Depto. de Matematicas Estadstica (Ing. de Telecom.

) Curso 2004-2005
Hoja de Problemas Tema 4
(Procesos estocasticos)
1. Supongamos que tiramos una moneda al aire y denimos el proceso estocastico X(t) de la siguiente
forma: X(t) = sen t si sale cara, y X(t) = 2t si sale cruz.
(a) Calcular E[X(t)].
(b) Calcular la funcion de probabilidad conjunta de X(1) y X(2).
2. Sea Y un n umero escogido en el intervalo (0, 1) con distribucion uniforme y consideremos el proceso
X(t) = e
tY
.
(a) Calcular la funcion de densidad f
X(t)
(x).
(b) Calcular E[X(t)].
(c) Calcular C
X
(t, s).
3. Consideremos el proceso estocastico Z(t) = Xt + Y , donde X e Y son variables aleatorias con
medias m
X
y m
Y
, varianzas
2
X
y
2
Y
y coeciente de correlacion
X,Y
. Calcular la media y la
autocovarianza de Z(t).
4. Sean X
1
, X
2
, . . . , X
n
, . . . variables aleatorias independientes e identicamente distribuidas de media
y varianza
2
y consideremos el proceso suma S
n
= X
1
+ X
2
+ . . . + X
n
. Calcular la media, la
varianza y la autocovarianza de S
n
.
5. Supongamos que denimos un proceso estocastico de la siguiente forma:
X(t) =
_
A si t
B si t <
donde A, B y son variables aleatorias independientes, A y B siguen distribuciones normales de
varianza 1 y medias E[A] = 1, E[B] = 1, respectivamente, y es uniforme en el intervalo (1, 1).
(a) Representar gracamente una realizacion del proceso.
(b) Calcular la funcion de distribucion de X(t).
(c) Calcular m
X
(t).
(d) Tiene X(t) incrementos independientes?
6. Supongamos que se realiza el experimento de tirar una moneda al aire 10 veces y se obtiene como
resultado = {C, , , C, , , C, C, , }. Consideremos los procesos
Y
n
=
1
2
(X
n
+X
n1
) Y
0
= 0
Z
n
=
2
3
X
n
+
1
3
X
n1
Z
0
= 0
(a) Si X
n
es el proceso binomial (es decir, X
n
es el n umero de caras en las primeras n tiradas):
i. Calcular las realizaciones de Y
n
y Z
n
correspondientes a .
ii. Calcular la media, varianza y autocovarianza de Y
n
y Z
n
.
iii. Comparar las medias de Y
n
y Z
n
correspondientes a con la media calculada en el apartado
anterior.
1
(b) Repetir el apartado a) si X
n
es el proceso de camino aleatorio (es decir, X
n
cuenta un +1 por
cada cara y un 1 por cada cruz).
7. Las llamadas telefonicas llegan a una central siguiendo un proceso de Poisson de parametro
(llamadas por segundo). Se sabe que en el intervalo [0, 1] se han producido exactamente dos llamadas
y se considera la variable aleatoria
X instante en el que se ha producido la segunda llamada.
Determinar la funcion de distribucion de X.
8. Los clientes llegan a una maquina dispensadora de refrescos siguiendo un proceso de Poisson de
parametro (clientes por hora). Supongamos que, cada vez que un cliente deposita dinero, la
maquina dispensa un refresco con probabilidad p. Determinar la funcion de probabilidad del n umero
de refrescos dispensados por la maquina en un tiempo t. (Se supone que la maquina tiene una
cantidad ilimitada de refrescos y que clientes distintos corresponden a sucesos independientes).
9. Los impulsos de ruido en una lnea telefonica siguen un proceso de Poisson de parametro (impulsos
por segundo).
(a) Determinar la probabilidad de que no haya ruido durante t segundos.
(b) Supongamos que los mensajes se codican de manera que los errores provocados por un solo
impulso de ruido se pueden corregir. Determinar la probabilidad de que un mensaje que dura
t segundos sea recibido sin errores.
10. Los mensajes llegan a un servidor de correo electronico por dos lneas diferentes, siguiendo dos
procesos de Poisson independientes de parametros
1
y
2
(mensajes por segundo).
(a) Determinar la probabilidad de que el primer mensaje llegue por la lnea 1.
(b) Calcular la funcion de densidad de la variable aleatoria X, tiempo de llegada del primer
mensaje.
(c) Calcular la funcion de probabilidad del proceso N(t), n umero total de mensajes que llegan en
un intervalo de t segundos.
11. Sea N(t) un proceso de Poisson de parametro . Supongamos que cada vez que ocurre un evento,
se tira una moneda en la que sale cara con probabilidad p. Sean N
1
(t) y N
2
(t), respectivamente, el
n umero de caras y de cruces obtenidos hasta tiempo t.
(a) Calcular P[N
1
(t) = j, N
2
(t) = k / N(t) = j +k].
(b) Utilizando el apartado anterior, calcular P[N
1
(t) = j, N
2
(t) = k] y comprobar que N
1
(t) y
N
2
(t) son procesos de Poisson independientes de parametros p y (1 p), respectivamente.
12. Sea X(t) el proceso de telegrafo aleatorio, que se dene de la siguiente forma: X(t) = 1, y cambia
de valor cada vez que tiene lugar un suceso en un proceso de Poisson N(t) de parametro .
(a) Calcular P(X(t) = 1) si sabemos que P(X(0) = 1) = p y P(X(0) = 1) = 1 p.
(b) Calcular la media y la autocovarianza de X(t).
13. Sean N
1
(t) y N
2
(t) dos procesos de Poisson independientes de parametros
1
y
2
, respectivamente.
Se dene un nuevo proceso Z(t) de la siguiente forma:
Z(t) = Y N
1
(t) (1)
N
2
(t)
, t 0,
donde Y es una variable aleatoria (independiente de los procesos) y que toma los valores con
igual probabilidad.
2
(a) Representar gracamente una posible realizacion del proceso para
2
=

