Cadenas de Markov en Tiempo Continuo Prof. Vı́quez CA406 Universidad de Costa Rica [email protected] 8 y 22 de Abril Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 1 / 69 Definición y Construcción Preliminares Tiempos de Saltos Suponga que se cuenta con un espacio de estados S que puede ser finito o infinito. Consideren un sistema comenzando en x0 en el tiempo 0. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 2 / 69 Definición y Construcción Preliminares Tiempos de Saltos Suponga que se cuenta con un espacio de estados S que puede ser finito o infinito. Consideren un sistema comenzando en x0 en el tiempo 0. Supongan que el sistema se mantiene en x0 hasta un tiempo positivo τ1 , momento en el que salta a un estado x1 6= x0 ; o se mantiene por siempre en x0 , en cuyo caso tomamos τ1 = ∞. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 2 / 69 Definición y Construcción Preliminares Tiempos de Saltos Suponga que se cuenta con un espacio de estados S que puede ser finito o infinito. Consideren un sistema comenzando en x0 en el tiempo 0. Supongan que el sistema se mantiene en x0 hasta un tiempo positivo τ1 , momento en el que salta a un estado x1 6= x0 ; o se mantiene por siempre en x0 , en cuyo caso tomamos τ1 = ∞. Si τ < ∞, una vez alcanzado el estado x1 , el sistema se mantiene ahı́ hasta un tiempo τ2 > τ1 , cuando salta a un nuevo estado x2 6= x1 ; o se mantiene en x1 por siempre, y definimos τ2 = ∞. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 2 / 69 Definición y Construcción Preliminares Tiempos de Saltos Suponga que se cuenta con un espacio de estados S que puede ser finito o infinito. Consideren un sistema comenzando en x0 en el tiempo 0. Supongan que el sistema se mantiene en x0 hasta un tiempo positivo τ1 , momento en el que salta a un estado x1 6= x0 ; o se mantiene por siempre en x0 , en cuyo caso tomamos τ1 = ∞. Si τ < ∞, una vez alcanzado el estado x1 , el sistema se mantiene ahı́ hasta un tiempo τ2 > τ1 , cuando salta a un nuevo estado x2 6= x1 ; o se mantiene en x1 por siempre, y definimos τ2 = ∞. Se continúa este proceso indefinidamente. Si para algún m ≥ 1 se tiene que τm = ∞, entonces se toma τn = ∞ para todo n ≥ m. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 2 / 69 Definición y Construcción Preliminares Proceso de Saltos Sea Xt el estado del sistema en el tiempo t, definido por x0 0 ≤ t < τ1 , x1 τ1 ≤ t < τ2 , Xt = x2 τ2 ≤ t < τ3 , .. . Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 3 / 69 Definición y Construcción Preliminares Proceso de Saltos Sea Xt el estado del sistema en el tiempo t, definido por x0 0 ≤ t < τ1 , x1 τ1 ≤ t < τ2 , Xt = x2 τ2 ≤ t < τ3 , .. . El proceso Xt se llama “Proceso de Saltos”. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 3 / 69 Definición y Construcción Preliminares Proceso de Saltos Noten que la definición anterior no es exhaustiva, en el sentido de que Xt no necesariamente está definido para todo t ≥ 0. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 4 / 69 Definición y Construcción Preliminares Proceso de Saltos Noten que la definición anterior no es exhaustiva, en el sentido de que Xt no necesariamente está definido para todo t ≥ 0. Ejemplo: Considere una bola picando en el piso. Tome Xt como el número de rebotes que la bola hace, y suponga que el tiempo transcurrido entre el n-ésimo y el (n + 1)-ésimo rebote, en segundos, es de 2−n . Entonces xn = n y 1 1 1 τn = 1 + + · · · + n−1 = 2 − n−1 −−−→ 2 < ∞. n→∞ 2 2 2 Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 4 / 69 Definición y Construcción Preliminares Proceso de Saltos Noten que la definición anterior no es exhaustiva, en el sentido de que Xt no necesariamente está definido para todo t ≥ 0. Ejemplo: Considere una bola picando en el piso. Tome Xt como el número de rebotes que la bola hace, y suponga que el tiempo transcurrido entre el n-ésimo y el (n + 1)-ésimo rebote, en segundos, es de 2−n . Entonces xn = n y 1 1 1 τn = 1 + + · · · + n−1 = 2 − n−1 −−−→ 2 < ∞. n→∞ 2 2 2 Entonces, la definición de Xt dice lo que pasa con el proceso en 0 ≤ t < 2, y para el tiempo t = 2, la bola ha rebotado un número infinito de veces. En este caso, tiene sentido definir Xt = ∞ para todo t ≥ 2. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 4 / 69 Definición y Construcción Preliminares Proceso de Saltos Noten que la definición anterior no es exhaustiva, en el sentido de que Xt no necesariamente está definido para todo t ≥ 0. Ejemplo: Considere una bola picando en el piso. Tome Xt como el número de rebotes que la bola hace, y suponga que el tiempo transcurrido entre el n-ésimo y el (n + 1)-ésimo rebote, en segundos, es de 2−n . Entonces xn = n y 1 1 1 τn = 1 + + · · · + n−1 = 2 − n−1 −−−→ 2 < ∞. n→∞ 2 2 2 Entonces, la definición de Xt dice lo que pasa con el proceso en 0 ≤ t < 2, y para el tiempo t = 2, la bola ha rebotado un número infinito de veces. En este caso, tiene sentido definir Xt = ∞ para todo t ≥ 2. En general, si lı́mn→∞ τn < ∞, se dice que el proceso explota. Si Xt no explota, i.e., si lı́mn→∞ τn = ∞, entonces Xt está definida para todo t ≥ 0. Si se cumple que lı́mn→∞ τn = ∞ para cualquier estado inicial, entonces se dice que X es un proceso de puros saltos (o no-explosivo). Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 4 / 69 Definición y Construcción Preliminares Estados Absorbentes y No-Absorbentes Se supone que todos los estados son de dos tipos: Absorbentes: Una vez que el proceso llega a un estado absorbente, se queda ahı́ por siempre. Con cada estado absorbente x, se tiene: “Probabilidades de Transición” Qxy ≥ 0, y ∈ S: estas probabilidades son tal que Qxx = 1 y Qxy = 0 para todo x 6= y . Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 5 / 69 Definición y Construcción Preliminares Estados Absorbentes y No-Absorbentes Se supone que todos los estados son de dos tipos: Absorbentes: Una vez que el proceso llega a un estado absorbente, se queda ahı́ por siempre. Con cada estado absorbente x, se tiene: “Probabilidades de Transición” Qxy ≥ 0, y ∈ S: estas probabilidades son tal que Qxx = 1 y Qxy = 0 para todo x 6= y . No-Absorbentes: Con cada estado no-absorbente x, se tiene: Distribución de tiempos de salto Fx (t), 0 ≤ t < ∞: el tiempo τ que pasa el proceso en x es aleatorio con distribución Fx . “Probabilidades de Transición” Qxy ≥ 0, y ∈ S: estas probabilidades P son tal que Qxx = 0 y y ∈S Qxy = 1. Una vez que pasa el tiempo τ , el proceso salta al estado Xτ = y con probabilidad Qxy . Se asume que τ y Xτ son independientes, es decir, Px [τ ≤ t, Xτ = y ] = Fx (t)Qxy . Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 5 / 69 Definición y Construcción Preliminares Estados Absorbentes y No-Absorbentes Se supone que todos los estados son de dos tipos: Absorbentes: Una vez que el proceso llega a un estado absorbente, se queda ahı́ por siempre. Con cada estado absorbente x, se tiene: “Probabilidades de Transición” Qxy ≥ 0, y ∈ S: estas probabilidades son tal que Qxx = 1 y Qxy = 0 para todo x 6= y . No-Absorbentes: Con cada estado no-absorbente x, se tiene: Distribución de tiempos de salto Fx (t), 0 ≤ t < ∞: el tiempo τ que pasa el proceso en x es aleatorio con distribución Fx . “Probabilidades de Transición” Qxy ≥ 0, y ∈ S: estas probabilidades P son tal que Qxx = 0 y y ∈S Qxy = 1. Una vez que pasa el tiempo τ , el proceso salta al estado Xτ = y con probabilidad Qxy . Se asume que τ y Xτ son independientes, es decir, Px [τ ≤ t, Xτ = y ] = Fx (t)Qxy . Una vez que el proceso salta a y , se comporta como si iniciara en y , por ejemplo, para dos estados x y y no-absorbentes, Px [τ1 ≤ s, Xτ1 = y , τ2 − τ1 ≤ t, Xτ2 = z] = Fx (s)Qxy Fy (t)Qyz . Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 5 / 69 Definición y Construcción Preliminares Estructura de Probabilidad Función de Transición Pxy (t) Sea Pxy (t) la probabilidad de que un proceso empezando en el estado x, se encuentre en el estado y en el tiempo t. Entonces, X Pxy (t) = Px [Xt = y ] y Pxy (t) = 1. y ∈S En particular, Pxy (0) = δxy . Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 6 / 69 Definición y Construcción Preliminares Estructura de Probabilidad Función de Transición Pxy (t) Sea Pxy (t) la probabilidad de que un proceso empezando en el estado x, se encuentre en el estado y en el tiempo t. Entonces, X Pxy (t) = Px [Xt = y ] y Pxy (t) = 1. y ∈S En particular, Pxy (0) = δxy . Distribución Inicial P La distribución inicial π0 (x) ≥ 0, x ∈ S, es tal que x∈S π0 (x) = 1. Noten que P[Xt = y ] = X π0 (x)Pxy (t). x∈S Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 6 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Proceso de Markov de Puros Saltos Propiedad de Markov Para unos tiempos 0 ≤ s1 ≤ · · · ≤ sn ≤ s ≤ t y unos estados x1 , . . . , xn , x, y ∈ S, P[Xt = y | Xs1 = x1 , . . . , Xsn = xn , Xs = x] = Pxy (t − s). Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 7 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Proceso de Markov de Puros Saltos Propiedad de Markov Para unos tiempos 0 ≤ s1 ≤ · · · ≤ sn ≤ s ≤ t y unos estados x1 , . . . , xn , x, y ∈ S, P[Xt = y | Xs1 = x1 , . . . , Xsn = xn , Xs = x] = Pxy (t − s). Proceso de Markov de Puros Saltos Un proceso de puros saltos se dice “Proceso de Markov de Puros Saltos” si satisface la propiedad de Markov. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 7 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Condiciones Suficientes y Necesarias Equivalencia Las siguientes afirmaciones son equivalentes: Xt es un proceso de Markov de puros saltos, Los tiempos de salto satisfacen, para todo estado no-absorbente: Px [τ1 > t + s | τ1 > s] = Px [τ1 > t], La distribución de saltos satisface, para todo estado no-absorbente: 1 − Fx (t + s) = 1 − Fx (t), 1 − Fx (s) Fx es una distribución exponencial, para todo estado no-absorbente. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 8 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Densidad de Saltos Si Xt es un proceso de Markov de puros saltos, y x es un estado no-absorbente, entonces Fx es exponencial. De manera que se escoge el parámetro de la densidad, qx , de la siguiente forma: Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 9 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Densidad de Saltos Si Xt es un proceso de Markov de puros saltos, y x es un estado no-absorbente, entonces Fx es exponencial. De manera que se escoge el parámetro de la densidad, qx , de la siguiente forma: x No-Absorbente: qx = 1 E[τ1 ] > 0 (parámetro de la densidad), i.e., ( qx e −qx t fx (t) = 0 Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos t≥0 t<0 8 y 22 de Abril 9 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Densidad de Saltos Si Xt es un proceso de Markov de puros saltos, y x es un estado no-absorbente, entonces Fx es exponencial. De manera que se escoge el parámetro de la densidad, qx , de la siguiente forma: x No-Absorbente: qx = 1 E[τ1 ] > 0 (parámetro de la densidad), i.e., ( qx e −qx t fx (t) = 0 t≥0 t<0 x Absorbente: En este caso defina qx = 0. