REPBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA DEFENSA

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITCNICA DE LA FUERZA
ARMADA NACIONAL
UNEFA

TEOR
A DE
LA
RENO
VACI
N

Bachiller:

Santa Ana de Coro; 25 de noviembre de 2014

ndice

Introduccin.3
Defina teora de Renovacin4
Teoremas de la teora de renovacin..6

Enumere 6 caractersticas de la teora de renovacin..8

Generalizacin de los procesos de Renovacin9
Distribucin lmite para procesos de Renovacin..9
Caractersticas de los procesos transitorios10
Conclusin12
Resumen13

INTRODUCCIN
Los procesos estocsticos, han tenido muchos auges en la era moderna,
dada la gran cantidad de aplicaciones, en fenmeno de crecimiento, mecanismo
de evolucin gentica, sistemas de ingeniera, estructura econmica, y en muchos
otros campos.
En este sentido los procesos de conteo como los procesos de Poisson y las
cadenas de Markov, son ejemplos importantes de los procesos estocsticos. Los
primeros registran el nmero de repeticiones de algn evento de inters, con la
caracterstica de que los tiempos de ocurrencias entre dos eventos consecutivos
son variables aleatorias, independientes e idnticamente distribuidas con una
distribucin comn exponencial. La caracterstica principal de Markov es la
propiedad de prdida de memoria que es el que pasado no influye en la evolucin
futura del sistema.
El objetivo de este trabajo es estudiar el proceso de renovacin
Markovianos, los cuales mezclan la estructura probabilstica de la teora de
renovacin y las cadenas de Markov.

Teora de la Renovacin
La teora de renovacin estudia una clase de procesos estocsticos conocidos
como procesos de conteo, es decir, procesos que registran el nmero de
repeticiones de cierto evento, con la caracterstica de que los tiempos de
ocurrencia entre dos eventos consecutivos son variables aleatorias no negativas,
independientes e idnticamente distribuida. La teora de renovacin al tiempo
transcurrido entre la n-sima y la (n 1)-esima ocurrencia del evento y
supongamos que estas variables son no negativa, independientes e idnticamente
distribuidas.
Entonces:
n

Sn =

Xk
k=1

N N,

k=1
Es el tiempo de espera para la ocurrencia del n-simo evento. Por otra
parte, la variable N(t) = sup : S < t} Vt >0, representa el nmero de repeticiones
del evento en el intervalo [O, t].
Adems la teora de la renovacin es la rama de la teora de la probabilidad que
generaliza los procesos de Poisson para tiempos de retencin arbitrarios. Cada
vez que ocurre el evento decimos que ha ocurrido renovacin. Si tenemos el
tiempo entre cada renovacin, podemos calcular el tiempo total S n. donde S1=X1
(el tiempo antes de que ocurra el primer evento o renovacin), S 2=X1+X2

(el

tiempo antes de que ocurra la primera renovacin ms el tiempo desde la primera

y la segunda renovacin).

Tiempos de llegada

Si n 1; Snest dado por:

n

Sn =

x1
1

Sn cumple con la condicin: 0<E[Sn]<.

Tiempo de Promedio

El tiempo promedio () entre eventos sucesivos e igual al valor esperado de los

tiempos entre llegadas totales.
Si n 1:
= E[Xn]
Tanto el promedio como el tiempo entre llegadas son valores positivos.
La teora de la renovacin puede aplicarse a varias reas de la vida
cotidiana.
Ejemplo clsico es el de la gallina y los huevos mgicos. A veces la gallina
pone huevos de oro y otras veces pone huevos txicos. La recompensa W i son las
prdidas financieras al recibir huevos txicos, los cuales hay que pagar para su
eliminacin y limpieza, adems de las ganancias que representan los huevos de
oro.
El objetivo principal de la teora de renovacin es deducir propiedades
sobre ciertas variables asociadas al proceso a partir del conocimiento de las
caractersticas de la variable.
Antes de continuar veamos algunos ejemplos de procesos de renovacin.
Los ejemplos ms estudiados que ilustran un proceso de renovacin son: el
proceso de Poisson, el contador, flujo de trfico y los asociados a teora de colas.
Ejemplo: Proceso de Poisson
El proceso de Poisson describe el nmero de eventos o renovaciones que
suceden en un determinado tiempo. (Sarabia, 1996, 316) La variable aleatoria que

representa el nmero de renovaciones tiene una distribucin Poisson con

parmetro (t), es decir el promedio de eventos que suceden en el intervalo, [0,t].
La funcin de distribucin de dicha variable aleatoria N(t) est dada por:
t
F(t)=1- e

