procesos de poissonjgimenez/modelos_y_simulacion/2013/clase4.pdfejemplo supongamos tener una pieza...
TRANSCRIPT
![Page 1: Procesos de Poissonjgimenez/Modelos_y_Simulacion/2013/clase4.pdfEjemplo Supongamos tener una pieza de material radioactivo, el experimento consiste en observar cuantas partículas](https://reader030.vdocuments.pub/reader030/viewer/2022040509/5e4f6aeeaaf5a74aac3b21da/html5/thumbnails/1.jpg)
Procesos de Poisson
FaMAF
21 de marzo, 2013
1 / 25
![Page 2: Procesos de Poissonjgimenez/Modelos_y_Simulacion/2013/clase4.pdfEjemplo Supongamos tener una pieza de material radioactivo, el experimento consiste en observar cuantas partículas](https://reader030.vdocuments.pub/reader030/viewer/2022040509/5e4f6aeeaaf5a74aac3b21da/html5/thumbnails/2.jpg)
Distribución exponencial
DefiniciónUna v.a. X con función de densidad dada por
fλ(x) = λe−λx , x > 0,
para cierto λ > 0 se dice una v.a. exponencial con parámetro λ.
I E [X ] =1λ
I Var(X ) =1λ2
2 / 25
![Page 3: Procesos de Poissonjgimenez/Modelos_y_Simulacion/2013/clase4.pdfEjemplo Supongamos tener una pieza de material radioactivo, el experimento consiste en observar cuantas partículas](https://reader030.vdocuments.pub/reader030/viewer/2022040509/5e4f6aeeaaf5a74aac3b21da/html5/thumbnails/3.jpg)
Propiedades
I F (t) =
∫ t
0λexp(−λx)dx = λ
exp(−λx)
−λ|t0= 1− exp(−λt)
I P(X > t) = 1− [1− exp(−λt)] = exp(−λt)I Una variable aleatoria con distribución exponencial tiene falta de
memoria.P(X > s + t | X > s) = P(X > t).
P(X > s+t | X > s) =
∫∞t+s λexp(−λx)dx∫∞s λexp(−λx)dx
=exp(−λs + t)
exp(−λs)= P(X > t).
I Son las únicas v.a. continuas con falta de memoria.I El análogo en el caso discreto son las v.a. geométricas.I Si X ∼ E(λ), entonces c X ∼ E( 1
cλ).
3 / 25
![Page 4: Procesos de Poissonjgimenez/Modelos_y_Simulacion/2013/clase4.pdfEjemplo Supongamos tener una pieza de material radioactivo, el experimento consiste en observar cuantas partículas](https://reader030.vdocuments.pub/reader030/viewer/2022040509/5e4f6aeeaaf5a74aac3b21da/html5/thumbnails/4.jpg)
Variable aleatoria Gamma
DefiniciónUna variable aleatoria con función de densidad de probabilidad
f (t) = λe−λt (λt)n−1
(n − 1)!
se dice una variable aleatoria gamma con parámetros (n, λ).
4 / 25
![Page 5: Procesos de Poissonjgimenez/Modelos_y_Simulacion/2013/clase4.pdfEjemplo Supongamos tener una pieza de material radioactivo, el experimento consiste en observar cuantas partículas](https://reader030.vdocuments.pub/reader030/viewer/2022040509/5e4f6aeeaaf5a74aac3b21da/html5/thumbnails/5.jpg)
Variable aleatoria gamma (n, λ)
CorolarioLa suma de n variables aleatorias exponenciales independientes,cada una de ellas de parámetro λ, es una variable aleatoria Gammade parámetro (n, λ).
I Γ(2,2)
I Γ(5,2)
I Γ(1,2) ∼ E(2)
5 / 25
![Page 6: Procesos de Poissonjgimenez/Modelos_y_Simulacion/2013/clase4.pdfEjemplo Supongamos tener una pieza de material radioactivo, el experimento consiste en observar cuantas partículas](https://reader030.vdocuments.pub/reader030/viewer/2022040509/5e4f6aeeaaf5a74aac3b21da/html5/thumbnails/6.jpg)
Procesos estocásticos
DefiniciónUn proceso estocástico es una sucesión de variables aleatoriasobservadas sobre el mismo espacio muestral.
