Procesos Estocásticos Deber 02

ESCUELA POLITÉCNICA NACIONAL.
P ROCESOS E STOCÁSTICOS • D EBER N ◦ 1
Semestre 2020-A William Gabriel Granda Betancourt.
E JERCICIO 1. Un sistema informático puede funcionar en dos modos diferen-

tes. Cada hora, permanece en el mismo modo o cambia a un modo diferente
de acuerdo con a matriz de probabilidad de transición:
!
0,4 0,6
P=
0,6 0,4
1. Calcule la matriz de probabilidad de transición en dos pasos.
2. Si el sistema está en el modo I a las 5 : 30 pm. ¿Cuál es la probabilidad

de que estará en el modo I a las 8 : 30 pm del mismo día?
Solución: 1. En primer lugar, sabemos que

!
p00 (2) p01 (2)
P (2) = = P2 .
p10 (2) p11 (2)
Así, se sigue que

! ! !
0,4 0,6 0,4 0,6 0,52 0,48
P (2) = × = .
0,6 0,4 0,6 0,4 0,48 0,52
2. En primer lugar, consideremos la siguiente notación:
0 = modo I y 1 = modo II.
Así, si consideramos 5 : 30 como el tiempo cero, buscamos el valor de
P( X3 = 0| X0 = 0) = p00 (3). (1)
Por otro lado, La matriz de transición en 3 pasos, viene dada por

! ! !
0,52 0,48 0,4 0,6 0,496 0,504
P (3) = × = .
0,48 0,52 0,6 0,4 0,504 0,5008
Luego, junto con (1), se sigue que
p00 (3) = 0,496.
1
William Gabriel Granda Betancourt. Deber N◦ 1
E JERCICIO 2. Sea Xn una cadena de Markov con dos estados {0, 1} y matriz
de transición !
p q
P=
q p
Encuentre P( X1 = 0| X0 = 0, X2 = 2).
Solución: Por la Fórmula de la Probabilidad Condicional, tenemos que
P( X2 = 0, X1 = 0, X0 = 0)
P( X1 = 0| X0 = 0, X2 = 0) = ,
P( X2 = 0, X0 = 0)
P( X2 = 0| X1 = 0, X0 = 0) P( X1 = 0, X0 = 0)
= ,
P( X2 = 0, X0 = 0)
de donde, por la propiedad de Markov, se sigue que
P( X2 = 0| X1 = 0) P( X1 = 0, X0 = 0)
P( X1 = 0| X0 = 0, X2 = 0) = ,
P( X2 = 0, X0 = 0)
nuevamente, por la Fórmula de la Probabilidad Condicional, obtenemos que
P ( X2 = 0 | X1 = 0 ) P ( X1 = 0 | X0 = 0 ) P ( X0 = 0 )
P( X1 = 0| X0 = 0, X2 = 0) = ,
P ( X2 = 0 | X0 = 0 ) P ( X0 = 0 )
P ( X2 = 0 | X1 = 0 ) P ( X1 = 0 | X0 = 0 )
= ,
P ( X2 = 0 | X0 = 0 )
p2
= ,
P ( X2 = 0 | X0 = 0 )
es decir,
p2
P( X1 = 0| X0 = 0, X2 = 0) = . (2)
P ( X2 = 0 | X0 = 0 )
Por otro lado, sabemos que
! ! !
p q p q p2 + q2 2pq
P (2) = × = ,
q p q p 2pq p + q2
2
de donde, junto con (2), se sigue que
p2
P( X1 = 0| X0 = 0, X2 = 0) = .
p2 + q2
2
Deber N◦ 1 William Gabriel Granda Betancourt.
E JERCICIO 3. Consideremos una cadena de Markov cuyo diagrama de tran-

sición es el siguiente
Encuentre las clases de comunicación y clasifique los estados.
Solución: Notemos que
5 ↔ 6, 7↔9 y 9 ↔ 10 ↔ 11,
con esto, tenemos que
C (1) = {1}, C (2) = {2}, C (3) = {3}, C (4) = {4},
C (5) = {5, 6}, C (7) = {7, 8}, y C9 = {9, 10, 11}.
Ahora, vamos a determinar los estados recurrentes y transitorios, en efecto, tene-

mos que
+∞ +∞
∑ p1,1 (n) = ∑ 0 < +∞,
n =1 n =1
así, el estado 1 es transitorio.

Análogamente para los estados 2 y 3, se tiene que
+∞ +∞ +∞
∑ p2,2 (n) = ∑ p3,3 (n) = ∑ 0 < +∞,
n =1 n =1 n =1
de donde, los estados son transitorios.