Si se desea estudiar un sistema y su proceso de renovacin para un lapso

de tiempo, debe determinar el promedio de renovaciones y con ello se puede
establecer el comportamiento en un intervalo de tiempo dado.
Si el sistema en estudio tiene una falla y requiere ser renovado, cada 4
minutos, entonces se tiene un proceso Poisson con parmetro 1/4=. La
distribucin del nmero de renovaciones es Poisson.
La probabilidad de tener una renovacin en el primer minuto es 0.22, la de
tener una renovacin en el segundo minuto es 0.39, a medida que el tiempo
avanza la probabilidad de tener una renovacin es mayor, en el minuto 16 la
probabilidad de tener una renovacin del sistema es de 0.98, casi 1. En otro caso,
si la experiencia deja ver que el sistema requiere una renovacin cada minuto el
comportamiento de la distribucin es mayor. Ahora la probabilidad de requerir una
renovacin del sistema en el minuto 4 es 0.98

Teorema de la renovacin

Teorema 1.Con probabilidad uno, en cada intervalo acotado de tiempo solamente

Ocurren un nmero finito de eventos, es decir:
Pr[N(t) <) 1 Vt O.
Demostracin. La Ley Fuerte de los Grandes Nmeros implica que
Pr [

lim S N
N

= ] = 1,

Lo cual a su vez implica que con probabilidad uno el evento {S t} slopuede

ocurrir para un nmero finito de valores de n. Entonces

N(t) = sup {n : SN< t} <

Con probabilidad uno, para cada t 0 nes importante las relaciones que
utilizaremos en elfuturo.
Denotaremos por FNla funcin de distribucin de las V.aSN.

Teorema 2:
Proposicin 2 Para cada t > O se cumple que:
N(t) n Sn < t.
P [N(t) = n] = Fn(t) fn+1_ (t).
Demostracin. La parte (a) de la proposicin es consecuencia inmediatade las
definiciones de los procesos {N(t): t >O} y {Sn,} .
[N(t) n}=[N(t) = n] u [N(t) n + 1]
De manera que:
P [N(t) n] = P [N(t) = n] + P [N(t) > n +1]
Entonces:
P [N(t) = n] = P (t) n] P [N(t) > n + 1]
=P [Sn< t]p[s+ 1 <1]
= Fn(t) fn+1(t)
La funcin de renovacin se define como
m(t)=EN(t) V t >O.
Teorema 3:Para cada t O se cumple que
m(t) =

lim
1

fn(t)

Demostracin. Sea t > O fijo y definamos A n = 1 si la nsima renovacin ocurri

en el intervalo [0,t] y An:= O en caso contrario. Ahoraobserve que Pr [An, = 1] = Pr
[Sn< t] Fn (t) y tambin que
N(t) =

lim
1

An

Teorema 4: Para cada t se cumple que

m(t) <oo.
Demostracin. Note que por la condicin existe un a > O tal quePr= Pr [Xn>a]> O.
Ahora definamos las variables
Xn o si Xn<a
a siXn>a
Y el proceso de conteo:
N(t)=sup {n:x1+x2+x3++x4<}vt>a
Observe que X <Xn, para todo n que pertenezca a los naturales, locual implica
que:
N(t) > N(t) V t >o
Entonces
E(N(t)) > E(N(t)) = m(t).
Por otra parte, note que para cada n se cumple que
k

kn
Pr [N(t) = k} = Cn , [1 p

Teorema

5:Existe una correspondencia uno a uno entre la distribucinF y la

funcin de renovacin m.