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 9 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Densidad de Saltos Si Xt es un proceso de Markov de puros saltos, y x es un estado no-absorbente, entonces Fx es exponencial. De manera que se escoge el parámetro de la densidad, qx , de la siguiente forma: x No-Absorbente: qx = 1 E[τ1 ] > 0 (parámetro de la densidad), i.e., ( qx e −qx t fx (t) = 0 t≥0 t<0 x Absorbente: En este caso defina qx = 0. En ambos casos se cumple que: Px [τ1 ≥ t] = e −qx t , Prof. Vı́quez (UCR) t ≥ 0. Proceso de Markov de Puros Saltos 8 y 22 de Abril 9 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Ecuación Chapman-Kolmogorov Teorema Para un proceso de Markov de puros saltos, con función de transición Pxy (t), se cumple que X Pxy (t + s) = Pxz (t)Pzy (s), s ≥ 0, t ≥ 0. z∈S Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 10 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Ecuación Chapman-Kolmogorov Teorema Para un proceso de Markov de puros saltos, con función de transición Pxy (t), se cumple que X Pxy (t + s) = Pxz (t)Pzy (s), s ≥ 0, t ≥ 0. z∈S Prueba: Por la propiedad de Markov se sabe que para 0 ≤ t1 ≤ · · · ≤ tn y x1 , . . . , xn ∈ S, P[Xt1 = x1 , . . . , Xtn = xn ] = P[Xt1 = x1 ]Px1 x2 (t2 − t1 ) · · · Pxn−1 xn (tn − tn−1 ). En particular, para s, t ≥ 0, Px [Xt = z, , Xt+s = y ] = Pxz (t)Pzy (s). Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 10 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Ecuación Chapman-Kolmogorov Teorema Para un proceso de Markov de puros saltos, con función de transición Pxy (t), se cumple que X Pxy (t + s) = Pxz (t)Pzy (s), s ≥ 0, t ≥ 0. z∈S Prueba: Por la propiedad de Markov se sabe que para 0 ≤ t1 ≤ · · · ≤ tn y x1 , . . . , xn ∈ S, P[Xt1 = x1 , . . . , Xtn = xn ] = P[Xt1 = x1 ]Px1 x2 (t2 − t1 ) · · · Pxn−1 xn (tn − tn−1 ). En particular, para s, t ≥ 0, Px [Xt = z, , Xt+s = y ] = Pxz (t)Pzy (s). Finalmente, X X Pxy (t + s) = Px [Xt = z, Xt+s = y ] = Pxz (t)Pzy (s). z∈S Prof. Vı́quez (UCR) z∈S Proceso de Markov de Puros Saltos 8 y 22 de Abril 10 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Lemma Ecuación de Pxy (t) La función de transición Pxy (t) satisface la ecuación integral Z t X Pxy (t) = δxy e −qx t + Qxz Pzy (t − s) ds, qx e −qx s 0 Prof. Vı́quez (UCR) t ≥ 0. z∈S,z6=x Proceso de Markov de Puros Saltos 8 y 22 de Abril 11 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Lemma Ecuación de Pxy (t) La función de transición Pxy (t) satisface la ecuación integral Z t X Pxy (t) = δxy e −qx t + Qxz Pzy (t − s) ds, qx e −qx s 0 t ≥ 0. z∈S,z6=x La fórmula es trivial si x es absorbente. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 11 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Prueba Suponga x no-absorbente. El evento {τ1 ≤ t, Xτ1 = z y Xt = y } ocurre si y solo si, X salta a z en un tiempo s ≤ t y luego salta de z a y en el tiempo restante t − s, i.e., Z t Px [τ1 ≤ t, Xτ1 = z y Xt = y ] = qx e −qx s Qxz Pzy (t − s)ds. 0 Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 12 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Prueba Suponga x no-absorbente. El evento {τ1 ≤ t, Xτ1 = z y Xt = y } ocurre si y solo si, X salta a z en un tiempo s ≤ t y luego salta de z a y en el tiempo restante t − s, i.e., Z t Px [τ1 ≤ t, Xτ1 = z y Xt = y ] = qx e −qx s Qxz Pzy (t − s)ds. 0 La segunda parte de laPfórmula surge al notar que Px [τ1 ≤ t, Xt = y ] = z∈S,z6=x Px [τ1 ≤ t, Xτ1 = z y Xt = y ]. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 12 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Prueba Suponga x no-absorbente. El evento {τ1 ≤ t, Xτ1 = z y Xt = y } ocurre si y solo si, X salta a z en un tiempo s ≤ t y luego salta de z a y en el tiempo restante t − s, i.e., Z t Px [τ1 ≤ t, Xτ1 = z y Xt = y ] = qx e −qx s Qxz Pzy (t − s)ds. 0 La segunda parte de laPfórmula surge al notar que Px [τ1 ≤ t, Xt = y ] = z∈S,z6=x Px [τ1 ≤ t, Xτ1 = z y Xt = y ]. La primera parte de la fórmula sale del hecho de que Px [τ1 > t, Xt = y ] = δxy Px [τ1 > t] = δxy e −qx t . Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 12 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Prueba Suponga x no-absorbente. El evento {τ1 ≤ t, Xτ1 = z y Xt = y } ocurre si y solo si, X salta a z en un tiempo s ≤ t y luego salta de z a y en el tiempo restante t − s, i.e., Z t Px [τ1 ≤ t, Xτ1 = z y Xt = y ] = qx e −qx s Qxz Pzy (t − s)ds. 0 La segunda parte de laPfórmula surge al notar que Px [τ1 ≤ t, Xt = y ] = z∈S,z6=x Px [τ1 ≤ t, Xτ1 = z y Xt = y ]. La primera parte de la fórmula sale del hecho de que Px [τ1 > t, Xt = y ] = δxy Px [τ1 > t] = δxy e −qx t . Finalmente, Pxy (t) = Px [Xt = y ] = Px [τ1 > t, Xt = y ] + Px [τ1 ≤ t, Xt = y ]. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 12 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Diferenciabilidad de Pxy (t) Utilizando la fórmula anterior, reemplazando t − s por s, se tiene Z t X Pxy (t) = δxy e −qx t + qx e −qx t e qx s Qxz Pzy (s) ds, 0 z∈S,z6=x lo que muestra que Pxy (t) es continua en t, por lo tanto el integrando es diferenciable. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 13 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Diferenciabilidad de Pxy (t) Utilizando la fórmula anterior, reemplazando t − s por s, se tiene Z t X Pxy (t) = δxy e −qx t + qx e −qx t e qx s Qxz Pzy (s) ds, 0 z∈S,z6=x lo que muestra que Pxy (t) es continua en t, por lo tanto el integrando es diferenciable. P 0 (t) = −q P (t) + q Se obtiene Pxy x xy x z∈S,z6=x Qxz Pzy (t), t ≥ 0. En particular, X X 0 Pxy (0) = −qx Pxy (0) + qx Qxz Pzy (0) = −qx δxy + qx Qxz δzy z∈S,z6=x z∈S,z6=x = −qx δxy + qx Qxy . Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 13 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Parámetros Infinitesimales del Proceso 0 (0), x, y ∈ S. Entonces, q Defina qxy := Pxy xx = −qx , y qxy = qx Qxy si x 6= y . Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 14 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Parámetros Infinitesimales del Proceso 0 (0), x, y ∈ S. Entonces, q Defina qxy := Pxy xx = −qx , y qxy = qx Qxy si x 6= y . Esto implica que X qxy = qx = −qxx . y ∈S,y 6=x Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 14 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Parámetros Infinitesimales del Proceso 0 (0), x, y ∈ S. Entonces, q Defina qxy := Pxy xx = −qx , y qxy = qx Qxy si x 6= y . Esto implica que X qxy = qx = −qxx . y ∈S,y 6=x Parámetros Infinitesimales Las cantidades qxy , x, y ∈ S, se llaman los parámetros infinitesimales del proceso. Estos parámetros determinan de manera única las cantidades qx y Qxy , y a su vez definen de manera única el proceso de Markov de puros saltos. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 14 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Ecuación Regresiva de Kolmogorov Teorema Para un proceso de Markov de puros saltos, con función de transición Pxy (t), se cumple que X 0 Pxy (t) = qxz Pzy (t), t ≥ 0. z∈S Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 15 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Ecuación Regresiva de Kolmogorov Teorema Para un proceso de Markov de puros saltos, con función de transición Pxy (t), se cumple que X 0 Pxy (t) = qxz Pzy (t), t ≥ 0. z∈S Esta ecuación surge directamente al diferenciar la ecuación integral que resuelve Pxy (t). Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 15 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Ecuación Progresiva de Kolmogorov Teorema Para un proceso de Markov de puros saltos, con función de transición Pxy (t), se cumple que X 0 Pxy (t) = Pxz (t)qzy , t ≥ 0. z∈S Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 16 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Ecuación Progresiva de Kolmogorov Teorema Para un proceso de Markov de puros saltos, con función de transición Pxy (t), se cumple que X 0 Pxy (t) = Pxz (t)qzy , t ≥ 0. z∈S Prueba caso S finito: Tomando la ecuación de Chapman-Kolmogorov, y diferenciandola respecto a s y evaluandola en 0, se obtiene, X X 0 0 Pxy (t) = Pxz (t)Pzy (0) = Pxz (t)qzy . z∈S Prof. Vı́quez (UCR) z∈S Proceso de Markov de Puros Saltos 8 y 22 de Abril 16 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Caso S Finito Cuando S es finito, solo debemos resolver un sistema linea de ecuaciones diferenciales de primer orden para obtener la matriz de transición P0,0 (t) · · · P0,d (t) .. .. P(t) := ... . . Pd,0 (t) · · · Prof. Vı́quez (UCR) Pd,d (t) Proceso de Markov de Puros Saltos 8 y 22 de Abril 17 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Caso S Finito Cuando S es finito, solo debemos resolver un sistema linea de ecuaciones diferenciales de primer orden para obtener la matriz de transición P0,0 (t) · · · P0,d (t) .. .. P(t) := ... . . Pd,0 (t) · · · Pd,d (t) Se define la matriz generadora infinitesimal como q0,0 · · · q0,d .. .. G := ... . . qd,0 · · · qd,d . Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 17 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Caso S Finito Cuando S es finito, solo debemos resolver un sistema linea de ecuaciones diferenciales de primer orden para obtener la matriz de transición P0,0 (t) · · · P0,d (t) .. .. P(t) := ... . . Pd,0 (t) · · · Pd,d (t) Se define la matriz generadora infinitesimal como q0,0 · · · q0,d .. .. G := ... . . qd,0 · · · qd,d . Con esta notación, las ecuaciones de Kolmogorov se convierten en un sistema de ecuaciones diferenciales lineales de primer orden, con condición inical P(0) = I , descritas por: Ecuación Progresiva: P 0 (t) = GP(t) Ecuación Regresiva: P 0 (t) = P(t)G . Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 17 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Esquema Para Resolver el Sistema P 0 (t) = GP(t) Asumiendo que la matriz G es diagonalizable, alguna matriz diagonal d1 0 · · · 0 d2 · · · D := . .. . . .. . . 0 Prof. Vı́quez (UCR) 0 ··· i.e., G = QDQ −1 para 0 0 .. . dn . Proceso de Markov de Puros Saltos 8 y 22 de Abril 18 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Esquema Para Resolver el Sistema P 0 (t) = GP(t) Asumiendo que la matriz G es diagonalizable, alguna matriz diagonal d1 0 · · · 0 d2 · · · D := . .. . . .. . . 0 0 ··· i.e., G = QDQ −1 para 0 0 .. . dn . La solución al sistema de ecuaciones diferenciales lineales de primer orden P 0 (t) = GP(t), está dado por P(t) = P(0)e Gt . Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 18 / 69 Definición y Construcción Proceso de Markov de Puros Saltos Esquema Para Resolver el Sistema P 0 (t) = GP(t) Asumiendo que la matriz G es diagonalizable, alguna matriz diagonal d1 0 · · · 0 d2 · · · D := . .. . . .. . . 0 0 ··· i.e., G = QDQ −1 para 0 0 .. . dn . La solución al sistema de ecuaciones diferenciales lineales de primer orden P 0 (t) = GP(t), está dado por P(t) = P(0)e Gt . P P∞ (tQDQ −1 )k (tG )k Como, por definición, e Gt := ∞ = k=0 k! = k=0 k! P∞ Q(tD)k Q −1 P∞ (tD)k −1 Dt −1 =Q Q = Qe Q , y como P(0) = I , k=0 k=0 k! k! dt entonces e 1 0 ··· 0 0 e d2 t · · · 0 −1 Gt Dt −1 P(t) = P(0)e = Qe Q = Q . . .. Q . . . . . . . . d 0 0 · · · e nt . Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 18 / 69 Propiedades Analogı́a con Cadenas de Markov Definiciones Tiempo de Ingreso Ty Sea Xt un proceso de Markov de puros saltos. Para y ∈ S y X0 6= y , la primera visita a y se da en el tiempo Ty . Si X0 = y , el primer tiempo en que se regresa a y después de dejarlo es Ty . Es decir, Ty := mı́n{t ≥ τ1 / Xt = y }, donde τ1 es el momento del primer salto. Si τ1 = ∞ o si Xt 6= y para todo t ≥ τ1 , entonces se define Ty = ∞. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 19 / 69 Propiedades Analogı́a con Cadenas de Markov Definiciones Tiempo de Ingreso Ty Sea Xt un proceso de Markov de puros saltos. Para y ∈ S y X0 6= y , la primera visita a y se da en el tiempo Ty . Si X0 = y , el primer tiempo en que se regresa a y después de dejarlo es Ty . Es decir, Ty := mı́n{t ≥ τ1 / Xt = y }, donde τ1 es el momento del primer salto. Si τ1 = ∞ o si Xt 6= y para todo t ≥ τ1 , entonces se define Ty = ∞. Probabilidad de Arribo ρxy Si x es un estado absorbente, se define ρxy = δxy . Si x es no-absorbente, se define ρxy := Px [Ty < ∞]. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 19 / 69 Propiedades Analogı́a con Cadenas de Markov Definiciones Estados Recurrentes y Transientes Un estado y ∈ S se dice recurrente si ρyy = 1, y se dice transiente si ρyy < 1. El proceso se dice que es un “proceso recurrente” si todos sus estados son recurrentes, y se dice “proceso transiente” si todos sus estados son transientes. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 20 / 69 Propiedades Analogı́a con Cadenas de Markov Definiciones Estados Recurrentes y Transientes Un estado y ∈ S se dice recurrente si ρyy = 1, y se dice transiente si ρyy < 1. El proceso se dice que es un “proceso recurrente” si todos sus estados son recurrentes, y se dice “proceso transiente” si todos sus estados son transientes. Irreducibilidad Se dice que x conduce a y si ρxy > 0. El proceso se dice ser irreducible si ρxy > 0 para todos los estados x, y ∈ S. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 20 / 69 Propiedades Analogı́a con Cadenas de Markov Cadena de Markov Inmersa Función de Transición de la Cadena de Markov Inmersa La función P(x, y ) = Qxy es la función de transición de una cadena de Markov, llamada cadena inmersa. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 21 / 69 Propiedades Analogı́a con Cadenas de Markov Cadena de Markov Inmersa Función de Transición de la Cadena de Markov Inmersa La función P(x, y ) = Qxy es la función de transición de una cadena de Markov, llamada cadena inmersa. Recurrencia y Transiencia Un proceso de Markov de puros saltos es irreducible si y solo si la cadena inmersa es irreducible. Aún más, un proceso de Markov de puros saltos irreducible es recurrente si y solo si la cadena inmersa es recurrente. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 21 / 69 Propiedades Analogı́a con Cadenas de Markov Cadena de Markov Inmersa Función de Transición de la Cadena de Markov Inmersa La función P(x, y ) = Qxy es la función de transición de una cadena de Markov, llamada cadena inmersa. Recurrencia y Transiencia Un proceso de Markov de puros saltos es irreducible si y solo si la cadena inmersa es irreducible. Aún más, un proceso de Markov de puros saltos irreducible es recurrente si y solo si la cadena inmersa es recurrente. Esto se cumple por el hecho de que las cantidades ρxy del proceso de saltos coinciden con las respectivas cantidades de la cadena inmersa. En particular, un proceso irreducible solo puede ser recurrente o transiente, entonces se concluye. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 21 / 69 Propiedades Analogı́a con Cadenas de Markov Distribución Estacionaria Distribución Estacionaria Si π(x), x ∈ S, son números no-negativos tales que X X π(x) = 1 y π(x)Pxy (t) = π(y ), x∈S x∈S con y ∈ S y t ≥ 0, entonces π se llama distribución estacionaria. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 22 / 69 Propiedades Analogı́a con Cadenas de Markov Distribución Estacionaria Distribución Estacionaria Si π(x), x ∈ S, son números no-negativos tales que X X π(x) = 1 y π(x)Pxy (t) = π(y ), x∈S x∈S con y ∈ S y t ≥ 0, entonces π se llama distribución estacionaria. En particular, si X0 tiene distribución inicial π, entonces Xt tiene distribución π para todo t ≥ 0, i.e., X P[Xt = y ] = π(x)Pxy (t) = π(y ). x∈S Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 22 / 69 Propiedades Analogı́a con Cadenas de Markov Distribución Estacionaria Condición Suficiente y Necesaria π(x) es una distribución estacionaria si y solo X π(x)qxy = 0, ∀ y ∈ S. (1) x∈S Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 23 / 69 Propiedades Analogı́a con Cadenas de Markov Distribución Estacionaria Condición Suficiente y Necesaria π(x) es una distribución estacionaria si y solo X π(x)qxy = 0, ∀ y ∈ S. (1) x∈S Prueba: Si π es estacionaria, entonces al derivar respecto a t se obtiene P 0 x∈S π(x)Pxy (t) = 0, y al evaluar en t = 0 se obtiene (1). Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 23 / 69 Propiedades Analogı́a con Cadenas de Markov Distribución Estacionaria Condición Suficiente y Necesaria π(x) es una distribución estacionaria si y solo X π(x)qxy = 0, ∀ y ∈ S. (1) x∈S Prueba: Si π es estacionaria, entonces al derivar respecto a t se obtiene P 0 x∈S π(x)Pxy (t) = 0, y al evaluar en t = 0 se obtiene (1). Para la otra dirección, asuma (1). Se probará solo para el caso de S finito, pero el resultado se cumplePen general. Utilizando regresiva de P la ecuación ∂ 0 Kolmogorov se obtiene ∂t x∈S π(x)P (t) = x∈S π(x)P xy (t) = P P P xyP P (t) = 0. Esto π(x) q P (t) = π(x)q xz zy xz zy x∈S z∈S x∈S P z∈S implica que x∈S π(x)Pxy (t) es constante e igual a X X X π(x)Pxy (t) = π(x)Pxy (0) = π(x)δxy = π(y ). x∈S Prof. Vı́quez (UCR) x∈S x∈S Proceso de Markov de Puros Saltos 8 y 22 de Abril 23 / 69 Propiedades Analogı́a con Cadenas de Markov Recurrencia Positiva y Recurrencia Nula Recurrecia Positiva y Recurrencia Nula Un estado recurrente x no-absorbente, se llama recurrente positivo si el tiempo medio de retorno mx := Ex [Tx ] es finito, y se dice recurrente nulo si mx = ∞. Un estado absorbente se considera recurrente positivo. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 24 / 69 Propiedades Analogı́a con Cadenas de Markov Recurrencia Positiva y Recurrencia Nula Recurrecia Positiva y Recurrencia Nula Un estado recurrente x no-absorbente, se llama recurrente positivo si el tiempo medio de retorno mx := Ex [Tx ] es finito, y se dice recurrente nulo si mx = ∞. Un estado absorbente se considera recurrente positivo. Proceso Recurrente Positivo y Recurrente Nulo Un proceso de Markov de puros saltos se dice proceso recurrente positivo si todos sus estados son recurrentes positivos, y se dice proceso recurrente nulo si todos sus estados son recurrentes nulos. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 24 / 69 Propiedades Analogı́a con Cadenas de Markov Recurrencia Positiva y Recurrencia Nula Recurrecia Positiva y Recurrencia Nula Un estado recurrente x no-absorbente, se llama recurrente positivo si el tiempo medio de retorno mx := Ex [Tx ] es finito, y se dice recurrente nulo si mx = ∞. Un estado absorbente se considera recurrente positivo. Proceso Recurrente Positivo y Recurrente Nulo Un proceso de Markov de puros saltos se dice proceso recurrente positivo si todos sus estados son recurrentes positivos, y se dice proceso recurrente nulo si todos sus estados son recurrentes nulos. NOTA: Un proceso irreducible que sea recurrente, debe ser recurrente nulo o recurrente positivo. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 24 / 69 Propiedades Analogı́a con Cadenas de Markov Distribución Estacionaria Existencia Distribución Estacionaria Un proceso de Markov de puros saltos, que no posea estados recurrentes positivos, no tiene ninguna distribución estacionaria. Un proceso irreducible y recurrente positivo, tiene una única distribución estacionaria dada por π(x) = Prof. Vı́quez (UCR) 1 , qx mx x ∈S Proceso de Markov de Puros Saltos 8 y 22 de Abril 25 / 69 Propiedades Analogı́a con Cadenas de Markov Distribución Estacionaria Existencia Distribución Estacionaria Un proceso de Markov de puros saltos, que no posea estados recurrentes positivos, no tiene ninguna distribución estacionaria. Un proceso irreducible y recurrente positivo, tiene una única distribución estacionaria dada por π(x) = 1 , qx mx x ∈S La fórmula de la distribución estacionaria se interpreta de la siguiente forma: en un intervalo [0, t], el proceso hace alrededor de mtx visitas al estado x, y el tiempo promedio que pasa en x en cada visita es q1x . Por lo tanto, el tiempo total que pasa en el estado x durante un periodo de tiempo [0, t] deberı́a ser aproximadamente qx tmx . Esta cantidad representa una proporción 1 qx mx Prof. Vı́quez (UCR) = t q x mx t−0 del total del tiempo [0, t]. Proceso de Markov de Puros Saltos 8 y 22 de Abril 25 / 69 Propiedades Analogı́a con Cadenas de Markov Resumen de Resultados Conclusiones Sea SP el conjunto de estados recurrentes positivos del proceso de Markov de puros saltos. 1 Si SP es vacı́o, la cadena no tiene distribución estacionaria. 2 Si SP es no vacı́o e irreducible, la cadena tiene una única distribución estacionaria. 3 Si SP es no vacı́o pero no irreducible, la cadena tiene un número infinito de distribuciones estacionarias. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 26 / 69 Propiedades Analogı́a con Cadenas de Markov Convergencia a la Distribución Estacionaria Periodicidad Un proceso de Markov de puros saltos no posee periodicidades (por qué?). En particular, un proceso irreducible recurrente positivo posee una única distribución estacionaria π para la cual lı́m Pxy (t) = π(y ), t→∞ Prof. Vı́quez (UCR) x, y ∈ S. Proceso de Markov de Puros Saltos 8 y 22 de Abril 27 / 69 Propiedades Analogı́a con Cadenas de Markov Convergencia a la Distribución Estacionaria Periodicidad Un proceso de Markov de puros saltos no posee periodicidades (por qué?). En particular, un proceso irreducible recurrente positivo posee una única distribución estacionaria π para la cual lı́m Pxy (t) = π(y ), t→∞ x, y ∈ S. Si X0 tiene distribución inicial π0 (x), entonces (por el teorema de convergencia acotada) X X P[Xt = y ] = π0 (x)Pxy (t) −−−→ π0 (x)π(y ) = π(y ). x∈S t→∞ x∈S Es decir, la distribución de Xt converge a la distribución estacionaria π, sin importar la distribución inicial del proceso! Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 27 / 69 Procesos de Nacimiento y Muerte Definición Procesos de Nacimiento y Muerte Considere un proceso de Markov de puros saltos con espacio de estados S = {0, 1, 2, . . . } o S = {0, 1, 2, . . . , d}, y de manera que si está en x, solo se puede ir a x − 1, x o x + 1 en un salto, i.e., con parámetros infinitesimales qxy tales que µx , y = x − 1, −(λ + µ ), y = x, x x qxy = λx , y = x + 1, 0, de otro modo, donde λx = qx,x+1 y µx = qx,x−1 se llaman las tasas de Nacimiento y Muerte respectivamente. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 28 / 69 Procesos de Nacimiento y Muerte Definición Observaciones Parámetro Infinitesimal: El P término qxx = −(λx + µx ) se obtiene de la fórmula qx,x+1 + qx,x−1 = y ∈S,y 6=x qxy = −qxx , recordando que qxy = 0 para todo |y − x| > 1. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 29 / 69 Procesos de Nacimiento y Muerte Definición Observaciones Parámetro Infinitesimal: El P término qxx = −(λx + µx ) se obtiene de la fórmula qx,x+1 + qx,x−1 = y ∈S,y 6=x qxy = −qxx , recordando que qxy = 0 para todo |y − x| > 1. Parámetro de la Densidad y Probabilidades de Transición: El término qx = λx + µx se obtiene de la fórmula qx = −qxx . Si x es absorbente, qx = 0, entonces λx = µx = 0. Si qx 6= 0, entonces de la fórmula qx Qxy = qxy se deducen las probabilidades de transición Qxy . Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 29 / 69 Procesos de Nacimiento y Muerte Definición Observaciones Parámetro Infinitesimal: El P término qxx = −(λx + µx ) se obtiene de la fórmula qx,x+1 + qx,x−1 = y ∈S,y 6=x qxy = −qxx , recordando que qxy = 0 para todo |y − x| > 1. Parámetro de la Densidad y Probabilidades de Transición: El término qx = λx + µx se obtiene de la fórmula qx = −qxx . Si x es absorbente, qx = 0, entonces λx = µx = 0. Si qx 6= 0, entonces de la fórmula qx Qxy = qxy se deducen las probabilidades de transición Qxy . Condiciones Necesarias para Proceso de Nacimiento y Muerte: Como S = {0, 1, 2, . . . }, una condición necesaria para los procesos de Nacimiento y Muerte es que µ0 = 0. Si S = {0, 1, . . . , d}, con d < ∞, entonces se requiere que λd = 0. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 29 / 69 Procesos de Nacimiento y Muerte Definición Observaciones Parámetro Infinitesimal: El P término qxx = −(λx + µx ) se obtiene de la fórmula qx,x+1 + qx,x−1 = y ∈S,y 6=x qxy = −qxx , recordando que qxy = 0 para todo |y − x| > 1. Parámetro de la Densidad y Probabilidades de Transición: El término qx = λx + µx se obtiene de la fórmula qx = −qxx . Si x es absorbente, qx = 0, entonces λx = µx = 0. Si qx 6= 0, entonces de la fórmula qx Qxy = qxy se deducen las probabilidades de transición Qxy . Condiciones Necesarias para Proceso de Nacimiento y Muerte: Como S = {0, 1, 2, . . . }, una condición necesaria para los procesos de Nacimiento y Muerte es que µ0 = 0. Si S = {0, 1, . . . , d}, con d < ∞, entonces se requiere que λd = 0. Condición para No-Explosividad: Si S es finito, entonces Xt no puede explotar en un tiempo finito. Si S es infinito, entonces necesitamos condiciones sobre λx para evitar la explosión. Una condición suficiente para la no-explosividad serı́a: λx ≤ A + Bx, x ≥ 0; A, B > 0. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 29 / 69 Procesos de Nacimiento y Muerte Definición Cadena Inmersa y Distribución de Tiempos de Saltos Probabilidades de Transición y Función de Distribución de Saltos El parámetro de la densidad es qx = λx + µx , y la función de distribución de los saltos es Z t Fx (t) = (λx + µx )e −(λx +µx )s ds = 1 − e−(λx + µx )t, t ≥ 0. 0 Las probabilidades de transición de un estado x no-absorbente son µ x y = x − 1, λx +µx λ x Qxy = λx +µ y = x + 1, x 0 de otro modo. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 30 / 69 Procesos de Nacimiento y Muerte Definición Procesos de Puros Nacimientos y de Puras Muertes En un estado x no-absorbente, si µx = 0, entonces Qx,x−1 = 0, i.e., el estado x no conduce al estado x − 1. Igualmente, si λx = 0, entonces Qx,x+1 = 0, i.e., el estado x no conduce al estado x + 1. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 31 / 69 Procesos de Nacimiento y Muerte Definición Procesos de Puros Nacimientos y de Puras Muertes En un estado x no-absorbente, si µx = 0, entonces Qx,x−1 = 0, i.e., el estado x no conduce al estado x − 1. Igualmente, si λx = 0, entonces Qx,x+1 = 0, i.e., el estado x no conduce al estado x + 1. Definición Si µx = 0, para todo x ∈ S, el proceso de Nacimiento y Muerte se llama proceso de puros nacimientos. Si λx = 0, para todo x ∈ S, el proceso de Nacimiento y Muerte se llama proceso de puras muertes. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 31 / 69 Procesos de Nacimiento y Muerte Definición Ecuación Progresiva y Regresiva de Kolmogorov Utilizando las definiciones de qxy , en términos de λx y µx , para el proceso de Nacimiento y Muerte, se obtienen las siguientes ecuaciones (progresiva y regresiva) de Kolmogorov: Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 32 / 69 Procesos de Nacimiento y Muerte Definición Ecuación Progresiva y Regresiva de Kolmogorov Utilizando las definiciones de qxy , en términos de λx y µx , para el proceso de Nacimiento y Muerte, se obtienen las siguientes ecuaciones (progresiva y regresiva) de Kolmogorov: Ecuación Regresiva de Kolmogorov 0 Pxy (t) = µx Px−1,y (t) − (λx + µx )Pxy (t) + λx Px+1,y (t). Ecuación Progresiva de Kolmogorov 0 Pxy (t) = λy −1 Px,y −1 (t) − (λy + µy )Pxy (t) + µy +1 Px,y +1 (t). Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 32 / 69 Procesos de Nacimiento y Muerte Definición Ecuación Progresiva y Regresiva de Kolmogorov Utilizando las definiciones de qxy , en términos de λx y µx , para el proceso de Nacimiento y Muerte, se obtienen las siguientes ecuaciones (progresiva y regresiva) de Kolmogorov: Ecuación Regresiva de Kolmogorov 0 Pxy (t) = µx Px−1,y (t) − (λx + µx )Pxy (t) + λx Px+1,y (t). Ecuación Progresiva de Kolmogorov 0 Pxy (t) = λy −1 Px,y −1 (t) − (λy + µy )Pxy (t) + µy +1 Px,y +1 (t). NOTA: En las ecuaciones anteriores, se entiende que λ−1 = 0, y si S = {0, 1, . . . , d}, con d < ∞, se toma entonces µd+1 = 0. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 32 / 69 Procesos de Nacimiento y Muerte Propiedades Irreducibilidad La cadena de Markov inmersa en un proceso de Nacimiento y Muerte es una cadena de Nacimiento y Muerte con función de transición P(x, y ) = Qxy . En particular, utilizando la notación de las cadenas de x , rx = Qx,x = 0, y Nacimiento y Muerte, px = Qx,x+1 = λxλ+µ x µx qx = Qx,x−1 = λx +µx Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 33 / 69 Procesos de Nacimiento y Muerte Propiedades Irreducibilidad La cadena de Markov inmersa en un proceso de Nacimiento y Muerte es una cadena de Nacimiento y Muerte con función de transición P(x, y ) = Qxy . En particular, utilizando la notación de las cadenas de x , rx = Qx,x = 0, y Nacimiento y Muerte, px = Qx,x+1 = λxλ+µ x µx qx = Qx,x−1 = λx +µx Condiciones Suficientes y Necesarias para Irreducibilidad Las siguientes afirmaciones son equivalentes: El proceso de Nacimiento y Muerte es irreducible, La cadena inmersa de Nacimiento y Muerte es irreducible, ∀ x ∈ S, Qx,x+1 6= 0 (si x < d < ∞) y Qx,x−1 6= 0 (si x > 0). ∀ x ∈ S, λx 6= 0 (si x < d < ∞) y µx 6= 0 (si x > 0). Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 33 / 69 Procesos de Nacimiento y Muerte Propiedades Proceso Irreducible Transiente Condiciones Suficientes y Necesarias Las siguientes afirmaciones son equivalentes: El proceso de Nacimiento y Muerte irreducible es transiente, La cadena inmersa de Nacimiento y Muerte irreducible tiene infinitos estados y es transiente, Los parámetros infinitesimales cumplen que ∞ X µ1 · · · µx x=1 Prof. Vı́quez (UCR) λ1 · · · λx < ∞. Proceso de Markov de Puros Saltos 8 y 22 de Abril 34 / 69 Procesos de Nacimiento y Muerte Propiedades Proceso Irreducible Transiente Condiciones Suficientes y Necesarias Las siguientes afirmaciones son equivalentes: El proceso de Nacimiento y Muerte irreducible es transiente, La cadena inmersa de Nacimiento y Muerte irreducible tiene infinitos estados y es transiente, Los parámetros infinitesimales cumplen que ∞ X µ1 · · · µx x=1 λ1 · · · λx < ∞. Prueba: Se demostró que una cadena de Nacimiento y Muerte, con parámetros (px , rx , qx ), es irreducible si y solo si ∞ X q1 · · · qx x=1 p1 · · · px Prof. Vı́quez (UCR) = µ1 λ1 +µ1 λ1 x=1 λ1 +µ1 ∞ X x · · · λxµ+µ x x · · · λxλ+µ x = ∞ X µ1 · · · µx x=1 Proceso de Markov de Puros Saltos λ1 · · · λx < ∞. 8 y 22 de Abril 34 / 69 Procesos de Nacimiento y Muerte Propiedades Proceso Irreducible Recurrente Positivo Condiciones Suficientes y Necesarias Las siguientes afirmaciones son equivalentes: El proceso de Nacimiento y Muerte irreducible es recurrente positivo, El proceso de Nacimiento y Muerte tiene una única distribución estacionaria, dada por πx π(x) = Pd , x ∈ S, y =0 πy donde d ≤ ∞, πx := λ0 ···λx−1 µ1 ···µx y π0 := 1, Los parámetros infinitesimales cumplen que d X λ0 · · · λx−1 x=1 Prof. Vı́quez (UCR) µ 1 · · · µx < ∞, Proceso de Markov de Puros Saltos d ≤ ∞. 8 y 22 de Abril 35 / 69 Procesos de Nacimiento y Muerte Propiedades Proceso Irreducible Recurrente Positivo Condiciones Suficientes y Necesarias Las siguientes afirmaciones son equivalentes: El proceso de Nacimiento y Muerte irreducible es recurrente positivo, El proceso de Nacimiento y Muerte tiene una única distribución estacionaria, dada por πx π(x) = Pd , x ∈ S, y =0 πy donde d ≤ ∞, πx := λ0 ···λx−1 µ1 ···µx y π0 := 1, Los parámetros infinitesimales cumplen que d X λ0 · · · λx−1 x=1 µ 1 · · · µx < ∞, d ≤ ∞. NOTA: No se puede utilizar el hecho de que la cadena inmersa sea recurrente positiva. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 35 / 69 Procesos de Nacimiento y Muerte Propiedades Prueba El sistema de ecuaciones P x∈S π(x)qxy = 0 se vuelve −π(0)λ0 + π(1)µ1 = 0 π(y − 1)λy −1 − π(y )(λy + µy ) + π(y + 1)µy +1 = 0 Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 36 / 69 Procesos de Nacimiento y Muerte Propiedades Prueba El sistema de ecuaciones P x∈S π(x)qxy = 0 se vuelve −π(0)λ0 + π(1)µ1 = 0 π(y − 1)λy −1 − π(y )(λy + µy ) + π(y + 1)µy +1 = 0 Reacomodando se obtiene, π(1)µ1 − π(0)λ0 = 0 π(y + 1)µy +1 − π(y )λy = π(y )µy − π(y − 1)λy −1 Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos y ≥ 1. 