Para el estado 4, obtenemos que
p4,4 (n) = 1n ,
de donde,
+∞ +∞
∑ p4,4 (n) = ∑ 1n = +∞,
n =1 n =1
es decir, el estado 4 es recurrente.

Por otro lado, para el estado 5, tenemos que
f 55 (1) = 0, f 55 (2) = 0,2 × 0,5 = 0,01 y f 55 (n) = 0∀n ≥ 3,
con esto, se sigue que

+∞
f 55 = ∑ f 55 (n) = 0,01 < 1,
n =1
3
luego, el estado 5 es transitorio, y dado que la transitoriedad es una propiedad de

clase, podemos concluir que el estado 6 también es transitorio.
Para el estado 7, notemos que
f 77 (1) = 0, f 7,7 = 1 × (0, 4)n−2 × 0,6∀n ≥ 2,
de donde,
+∞
f 77 = ∑ f 77 (n),
n =1
+∞
= ∑ (0,4)n−2 × 0,6,
n =2
+∞
0,6
=
(0,4)2 ∑ (0,4)n ,
n =2

0,6 0,4
= − 0,4 ,
(0,4)2 0,6
= 1,
de donde, el estado 7 es recurrente, y dada la propiedad de clase de la recurrencia,

tenemos que el estado 8 es recurrente.
Finalmente, para el estado 9, tenemos que
f 99 (3) = 1 y f 99 (n) = 0∀n ≥ 1, n 6= 3,
así,
+∞
f 99 = ∑ f 99 (n) = 1,
n =1
es decir, el estado 9 es recurrente, y por lo tanto, los estados 10 y 11 también lo

son.
E JERCICIO 4. Sea { Xn : n ≥ 0} una caminata aleatoria simple sobre Z que

inicia en X0 = 0 Sea f ij la probabilidad de que eventualmente la caminata
visite el estado j a partir del estado i, es decir,
f ij = P( Xn = j para alguna n ≥ 1 | X0 = i ) .
2 .
1. Demuestre que f −1,1 = f −1,0 × f 0,1 = f 0,1
4
Deber N◦ 1 William Gabriel Granda Betancourt.
2. Condicionando sobre el primer paso de la caminata, demuestre que
f 00 = p f 10 + q f 1,0 = p f 10 + q f 0,1 .
Demostración. 1. En primer lugar, notemos que
f −11 (2n + 1) = 0 y f −11 (2n) = qn−1 pn+1 ,
para cada n ∈ N, de donde,

+∞
f −11 = ∑ q n −1 p n +1 ,
n =1
+∞
p
( pq)2 ,
q n∑
=
=1
p pq
= ( ),
q 1 − pq
p2
= .
1 − pq
Por otro lado, tenemos que
f −1,0 (2n + 1) = pn+1 qn y f −1,0 (2n) = 0,
para todo n ∈ N ∪ 0. Así, se sigue que

+∞
f −10 = ∑ p n +1 q n ,
n =0
+∞
=p ∑ ( pq)n ,
n =0
p
= .
1 − pq
Análogamente, dado que
f 0,1 (2n + 1) = pn+1 qn y f 0,1 (2n) = 0,
obtenemos que
p
f 0,1 = .
1 − pq
Con esto, tenemos que

2
f −1,0 × f 0,1 = f 0,1 .
5
2. En primer lugar, consideremos la variable aleatoria
τ = { n ≥ 0 : Xn = 0},
tenemos que
f 00 = P( Xτ = 0| X0 = 0),
por la Fórmula de la Probabilidad Condicional, tenemos que
P( Xτ = 0, X0 = 0)
f 00 = ,
P ( X0 = 0 )
de donde, condicionando sobre el primer paso, se sigue que

P( Xτ = 0, X0 = 0| X1 = 1) P( X1 = 1) + P( Xτ = 0, X0 = 0| X1 = −1) P( X1 = −1)
f 00 = ,
P ( X0 = 0 )
P( Xτ = 0, X0 = 0, X1 = 1) + P( Xτ = 0, X0 = 0, X1 = −1)
= ,
P ( X0 = 0 )
P( Xτ = 0| X1 = 1, X0 = 0) P( X1 = 1, X0 = 0) + P( Xτ = 0| X1 = −1, X0 = 0) P( X1 = −1, X0 = 0)
= ,
P ( X0 = 0 )
luego, por la propiedad de Markov, obtenemos que

