Professional Documents
Culture Documents
Universidad de Granada
Granada-España
septiembre 2012
1
TABLA DE CONTENIDO
2
8. TEORÍA DE RENOVACIÓN APLICADA A CADENAS DE MARKOV ..... 42
REFERENCIAS ............................................................................................... 44
3
TABLA DE FIGURAS
4
1. Introducción y ejemplos
5
El objetivo principal de la teoría de renovación es deducir propiedades sobre
características de la variable .
ciertas variables asociadas al proceso a partir del conocimiento de las
0, .
1 # $%&
Para 0
En otro caso, si la experiencia deja ver que el sistema requiere una renovación
cada minuto el comportamiento de la distribución es mayor. Ahora la
probabilidad de requerir una renovación del sistema en el minuto 4 es 0.98.
6
El proceso de flujo de tráfico estudio la cantidad de vehículos, que pasan frente
o a través de un punto determinado, así como sus otras variables asociadas de
tiempo y frecuencia.
Si por ejemplo, se sabe que el promedio de autos que pasan por un peaje de
carretera es de 10 autos cada 7 minutos. El evento de fallo es cuando el auto
pasa por el punto de pago. En este momento el sistema se detiene para
atender un conductor, el tráfico se detiene para esperar el turno de cada uno.
+ 0: )
7
2. Elementos de un proceso de renovación
2.1 Preliminares
por tanto,
8
acotado, es decir 2 3 ∞ 1, para 3 ∞ Para comprobar esta afirmación
El número de renovaciones en un intervalo de tiempo finito permanece
2 ∞
donde la segunda igualdad viene dada por la equivalencia (2.1). Además, por
la ley fuerte de los grandes números,
= 4
> + 0
cuando →∞. Esto significa que crece a infinito a medida que →∞, por lo
tanto, el suceso 6 es cierto sólo para un número finito de valores de ,
de lo que se deduce que 2 3 ∞ 1.
B
C √
B
2 6 E Φ F G
σ √
grande,
9
P U
/µ
2 6 E I O T.
O T
σ
Q R
B
N S
Definición 2.1
de y .
tiempo transcurrido desde el instante en que ocurre la última renovación antes
Llamaremos vida total a la variable ?& 4& V& . En la Figura 2.1 se da una
descripción gráfica de todas estas variables. Estas variables serán estudiadas
ampliamente en secciones posteriores.
10
Figura 2.1: Tiempos de vida residual y vida pasada
Definición 2.2
Proposición 2.3
i X ∑ZA
(ii) X 3 ∞ para todo 0 6 3 ∞.
Demostración
(i) X 4
por definición, por tanto tenemos la siguiente serie de
igualdades (Medhi, 1994, 251):
Z Z
11
Z Z
X ∑Z
A (2.3)
por tanto
&
7 $^ 5 ^ 85
*
Podemos elegir / de tal forma que - 3 1, cuya existencia está garantizada
ya que 2 + 0 + 0, y sustituyendo en la expresión de X dada en (i),
tenemos
Z -
X \ \ -.
A* A
-
∑-A
Z
límite en ∞ (ver Teorema 3.1), X verifica las propiedades de una función
converge uniformemente en cada intervalo finito. Salvo la condición del
12
concepto de convolución de funciones de distribución y extenderlo al caso
de funciones crecientes.
Definición 2.4
&
d ] e 7 e−58d5 e ] d
*
X] 1$fϕ
ϕ 1
f 1
(2.7)
Ejemplo 2.5
13
" "
" " "
X]
" " "
1
" "
Ejemplo 2.6
2"
caso,
ϕg F G
2"
y sustituyendo en (2.7)
2"
X ]
4"
1 # $h%&
X "
4
A menudo resulta difícil obtener una expresión exacta para X de modo que
recurrimos a cotas y fórmulas de aproximación. Es claro que
5 6 \ i
iA
6 ∑Z
A 6 ∑A`- a
Z j&
$j&
,
es decir,
6 X 6
1
14
6 4
W&. µ X 1,
X 1
µ
Definición 2.7
kl&
k&
(2.8)
Podemos escribir
X ∆ X
lim
∆&=* ∆
15
No Homogeneo, en teoría de fiabilidad, la función también se llama razón
Cuando hablamos de la intensidad de renovación en un Proceso de Poisson
Definición 2.10
16
3. Comportamiento límite
Teorema 3.1
v.1.
wxxxy ∞ si = ∞
v.1.
wxxxy z si = ∞ siendo z
i)
W&
& {
|
X wxxy ∞
ii)
si = ∞
lim&=Z z
iii)
iv)
Demostración
2 } lim + ~ 2 . 3 ∞
que
&=Z
Para que . ∞ tiene que ocurrir que al menos uno de los 1 tiempos
entre llegadas sea infinito, lo cual ocurre con probabilidad 0. Por tanto,
2 } lim + ~ 1
&=Z
. 6 3 W&.
por tanto,
W& W&.