EjemploSupongamos tener una pieza de material radioactivo, el experimentoconsiste en observar cuantas partículas se desintegran en unintervalo de tiempo, y el tiempo que tarda en desintegrarse cadapartícula. El número de partículas que se desintegran en [0, t ] es unavariable aleatoria N(t) y el tiempo en que se desintegra la n-esimapartícula Dn también es una variable aleatoria. La colección devariables forman procesos estocásticos realcionados.
EjemploConsideremos llamadas telefónicas que llegan a una centraltelefónica y sea Dn el tiempo en que la n-esima llamada ingresa a lacentral y N(t) el número de llamadas que ingresa en un intervalo detiempo [0, t ].
6 / 25
![Page 7: Procesos de Poissonjgimenez/Modelos_y_Simulacion/2013/clase4.pdfEjemplo Supongamos tener una pieza de material radioactivo, el experimento consiste en observar cuantas partículas](https://reader030.vdocuments.pub/reader030/viewer/2022040509/5e4f6aeeaaf5a74aac3b21da/html5/thumbnails/7.jpg)
Proceso de Poisson homogéneo
N(t), t ≥ 0,
es un proceso de Poisson homogéneo de razón λ, λ > 0, si:I Para cada t , N(t) es una variable aleatoria discreta que toma
valores enteros positivos.I N(0) = 0 proceso comienza en cero
I incrementos independientes Para cada n ≥ 1 y cada partición0 ≤ t0 < t1 < · · · < tn se tiene que N(t0), N(t1)− N(t0), . . . ,N(tn)− N(tn−1) son variables aleatorias independientes.
I incrementos estacionarios Para cada t ≥ 0, s > 0, se cumpleque la distribución de N(t + s)− N(t) es igual a la de N(s).
I limh→0P(N(h) = 1)
h= λ,
I limh→0P(N(h) ≥ 2)
h= 0.
7 / 25
![Page 8: Procesos de Poissonjgimenez/Modelos_y_Simulacion/2013/clase4.pdfEjemplo Supongamos tener una pieza de material radioactivo, el experimento consiste en observar cuantas partículas](https://reader030.vdocuments.pub/reader030/viewer/2022040509/5e4f6aeeaaf5a74aac3b21da/html5/thumbnails/8.jpg)
Incrementos independientes
�� ������ ���� ��
t1 tn−1 tnt3t2
N(tn)− N(tn−1)N(t1)
0
I N(t1): nro. de llegadas hasta t = t1.I N(tn)− N(tn−1): nro. de llegadas entre tn−1 y tn.
I En dos intervalos de tiempo disjuntos, las variables ”número dellegadas” son independientes.
8 / 25
![Page 9: Procesos de Poissonjgimenez/Modelos_y_Simulacion/2013/clase4.pdfEjemplo Supongamos tener una pieza de material radioactivo, el experimento consiste en observar cuantas partículas](https://reader030.vdocuments.pub/reader030/viewer/2022040509/5e4f6aeeaaf5a74aac3b21da/html5/thumbnails/9.jpg)
Incrementos estacionarios
���� ����
N(s)
s t + st
N(t + s)− N(t)
0
La distribución del número de llegadas depende sólo de la longituddel intervalo.
N(s) ∼ N(t + s)− N(t), s < t .
9 / 25
![Page 10: Procesos de Poissonjgimenez/Modelos_y_Simulacion/2013/clase4.pdfEjemplo Supongamos tener una pieza de material radioactivo, el experimento consiste en observar cuantas partículas](https://reader030.vdocuments.pub/reader030/viewer/2022040509/5e4f6aeeaaf5a74aac3b21da/html5/thumbnails/10.jpg)
Ocurrencia de 1 o más eventos
I La probabilidad de que ocurra un evento en un intervalo detiempo pequeño es proporcional al tamaño del intervalo.Constante = λ.
limh→0
P(N(h) = 1)
h= λ,
I La probabilidad de ocurrencia de dos o más eventos en unintervalo muy pequeño es cero.
limh→0
P(N(h) ≥ 2)
h= 0.