1
4
.
(b) Calcular m
Z
(t) y C
Z
(s, t) para 0 s t.
14. Sea M
n
la media aritmetica de un proceso independiente e identicamente distribuido X
n
, es decir,
M
n
=
X
1
+X
2
+. . . +X
n
n
.
(a) Es M
n
un proceso de Markov?
(b) Si X
n
sigue una distribucion exponencial de parametro , calcular f
M
n
(x/M
n1
= y).
15. Una urna contiene 5 bolas negras y 5 bolas blancas. Consideremos el siguiente experimento, que
se repite indenidamente: se escoge aleatoriamente una bola de la urna; si es blanca, se vuelve a
poner en la urna; si es negra, se deja fuera. Sea X
n
el n umero de bolas negras en la urna despues
de n extracciones.
(a) Es X
n
un proceso de Markov?
(b) Determinar la matriz P de probabilidades de transicion de estado.
(c) Calcular p
54
(2) (la probabilidad de que el proceso pase del valor 5 al valor 4 en dos etapas) de
dos formas: directamente y calculando la matriz P
2
.
(d) Calcular P
n
e interpretar el resultado.
16. Supongamos que dos jugadores A y B juegan de la siguiente forma: tiran una moneda y, si sale
cara, A paga a B 1 euro, en tanto que, si sale cruz, B paga a A 1 euro. El juego contin ua hasta
que uno de los dos jugadores se queda sin dinero. Supongamos que, inicialmente, A dispone de 1
euro y B dispone de 2 euros. Sea X
n
la cantidad de euros que tiene A despues de n tiradas.
(a) Demostrar que X
n
es una cadena de Markov.
(b) Representar el diagrama de transicion de estados y calcular la matriz de probabilidades de
transicion de estado P.
(c) Calcular P
n
y determinar lim
n
P
n
.
(d) Calcular la probabilidad de que gane el jugador A.
17. Pepe y Juan juegan al futboln de la siguiente forma: al comenzar, el resultado es 0 0 y, para
que este problema resulte mas interesante, cada vez que empatan el resultado vuelve a ser de 0 0.
Ademas, Pepe es mejor jugador, y la probabilidad de que, dado cualquier resultado, el siguiente
gol sea suyo es
2
3
. Supongamos que la partida termina cuando el marcador de uno de los jugadores
llega a 2.
(a) Dibujar el diagrama de transicion de estados de una cadena de Markov que describa el juego.
(b) Calcular la probabilidad de que gane Pepe antes de que se hayan marcado, en total, 6 tantos.
(c) Calcular la probabilidad de que gane Pepe.
Al hacer el problema, resultara evidente que no debeis intentar terminar las cuentas a mano. Dejadlas
indicadas o utilizad una calculadora adecuada.
18. La vida operativa de un cierto componente es una variable exponencial de parametro . Supon-
gamos que una empresa tiene n componentes de repuesto en el almacen y sea N(t) el n umero de
componentes que quedan en el almacen en tiempo t.
(a) Calcular p
ij
(t) = P[N(s +t) = j/N(s) = i].
(b) Calcular la matriz de probabilidades de transicion de estado.
3
(c) Calcular p
j
(t).
19. En un aula de informatica hay n ordenadores en funcionamiento en t = 0. Supongamos que la vida
operativa de cada uno de ellos es una variable aleatoria independiente con distribucion exponencial
de parametro y que los ordenadores que se estropean no son arreglados. Sea N(t) el n umero de
ordenadores en funcionamiento en el instante t.
(a) Calcular p
ij
(t) = P[N(s +t) = j/N(s) = i].
(b) Calcular la matriz de probabilidades de transicion de estado.
(c) Calcular p
j
(t).
(d) Demostrar que, para t jo, N(t) es una variable aleatoria binomial de parametro p = e
t
.
20. Demostrar que si el tiempo entre la llegada de dos clientes a un servidor es una exponencial de
parametro , entonces el n umero de clientes que llegan al servidor en el intervalo [0, t] es un proceso
de Poisson de parametro .
21. Supongamos que los clientes llegan a un banco con un solo empleado siguiendo un proceso de
Poisson de media 1 cliente cada 5 minutos. El tiempo que tarda el empleado en atender a cada
cliente es una variable aleatoria exponencial de media 4 minutos. Ademas, la sucursal es peque na
y solo puede haber 4 personas esperando. Para el estado de equilibrio del sistema,
(a) determinar la probabilidad de que la sucursal este llena.
(b) determinar la probabilidad de que el empleado no este atendiendo a ning un cliente.
22. A un puesto de atencion al p ublico con un solo empleado llegan clientes siguiendo un proceso de
Poisson a razon de dos personas por minuto. Sin embargo, de los clientes que llegan y encuentran
ocupado el puesto solo se quedan a esperar la mitad, en tanto que no se queda ninguno si ven que
ya hay dos personas esperando. El tiempo que tarda el empleado en atender a cada cliente es una
variable exponencial de media 05 minutos.
(a) Calcula la distribucion de probabilidad para el estado de equilibrio del sistema.
(b) Calcula la probabilidad de que el empleado este desocupado en un instante dado.
(c) Calcula la probabilidad de que un cliente no entre en el sistema.
4
Resultados de algunos problemas
(2) a) f
X(t)
=
1
tx
1 x e
t
para t > 0. Si t = 0, P[X(0) = 1] = 1.
b) E[X(t)] =
e
t
1
t
.
c) C
X
(t, s) =
e
t+s
1
t +s

