Académique Documents
Professionnel Documents
Culture Documents
Escuela de Ingenierı́a
Departamento de Ingenierı́a Industrial y de Sistemas
ICS2123 – Modelos Estocásticos
Profesor Álvaro Lorca
Segundo Semestre 2017
Tarea 1:
Repaso de Probabilidades y Proceso de Poisson
Instrucciones
• Entregar Informe con soluciones antes del Viernes 1 de Septiembre a las 16:30 en Segundo Piso edificio Raúl Devés.
• Entregar un archivo Excel o ZIP que demuestre su trabajo en el Problema 2, a través de la plataforma SIDING. El
Informe entregado debe ser autocontenido según lo que se pide, pero los archivos que entregue servirán de respaldo
para demostrar su trabajo.
1. (5 puntos) Calcule la probabilidad de que Pablo no encuentre mesa disponible en las tiendas de comida de su gusto
un dı́a cualquiera.
2. (5 puntos) Calcule la probabilidad de que Pablo pueda almorzar en el centro comercial un dı́a cualquiera.
3. (5 puntos) Si Pablo logró encontrar una mesa disponible, ¿cuál es la probabilidad que haya sido en una tienda de su
gusto?
1. (3 puntos) Calcule la cantidad esperada de llegadas entre las 08:00 y las 12:00, y entre las 12:00 y las 16:00 para un
dı́a de semana. Repita ambos cálculos para un dı́a feriado.
2. (3 puntos) Para lo que viene, vamos a necesitar el siguiente resultado. Suponga que U sigue una distribución uniforme
entre 0 y 1. Demuestre que si X está definida como X = − λ1 ln(1 − U ), para cierto λ > 0, entonces X sigue una
distribución exponencial de parámetro λ.
1
3. (3 puntos) Lo que vamos a hacer ahora es simular tiempos entre llegadas al parque utilizando el software Excel.
Para esto, vamos a generar n = 1000 variables aleatorias exponenciales. A su vez, para lograr esto, genere n = 1000
números aleatorios ui , de tal forma que cada ui sea una instancia de una variable aleatoria uniforme entre 0 y 1. Puede
utilizar la función RAND (inglés) o ALEATORIO (español) para generar estas instancias. Luego, utilice el resultado
de la parte anterior para generar las n = 1000 instancias xi de una variable aleatoria exponencial de parámetro λ
haciendo xi = − λ1 ln(1 − ui ). Presente las instancias generadas a través de dos histogramas: uno para un dı́a de
semana y otro para un dı́a feriado.
4. (3 puntos) Repita el experimento anterior tres veces para un dı́a de semana y tres veces para un feriado (seis experi-
mentos en total). Para cada uno de estos experimentos, genere instancias para los instantes de llegada de las personas,
utilizando el hecho que Sk = X1 + · · · + Xk (recordando la notación de clases). Para cada uno de estos experimentos,
genere un gráfico que muestre la evolución de la cantidad de personas en el parque durante el dı́a. Haga de n lo
suficientemente grande para cubrir todo el dı́a (8:00-16:00).
5. (3 puntos) Calcule para cada uno de los seis experimentos de la parte anterior, las llegadas entre las 08:00 y las 12:00,
y entre las 12:00 y las 16:00. Presente también el promedio de los tres valores respectivos para cada caso, según tipo
de dı́a (semana y feriado). ¿Que relación existe con los resultados analı́ticos del punto 1? Discuta.