8 y 22 de Abril 36 / 69 Procesos de Nacimiento y Muerte Propiedades Prueba El sistema de ecuaciones P x∈S π(x)qxy = 0 se vuelve −π(0)λ0 + π(1)µ1 = 0 π(y − 1)λy −1 − π(y )(λy + µy ) + π(y + 1)µy +1 = 0 Reacomodando se obtiene, π(1)µ1 − π(0)λ0 = 0 π(y + 1)µy +1 − π(y )λy = π(y )µy − π(y − 1)λy −1 y ≥ 1. Entonces, µy +1 π(y + 1) − λy π(y ) = 0, es decir, π(x) = λx−1 λ0 · · · λx−1 π(x − 1) = · · · = π(0) = πx π(0). µx µ1 · · · µx P Si dx=0 πx < ∞, claramente (al sumar) se tiene la fórmula para π(x). De P lo contrario π ≡ 0 o x∈S π(x) = ∞, i.e., no hay distribución estacionaria. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 36 / 69 Procesos de Nacimiento y Muerte Propiedades Resumen Condiciones Suficientes y Necesarias Transiente: El proceso irreducible es transiente si y solo si d = ∞ y ∞ X µ1 · · · µx x=1 Prof. Vı́quez (UCR) λ1 · · · λx < ∞. Proceso de Markov de Puros Saltos 8 y 22 de Abril 37 / 69 Procesos de Nacimiento y Muerte Propiedades Resumen Condiciones Suficientes y Necesarias Transiente: El proceso irreducible es transiente si y solo si d = ∞ y ∞ X µ1 · · · µx x=1 λ1 · · · λx < ∞. Recurrente Positivo: El proceso irreducible es recurrente positivo si y solo si existe una única distribución estacionaria si y solo si d X λ0 · · · λx−1 x=1 Prof. Vı́quez (UCR) µ1 · · · µx < ∞, d ≤ ∞. Proceso de Markov de Puros Saltos 8 y 22 de Abril 37 / 69 Procesos de Nacimiento y Muerte Propiedades Resumen Condiciones Suficientes y Necesarias Transiente: El proceso irreducible es transiente si y solo si d = ∞ y ∞ X µ1 · · · µx x=1 λ1 · · · λx < ∞. Recurrente Positivo: El proceso irreducible es recurrente positivo si y solo si existe una única distribución estacionaria si y solo si d X λ0 · · · λx−1 x=1 µ1 · · · µx < ∞, d ≤ ∞. Recurrente Nula: El proceso irreducible es recurrente nulo si ninguna de las otras dos posibles opciones se cumple, i.e., d = ∞ y ∞ X λ0 · · · λx−1 x=1 Prof. Vı́quez (UCR) µ1 · · · µx =∞ y ∞ X µ1 · · · µx x=1 λ1 · · · λx Proceso de Markov de Puros Saltos = ∞. 8 y 22 de Abril 37 / 69 Proceso de Puros Nacimientos Función de Transición Función de Transición Fórmula Recursiva Sea Xt un proceso de puros nacimientos en S = {0, 1, 2, . . . }. Entonces, R t −λ (t−s) y Px,y −1 (s)ds, y > x, λy −1 0 e −λ t x Pxy (t) = e , y = x, 0, y < x. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 38 / 69 Proceso de Puros Nacimientos Función de Transición Función de Transición Fórmula Recursiva Sea Xt un proceso de puros nacimientos en S = {0, 1, 2, . . . }. Entonces, R t −λ (t−s) y Px,y −1 (s)ds, y > x, λy −1 0 e −λ t x Pxy (t) = e , y = x, 0, y < x. En particular, Z Px,x+1 (t) = λx ( = Prof. Vı́quez (UCR) t e −λx+1 (t−s) 0 λx −λx t λx+1 −λx e λx te −λx t , Z Pxx (s)ds = λx t e −λx+1 (t−s) e −λx s ds 0 − e −λx+1 t Proceso de Markov de Puros Saltos λx+1 6= λx λx+1 = λx . . 8 y 22 de Abril 38 / 69 Proceso de Puros Nacimientos Función de Transición Prueba Como x no conduce a x − 1, lo que a su vez implica que x no conduce a y para todo y < x, entonces Pxy (t) = 0 para todo y < x y t ≥ 0. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 39 / 69 Proceso de Puros Nacimientos Función de Transición Prueba Como x no conduce a x − 1, lo que a su vez implica que x no conduce a y para todo y < x, entonces Pxy (t) = 0 para todo y < x y t ≥ 0. En este caso, con µx = 0 para todo x ∈ S, la ecuación progresiva de Kolmogorov se vuelve 0 Pxy (t) = λy −1 Px,y −1 (t) − λy Pxy (t), Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos t ≥ 0. 8 y 22 de Abril (2) 39 / 69 Proceso de Puros Nacimientos Función de Transición Prueba Como x no conduce a x − 1, lo que a su vez implica que x no conduce a y para todo y < x, entonces Pxy (t) = 0 para todo y < x y t ≥ 0. En este caso, con µx = 0 para todo x ∈ S, la ecuación progresiva de Kolmogorov se vuelve 0 Pxy (t) = λy −1 Px,y −1 (t) − λy Pxy (t), t ≥ 0. (2) Tomando y = x y recordando lo anterior, se obtiene que 0 Pxx (t) = λx−1 Px,x−1 (t) − λx Pxx (t) = −λx Pxx (t) =⇒ Pxx = e −λx t , pues Pxx (0) = 1. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 39 / 69 Proceso de Puros Nacimientos Función de Transición Prueba Como x no conduce a x − 1, lo que a su vez implica que x no conduce a y para todo y < x, entonces Pxy (t) = 0 para todo y < x y t ≥ 0. En este caso, con µx = 0 para todo x ∈ S, la ecuación progresiva de Kolmogorov se vuelve 0 Pxy (t) = λy −1 Px,y −1 (t) − λy Pxy (t), t ≥ 0. (2) Tomando y = x y recordando lo anterior, se obtiene que 0 Pxx (t) = λx−1 Px,x−1 (t) − λx Pxx (t) = −λx Pxx (t) =⇒ Pxx = e −λx t , pues Pxx (0) = 1. Asumiendo que conocemos Px,y −1 (t), para y > x, se puede resolver la ecuación diferencial ordinaria (2), obteniendo Z t Pxy (t) = λy −1 e −λy (t−s) Px,y −1 (s)ds, 0 pues Pxy (0) = 0 para todo y 6= x. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 39 / 69 Proceso de Puros Nacimientos Proceso de Poisson Definición Proceso de Poisson Un proceso estocástico X se llama proceso de Poisson si las siguientes condiciones se cumplen: 1 X0 = 0. 2 El proceso X tiene incrementos independientes, i.e. si r < s ≤ t < u, entonces Xu − Xt y Xs − Xr son variables aleatorias independientes. 3 para s < t, la variable aleatoria Xt − Xs tienen distribución de Poisson con parámetro λ (t − s) Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 40 / 69 Proceso de Puros Nacimientos Proceso de Poisson Definición Proceso de Poisson Un proceso estocástico X se llama proceso de Poisson si las siguientes condiciones se cumplen: 1 X0 = 0. 2 El proceso X tiene incrementos independientes, i.e. si r < s ≤ t < u, entonces Xu − Xt y Xs − Xr son variables aleatorias independientes. 3 para s < t, la variable aleatoria Xt − Xs tienen distribución de Poisson con parámetro λ (t − s) NOTA: Cabe resaltar la similitud entre la definición de movimiento Browniano y de proceso de Poisson! Ambos pertenecen a la familia de Procesos de Levy, que forman una colección enorme de procesos, los cuales se pueden utilizar para construir otros procesos más complicados a través de la apropiada definición de una “integral” respecto a un proceso de Levy. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 40 / 69 Proceso de Puros Nacimientos Proceso de Poisson Caracterı́sticas del Proceso de Poisson El proceso de Poisson se utiliza para modelar eventos dinámicos, como entradas de llamadas, clientes llegando a una fila y desintegraciones radioactivas. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 41 / 69 Proceso de Puros Nacimientos Proceso de Poisson Caracterı́sticas del Proceso de Poisson El proceso de Poisson se utiliza para modelar eventos dinámicos, como entradas de llamadas, clientes llegando a una fila y desintegraciones radioactivas. Xt denota el número de eventos ocurridos en el intervalo de tiempo (0, t]. La variable Xt − Xs denota el número de eventos ocurridos en el intervalo de tiempo (s, t]. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 41 / 69 Proceso de Puros Nacimientos Proceso de Poisson Caracterı́sticas del Proceso de Poisson El proceso de Poisson se utiliza para modelar eventos dinámicos, como entradas de llamadas, clientes llegando a una fila y desintegraciones radioactivas. Xt denota el número de eventos ocurridos en el intervalo de tiempo (0, t]. La variable Xt − Xs denota el número de eventos ocurridos en el intervalo de tiempo (s, t]. Xt es un proceso de Poisson si y solo si los tiempos de espera entre saltos τi − τi−1 son i.i.d. con distribución exponencial de parámetro λ. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 41 / 69 Proceso de Puros Nacimientos Proceso de Poisson Caracterı́sticas del Proceso de Poisson El proceso de Poisson se utiliza para modelar eventos dinámicos, como entradas de llamadas, clientes llegando a una fila y desintegraciones radioactivas. Xt denota el número de eventos ocurridos en el intervalo de tiempo (0, t]. La variable Xt − Xs denota el número de eventos ocurridos en el intervalo de tiempo (s, t]. Xt es un proceso de Poisson si y solo si los tiempos de espera entre saltos τi − τi−1 son i.i.d. con distribución exponencial de parámetro λ. Xt es un proceso de Puros Nacimientos con tasa de nacimiento constante λ y comenzando en 0. En particular, de la fórmula recursiva para la función de transición tenemos que Pxx (t) = e −λt , 0 Px,x+1 (t) = λte −λt , Rt Rt 2 −λt 0 Px,x+2 (t) = λ 0 e −λ(t−s) Px,x+1 (s)ds = λ2 e −λt 0 sds = (λt) 2e . En general, se obtiene que Pxy (t) = Prof. Vı́quez (UCR) (λt)y −x e −λt (y −x)! Proceso de Markov de Puros Saltos 8 y 22 de Abril 41 / 69 Proceso de Puros Nacimientos Proceso de Poisson Proceso de Poisson como Proceso de Puros Nacimientos Tome un proceso de Puros Nacimientos Xt tal que λx = λ para todo x ≥ 0. Nóte que Pxy (t) = P0,y −x (t) Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 42 / 69 Proceso de Puros Nacimientos Proceso de Poisson Proceso de Poisson como Proceso de Puros Nacimientos Tome un proceso de Puros Nacimientos Xt tal que λx = λ para todo x ≥ 0. Nóte que Pxy (t) = P0,y −x (t) Distribución X de Poisson: X P[Xs = x, Xt = x + y ] = P[Xs = x]Px,x+y (t − s) P[Xt − Xs = y ] = x∈S = X x∈S x∈S y λ(t − s) e −λ(t−s) P[Xs = x]P0,y (t − s) = P0,y (t − s) = y! Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 42 / 69 Proceso de Puros Nacimientos Proceso de Poisson Proceso de Poisson como Proceso de Puros Nacimientos Tome un proceso de Puros Nacimientos Xt tal que λx = λ para todo x ≥ 0. Nóte que Pxy (t) = P0,y −x (t) Distribución X de Poisson: X P[Xs = x, Xt = x + y ] = P[Xs = x]Px,x+y (t − s) P[Xt − Xs = y ] = x∈S = X x∈S x∈S y λ(t − s) e −λ(t−s) P[Xs = x]P0,y (t − s) = P0,y (t − s) = y! Incrementos Independientes: P[Xt − Xu = y , Xs − Xr = z] X = P[Xr = x]Px,x+z (s − r )Px+z,x+z+w (u − s)Px+z+w ,x+z+w +y (t − u) x,w ∈S = X P[Xr = x]P0,z (s − r )P0,w (u − s)P0,y (t − u) x,w ∈S = P0,z (s − r )P0,y (t − u) = P[Xs − Xr = z]P[Xt − Xu = y ]. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 42 / 69 Ejemplos y Ejercicios Proceso de Nacimiento y Muerte con 2 Estados Ejercicio: Proceso de Nacimiento y Muerte con 2 Estados Considere un proceso de Nacimiento y Muerte con S = {0, 1}. Suponga que 0 y 1 son estados no-absorbentes. Como µ0 = λ1 = 0, por simplicidad se denotará λ = λ0 y µ = µ1 . Este proceso describe un sistema en que se está “activo” o “ocupado” (maquinas o teléfonos). Suponga que el sistema se mantiene en el estado 0 por un tiempo exponencialmente distribuido con parámetro λ, y en el estado 1 durante un tiempo exponencialmente distribuido con parámetro µ. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 43 / 69 Ejemplos y Ejercicios Proceso de Nacimiento y Muerte con 2 Estados Ejercicio: Proceso de Nacimiento y Muerte con 2 Estados Considere un proceso de Nacimiento y Muerte con S = {0, 1}. Suponga que 0 y 1 son estados no-absorbentes. Como µ0 = λ1 = 0, por simplicidad se denotará λ = λ0 y µ = µ1 . Este proceso describe un sistema en que se está “activo” o “ocupado” (maquinas o teléfonos). Suponga que el sistema se mantiene en el estado 0 por un tiempo exponencialmente distribuido con parámetro λ, y en el estado 1 durante un tiempo exponencialmente distribuido con parámetro µ. Ejercicio: Pruebe que existe una única distribución estacionaria y que la función de transición del proceso converge a esta distribución estacionaria. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 43 / 69 Ejemplos y Ejercicios Proceso de Nacimiento y Muerte con 2 Estados Distribución Estacionaria Claramente, como y µ > 0, el proceso es irreducible. Como S es Pdλ >λ00 ···λ finito, entonces x=1 µ1 ···µx−1 = µλ < ∞, por lo que se concluye que el x proceso es recurrente positivo. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 44 / 69 Ejemplos y Ejercicios Proceso de Nacimiento y Muerte con 2 Estados Distribución Estacionaria Claramente, como y µ > 0, el proceso es irreducible. Como S es Pdλ >λ00 ···λ finito, entonces x=1 µ1 ···µx−1 = µλ < ∞, por lo que se concluye que el x proceso es recurrente positivo. Utilizando las fórmulas para obtener la distribución estacionaria, se tiene que π0 = 1 y π1 = µλ . Entonces, π(0) = 1 π0 = π0 + π1 1+ π(1) = π1 µ = π0 + π1 1+ λ µ = µ λ+µ = λ . λ+µ y λ Prof. Vı́quez (UCR) λ µ Proceso de Markov de Puros Saltos 8 y 22 de Abril 44 / 69 Ejemplos y Ejercicios Proceso de Nacimiento y Muerte con 2 Estados Función de Transición De la ecuación regresiva de Kolmogorov para y = 0 se tiene 0 P00 (t) = −λP00 (t) + λP10 (t) Prof. Vı́quez (UCR) 0 P10 (t) = µP00 (t) − µP10 (t). Proceso de Markov de Puros Saltos 8 y 22 de Abril (3) 45 / 69 Ejemplos y Ejercicios Proceso de Nacimiento y Muerte con 2 Estados Función de Transición De la ecuación regresiva de Kolmogorov para y = 0 se tiene 0 P00 (t) = −λP00 (t) + λP10 (t) 0 P10 (t) = µP00 (t) − µP10 (t). (3) Restando estas ecuaciones se obtiene, d P00 (t) − P10 (t) = −(λ + µ) P00 (t) − P10 (t) dt =⇒ P00 (t) − P10 (t) = P00 (0) − P10 (0) e −(λ+µ)t = e −(λ+µ)t . Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 45 / 69 Ejemplos y Ejercicios Proceso de Nacimiento y Muerte con 2 Estados Función de Transición De la ecuación regresiva de Kolmogorov para y = 0 se tiene 0 P00 (t) = −λP00 (t) + λP10 (t) 0 P10 (t) = µP00 (t) − µP10 (t). (3) Restando estas ecuaciones se obtiene, d P00 (t) − P10 (t) = −(λ + µ) P00 (t) − P10 (t) dt =⇒ P00 (t) − P10 (t) = P00 (0) − P10 (0) e −(λ+µ)t = e −(λ+µ)t . Introduciendo esto en (3) se tiene 0 P00 (t) = −λ P00 (t) − P10 (t) = −λe −(λ+µ)t Z t =⇒ P00 (t) = P00 (t) − λe −(λ+µ)s ds = 1 − 0 λ (1 − e −(λ+µ)t ) λ+µ µ λ = + e −(λ+µ)t λ+µ λ+µ Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 45 / 69 Ejemplos y Ejercicios Proceso de Nacimiento y Muerte con 2 Estados Conclusión De la solución P00 (t) − P10 (t) = e −(λ+µ)t se obtiene el valor para P10 (t). Los demás valores se obtienen de la siguiente manera: P11 (t) = 1 − P10 (t) y P01 (t) = 1 − P00 (t). Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 46 / 69 Ejemplos y Ejercicios Proceso de Nacimiento y Muerte con 2 Estados Conclusión De la solución P00 (t) − P10 (t) = e −(λ+µ)t se obtiene el valor para P10 (t). Los demás valores se obtienen de la siguiente manera: P11 (t) = 1 − P10 (t) y P01 (t) = 1 − P00 (t). En conclusión: P00 (t) = µ µ λ + e −(λ+µ)t −−−→ = π(0) t→∞ λ + µ λ+µ λ+µ P10 (t) = µ µ µ − e −(λ+µ)t −−−→ = π(0) t→∞ λ + µ λ+µ λ+µ P01 (t) = λ λ λ − e −(λ+µ)t −−−→ = π(1) t→∞ λ + µ λ+µ λ+µ P11 (t) = λ µ λ + e −(λ+µ)t −−−→ = π(1). t→∞ λ + µ λ+µ λ+µ Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 46 / 69 Ejemplos y Ejercicios Proceso de Nacimiento y Muerte con 2 Estados Pxy (t): Método Alternativo Nótese que como estamos lidiando con un sistema de ecuaciones diferenciales lineales de primer orden, entonces podemos utilizar el método de valores propios. En particular ! µ λ −λ λ 1 λ 0 0 λ+µ λ+µ G= = = Q −1 DQ. −1 1 µ −µ 1 −µ 0 −(λ + µ) λ+µ λ+µ Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 47 / 69 Ejemplos y Ejercicios Proceso de Nacimiento y Muerte con 2 Estados Pxy (t): Método Alternativo Nótese que como estamos lidiando con un sistema de ecuaciones diferenciales lineales de primer orden, entonces podemos utilizar el método de valores propios. En particular ! µ λ −λ λ 1 λ 0 0 λ+µ λ+µ G= = = Q −1 DQ. −1 1 µ −µ 1 −µ 0 −(λ + µ) λ+µ λ+µ La teorı́a nos dice que la solución a P 0 (t) = GP(t), con condición inicial P(0) = I , es 1 0 tG tD −1 P(t) = e = Qe Q = Q Q −1 0 e −(λ+µ)t ! ! = Prof. Vı́quez (UCR) µ λ+µ µ λ+µ λ λ+µ λ λ+µ + λ λ+µ −µ λ+µ −λ λ+µ µ λ+µ Proceso de Markov de Puros Saltos e −(λ+µ)t 8 y 22 de Abril 47 / 69 Ejemplos y Ejercicios Tasas de Nacimiento y Muerte Procesos de Ramificación Proceso de Ramificación Considere una colección de partı́culas que generan nuevas partı́culas independientemente. Suponga que cada partı́cula, desde que es generada, espera un tiempo aleatorio distribuido exponencialmente con parámetro q y luego, se divide en dos partı́cula indénticas con probabilidad p o desaparece con probabilidad 1 − p. Xt denota el número de partı́culas existentes en el momento t. Este proceso de Ramificación es un proceso de Nacimiento y Muerte. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 48 / 69 Ejemplos y Ejercicios Tasas de Nacimiento y Muerte Procesos de Ramificación Proceso de Ramificación Considere una colección de partı́culas que generan nuevas partı́culas independientemente. Suponga que cada partı́cula, desde que es generada, espera un tiempo aleatorio distribuido exponencialmente con parámetro q y luego, se divide en dos partı́cula indénticas con probabilidad p o desaparece con probabilidad 1 − p. Xt denota el número de partı́culas existentes en el momento t. Este proceso de Ramificación es un proceso de Nacimiento y Muerte. Proceso de Ramificación con Inmigración Considere el proceso de Ramificación aterior. Suponga que hay ingreso de nuevas partı́culas al sistema en tiempos aleatorios que forman un proceso de Poisson con parámetro λ y una vez en el sistema se dividen bajo el modelo de ramificación explicado anteriormente. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 48 / 69 Ejemplos y Ejercicios Tasas de Nacimiento y Muerte Procesos de Ramificación Proceso de Ramificación Considere una colección de partı́culas que generan nuevas partı́culas independientemente. Suponga que cada partı́cula, desde que es generada, espera un tiempo aleatorio distribuido exponencialmente con parámetro q y luego, se divide en dos partı́cula indénticas con probabilidad p o desaparece con probabilidad 1 − p. Xt denota el número de partı́culas existentes en el momento t. Este proceso de Ramificación es un proceso de Nacimiento y Muerte. Proceso de Ramificación con Inmigración Considere el proceso de Ramificación aterior. Suponga que hay ingreso de nuevas partı́culas al sistema en tiempos aleatorios que forman un proceso de Poisson con parámetro λ y una vez en el sistema se dividen bajo el modelo de ramificación explicado anteriormente. Ejercicio: Encuentre las tasas de nacimiento y muerte de ambos procesos. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 48 / 69 Ejemplos y Ejercicios Tasas de Nacimiento y Muerte Lemma Mı́nimo de Variables Aleatorias Exponenciales Sean ξ1 , . . . , ξn variables i.i.d. exponencialmente distribuidas con respectivos parámetros α1 , . . . , αn . Entonces τ := mı́n{ξ1 , . . . , ξn } tiene distribución exponencial con parámetro α1 + · · · + αn y P[ξi = τ ] = αi , α1 + · · · + αn i = 1, . . . , n. Aún más, con probabilidad 1, los ξi son todas distintas entre sı́. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 49 / 69 Ejemplos y Ejercicios Tasas de Nacimiento y Muerte Prueba Lemma La primera afirmación surge de la independencia, i.e. P[τ > t] = P[ξ1 > t, . . . , ξn > t] = P[ξ1 > t] · · · P[ξn > t] = e −α1 t · · · e −αn t = e −(α1 +···+αn )t Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 50 / 69 Ejemplos y Ejercicios Tasas de Nacimiento y Muerte Prueba Lemma La primera afirmación surge de la independencia, i.e. P[τ > t] = P[ξ1 > t, . . . , ξn > t] = P[ξ1 > t] · · · P[ξn > t] = e −α1 t · · · e −αn t = e −(α1 +···+αn )t Para la segunda afirmación, defina τ̃k := mı́n{ξi / i 6= k}. Por el Ppunto anterior, τ̃k tiene distribución exponencial con parámetro βk = i6=k αi , a la vez que ξk y τ̃k son independientes. Entonces, Z ∞ Z ∞ −αk t −βk s P[ξk = τ ] = P[ξk ≤ τ̃k ] = αk e βk e ds dt 0 t Z ∞ αk αk = = αk e −(αk +βk )t dy = α + β α + · · · + αn 1 k k 0 Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 50 / 69 Ejemplos y Ejercicios Tasas de Nacimiento y Muerte Prueba Lemma La primera afirmación surge de la independencia, i.e. P[τ > t] = P[ξ1 > t, . . . , ξn > t] = P[ξ1 > t] · · · P[ξn > t] = e −α1 t · · · e −αn t = e −(α1 +···+αn )t Para la segunda afirmación, defina τ̃k := mı́n{ξi / i 6= k}. Por el Ppunto anterior, τ̃k tiene distribución exponencial con parámetro βk = i6=k αi , a la vez que ξk y τ̃k son independientes. Entonces, Z ∞ Z ∞ −αk t −βk s P[ξk = τ ] = P[ξk ≤ τ̃k ] = αk e βk e ds dt 0 t Z ∞ αk αk = = αk e −(αk +βk )t dy = α + β α + · · · + αn 1 k k 0 Para la última afirmación, basta con R notar que P[ξi 6= ξj ] = 1 − P[ξi = ξj ] = 1 − {t=s} f (s, t)dsdt = 1. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 50 / 69 Ejemplos y Ejercicios Tasas de Nacimiento y Muerte Tasas para Proceso de Ramificación Suponga que el sistema cuenta inicialmente con x partı́culas. Sean ξ1 , . . . , ξx los tiempos que pasan hasta que las partı́culas se dividen o desaparecen. Cada ξi se distribuye exponencialmente con parámetro q, por lo que τ = mı́n{ξ1 , . . . , ξx } tiene distribución exponencial con parámetro qx = q + · · · + q = xq. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 51 / 69 Ejemplos y Ejercicios Tasas de Nacimiento y Muerte Tasas para Proceso de Ramificación Suponga que el sistema cuenta inicialmente con x partı́culas. Sean ξ1 , . . . , ξx los tiempos que pasan hasta que las partı́culas se dividen o desaparecen. Cada ξi se distribuye exponencialmente con parámetro q, por lo que τ = mı́n{ξ1 , . . . , ξx } tiene distribución exponencial con parámetro qx = q + · · · + q = xq. La partı́cula que haya actuado en el momento τ , tiene probabilidad p de dividirse en dos partı́culas y probabilidad 1 − p de desaparecer. Entonces, Qx,x+1 = p Prof. Vı́quez (UCR) y Qx,x−1 = 1 − p. Proceso de Markov de Puros Saltos 8 y 22 de Abril 51 / 69 Ejemplos y Ejercicios Tasas de Nacimiento y Muerte Tasas para Proceso de Ramificación Suponga que el sistema cuenta inicialmente con x partı́culas. Sean ξ1 , . . . , ξx los tiempos que pasan hasta que las partı́culas se dividen o desaparecen. Cada ξi se distribuye exponencialmente con parámetro q, por lo que τ = mı́n{ξ1 , . . . , ξx } tiene distribución exponencial con parámetro qx = q + · · · + q = xq. La partı́cula que haya actuado en el momento τ , tiene probabilidad p de dividirse en dos partı́culas y probabilidad 1 − p de desaparecer. Entonces, Qx,x+1 = p y Qx,x−1 = 1 − p. El estado 0 es un estado absorbente. Para los demás estados, utilizando las fórmulas λx = qx Qx,x+1 y µx = qx Qx,x−1 , se obtiene que λx = xqp Prof. Vı́quez (UCR) y µx = xq(1 − p). Proceso de Markov de Puros Saltos 8 y 22 de Abril 51 / 69 Ejemplos y Ejercicios Tasas de Nacimiento y Muerte Tasas para Proceso de Ramificación con Inmigración Suponga que el sistema cuenta inicialmente con x partı́culas. Sean ξ1 , . . . , ξx los tiempos que pasan hasta que las partı́culas se dividen o desaparecen, y sea η el primer instante en que una nueva partı́cula ingresa al sistema. η es independiente de ξi para todo i. Entonces, τ = mı́n{ξ1 , . . . , ξx , η} tiene distribución exponencial con parámetro qx = q + · · · + q + λ = xq + λ. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 52 / 69 Ejemplos y Ejercicios Tasas de Nacimiento y Muerte Tasas para Proceso de Ramificación con Inmigración Suponga que el sistema cuenta inicialmente con x partı́culas. Sean ξ1 , . . . , ξx los tiempos que pasan hasta que las partı́culas se dividen o desaparecen, y sea η el primer instante en que una nueva partı́cula ingresa al sistema. η es independiente de ξi para todo i. Entonces, τ = mı́n{ξ1 , . . . , ξx , η} tiene distribución exponencial con parámetro qx = q + · · · + q + λ = xq + λ. El evento {Xτ = x + 1} sucede si una partı́cula en el sistema se divide (τ = ξi para algún i) o si ingresa una nueva partı́cula al sistema (τ = η). λ Como P[τ = η] = xq+λ , entonces, Qx,x+1 = λ xq + p xq + λ xq + λ Prof. Vı́quez (UCR) y Qx,x−1 = Proceso de Markov de Puros Saltos xq (1 − p). xq + λ 8 y 22 de Abril 52 / 69 Ejemplos y Ejercicios Tasas de Nacimiento y Muerte Tasas para Proceso de Ramificación con Inmigración Suponga que el sistema cuenta inicialmente con x partı́culas. Sean ξ1 , . . . , ξx los tiempos que pasan hasta que las partı́culas se dividen o desaparecen, y sea η el primer instante en que una nueva partı́cula ingresa al sistema. η es independiente de ξi para todo i. Entonces, τ = mı́n{ξ1 , . . . , ξx , η} tiene distribución exponencial con parámetro qx = q + · · · + q + λ = xq + λ. El evento {Xτ = x + 1} sucede si una partı́cula en el sistema se divide (τ = ξi para algún i) o si ingresa una nueva partı́cula al sistema (τ = η). λ Como P[τ = η] = xq+λ , entonces, Qx,x+1 = λ xq + p xq + λ xq + λ y Qx,x−1 = xq (1 − p). xq + λ Se concluye que, λx = qx Qx,x+1 = xqp + λ Prof. Vı́quez (UCR) y µx = xq(1 − p). Proceso de Markov de Puros Saltos 8 y 22 de Abril 52 / 69 Ejemplos y Ejercicios Función de Transición Cadena de Cuatro Estados Considere una cadena de cuatro estados con infinitesimal −1 1 0 1 −3 1 G = 0 1 −2 0 1 1 matriz generadora 0 1 . 1 −2 Calcule la función de transición y la distribución estacionaria. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 53 / 69 Ejemplos y Ejercicios Función de Transición Solución: Diagonalización Al diagonalizar se obtiene que G = QDQ −1 , donde 0 0 0 0 0 −1 0 0 D= 0 0 −3 0 , 0 0 0 −4 1 1 0 −1/3 1 0 0 1 Q= 1 −1/2 −1/2 −1/3 , 1 −1/2 1/2 −1/3 Q −1 Prof. Vı́quez (UCR) 1/4 1/4 1/4 1/4 2/3 0 −1/3 −1/3 . = 0 0 −1 1 −1/4 3/4 −1/4 −1/4 Proceso de Markov de Puros Saltos 8 y 22 de Abril 54 / 69 Ejemplos y Ejercicios Función de Transición Solución: P(t) P(t) =Qe tD Q −1 1/4 1/4 1/4 1/4 2/3 0 1/4 1/4 1/4 1/4 0 0 = 1/4 1/4 1/4 1/4 + −1/3 0 1/4 1/4 1/4 1/4 −1/3 0 0 0 0 0 1/12 0 0 −3t −1/4 0 0 + + 0 0 1/2 −1/2 e 1/12 0 0 −1/2 1/2 1/12 1/4 1/4 1/4 1/4 1/4 1/4 1/4 1/4 t→∞ −−−→ 1/4 1/4 1/4 1/4 = π 1/4 1/4 1/4 1/4 Prof. Vı́quez (UCR) −1/3 −1/3 0 0 e −t 1/6 1/6 1/6 1/6 Proceso de Markov de Puros Saltos −1/4 1/12 1/12 3/4 −1/4 −1/4 e −4t −1/4 1/12 1/12 −1/4 1/12 1/12 8 y 22 de Abril 55 / 69 Ejemplos y Ejercicios Función de Transición Proceso Lineal de Puros Nacimientos Considere un proceso de Puros Nacimientos en {0, 1, 2, . . . } con tasas de nacimiento λx = λx. Encuentre la función de transición para este proceso. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 56 / 69 Ejemplos y Ejercicios Función de Transición Proceso Lineal de Puros Nacimientos Considere un proceso de Puros Nacimientos en {0, 1, 2, . . . } con tasas de nacimiento λx = λx. Encuentre la función de transición para este proceso. Utilizando la fórmula recursiva para los procesos de Puros Nacimientos, se tiene que Pxx (t) = e −λxt , Px,x+1 = xe −λxt 1 − e λt , Z t Px,x+2 (t) = (x + 1)xλ e −(x+2)λ(t−s) e −λxs (1 − e −λs )ds 0 Z t −(x+2)λt = (x + 1)xλe e 2λs (1 − e −λs )ds 0 Z t −(x+2)λt = (x + 1)xλe e λs (e λs − 1)ds 0 λt − 1)2 x + 1 −λxt (e −(x+2)λt = e (1 − e −λt )2 = (x + 1)xλe 2λ 2 Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 56 / 69 Ejemplos y Ejercicios Función de Transición Proceso Lineal de Puros Nacimientos Considere un proceso de Puros Nacimientos en {0, 1, 2, . . . } con tasas de nacimiento λx = λx. Encuentre la función de transición para este proceso. Utilizando la fórmula recursiva para los procesos de Puros Nacimientos, se tiene que Pxx (t) = e −λxt , Px,x+1 = xe −λxt 1 − e λt , Z t Px,x+2 (t) = (x + 1)xλ e −(x+2)λ(t−s) e −λxs (1 − e −λs )ds 0 Z t −(x+2)λt = (x + 1)xλe e 2λs (1 − e −λs )ds 0 Z t −(x+2)λt = (x + 1)xλe e λs (e λs − 1)ds 0 λt − 1)2 x + 1 −λxt (e −(x+2)λt = e (1 − e −λt )2 = (x + 1)xλe 2λ 2 La fórmula general (probada por inducción) serı́a y − 1 −λxt Pxy (t) = e (1 − e −λt )y −x . y −x Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 56 / 69 Ejemplos y Ejercicios Proceso de Colas con Infinitos Servidores Proceso de Colas con Infinitos Servidores Descripción del Modelo Suponga que los clientes arriban de acuerdo a un proceso de Poisson con parámetro λ, y cada cliente es atendido en el momento en que llega (i.e., hay una cantidad infinita de servidores). Suponga que los tiempos de servicio son independientes y exponencialmente distribuidos con parámetro µ. Xt denota el número de clientes que están siendo servidos en el tiempo t. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 57 / 69 Ejemplos y Ejercicios Proceso de Colas con Infinitos Servidores Proceso de Colas con Infinitos Servidores Descripción del Modelo Suponga que los clientes arriban de acuerdo a un proceso de Poisson con parámetro λ, y cada cliente es atendido en el momento en que llega (i.e., hay una cantidad infinita de servidores). Suponga que los tiempos de servicio son independientes y exponencialmente distribuidos con parámetro µ. Xt denota el número de clientes que están siendo servidos en el tiempo t. Noten que el proceso de Colas con Infinitos Servidores es un caso especial del proceso de Ramificación con Inmigración, donde q = µ y p = 0 (no hay probabilidad de división, solo de morir). En particular, y por lo calculado anteriormente, Qx,x+1 Prof. Vı́quez (UCR) λx = λ λ = λ + xµ y µx = xµ y Qx,x−1 = Proceso de Markov de Puros Saltos xµ λ + xµ 8 y 22 de Abril 57 / 69 Ejemplos y Ejercicios Proceso de Colas con Infinitos Servidores Función de Transición Función de Transición Pxy (t) La función de transición para el proceso de Colas con Infinitos Servidores es mı́n{x,y } Pxy (t) = X k=0 Prof. Vı́quez (UCR) x−k x −kµt e 1 − e −µt k λ µ 1 − e −µt Proceso de Markov de Puros Saltos y −k (y − k)! e λ −µ (1−e −µt ) 8 y 22 de Abril 58 / 69 Ejemplos y Ejercicios Proceso de Colas con Infinitos Servidores Función de Transición Función de Transición Pxy (t) La función de transición para el proceso de Colas con Infinitos Servidores es mı́n{x,y } Pxy (t) = X k=0 x−k x −kµt e 1 − e −µt k λ µ 1 − e −µt y −k (y − k)! e λ −µ (1−e −µt ) Esta función de transición es difı́cil de ser obtenida a través de las ecuaciones de Kolmogorov, y será deducida a través de argumentos probabilı́sticos. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 58 / 69 Ejemplos y Ejercicios Proceso de Colas con Infinitos Servidores Prueba: Variables Sea Yt el número de clientes que llegan en el tiempo (0, t]. Por hipótesis, las llegadas en (0, t] son una Poisson con parámetro λt. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 59 / 69 Ejemplos y Ejercicios Proceso de Colas con Infinitos Servidores Prueba: Variables Sea Yt el número de clientes que llegan en el tiempo (0, t]. Por hipótesis, las llegadas en (0, t] son una Poisson con parámetro λt. τi es el tiempo en que es atendido el cliente que llegó en el i-ésimo arribo. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 59 / 69 Ejemplos y Ejercicios Proceso de Colas con Infinitos Servidores Prueba: Variables Sea Yt el número de clientes que llegan en el tiempo (0, t]. Por hipótesis, las llegadas en (0, t] son una Poisson con parámetro λt. τi es el tiempo en que es atendido el cliente que llegó en el i-ésimo arribo. (1) Sea Xt el número de clientes que llegan en (0, t] y que todavı́a están siendo atendidos. Sea x el número de clientes que están presentes (2) inicialmente, y Xt la cantidad de esos clientes que aún están siendo (1) (2) atendidos. Xt y Xt son independientes. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 59 / 69 Ejemplos y Ejercicios Proceso de Colas con Infinitos Servidores Prueba: Variables Sea Yt el número de clientes que llegan en el tiempo (0, t]. Por hipótesis, las llegadas en (0, t] son una Poisson con parámetro λt. τi es el tiempo en que es atendido el cliente que llegó en el i-ésimo arribo. (1) Sea Xt el número de clientes que llegan en (0, t] y que todavı́a están siendo atendidos. Sea x el número de clientes que están presentes (2) inicialmente, y Xt la cantidad de esos clientes que aún están siendo (1) (2) atendidos. Xt y Xt son independientes. µt Defina pt = 1−e µt . Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 59 / 69 Ejemplos y Ejercicios Proceso de Colas con Infinitos Servidores Prueba: Variables Sea Yt el número de clientes que llegan en el tiempo (0, t]. Por hipótesis, las llegadas en (0, t] son una Poisson con parámetro λt. τi es el tiempo en que es atendido el cliente que llegó en el i-ésimo arribo. (1) Sea Xt el número de clientes que llegan en (0, t] y que todavı́a están siendo atendidos. Sea x el número de clientes que están presentes (2) inicialmente, y Xt la cantidad de esos clientes que aún están siendo (1) (2) atendidos. Xt y Xt son independientes. µt Defina pt = 1−e µt . Dado Yt = k, los tiempos de las primeras k llegadas se distribuyen como k variables aleatorias (Ui ) i.i.d con distribución uniforme en (0, t]. Además, si un cliente que llega en un tiempo s ∈ (0, t], tiene probabilidad Z ∞ P[τ > t | U = s] = µe −µu du = e −µ(t−s) , t−s de estar aún siendo atendido. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 59 / 69 Ejemplos y Ejercicios Proceso de Colas con Infinitos Servidores Prueba: Distribución de X (1) Dado Yt , y de X (2) h i (1) P Xt = n | Yt = k k = P Ui ∈ (0, t], 0 ≤ i ≤ k, τj > t, 0 ≤ j ≤ n, τl < t, n + 1 ≤ l ≤ k n n k−n k P U ∈ (0, t], τ > t P U ∈ (0, t], τ < t = n | {z } k−n = 1−P U∈(0,t],τ >t n k−n Z t Z t k ds ds 1− P[τ > t | U = s] = P[τ > t | U = s] t t n 0 0 Z t n k−n Z t k ds ds = e −µ(t−s) 1− e −µ(t−s) n t t 0 0 n k−n µt µt k 1−e 1−e k n = = 1− p (1 − pt )k−n n µt µt n t Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 60 / 69 Ejemplos y Ejercicios Proceso de Colas con Infinitos Servidores Prueba: Distribución de X (1) Dado Yt , y de X (2) h i (1) P Xt = n | Yt = k k = P Ui ∈ (0, t], 0 ≤ i ≤ k, τj > t, 0 ≤ j ≤ n, τl < t, n + 1 ≤ l ≤ k n n k−n k P U ∈ (0, t], τ > t P U ∈ (0, t], τ < t = n | {z } k−n = 1−P U∈(0,t],τ >t n k−n Z t Z t k ds ds 1− P[τ > t | U = s] = P[τ > t | U = s] t t n 0 0 Z t n k−n Z t k ds ds = e −µ(t−s) 1− e −µ(t−s) n t t 0 0 n k−n µt µt k 1−e 1−e k n = = 1− p (1 − pt )k−n n µt µt n t h i (2) x−k Igualmente se deduce que P Xt = n = kx e −µtx (1 − e −µt ) . Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 60 / 69 Ejemplos y Ejercicios Proceso de Colas con Infinitos Servidores Prueba: Distribución de X (1) ∞ h i X h i (1) (1) P Xt = n = P Xt = n, Yt = k = k=n ∞ X h i (1) P [Yt = k] P Xt = n | Yt = k k=n ∞ X k! (λt)k e −λt · p n (1 − pt )k−n k! n!(k − n)! t k=n k−n ∞ (λtpt )n e −λt X λt(1 − pt ) = n! (k − n)! k=n m ∞ (λtpt )n e −λt X λt(1 − pt ) (λtpt )n e −λt λt(1−pt ) = = e n! m! n! m=0 n λ −µt 1 − e n −λtp t µ (λtpt ) e − λ (1−e −µt ) = = e µ n! n! = Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 61 / 69 Ejemplos y Ejercicios Proceso de Colas con Infinitos Servidores Prueba: Pxy (t) (1) La fórmula final surge de notar que Xt = Xt (2) + Xt , y que mı́n{x,y } Pxy (t) = Px [Xt = y ] = X (2) = k]P[Xt (2) = k]P[Xt Px [Xt (1) = y − k | Xt (2) (1) = y − k] = k] k=0 mı́n{x,y } = X Px [Xt k=0 mı́n{x,y } = X k=0 Prof. Vı́quez (UCR) x−k x −kµt e 1 − e −µt k y −k λ −µt 1 − e µ − λ (1−e −µt ) × e µ . (y − k)! Proceso de Markov de Puros Saltos 8 y 22 de Abril 62 / 69 Ejemplos y Ejercicios Proceso de Colas con Infinitos Servidores Prueba: Pxy (t) (1) La fórmula final surge de notar que Xt = Xt (2) + Xt , y que mı́n{x,y } Pxy (t) = Px [Xt = y ] = X (2) = k]P[Xt (2) = k]P[Xt Px [Xt (1) = y − k | Xt (2) (1) = y − k] = k] k=0 mı́n{x,y } = X Px [Xt k=0 mı́n{x,y } = X k=0 Nótese que lı́mt→∞ Pxy (t) = Prof. Vı́quez (UCR) x−k x −kµt e 1 − e −µt k y −k λ −µt 1 − e µ − λ (1−e −µt ) × e µ . (y − k)! (λ/µ)y e −λ/µ y! ? z}|{ = π(y ). Proceso de Markov de Puros Saltos 8 y 22 de Abril 62 / 69 Ejemplos y Ejercicios Proceso de Colas con Infinitos Servidores Prueba: Distribución Estacionaria Irreducibilidad: El proceso de Colas con Infinitos Servidores es un proceso de Nacimiento y Muerte que es claramente irreducible (λx = λ > 0 y µx = xµ > 0). Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 63 / 69 Ejemplos y Ejercicios Proceso de Colas con Infinitos Servidores Prueba: Distribución Estacionaria Irreducibilidad: El proceso de Colas con Infinitos Servidores es un proceso de Nacimiento y Muerte que es claramente irreducible (λx = λ > 0 y µx = xµ > 0). Recurrencia Positiva: Utilizando la fórmula para verificar si el proceso es recurrente positivo, se tiene que ∞ ∞ ∞ X X λ0 · · · λx−1 X λx (λ/µ)x = = e λ/µ − 1 < ∞. = µ1 · · · µx x!µx x! x=1 x=1 x=1 Por lo tanto, el proceso de Colas con Infinitos Servidores es Irreducible y Recurrente Positivo. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 63 / 69 Ejemplos y Ejercicios Proceso de Colas con Infinitos Servidores Prueba: Distribución Estacionaria Irreducibilidad: El proceso de Colas con Infinitos Servidores es un proceso de Nacimiento y Muerte que es claramente irreducible (λx = λ > 0 y µx = xµ > 0). Recurrencia Positiva: Utilizando la fórmula para verificar si el proceso es recurrente positivo, se tiene que ∞ ∞ ∞ X X λ0 · · · λx−1 X λx (λ/µ)x = = e λ/µ − 1 < ∞. = µ1 · · · µx x!µx x! x=1 x=1 x=1 Por lo tanto, el proceso de Colas con Infinitos Servidores es Irreducible y Recurrente Positivo. x Distribución Estacionaria: Sabiendo que πx = (λ/µ) se obtiene, x! πx π(x) = P∞ y =0 πy Prof. Vı́quez (UCR) = (λ/µ)x x! P∞ (λ/µ)y y =0 y! Proceso de Markov de Puros Saltos = (λ/µ)x −λ/µ e . x! 8 y 22 de Abril 63 / 69 Ejemplos y Ejercicios Proceso de Colas con Infinitos Servidores Prueba: Distribución Estacionaria Irreducibilidad: El proceso de Colas con Infinitos Servidores es un proceso de Nacimiento y Muerte que es claramente irreducible (λx = λ > 0 y µx = xµ > 0). Recurrencia Positiva: Utilizando la fórmula para verificar si el proceso es recurrente positivo, se tiene que ∞ ∞ ∞ X X λ0 · · · λx−1 X λx (λ/µ)x = = e λ/µ − 1 < ∞. = µ1 · · · µx x!µx x! x=1 x=1 x=1 Por lo tanto, el proceso de Colas con Infinitos Servidores es Irreducible y Recurrente Positivo. x Distribución Estacionaria: Sabiendo que πx = (λ/µ) se obtiene, x! πx π(x) = P∞ y =0 πy = (λ/µ)x x! P∞ (λ/µ)y y =0 y! = (λ/µ)x −λ/µ e . x! Se comprueba que la distribución estacionaria es una distribución de Poisson con parámetro λ/µ, y que lı́mt→∞ Pxy (t) = π(y ). Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 63 / 69 Ejemplos y Ejercicios Proceso de Colas con N Servidores Proceso de Colas con N Servidores Descripción del Modelo Suponga que los clientes arriban de acuerdo a un proceso de Poisson con parámetro λ. Existen N servidores, donde N es positivo. Suponga que los tiempos de servicio son independientes y exponencialmente distribuidos con parámetro µ, y cuando hay más de N clientes buscando ser atendidos, el excedente de clientes forman una cola y esperan hasta que llegue su turno en uno de los N servidores. Xt denota el número de clientes que están en el sistema en el tiempo t, ya sea siendo atendidos o esperando a ser atendidos. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 64 / 69 Ejemplos y Ejercicios Proceso de Colas con N Servidores Proceso de Colas con N Servidores Descripción del Modelo Suponga que los clientes arriban de acuerdo a un proceso de Poisson con parámetro λ. Existen N servidores, donde N es positivo. Suponga que los tiempos de servicio son independientes y exponencialmente distribuidos con parámetro µ, y cuando hay más de N clientes buscando ser atendidos, el excedente de clientes forman una cola y esperan hasta que llegue su turno en uno de los N servidores. Xt denota el número de clientes que están en el sistema en el tiempo t, ya sea siendo atendidos o esperando a ser atendidos. Encuentre los parámetos infinitesimales de este proceso, determine si es irreducible, y cuando es transiente, recurrente nulo o recurrente positivo; y encuentre la distribución estacionaria en el caso en el que el proceso es irreducible y recurrente positivo. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 64 / 69 Ejemplos y Ejercicios Proceso de Colas con N Servidores Tasas de Nacimiento y Muerte, e Irreducibilidad Noten que el proceso de Colas con N Servidores es un proceso de Nacimiento y Muerte en {0, 1, 2, . . . }, con tasas de nacimiento λx = λ, y tasas de muerte ( xµ 0≤x <N µx = Nµ N ≤ x. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 65 / 69 Ejemplos y Ejercicios Proceso de Colas con N Servidores Tasas de Nacimiento y Muerte, e Irreducibilidad Noten que el proceso de Colas con N Servidores es un proceso de Nacimiento y Muerte en {0, 1, 2, . . . }, con tasas de nacimiento λx = λ, y tasas de muerte ( xµ 0≤x <N µx = Nµ N ≤ x. Como λx > 0 y µx > 0, el proceso es irreducible. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 65 / 69 Ejemplos y Ejercicios Proceso de Colas con N Servidores Transiente, Recurrente Nulo o Recurrente Positivo Transiente: El proceso es transiente si y solo si ∞ X µ1 · · · µx x=1 λ1 · · · λx = N−1 X x!(µ/λ)x + N!(Nµ/λ)N x=1 (Nµ/λ)x−N < ∞. x=N P x Esto sucede si y solo si ∞ x=0 (Nµ/λ) = decir, si y solo si λ > Nµ. Prof. Vı́quez (UCR) ∞ X 1−lı́mx→∞ (Nµ/λ)x 1−(Nµ/λ) Proceso de Markov de Puros Saltos < ∞, es 8 y 22 de Abril 66 / 69 Ejemplos y Ejercicios Proceso de Colas con N Servidores Transiente, Recurrente Nulo o Recurrente Positivo Transiente: El proceso es transiente si y solo si ∞ X µ1 · · · µx x=1 λ1 · · · λx = N−1 X x!(µ/λ)x + N!(Nµ/λ)N x=1 ∞ X (Nµ/λ)x−N < ∞. x=N P 1−lı́mx→∞ (Nµ/λ)x x < ∞, es Esto sucede si y solo si ∞ x=0 (Nµ/λ) = 1−(Nµ/λ) decir, si y solo si λ > Nµ. Recurernte Positivo: El proceso es recurrente positivo si y solo si ∞ X λ0 · · · λx−1 x=1 µ 1 · · · µx = N−1 X x=1 ∞ (λ/µ)x (λ/Nµ)N X + (λ/Nµ)x−N < ∞. x! N! P∞ Esto sucede si y solo si x=0 (λ/Nµ)x = decir, si y solo si λ < Nµ. Prof. Vı́quez (UCR) x=N 1−lı́mx→∞ (λ/Nµ)x 1−(λ/Nµ) Proceso de Markov de Puros Saltos < ∞, es 8 y 22 de Abril 66 / 69 Ejemplos y Ejercicios Proceso de Colas con N Servidores Transiente, Recurrente Nulo o Recurrente Positivo Transiente: El proceso es transiente si y solo si ∞ X µ1 · · · µx x=1 λ1 · · · λx = N−1 X x!(µ/λ)x + N!(Nµ/λ)N x=1 ∞ X (Nµ/λ)x−N < ∞. x=N P 1−lı́mx→∞ (Nµ/λ)x x < ∞, es Esto sucede si y solo si ∞ x=0 (Nµ/λ) = 1−(Nµ/λ) decir, si y solo si λ > Nµ. Recurernte Positivo: El proceso es recurrente positivo si y solo si ∞ X λ0 · · · λx−1 x=1 µ 1 · · · µx = N−1 X x=1 ∞ (λ/µ)x (λ/Nµ)N X + (λ/Nµ)x−N < ∞. x! N! P∞ x=N x x→∞ (λ/Nµ) Esto sucede si y solo si x=0 (λ/Nµ)x = 1−lı́m1−(λ/Nµ) < ∞, es decir, si y solo si λ < Nµ. Recurrente Nulo: El proceso es recurrente nulo si y solo si λ = Nµ. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 66 / 69 Ejemplos y Ejercicios Proceso de Colas con N Servidores Distribución Estacionaria De la fórmula πx = λ0 ···λx−1 µ1 ···µx , πx = Prof. Vı́quez (UCR) se obtiene que ( (λ/µ)x 0 ≤ x < N, x! (λ/µ)x N!N x−N N ≤ x. Proceso de Markov de Puros Saltos 8 y 22 de Abril 67 / 69 Ejemplos y Ejercicios Proceso de Colas con N Servidores Distribución Estacionaria De la fórmula πx = λ0 ···λx−1 µ1 ···µx , πx = se obtiene que ( (λ/µ)x 0 ≤ x < N, x! (λ/µ)x N!N x−N N ≤ x. Fijando K= ∞ X πx = x=0 = N−1 X x=0 N−1 X x=0 (λ/µ)x x! ∞ (λ/Nµ)N X (λ/µ)x + (λ/Nµ)x−N x! N! + x=N (λ/Nµ)N N! 1 − (Nµ/λ) , se concluye que si λ < Nµ, la distribución estacionaria es ( 1 (λ/µ)x 0 ≤ x < N, x! π(x) = K (λ/µ) x 1 N ≤ x. K N!N x−N Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 67 / 69 Ejemplos y Ejercicios Proceso de Colas con N Servidores References Hoel, P., Port, S., Stone, C (1987) Introduction to Stocastic Processes. Waveland Press, USA. Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 68 / 69 Ejemplos y Ejercicios Proceso de Colas con N Servidores Final de clase Prof. Vı́quez (UCR) Proceso de Markov de Puros Saltos 8 y 22 de Abril 69 / 69