(e
t
1)(e
s
1)
ts
.
(3) E[Z(t)] = tm
X
+m
Y
C
X
(t
1
, t
2
) = t
1
t
2

2
X
+ (t
1
+t
2
)
X

XY
+
2
Y
(5) b) Denotando por (x) a la funcion de distribucion de una variable N(0, 1),
F
X(t)
(x) =
_

_
(x + 1) si t < 1
1t
2
(x + 1) +
1+t
2
(x 1) si 1 < t < 1
(x 1) si t > 1
c)
f
X(t)
(x) =
_

_
f
B
(x) si t < 1
1t
2
f
B
(x) +
1+t
2
f
A
(x 1) si 1 < t < 1
f
A
(x) si t > 1
E[X(t)] =
_

_
1 si t < 1
t si 1 < t < 1
1 si t > 1
d) No
(6) E[Y
n
] =
n
2

1
4
E[Z
n
] =
n
2

1
6
VAR[Y
n
] =
n
4

3
16
VAR[Z
n
] =
n
4

5
36
C
Y
(n, m) =
n
4

1
8
si n < m C
Z
(n, m) =
n
4

1
12
si n < m
(7) F
X
(x) = x
2
(8) P[X(t) = k] =
(pt)
k
k!
e
pt
(10) a) P[X
1
< X
2
] =

1

1
+
2
b) f
X
(t) = (
1
+
2
)e
(
1
+
2
)t
c) P[N(t) = k] =
t
k
(
1
+
2
)
k
k!
e
(
1
+
2
)t
(11) a) P[N
1
(t) = j, N
2
(t) = k / N(t) = j +k] =
_
j +k
j
_
p
j
(1 p)
k
b) P[N
1
(t) = j, N
2
(t) = k] =
(pt)
j
j!
((1 p)t)
k
k!
e
pt
e
(1p)t
(15) a) p
54
(2) =
19
36
b) lim
n
P
n
=
_
_
_
1 0 0 0 0 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1 0 0 0 0 0
_
_
_
5
(16) c) lim
n
P
n
=
_
_
_
_
1 0 0 0
2/3 0 0 1/3
1/3 0 0 2/3
0 0 0 1
_
_
_
_
(18) p
ij
(t) =
(t)
ij
(i j)!
e
t
p
j
(t) =
(t)
nj
(nj)!
e
t
6