Teorema Lmite

Recuerde que ti es el tiempo medio de renovacin, esto es, =

xdF (x)
0

Entonces, podemos pensar en N(t) como la tasa con la que ocurren las
renovaciones.Esta interpretacin est justificada por el siguiente resultado.
Caracterstica de la renovacin:
Es un proceso de conteo para el cual el tiempo entre los eventos sucesivos
es independiente y est idnticamente distribuido.
Deduce propiedades sobre ciertas variables asociadas al proceso a partir
del conocimiento de las caractersticas de la variable t.

 El tiempo promedio () entre eventos sucesivos es igual al valor esperado

de los tiempos entre llegadas totales.
El tiempo que transcurre hasta que N (t) incremente su valor una unidad es
independiente del valor que tenga el proceso
El nmero de renovaciones en un tiempo t es mayor o igual a n si y slo si
la ensima renovacin ocurre en o antes del tiempo t.
El tiempo que transcurre hasta que N (t) incremente su valor una unidad es
independiente del valor que tenga el proceso.
Cada vez que ocurre el evento decimos que ha ocurrido renovacin.

Generalizacin de los procesos de Renovacin

La generalizacin de los procesos de renovacin consideran que los tiempos

entre renovaciones verifican tn=xn+yn,n=1,2.Es decir, suponemos que la
renovacin n-esima se realiza en dos fases, la duracin dey n Seguimos
considerando {tn>1} independientes e idnticamente distribuidas, y exigimos
adems que E[Xn]+E[Yn] sea finita. El inters en este tipo de procesos es
determinar la probabilidad de que en un instante determinado, el proceso se
encuentre en una fase en particular.
Vamos a llamar 1(t) la probabilidad de que en el tiempo

el proceso se

encuentre en la primera fase. Distinguimos dos casos, la primera renovacin tiene

lugar despus de t o bien la primera renovacin ocurre antes de, y condicionando
sobre estos sucesos tenemos que la probabilidad de que la primera fase dure ms
de t unidades de tiempo es.
t

1(t)=Fx(t)+

m ( x)
0

Fx(t-x)dx

Donde el primer sumando corresponde al caso en que la primera renovacin

ocurre despus de

y la integral es la probabilidad del siguiente suceso: una

renovacin ocurre en el intervalo (x,x+dx) y la longitud de la primera fase es mayor

que tx.

Distribucin lmite para procesos de Renovacin

En el siguiente explicamos el comportamiento en el limite del numero de

renovaciones,

el

numero

medio

de

renovacions

la

densidad

de

renovaciondistribucin lmite para los procesos de renovacin:

Demostracin
1. Los sucesos {N(t)>n}y {Sn+1< t} son equivalentes, lo que implica que
P{lim t N(t)>n}=P{Sn+1<}
Para que Sn+1 = tiene que ocurrir que al menos uno de los n+1 tiempos entre
llegadas sea infinito, lo cual ocurre con probabilidad o. por tanto,
P{lim t N(t)>n}=P{Sn+1<}=1
Este lmite es indeterminado, ya que la transformada de la funcin de densidad
de una variable aleatoria toma valor 1 en s=0, de modo que usamos la regla de
Ihopital.
El estudio formal da lugar a una serie de teoremas lmite para procesos
estocsticos que son de gran utilidad, ya que en ciertos casos es posible encontrar
una sucesin de procesos estocsticos ms simples y de propiedades conocidas
que permiten inferir las propiedades de un proceso ms difcil de analizar y hacia
el cual convergen.

Caractersticas de los procesos transitorios:

1. Un estado transitorio es una cadena de markov ya que cumple con

funciones probabilsticos.
2. Un estado es transitorio si fjj<1; esto es, si jj=.
3. Un estado (i) es transitorio si existe un estado (j) que es alcanzado desde
(i), pero el estado
(i) no es alcanzable desde el estado (j).
4. Un estado (i) es transitorio si y solo si _(n=1) ^pii(n) <.

10

5.

El estado (i) es transitorio si (fi<1), siendo (fi) la probabilidad de que

comenzamos en el estado i, el proceso vuelva a entrar alguna vez en l.