2
Solución Problema 1
Parte 1
Sean X, A, B, C los siguientes eventos:
P (X) = P (A ∩ B)
= P (B|A) ∗ P (A)
= (0, 9) ∗ (0, 7)
= 0, 63
Parte 2
Sea Y el evento ”Pablo almuerza un dı́a cualquiera”, luego, la probabilidad pedida está dada por:
P (Y ) = P (A ∪ (B ∩ A) ∪ (C ∩ B ∩ A))
= 0, 559
Parte 3
Utilizando los eventos definidos en las partes 1 y 2, la probabilidad pedida está dada por:
P (Y |X)∗P (X)
P (X|Y ) = P (Y )
Pero, por construcción P (Y |X) = 1, pues la probabilidad de que Pablo almuerce dado que Pablo almuerza en una mesa
de su gusto es lógicamente 1. Por lo tanto, calculamos:
P (X)
P (X|Y ) = P (Y )
1−P (X)
= P (Y )
1−0,63
= 0,559
= 0, 662
3
Solución Problema 2
Parte 1
Debido que para un Proceso Poisson N (t) de tasa λ se tiene que la esperanza de N (t) es λt, tenemos que definiendo las
8:00 como t=0, para el primer periodo de dı́as de semana tenemos:
Luego para la segunda parte del dı́a de semana tendremos por incrementos estacionarios:
Luego para el caso del fin de semana esto es análogo, pero con λ = 30, lo cual resulta:
Parte 2
Para dicho X, la función de distribución acumulada está dada por:
1
FX (x) = P (X ≤ x) = P (− ln(1 − U ) ≤ x) (5)
λ
= P (X ≤ x) = P (ln(1 − U ) ≤ −x ∗ λ) (6)
Y ya que la funcion logaritmo natural es monotonamente creciente tenemos que esto sigue de la siguiente forma:
= P (X ≤ x) = P (1 − U ≤ e−x∗λ ) (7)
= P (X ≤ x) = P (U ≤ 1 − e−x∗λ ) (8)
Ahora podemos ver que 1 − e−x∗λ ∈ [0, 1], además observamos que para el caso de una uniforme entre 0 y 1 se tiene que
P (U ≤ u) = u, por lo tanto:
FX (x) = P (U ≤ 1 − e−x∗λ ) = 1 − e−λx ,
para cualquier x ≥ 0. Con esto, vemos que X es una variable aleatoria exponencial con parámetro λ.
4
Parte 3
A continuación se presenta el histograma para los tiempos entre eventos un dı́a de semana.
A continuación se presenta el histograma para los tiempos entre eventos un dı́a de fin de semana.
5
Parte 4
A continuación mostramos las tres simulaciones de las llegadas en un dı́a de semana.
6
A continuación mostramos las tres simulaciones de las llegadas en un dı́a de fin de semana.
7
Parte 5
Los promedios se presentan a continuación.
Figure 9: Promedio número de llegadas en distintos rangos de tiempo, según los experimentos de la parte 4
Existe una clara relación entre los valores obtenidos experimentales y los valores esperados. De haber habido una mayor
cantidad de experimentos los promedios experimentales se hubiesen acercado más a los teóricos.
Solución Problema 3
Parte 1
Sea N (t) el proceso de llegada de estudiantes al parque de diversiones. Para calcular la distribución de Y (t) es necesario
condicionar en N (t). Entonces se obtiene lo siguiente:
∞
X
P (Y (t) = n) = P (Y (t) = n|N (t) = m) · P (N (t) = m)
m=n
Si se consideran esas m llegadas en forma desordenada, cada una de ellas llega en un instante que distribuye uniforme
en el intervalo [0; t], por lo que Y (t) dado N (t) = m es una variable Binomial(m; p), donde p es la probabilidad de que un
estudiante haya ingresado antes de t y todavı́a se encuentre dentro del food garden.
Además, para que el estudiante se encuentre dentro del food garden, su tiempo de permanencia debe ser tal que en el
instante t aún no haya salido. Sea T el tiempo de permanencia del estudiante, entonces se obtiene lo siguiente:
p = P (U + T > t)
Z t
= P (U + T > t|U = x) · fU (x)dx
0
Z t
1
= e.µ(t−x) · dx
0 t
1
= (1 − eµt )
µt
8
Luego, reemplazamos en (1) y obtenemos lo siguiente:
∞
X m n (λ · t)m e−λt
P (Y (t) = n) = p (1 − p)m−n ·
n m!
m=n
∞
X m! (λ · t)m e−λt
= pn (1 − p)m−n ·
mn
n!(m − n)! m!
n ∞ m−n
pn (λ · t) e−λt X ((1 − p) λ · t)
=
n! m=n
(m − n)!
n ∞ m−n −(1−p)λt
(λ · t · p) e−λt (1−p)λt X ((1 − p) λ · t) e
= e
n! m=n
(m − n)!
n ∞ m−n −(1−p)λt
(k=m-n) (λ · t · p) e−λt (1−p)λt X ((1 − p) λ · t) e
= e
n! m=n
(m − n)!
| {z }
=1
n
(λ · t · p) e−λt (1−p)λt
= e
n!