10 / 25
![Page 11: Procesos de Poissonjgimenez/Modelos_y_Simulacion/2013/clase4.pdfEjemplo Supongamos tener una pieza de material radioactivo, el experimento consiste en observar cuantas partículas](https://reader030.vdocuments.pub/reader030/viewer/2022040509/5e4f6aeeaaf5a74aac3b21da/html5/thumbnails/11.jpg)
Consecuencias
ProposiciónSupongamos que N(t) es el número de llegadas en el intervalo detiempo [0, t ], que forma un proceso de Poisson de tasa λ. Entonces,la distribución de cada N(t) es Poisson de tasa λt
11 / 25
![Page 12: Procesos de Poissonjgimenez/Modelos_y_Simulacion/2013/clase4.pdfEjemplo Supongamos tener una pieza de material radioactivo, el experimento consiste en observar cuantas partículas](https://reader030.vdocuments.pub/reader030/viewer/2022040509/5e4f6aeeaaf5a74aac3b21da/html5/thumbnails/12.jpg)
La variable aleatoria N(t)
���
���
���
���
���
���
���
���
���������������������������
���
���
���
n intervalos
tn
2tn t0
I Para probarlo, dividamos el intervalo en n pedazos, cada uno delargo t
n .I En cada sub-intervalo, el número de llegadas es una v.a.
Bernoulli, con p = λ tn
I El número total de llamadas en [0, t ] es el número desub-intervalos que contienen una llegada.
I La independencia de los sub-intervalos implica que el númerototal de llegadas N(t) es binomial de parámetro p = λ t
n .
12 / 25
![Page 13: Procesos de Poissonjgimenez/Modelos_y_Simulacion/2013/clase4.pdfEjemplo Supongamos tener una pieza de material radioactivo, el experimento consiste en observar cuantas partículas](https://reader030.vdocuments.pub/reader030/viewer/2022040509/5e4f6aeeaaf5a74aac3b21da/html5/thumbnails/13.jpg)
La variable aleatoria N(t)
I Cuando n tiende a infinito, tenemos
pN(t)(k) ∼ limn→∞
(nk
)(λtn
)k (1− λt
n
)n−k
= limn→∞
n(n − 1) . . . (n − k + 1)
k !
(λtn
)k (1− λt
n
)n−k
= limn→∞
(λt)k
k !
(1− λt
n
)n n(n − 1) . . . (n − k + 1)
nk
(1− λt
n
)−k
=(λt)k
k !lim
n→∞
(1− λt
n
)n (1− λt
n
)−k (1− 1
n
)(1− 2
n
). . .
(1− k − 1
n
)
13 / 25
![Page 14: Procesos de Poissonjgimenez/Modelos_y_Simulacion/2013/clase4.pdfEjemplo Supongamos tener una pieza de material radioactivo, el experimento consiste en observar cuantas partículas](https://reader030.vdocuments.pub/reader030/viewer/2022040509/5e4f6aeeaaf5a74aac3b21da/html5/thumbnails/14.jpg)
Poisson
I Observando que
limn→∞
(1− λt
n
)n
= e−λt
y que los otros términos a la derecha del límite tienen límite 1, seobtiene
pN(t)(k) =(λt)k
k !e−λt
donde λt , esa constante que supusimos existe, es la tasa dellegadas en el intervalo [0, t ].
I N(t) es una variable con distribución Poisson de tasa λt .
14 / 25
![Page 15: Procesos de Poissonjgimenez/Modelos_y_Simulacion/2013/clase4.pdfEjemplo Supongamos tener una pieza de material radioactivo, el experimento consiste en observar cuantas partículas](https://reader030.vdocuments.pub/reader030/viewer/2022040509/5e4f6aeeaaf5a74aac3b21da/html5/thumbnails/15.jpg)
Tiempos entre llegadas
�� ������ ���� ��X1 X3 Xn
D1 D2 D3 Dn−1 Dn
X2
I Dn: tiempo en que ocurre el evento n-esimo.I X1: tiempo transcurrido hasta el primer evento.I Xj = Dj − Dj−1: tiempo transcurrido entre el (j − 1)-ésimo evento
y el j-ésimo, para j > 1.