P( Xτ = 0| X1 = 1) P( X1 = 1, X0 = 0) + P( Xτ = 0| X1 = −1) P( X1 = 1, X0 = 0)
f 00 = ,
P ( X0 = 0 )
de donde, nuevamente, por la Fórmula de la Probabilidad Condicional, ob-

tenemos que
f 00 = P( Xτ = 0| X1 = 1) P( X1 = 1| X0 = 0) + P( Xτ = 0| X1 = −1) P( X1 = −1| X0 = 0),
de donde, dado que
P ( X1 = 1 | X0 = 0 ) = p y P( X1 = −1| X0 = 0) = q,
podemos concluir que
f 00 = pP( Xτ = 0| X1 = 1) + qP( Xτ = 0| X1 = −1),
lo cual, es equivalente a tener que
f 00 = p f 10 + q f −10 .
Además por el literal anterior, se sigue que
f 00 = p f 10 + q f −10 = p f 10 + q f 01 .

Procesos Estocásticos Deber 02

Cargado por

Copyright:

Formatos disponibles

Procesos Estocásticos Deber 02

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Procesos Estocásticos Deber 02

Cargado por

Copyright:

Formatos disponibles

ESCUELA POLITÉCNICA NACIONAL.

P ROCESOS E STOCÁSTICOS • D EBER N ◦ 1

Semestre 2020-A William Gabriel Granda Betancourt.

E JERCICIO 1. Un sistema informático puede funcionar en dos modos diferen-

1. Calcule la matriz de probabilidad de transición en dos pasos.

2. Si el sistema está en el modo I a las 5 : 30 pm. ¿Cuál es la probabilidad

Solución: 1. En primer lugar, sabemos que

Así, se sigue que

2. En primer lugar, consideremos la siguiente notación:

0 = modo I y 1 = modo II.

Así, si consideramos 5 : 30 como el tiempo cero, buscamos el valor de

P( X3 = 0| X0 = 0) = p00 (3). (1)

Por otro lado, La matriz de transición en 3 pasos, viene dada por

Luego, junto con (1), se sigue que

p00 (3) = 0,496.

Solución: Por la Fórmula de la Probabilidad Condicional, tenemos que

de donde, por la propiedad de Markov, se sigue que

nuevamente, por la Fórmula de la Probabilidad Condicional, obtenemos que

de donde, junto con (2), se sigue que

E JERCICIO 3. Consideremos una cadena de Markov cuyo diagrama de tran-

Solución: Notemos que

con esto, tenemos que

C (1) = {1}, C (2) = {2}, C (3) = {3}, C (4) = {4},

C (5) = {5, 6}, C (7) = {7, 8}, y C9 = {9, 10, 11}.

Ahora, vamos a determinar los estados recurrentes y transitorios, en efecto, tene-

así, el estado 1 es transitorio.

de donde, los estados son transitorios.

es decir, el estado 4 es recurrente.

f 55 (1) = 0, f 55 (2) = 0,2 × 0,5 = 0,01 y f 55 (n) = 0∀n ≥ 3,

con esto, se sigue que

luego, el estado 5 es transitorio, y dado que la transitoriedad es una propiedad de

f 77 (1) = 0, f 7,7 = 1 × (0, 4)n−2 × 0,6∀n ≥ 2,

de donde, el estado 7 es recurrente, y dada la propiedad de clase de la recurrencia,

f 99 (3) = 1 y f 99 (n) = 0∀n ≥ 1, n 6= 3,

es decir, el estado 9 es recurrente, y por lo tanto, los estados 10 y 11 también lo

E JERCICIO 4. Sea { Xn : n ≥ 0} una caminata aleatoria simple sobre Z que

2. Condicionando sobre el primer paso de la caminata, demuestre que

Demostración. 1. En primer lugar, notemos que

f −11 (2n + 1) = 0 y f −11 (2n) = qn−1 pn+1 ,

para cada n ∈ N, de donde,

Por otro lado, tenemos que

f −1,0 (2n + 1) = pn+1 qn y f −1,0 (2n) = 0,

para todo n ∈ N ∪ 0. Así, se sigue que

Análogamente, dado que

f 0,1 (2n + 1) = pn+1 qn y f 0,1 (2n) = 0,

Con esto, tenemos que

2. En primer lugar, consideremos la variable aleatoria

por la Fórmula de la Probabilidad Condicional, tenemos que

de donde, condicionando sobre el primer paso, se sigue que

luego, por la propiedad de Markov, obtenemos que

de donde, nuevamente, por la Fórmula de la Probabilidad Condicional, ob-

de donde, dado que

podemos concluir que

f 00 = pP( Xτ = 0| X1 = 1) + qP( Xτ = 0| X1 = −1),

lo cual, es equivalente a tener que

Además por el literal anterior, se sigue que

También podría gustarte