Luego, podemos observar que para un t dado tenemos que Y (t) es una variable aleatoria Poisson de parámetro λ · p(t),
1
donde p(t) = µ∗t (1 − eλt ).
Parte 2
1
De la Parte 1 podemos ver que {Y (t)|N (t) = m} ∼ Binomial(m, p), con p = µ·t (1 − eλt ). Entonces:
n
E(Y (t)|N (t) = n) = n · p = (1 − e−µ·t ). (9)
µ·t
Solución Problema 4
Parte 1
Sea N1 (t) el proceso Poisson que describe la llegada de personas normales, y sea N2 (t) el proceso Poisson que describe la
llegada de personas VIP. Sabemos que:
Nota: Se podrı́a haber condicionado sobre N1 (r) o sobre N2 (r) quedando ası́ una doble sumatoria de multiplicación de
procesos Poisson. Esta opción también es válida como respuesta correcta.
9
Parte 2
Para calcular esta probabilidad, tenemos que ponernos en los dos casos posibles: O entran todos en la primera función, o
bien, no entran todos en la primera función.
Caso 1)
Necesitamos que en los primeros r minutos lleguen menos de Q personas, y que en los m + h minutos siguientes también
lleguen menos de Q personas. Luego esta probabilidad (P1 ) está dada por:
P1 = P (N (r) ≤ Q) ∗ P (N (r + m + h) − N (r) ≤ Q)
P1 = P (N (r) ≤ Q) ∗ P (N (m + h) ≤ Q)
PQ e−r(γ+δ) (r(γ+δ))i PQ e−(m+h)(γ+δ) ((m+h)(γ+δ))j
= i=0 i! ∗ j=0 j!
Caso 2)
Si llegaron K + i personas para la primera función, necesitamos que lleguen a lo más K - i personas para la segunda
función. Por lo tanto, la probabilidad (P2 ) está dada por:
PQ
P2 = i=1 P (N (r) = Q + i) ∗ P (N (r + m + h) − N (r) ≤ Q − i)
PQ
P2 = i=1 P (N (r) = Q + i) ∗ P (N (m + h) ≤ Q − i)
PQ PQ−i e−r(γ+δ) (r(γ+δ))i e−(m+h)(γ+δ) ((m+h)(γ+δ))j
= i=1 j=0 i! ∗ j!
Parte 3
Se tiene que entraron Q + 20 personas entre el inicio de la primera función y el inicio de la segunda función, luego, lo que
buscamos es la probabilidad de que como mı́nimo hayan llegado 20 personas normales, de manera que ası́ todas las personas
que queden afuera sean personas normales. Por lo tanto, se tiene que la probabilidad está dada por:
Ahora bien, en esta probabilidad aparece el concepto de una variable aleatoria Binomial, pues estamos calculando una
probabilidad sobre una de las descomposiciones dado lo que ocurre con el proceso global en un intervalo de tiempo contenido
en el del proceso global.
Es decir, si se sabe lo que ocurre en [r, r + m + h] para N (t), entonces calcular la probabilidad de una parte de N (t)
que corresponde a N1 (t), en un subconjunto de un intervalo de tiempo de largo m + h (en este caso el subconjunto es el
mismo tiempo) se obtiene una distribución binomial donde la “probabilidad de éxito” está dada por la división de las tasas
de N1 (t) y N (t). Luego, la probabilidad deseada está dada por:
PQ+20 Q+20
γ δ
i=20 i ( γ+δ )i ∗ ( γ+δ )Q+20-i
10
Parte 4
Sea X(t) el número de personas normales que llegan entre 0 y t, y sea Y la variable aleatoria que representa el número de
personas por grupo. Sea N11 el proceso que representa la llegada de grupos de 1 persona. Sea N12 el proceso que representa
la llegada de grupos de 2 personas. Sea N13 el proceso que representa la llegada de grupos de 3 personas. Luego, se nos
pide:
E(X(r) + N2 (r))
Entonces:
= (1 ∗ 0, 3 + 2 ∗ 0, 5 + 3 ∗ 0, 2)r ∗ γ + r ∗ δ
= 1, 9rγ + rδ
11