Professional Documents
Culture Documents
Processos Estoc Asticos: Augusto Gadelha
Processos Estoc Asticos: Augusto Gadelha
MAD 364
Augusto Gadelha
17/5/2021
Aula 15
Xn−1
X
2
i.i.d. Zi ∼ {pk , k = 0, 1, 2, . . . }, E (Zi ) = µ; VarZi = σ : Xn = Zi
i=1
1 − µn
σ 2 µn−1 , se µ 6= 1;
n
E (Xn ) = µ Var [Xn ] = 1−µ
nσ 2 , se µ = 1.
∞
def
X
ρ é o menor valor positivo satisfazendo ρ = Φ(ρ) com Φ(ρ) = ρk pk
k=0
(1) (2)
Tipos I e II em {Nt } =⇒ {Nt } e {Nt } são P.P. independentes com taxas
respectivas λp e λ (1 − p).
dP(t) dP(t)
= P(t)Λ = ΛP(t); P(0) = I ; Λ = [λij ]
dt dt
def
X
P(t) = e Λt Λ U = 0 ou λij = λi ; λi = −λii
j∈S, j6=i
1
onde U = ...
1 1×|S|
Para termos uma compreensão das taxas λij , consideremos uma CMTC
estacionária com dois estados {0, 1}, tal que as probabilidades de transitar do
estado 0 para o 1 e do 1 para o 0 em um intervalo de medida h << 1 sejam,
respectivamente, p01 (h) = λh + o(h) e p10 (h) = µh + o(h) , para algum λ > 0
e µ > 0. Vamos supor ainda que a probabilidade de haver 2 ou mais transições é
desprezı́vel, da ordem de o(h). Então,
p00 (h) p01 (h) 1 − λh + o(h) λh + o(h)
P(h) = =
p10 (h) p11 (h) µh + o(h) 1 − µh + o(h)
Logo,
P(h) − I −λ λ λ00 λ01
lim = P0 (0) = = = Λ.
h↓0 h µ −µ λ10 λ11
0 = det(zI − Λ) = z 2 + (λ + µ)z
=⇒ z1 = 0, z2 = −(λ + µ)
Λt 1 1 1 0 1 µ λ
P(t) = e = · ·
1 −µ/λ 0 e −(λ+µ)t λ + µ λ −λ
µ + λe −(λ+µ)t λ − λe −(λ+µ)t
1
=
λ + µ µ − µe −(λ+µ)t λ + µe −(λ+µ)t
1 µ λ
Veja que se t → ∞, P(t) → λ+µ . Portanto, independente do estado em
µ λ
µ
t = 0, quando t → ∞ a cadeia estará no estado 0 c.p. λ+µ e no estado 1 c.p.
λ
λ+µ . Assim, a distribuição limite é
µ λ
π=[ , ].
λ+µ λ+µ
Então,
π(t) = π(0)P(t) ou π(t + s) = π(s)P(t)
π = π P(t)
Então, π(t)U = U e πU = U.
πΛ = 0.
Prova:
π = πP(t)
= πe Λt
Λ2
= π(I + Λ + + ···)
2!
⇐⇒ πΛ = 0
No exemplo 1 dado, com dois estados,
µ λ −λ λ
πΛ = , = [0, 0]
λ+µ λ+µ µ −µ
Definição
Uma CMTC é irredutı́vel, se, ∀i, j ∈ S, pij (t) > 0 para algum t.
Uma CMTC com gerador Λ é irredutı́vel s.s.s, ∀i, j ∈ S, existir uma seqüência
k1 , k2 , ..., kn de estados tal que
S0 = 0
Sn+1 = inf{t > 0 : Xt+Sn 6= XSn }, n ∈ N0
∀n ∈ N0 e sequência {sk ∈ [0, s]}. Para uma CMTC homogênea (no tempo), a
probabilidade deste evento independe do instante t. Assim,
!
\
P ({Tii > s}) = P {Xsn = i}
0=s0 <s1 <···<sn =s
G (t + s) = G (t)G (s).
Mas, G (0) = 1 e para h << 1, G (h) = P(Tii > h) = pii (h) + o(h). Logo,
G (h) − G (0)
G 0 (0) = lim
h↓0 h
pii (h) − 1 + o(h)
= lim
h↓0 h
def
= pii0 (0) = λii = −λi < 0.
Tij ∼ exp(λij )
Tii ∼ exp(λi );
Exemplos de CMTC:
- Processo de nascimento e morte a tempo contı́nuo (PNM-TC) com taxas λi
de nascimento e µi de morte.
- Processos de Fila M/M/1 é um PNM-TC com λi = λ e µi = µ.
- Processos de Poisson, com µi = 0, λi = λ.