6 3
Como W& / es el promedio de los primeros tiempos entre llegadas,
se sigue, por la ley fuerte de los grandes números que W& /→µ, según
que →∞, pero esto último ocurre si →∞, de modo que podemos decir que
W&
=B
17
si →∞.
Si ahora escribimos
W&.
=B
si t→∞.
Con esto el resultado es inmediato, ya que / está acotado por dos
cantidades que convergen a µ, a medida que t se hace infinito. (Ross, 2010,
428)
tenemos que
ϕg
lim X lim
→∞. →*. 1 ϕ
g
por tanto,
ϕ g
∗
1 ϕg
Además,
ϕg
lim lim ] lim
→∞. →*. →*. 1 ϕ
g
18
de una variable aleatoria toma valor 1 en 0, de modo que usamos la regla
Este límite es indeterminado, ya que la transformada de la función de densidad
de l'Hôpital
renovación.
En el apartado (iii) del resultado anterior hemos visto que el número esperado
de renovaciones crece indefinidamente con el tiempo, el siguiente teorema,
crecimiento. En el apartado (ii) hemos visto que / →γ, a medida que
llamado teorema elemental de renovación, trata de obtener la razón de ese
Ejemplo 3.1
1 , 90
2 ) 9 u
1 , 9 1
1
19
4. Ecuaciones de renovación
Definición 4.1
Teorema 4.1
Supongamos que es una función acotada. Existe una y sólo una función d
acotada en intervalos finitos que satisface (4.1). Esta función es
Demostración.
En primer lugar, vamos a comprobar que una función d como en (4.2) satisface
las condiciones de acotación y resuelve (4.1). Dado que es acotada y que X
es no decreciente y finita para cada , tenemos
g
r; |d| 6 r; || 7 p r; |9| 8X5
*&g *&g *&g
20
r; || ] 1 X 3 ∞
*&g
\ - ]
-A
∗ d.
d ∗ ∗ d
∗ ∗∗ d
∗ ∗ d
d ∗ ∗ ∗ d
∗ ∗ R ∗ d
21
$
\ - ] ∗ d
-A
de modo que
$
Lema 4.3
4 W&. µ H X 1
Demostración.
22
4
W&. 4
4
W&. |
_*
4
W&. | 585
Z
(4.3)
5, 5 + u
4
W&. | 5 p
5 d 5, 5 6
. (4.4)
vida media residual a partir de un tiempo ya que V& W&. , ver Figura
Como consecuencia del lema anterior, podemos obtener una expresión para la
23
Figura 4.1: Tiempos residuales
=z
l&
&
cuando t → ∞.
(4.5)
Demostración.
Supongamos que µ 3 ∞. Es claro que W&. 3 , ver Figura 4.1, por tanto,
aplicando el Lema 4.3, concluimos que µ H
X 1 + , lo que implica que
> , 1,2, . . .
Fijamos una constante K y definimos el siguiente proceso de renovación
> , > 6 u
> p
de la siguiente forma
, > +
n 1,2, . . ..
X 1
: r; 6
&=Z t µ
24
X 1
: r; 6
&=Z t µ
X
=z
25
5. El teorema de renovación
cualquier c + 0,
=
l&.$l&
(5.1)
µ
cuando →∞. Este resultado puede interpretarse como una forma diferencial
del teorema elemental de renovación, y constituye uno de los resultados más
Definición 5.1
α+ε α−ε + 0
Definición 5.1
y definimos
26
Z
σδ δ \
A
Z
y
σδ δ \
A
1 Z
7 585 , B 3 ∞u
lim d ¡µ *
&→Z
0 , B∞
Z
\ q λ , B 3 ∞u
λ
lim dq λ ¡µ A*
0 , B∞
→Z
c
lim X c X
&=Z µ
para c + 0.
Demostración.