6. El estado (i) es transitorio si y solo si comenzamos en el estado (i), el

numero esperado de 2n 2.

11

CONCLUSIN
Los procesos de renovacin o llama do proceso de conteo, como los
procesos de Poisson y las cadenas de Markov, son ejemplos importantes de
procesos estocsticos. Los primeros registran el nmero de repeticiones de algn
evento de inters, con la caracterstica de que los tiempos de ocurrencia entre dos
eventos consecutivos son variables aleatorias.
De tal manera que la caracterstica principal de las de la teora de la
renovacin es la propiedad de prdida de memoria, que es que el pasado no
influye en la evolucin futura del sistema.
En este sentido, una generalizacin a estos procesos, son los procesos, los
cuales son procesos de conteo pero su funcin de distribucin es arbitraria los
cuales mezclan la estructura probabilstica de la teora de Renovacin y las
Cadenas de Markov.

12

RESUMEN
Oscar Loaiza
Al referirnos a la teora de renovacin, hacemos mencin a los procesos
mejor conocidos como procesos de conteo, los cuales registran el nmero de
repeticiones de ciertos eventos, con la caracterstica de que los tiempos de
ocurrencia entre dos eventos consecutivos son variables aleatorias no negativas,
independientes e idnticamente distribuida. Adems, esta teora es la rama de la
teora de la probabilidad que generaliza los procesos de Poisson para tiempos de
retencin arbitrarios. Cada vez que ocurre el evento decimos que ha ocurrido
renovacin
En este sentido, el objetivo principal de la teora de renovacin es deducir
propiedades sobre ciertas variables asociadas al proceso a partir del conocimiento
de las caractersticas de la variable.
En relacin a Teorema de la renovacin se hizo mencin a los cinco tipos
de teoremas. De igual forma se hizo mencin a la distribucin lmite para procesos
de renovacin.

Este lmite es indeterminado, ya que la transformada de la

funcin de densidad de una variable aleatoria toma valor 1 en s=0, de modo que
usamos la regla de Ihopital.
As mismo, El estudio formal da lugar a una serie de teoremas lmite para
procesos estocsticos que son de gran utilidad, ya que en ciertos casos es posible
encontrar una sucesin de procesos estocsticos ms simples y de propiedades
conocidas que permiten inferir las propiedades de un proceso ms difcil de
analizar y hacia el cual convergen.

13

RESUMEN
Yuedglis Garca

El siguiente trabajo tiene como finalidad dar a conocer la teora de

renovacin, as como los procesos estocsticos (procesos de conteo), es decir,
procesos que registran el nmero de repeticiones de cierto evento, con la
caracterstica de que los tiempos de ocurrencia entre dos eventos consecutivos
son variables aleatorias no negativas, independientes e idnticamente distribuida,
su objetivo principal es deducir propiedades sobre ciertas variables asociadas al
proceso a partir del conocimiento de las caractersticas de la variable.
Dentro de algunos ejemplos de procesos de renovacin, se pueden
mencionar: el proceso de Poisson, el cual describe el nmero de eventos o
renovaciones que suceden en un determinado tiempo el contador, flujo de trfico y
los asociados a teora de colas.
As mismo, se hace referencia al teorema de renovacin y sus tipos (teorema
1, teorema 2, teorema 3,

teorema 4,

teorema 5), as como el teorema lmite

con las ciertas caractersticas de la renovacin dentro de las cuales se puede

mencionar: Deduce propiedades sobre ciertas variables asociadas al proceso a
partir del conocimiento de las caractersticas de la variable t. El tiempo promedio
() entre eventos sucesivos es igual al valor esperado de los tiempos entre
llegadas totales. El tiempo que transcurre hasta que N (t) incremente su valor una
unidad es independiente del valor que tenga el proceso. El nmero de
renovaciones en un tiempo t es mayor o igual a n si y slo si la ensima
renovacin ocurre en o antes del tiempo t.
En ese mismo orden de ideas esta la Generalizacin de los procesos de
Renovacin, cuyo inters en este tipo de procesos es determinar la probabilidad
14

de que en un instante determinado, el proceso se encuentre en una fase en

particular.

15