{Xj} es la sucesión de tiempos entre llegadas
15 / 25
![Page 16: Procesos de Poissonjgimenez/Modelos_y_Simulacion/2013/clase4.pdfEjemplo Supongamos tener una pieza de material radioactivo, el experimento consiste en observar cuantas partículas](https://reader030.vdocuments.pub/reader030/viewer/2022040509/5e4f6aeeaaf5a74aac3b21da/html5/thumbnails/16.jpg)
Distribución de los tiempos entre llegadas
ProposiciónLas variables aleatorias X1, X2, . . . , son v.a. independientes,igualmente distribuidas, con distribución exponencial con parámetroλ.
Xi ∼ E(λ), i = 1,2, . . . .
16 / 25
![Page 17: Procesos de Poissonjgimenez/Modelos_y_Simulacion/2013/clase4.pdfEjemplo Supongamos tener una pieza de material radioactivo, el experimento consiste en observar cuantas partículas](https://reader030.vdocuments.pub/reader030/viewer/2022040509/5e4f6aeeaaf5a74aac3b21da/html5/thumbnails/17.jpg)
Tiempo entre llegadas
Para probar esto veamos queI X1 es una variable aleatoria exponencial de parámetro λ.
P(X1 > t) = P(N(t) = 0) = e−λt
I
P(X2 > t | X1 = s) = P(0 eventos en (s, s + t ] | X1 = s)
= P(0 eventos en (s, s + t ])= e−λ t
X2 ∼ E(λ), y es independiente de X1.
17 / 25
![Page 18: Procesos de Poissonjgimenez/Modelos_y_Simulacion/2013/clase4.pdfEjemplo Supongamos tener una pieza de material radioactivo, el experimento consiste en observar cuantas partículas](https://reader030.vdocuments.pub/reader030/viewer/2022040509/5e4f6aeeaaf5a74aac3b21da/html5/thumbnails/18.jpg)
Tiempo entre llegadas
Sea s = s1 + · · ·+ sj−1: tiempo hasta el evento j − 1.
P(0 eventos en (s, s + t ] | X1 = s1, . . . ,Xj−1 = sj−1)
(incrementos independientes) = P(0 eventos en (s, s + t ])(incrementos estacionarios) = e−λt
por lo cual la distribución de cada una de las Xk es exponencial, yson independientes.
18 / 25
![Page 19: Procesos de Poissonjgimenez/Modelos_y_Simulacion/2013/clase4.pdfEjemplo Supongamos tener una pieza de material radioactivo, el experimento consiste en observar cuantas partículas](https://reader030.vdocuments.pub/reader030/viewer/2022040509/5e4f6aeeaaf5a74aac3b21da/html5/thumbnails/19.jpg)
Sn
El tiempo hasta el n-esimo evento es Dn =n∑
j=1
Xj , una suma de
exponenciales independientes por lo cual tiene densidad
fn(t) = λe−λt (λt)n−1
(n − 1)!
Gamma de parámetros (n, λ).
19 / 25
![Page 20: Procesos de Poissonjgimenez/Modelos_y_Simulacion/2013/clase4.pdfEjemplo Supongamos tener una pieza de material radioactivo, el experimento consiste en observar cuantas partículas](https://reader030.vdocuments.pub/reader030/viewer/2022040509/5e4f6aeeaaf5a74aac3b21da/html5/thumbnails/20.jpg)
Conclusion
N es un proceso de Poisson con tasa λ entonces para cada t ,
1. N(t), el número de eventos registrados, es una variable Poissoncon tasa λt ,
2. Xn el tiempo entre el registro del n-esima evento y el anterior, esexponencial de tasa λ
3. Dn el tiempo hasta el registro del n-esimo evento es Gamma deparámetros (n, λ).
20 / 25
![Page 21: Procesos de Poissonjgimenez/Modelos_y_Simulacion/2013/clase4.pdfEjemplo Supongamos tener una pieza de material radioactivo, el experimento consiste en observar cuantas partículas](https://reader030.vdocuments.pub/reader030/viewer/2022040509/5e4f6aeeaaf5a74aac3b21da/html5/thumbnails/21.jpg)
El proceso de Poisson no homogéneo
N(t), t ≥ 0
es un proceso de Poisson no homogéneo con función de intensidadλ(t), t ≥ 0, si:
1. N(0) = 0
2. para cada n ≥ 1 y cada partición 0 ≤ t0 < t1 < · · · < tn se tieneque N(t0), N(t1)− N(t0), . . . , N(tn)− N(tn−1) son variablesaleatorias independientes.
