Departamento de Estadı́stica UC

Interrogación 1: EPG3324 Procesos Estocásticos Aplicados

Profesor: Manuel Galea Ayudante: Carlos Cayumán

Problema 1: Sean X1 , ..., Xn variables aleatorias independientes con distribuciones expo-

nenciales con parámetros λ1 , ..., λn , respectivamente.
(a) Encuentre la distribución de V = min{X1 , ..., ∑ Xn }.
(b) Muestre que P (Xk = min{X1 , ..., Xn }) = λk / ni=1 λi , para k = 1, ..., n.
(c) Muestre que, con probabilidad uno, las variables aleatorias X1 , ..., Xn toman valores dis-
tintos.

Solución: (a)

P (V ≤ v) = 1 − P (mı́n{X1 , . . . , Xn } > v)
∏n
= 1− P (Xi > v)
i=1
∏
n
= 1− e−λi v
i=1
∑
−v n
= 1−e i=1 λi

Luego
( )
∑
n
∑n
fV (v) = λi e−v i=1 λi
,v > 0
i=1

O sea,
( )
∑
n
V ∼ Exponencial λi .
i=1

∑ [6 ptos]
(b) Sea Yk = mı́n{Xi ; i ̸= k} ∼ Exponencial(αk ), donde αk = λ
i̸=k i , por (a). Además Xk
es independiente de Yk . Luego,

P (Xk = mı́n{X1 , . . . , Xn }) = P (Xk ≤ Yk )

λk
= , Guı́a 1, (6.b)
λk + αk
λk
= ∑n .
i=1 λi

[7 ptos]

1
(c) Para mostrar que las v.a. X1 , . . . , Xn toman valores distintos con probabilidad 1 basta
probar que P (Xi ̸= Xj ) = 1 para i ̸= j. En efecto, sea A = {(x, y) : x = y}, entonces
∫∫
P (Xi = Xj ) = f (x, y)dxdy = 0
A

Luego,

P (Xi ̸= Xj ) = 1 , para i ̸= j = 1, 2, . . . , n.

[7 ptos]

Problema 2: El número de clientes que llegan a un supermercado sigue un proceso Poisson,

{N (t), t ≥ 0}, con tasa 3 clientes por minuto.
(a) Muestre {N (t), t ≥ 0} es un proceso de segundo orden pero no estacionario.
(b) Si el supermercado comienza a atender a las 9:00hrs, calcule la probabilidad del evento:
{hasta las 9:15hrs llegan 10 clientes, hasta las 9:30hrs 20 clientes y hasta las 9:45hrs 30
clientes}.
(c) Calcule P {T1 ≤ 5, T2 > 10}. Qué significa este evento ?
(d) Encuentre la distribución de N (W ), donde W ∼ Exp(1) independiente de {N (t), t ≥ 0}.

Solución: (a) Se tiene que

E(N (t)2 ) = Var(N (t)) + [E(N (t))]2

= λt + (λt)2
= λt(1 + λt) < ∞ , ∀t

Luego el proceso es de segundo orden. Por otro lado, supongamos que s < t,

Cov(N (s), N (t)) = Cov(N (s), N (t) − N (s) + N (s))

= Cov(N (s), N (t) − N (s)) + Cov(N (s), N (s))
= 0 + λs,

luego KN (s, t) = λ mı́n{s, t}, de donde sigue que el proceso {N (t), t ≥ 0} no es estacionario.
[5 ptos]
(b) Sea N (t): número de clientes que llegan en (0, t]. Se pide

P (N (15) = 10, N (30) = 20, N (45) = 30) = P (N (15) = 10, N (30) − N (15) = 10, N (45) − N (30) = 10)
= P (N (15) = 10)P (N (30) − N (15) = 10)P (N (45) − N (30) = 10)
[ −45 ]3
e (45)10
=
10!

[5 ptos]

2
(c) Este evento ocurre ssi hay exactamente una ocurrencia del proceso en (0, 5] y ninguna en
el intervalo (5, 10]. Ahora, como el proceso tiene incrementos independientes,

P (T1 ≤ 5, T2 > 10) = P (N (5) = 1, N (10) − N (5) = 0)

= P (N (5) = 1)P (N (10) − N (5) = 0)
e−15 15! e−15 150
= ×
1! 0!
= 15e−30

[5 ptos]
(d)
∫ ∞
P (N (W ) = k) = P (N (W ) = k|W = w)fW (w)dw
∫ 0
∞
= P (N (w) = k)e−w dw
0
∫
1 ∞ −3w
= e (3w)k e−w dw
k! 0
∫
3k ∞ k −4w
= w e dw
k! 0
3k Γ(k + 1)
= ·
k! 4k+1
k
3 k!
= · k+1
k! 4
( )k
1 3
= , k = 0, 1, . . .
4 4

[5 ptos]

Problema 3: Suponga que los clientes llegan a una estación de servicio de acuerdo a un
proceso Poisson con tasa λ clientes/hora. Sea N (t) el número de clientes que han llegado
hasta el instante t. Suponga además que en la estación de servicio hay una promoción y se
regala una entrada para un recital por cada 3 clientes que lleguen.
(a) Considere tiempos fijos 0 < s < t. Determine la probabilidad condicional P {N (t) =
n + k|N (s) = k}.
(b) Encuentre la función de densidad de probabilidad de los tiempos entre llegadas de los
clientes que ganan la promoción.
(c) Encuentre la distribución de R(t) : número de entradas regaladas en el intervalo [0, t].

3
Solución: (a)

P (N (t) = n + k, N (s) = k)
P (N (t) = n + k|N (s) = k) =
P (N (s) = k)
P (N (s) = k, N (t) − N (s) = n)
=
P (N (s) = k)
P (N (s) = k)P (N (t) − N (s) = n)
=
P (N (s) = k)
= P (N (t) − N (s) = n)
e−λ(t−s) [λ(t − s)]n
=
n!
[6 ptos]
(b) Sea Wj∗ el tiempo entre llegadas de los clientes que ganan la promoción. Luego

W1∗ = W1 + W2 + W3 , W2∗ = W4 + W5 + W6 , y, en general

Wj∗ = W3j−2 + W3j−1 + W3j , j = 1, 2, . . .

Sabemos que los Wj ’s son variables aleatorias iid Exp(λ), luego

Wj∗ ∼ Gamma(3, λ) , j = 1, 2, . . .
iid

[7 ptos]
(c) Se tiene

P (R(t) = 0) = P (0 ≤ N (t) ≤ 2)
P (R(t) = 1) = P (3 ≤ N (t) ≤ 5) , en general
P (R(t) = r) = P (3r ≤ N (t) ≤ 3r + 2) , r = 0, 1, 2, . . .
= P (N (t) = 3r) + P (N (t) = 3r + 1) + P (N (t) = 3r + 2)
e−λt (λt)3r e−λt (λt)3r+1 e−λt (λt)3r+2
= + +
(3r)! (3r + 1)! (3r + 2)!
{ }
3r −λt 1 λt (λt)2
= (λt) e + + , r = 0, 1, 2, . . .
(3r)! (3r + 1)! (3r + 2)!

[7 ptos]

Indicaciones: Sólo puede consultar los apuntes de cátedra, no puede tener a la vista ejer-
cicios resueltos. El puntaje de cada pregunta es 20 puntos.

– Santiago, 26 de marzo de 2013 –