Parcial 1: Introduccion a la Simulacion Estadstica

Camilo Alexander Calderon1

20112025133
1

Ingeniera Catastral y Geodesia

Universidad Distrital Francisco Jose de Caldas, Facultad de Ingeniera

29 de Septiembre de 2016

1.

Primero

Sea Xt un proceso de Cadena de Markov de espacios finitos y estos son 1, 2, 3, 4 en el que la probabilidad
inicial P0 es de probabilidad conjunta que relaciona la variable X con la variable Y se indica como en la siguiente
tabla (1):
Xo

Yo

0,01

0,03

0,46

0,50

Tabla 1: Valores de probabilidad conjunta

Y matriz de transici
on (2):

j
i

0,0

0,5

0,0

0,5

0,2

0,8

0,0

0,0

0,3

0,3

0,3

0,1

0,2

0,2

0,4

0,2

Tabla 2: Matriz de transicion

Calcular y justificar:
a) P5
Se procede a encontrar el estado de los datos iniciales en el tiempo P5 = P0 T 5 :


0, 01

0, 03

0, 46

0, 0
 0, 2
0, 50 *
0, 3
0, 2

0, 5
0, 8
0, 3
0, 2

0, 0
0, 0
0, 3
0, 4

5
0, 5
0, 0

0, 1
0, 2

el resultado de T 5 es:

0,17380 0,62800

0,17112
0,65808
T 5 =
0,17387 0,62432
0,17476 0,61520
multiplicando por P0 el resultado final es:
1

0,07700
0,05880
0,07887
0,08436

0,12120
0,11200

0,12294
0,12568


P5 *T 5 = 0,1742318

0,6208096

0,0809942

0,1239644

Para comprobar que el resultado es correcto se tiene que la sumatoria de todos los valores de la matriz es
igual a 1.
b) P [X10 = 3/X6 = 1]
Se refiere a las probabilidades de transici
on en n pasos entre el estado i al estado j.
Esto se define ver ecuaci
on (1):

(n)

pij = P (Xn = j/X0 = i) = P (Xn+m = j/Xm = i)

(1)

Ahora bien el problema se resuelve en 4 pasos ya que la diferencia entre las transiciones es de 4, siendo que (2) :

(4)

p13 = P (X10 = 3/X6 = 1)

(2)

Se resuelve que:

0,1740 0,6120 0,0860 0,1280

0,1704 0,6696 0,0520 0,1080

p4 =
0,1761 0,6040 0,0909 0,1290
0,1772 0,5864 0,1020 0,1344
(4)

Y p13 corresponde a 0.0860.

c) E[X10 ]
Calcular los valores esperados en el tiempo 10. Esto se define a traves del modelo esperado, quiere decir que
es necesario calcular P10 = P0 T 10 .


0, 01

0, 03

0, 46

10

0, 0 0, 5 0, 0 0, 5
 0, 2 0, 8 0, 0 0, 0

0, 50 *
0, 3 0, 3 0, 3 0, 1
0, 2 0, 2 0, 4 0, 2

El resultado es:

P10 = 0, 1722609

0, 6447891

0, 0667651


0, 1161848

Se verifica que la sumatoria de todos los elementos es igual a 1.

Los valores de probabilidad en el tiempo 10 son entonces:
Xo

Yo

0.1722609

0.6447891

0.0667651

0.1161848

Tabla 3: Matriz de probabilidad en el periodo 10

El valor esperado de la variable aleatoria X10 esta definido por:

E [Xi ] =
2

Xi Pi

De la ecuaci
on anterior tenemos:

E [X10 ] = (1,1722609) + (2 0,6447891) + (3 0,0667651) + (4 0,1161848)

Se tiene que E[X10 ] = 2,126874
d) E[X2 /X1 = 3]
Se procede a calcular el valor esperado en el tiempo 2 dado que en el tiempo 1 es igual a 3, se tiene en
cuenta la matriz de transici
on en 1 paso de la cadena de markov presentada al principio, que nos da las
probabilidades de llegar en 1 paso a cualquier estado si partimos de un estado particular:

0, 0 0, 5 0, 0 0, 5
0, 2 0, 8 0, 0 0, 0

0, 3 0, 3 0, 3 0, 1
0, 2 0, 2 0, 4 0, 2
P
Como se entiende que: E [X2 /X1 = 3] =
Xi Pi , entonces se multiplica la variable aleatoria por su
correspondiente probabilidad, dando como resultado:
E [X2 /X1 = 3] = (1 0,3) + (2 0,3) + (3 0,3) + (4 0,1)
E [X2 /X1 = 3] = 2,2
e) P [X6 >= 1/X4 = 4] Se calcula la probabilidad que en el tiempo 6 el estado sea mayor o igual a 1. Se sabe
que en el tiempo 4 el estado es igual a 4, esto quiere decir que se calcula la matriz de transicion en 2 pasos.
Significa que:

0, 20
0, 16

T T = T2 =
0, 17
0, 20

0, 50
0, 74
0, 50
0, 42

0, 20
0, 00
0, 13
0, 20

0, 10
0, 10

0, 20
0, 18

Se tiene en cuenta que:

Pij [Xt = j/Xt1 = i]
Se determina el resultado:
P [X6 1/X4 = 4] = 1

2.

Segundo

Proponga y resuelva un problema que involucre un proceso autorregresivo o de Poisson (Lo mas completo
que se pueda).
Soluci
on: Supongamos que en la Av. 1ra de Mayo ocurren a diario accidentes ocurridos por buses del SITP.
La empresa Consorcio Express descubri
o que estos accidentes tienen una distribucion Poisson de media 4.
Calcule y justifique:
1. La probabilidad que en un da ocurran 5 accidentes.
Respuesta: Utilizando la funci
on dpois que proporciona la funcion masa de probabilidad en el entorno
de R. El resultado es:
>dpois(5,4) ->[1] 0.1562935
En un da normal la probabilidad que ocurran 5 accidentes es del 15,62 %
2. La probabilidad que en un da haya menos de 2 accidentes.
Respuesta: Se utiliza la funci
on de distribucion Poisson ppois. El resultado es:
3

>ppois(2,4) ->[1] 0.2381033

La probabilidad que en un da se tengan menos de 2 accidentes es del 23,81 %
3. La probabilidad de que un da sucedan mas de 7 accidentes.
Respuesta: Se utiliza la funci
on de distribucion Poisson ppois con el agregado que la calcule desde la
cola inferior. El resultado es:
>ppois(7,4,lower.tail = FALSE) ->[1] 0.05113362
En un da normal la probabilidad de que existan 7 o mas accidentes es del 5,11 %
4. Calcular el n
umero m
aximo de accidentes que se produciran con probabilidad mayor o igual a 0.8.
Respuesta: Se utiliza la funci
on qpois que proporciona la funcion de cuantiles. El resultado es:
>qpois(0.8,4) ->[1] 6
El n
umero de accidentes que se produciran con probabilidad mayor o igual a 0.8 es un total de 6.
5. Simule el n
umero de accidentes que se produciran en 10 das.
Respuesta: Se utiliza la funci
on rpois que genera valores aleatorios para la funcion de probabilidad
Poisson. El resultado es:
>rpois(10,4)) ->[1] 4 3 7 2 1 1 6 7 5 2
En un lapso de tiempo de 10 das se estima que se van a producir un total de 38 accidentes