3. limh→0P(exactamente 1 evento entre t y t + h)
h=
limh→0P([N(t + h)− N(t)] = 1)
h= λ(t),
4. limh→0P(dos o mas eventos entre t y t + h)
h=
limh→0P([N(t + h)− N(t)] ≥ 2)
h= 0.
21 / 25
![Page 22: Procesos de Poissonjgimenez/Modelos_y_Simulacion/2013/clase4.pdfEjemplo Supongamos tener una pieza de material radioactivo, el experimento consiste en observar cuantas partículas](https://reader030.vdocuments.pub/reader030/viewer/2022040509/5e4f6aeeaaf5a74aac3b21da/html5/thumbnails/22.jpg)
Valor medio del proceso
m(t) =
∫ t
0λ(s) ds
I Si λ(t) = λ, constante, entonces m(t) = λ · t .
22 / 25
![Page 23: Procesos de Poissonjgimenez/Modelos_y_Simulacion/2013/clase4.pdfEjemplo Supongamos tener una pieza de material radioactivo, el experimento consiste en observar cuantas partículas](https://reader030.vdocuments.pub/reader030/viewer/2022040509/5e4f6aeeaaf5a74aac3b21da/html5/thumbnails/23.jpg)
Número de eventos en (t , t + s]
ProposiciónPara cada t ≥ 0 y s > 0 se tiene que N(t + s)− N(t) es una variablealeatoria Poisson con media
m(t + s)−m(t) =
∫ t+s
tλ(x) dx .
CorolarioSi λ(t) = λ (es constante), N(t + s)− N(t) es una variable aleatoriaPoisson con media λt .
23 / 25
![Page 24: Procesos de Poissonjgimenez/Modelos_y_Simulacion/2013/clase4.pdfEjemplo Supongamos tener una pieza de material radioactivo, el experimento consiste en observar cuantas partículas](https://reader030.vdocuments.pub/reader030/viewer/2022040509/5e4f6aeeaaf5a74aac3b21da/html5/thumbnails/24.jpg)
Poisson homogéneo y Poisson no homogéneo
I Supongamos que observamos eventos del tipo A, y queocasionalmente son marcados como evento del tipo AB.
I Independientemente de lo que ocurrió antes, un evento A semarca como AB con probabilidad p(t).
I N(t)= número de eventos del tipo A en [0, t ]I A(t)= número de eventos marcados AB en [0, t ].
ProposiciónSi (N(t))t≥0 es un proceso de Poisson homogéneo con razón λ > 0,entonces (A(t))t≥0 es un proceso de Poisson no homogéneo confunción de intensidad λ(t) = λ · p(t), ∀t > 0.
24 / 25
![Page 25: Procesos de Poissonjgimenez/Modelos_y_Simulacion/2013/clase4.pdfEjemplo Supongamos tener una pieza de material radioactivo, el experimento consiste en observar cuantas partículas](https://reader030.vdocuments.pub/reader030/viewer/2022040509/5e4f6aeeaaf5a74aac3b21da/html5/thumbnails/25.jpg)
Poisson homogéneo y Poisson no homogéneo
I El proceso A(t) cumple con las condiciones de comenzar en elcero, tener incrementos independientes y probabilidad nula deobservar instantáneamente mas de un evento.
I Para ver la tasa instantánea de observar un evento
P(1 evento marcado AB en [t , t+h]) = P(un evento y es de tipo AB)+
+P(dos o mas eventos y exactamente uno es de tipo AB) ∼ λhp(t)
25 / 25