p =: q
Proof.
Sea Xn := ξ0 + . . . + ξn para n = 0, 1, . . .. y nótese que Xn+1 = Xn +
ξn+1 . Entonces X• = {Xn } tiene espacio de estados S = {0, 1, . . .} y
probabilidades de transición
P(ξ0 = 1) = p, P(ξ0 = 0) = 1 − p =: q
Proof.
Sea Xn := ξ0 + . . . + ξn para n = 0, 1, . . .. y nótese que Xn+1 = Xn +
ξn+1 . Entonces X• = {Xn } tiene espacio de estados S = {0, 1, . . .} y
probabilidades de transición
P(ξ0 = 1) = p, P(ξ0 = 0) = 1 − p =: q
Proof.
Sea Xn := ξ0 + . . . + ξn para n = 0, 1, . . .. y nótese que Xn+1 = Xn +
ξn+1 . Entonces X• = {Xn } tiene espacio de estados S = {0, 1, . . .} y
probabilidades de transición
πn = π0 Pn = π0 P n ∀n = 0, 1, . . . , (13)
o bien que
πn = πn−1 P ∀n = 1, 2, . . . (14)
X
πn (y ) = P(Xn = y ) = P(X0 = x, Xn = y )
x∈S
X
= P(Xn = y |X0 = x)P(X0 = x)
x∈S
X
= π0 (x)Pn (x, y ) ∀y ∈ S,
x∈S
1.
q q
πn (0) = + λn π0 (0) − , de modo que
p+q p+q
p p
πn (1) = 1 − πn (0) = p+q + λn π0 (1) − p+q
2.
λn
1 q p p −p
Pn = + .
p+q q p p + q −q q
π0 = π ∗ ⇒ πn = π ∗ ∀n ≥ 0. (18)
π0 = π ∗ ⇒ πn = π ∗ ∀n ≥ 0. (18)
π0 = π ∗ ⇒ πn = π ∗ ∀n ≥ 0. (18)
px = p y qx = p ∀x ∈ S, excepto q0 := 0.
1 1
EXn = + αn EX0 − ∀n = 0, 1, . . .
1−α 1−α
10.1 Encuentre P2 .
Miguel Angel Méndez Procesos de Markov September 27, 2022 23 / 23
10.2 Demuestre que P4 = P2 .
10.3 Encuentre Pn para todo n ≥ 1.
11. Considere una CM con probabilidades de transición
p si y = x + 1
P(x, y ) =
1 − p si y = 0
para todo x = 0, 1, . . .. Demuestre que existe, y calcule, una distribu-
ción invariante.
12. Una cola a tiempo discreto. Considérese un sistema de espera con
un servidor. Los “clientes” o “trabajos” llegan al sistema de acuerdo
con un proceso de arribos {Y0 , Y1 , . . .}, en donde Yn es el número de
arribos en el periodo [n, n + 1) y los cuales empezarán a ser atendidos,
si el servidor está disponible, a partir del siguiente periodo. Suponga
que las v.a. Yn son i.i.d. con distribución
P(Y0 = k) = ak para k = 0, 1, . . .
En cada periodo [n, n + 1), el servidor puede atender sólo un cliente
a la vez y la “completación de servicio” es una v.a. Bernoulli Sn con
Miguel Angel Méndez Procesos de Markov September 27, 2022 23 / 23
parámetro p; es decir, Sn = 1 (con probabilidad p) si se completa el
servicio, en cuyo caso el cliente servido abandona el sistema, y Sn = 0
(con probabilidad q := 1−p) si no se completa el servicio, en cuyo caso
el cliente continúa su servicio en el siguiente periodo. Supóngase que los
PEs {Yn } y {Sn } son independientes entre sí, y también independientes
del número inicial, X0 , de clientes en el sistema. Sea Xn el número de
clientes en el sistema al inicio del periodo [n, n + 1). Nótese que el PE
X = {Xn } satisface que
(
Yn si Xn = 0,
Xn+1 =
Xn + Yn − Sn si Xn > 0
P(0, y ) = ay
Miguel Angel Méndez Procesos de Markov September 27, 2022 23 / 23
y para x > 0:
0
si y < x − 1,
P(x, y ) = p · a0 si y = x − 1,
p · ay −x−1 + q · ay −x si y ≥ x.
Determine
a) P(X1 = 0) y P(X1 = 1)
b) P(X5 = 1|X4 = 0) y P(X2 = 0|X1 = 0)
c) P(X3 = 0|X1 = 0) y P(X100 = 0|X98 = 0)
d) P(X1 = 1|X2 = 1, X3 = 1)
e) P(X3 = 0, X2 = 0|X1 = 0)
15. Sea Xn , n ≥ 0, una CM con dos estados S = {0, 1} y matriz de
transición en un paso
1−p p
q 1−q
donde p + q > 0. Calcule
15.1 P(X1 = 0|X0 = 0 y X2 = 0),
6 X2 ).
15.2 P(X1 =
Miguel Angel Méndez Procesos de Markov September 27, 2022 23 / 23
16. Sea {Xn , n ≥ 0}, una CM. Demuestre que