27
Sea c + 0 y consideremos la siguiente función
1, 0 6 9 3 cu
9 p
0, 9c
c
lim
X X c
&=Z µ
X
X
1 X
1
6 3
1
28
de manera que X/ es una función acotada por dos cantidades que tienden
a 1/µ, y por tanto, lim } & ~ B$
l&
→∞.
de la última renovación que ocurre antes de . Esto nos llevará a como una
solución de una ecuación de renovación, es decir del tipo c ∗.
d¥ 2V& + ¤
d¥ 5 0 3 5 6
PR + ¤| 5 0 3 5 6 ¤ u
1 ¤ 3 5
(5.3)
Z
entonces, como
d¥ 7 PR + ¤| 5 dFx
*
29
Para aplicar el teorema de renovación, consideremos F ¤, que es
una función directamente Riemann integrable por ser monótona y
absolutamente integrable en el sentido de que
Z Z Z Z
7 ||8 7 ¤8 7 8 6 7 8 B 3 ∞
* * ¬ *
Entonces,
Los sucesos V&$ 5 9 y 4& 3 5 son incompatibles, ver Figura 2.1, por
tanto
1 Z
: 24& 5 9 V& 9 : 2V&$ + 5 9 7 8
&=Z &=Z B .°
1 Z
lim PE 5 7 dt
&=Z µ
30
Utilizando el teorema del cambio de variable (pueden verse otros
lim 4
?& + µ,
&=Z
lo que significa que la media del tiempo de vida total límite de un objeto que
está en marcha actualmente es estrictamente mayor que un tiempo de vida
medio ordinario, este hecho es conocido como la paradoja de la vida residual.
σ µ
puede probar que
lim pX
&=Z µ 2µ
31
Podemos considerar dos casos, en primer lugar suponemos que 4& , lo que
significa que la primera renovación ocurre después de , es decir, t cae en el
primer intervalo de renovación, de modo que podemos escribir
¦ , 9 | 9
para 9 0. El otro caso es que 4& . 4& 5 y V& 9 ocurre si ocurre una
renovación en −5, de manera que la duración esta etapa es 5 9. La
probabilidad de una renovación en un itervalo −5, −5 85 es
aproximadamente −585. Igualmente, la probabilidad de que una etapa de
5 9, 5 9 89
aproximadamente | 989. Con todo esto, podemos escribir
renovación tenga longitud contenida en es,
·¶ 5 5 9| 5 , 5 3 .
¬ 5, 9 z | 5, 9
A partir de aquí podemos obtener las distribuciones límite de las variables edad
{ 5 z| 5
y vida residual
32
Z
4
> - / 7 5 -$ | 5 85
*
4
> -.
4
4 - 4
V&
/ 14
>
{ 21−
y la esperanza 4 4 1/3.
λ # $λ.° , 0 6 5 6 , 0 6 9u
¬¶ 5, 9 º
λ# $λ.° , 5 , 0 6 9
en la sección 2.1. Veremos que se distribuye cuando →∞, como una
Vamos a demostrar a continuación un resultado cuyo enunciado adelantamos
variable normal. Para demostrarlo, haremos uso del teorema central del límite y
de la relación
3 ⇔ + .
Teorema 5.3
33
Demostración.
¶
W &$
2 ¡ ¶
¼
3 9¿
½¾ »
(5.10)
¼
2 ®À¶ + ¯ 2 p
Á¶ $À¶ K
+
&$˦ K
½MÀ¶ ½ MÀ¶
(5.12)
Aunque, rigurosamente hablando, para aplicar la igualdad (5.1), <& debe ser un
Æ
à Ã
˦ <& B 9
2 +
C M<& 9C Å
à QF1 GÃ
√B Ä
Á¶ $À¶ K
½ MÀ¶
Por el teorema central del límite, converge a una variable aleatoria
normal de media 0 y varianza 1 cuando tiende a infinito. Además, como
9
= 9
9C
QF1 G
√B
Æ
B 1 Z ´ 1 ° ´
2 3 9 = 7 # $ 85 7 # $ 85
C Å √2Ç $° √2Ç $Z
¾ R
B Ä
cuando = ∞ b
34
6. El proceso de renovación retardado
Definición 6.1
\
A
para 1 y
35
³∗ −1 − ³∗ . (6.1)
X¸ ∑Z
A ³ ] $ , (6.2)
³ ]
X¸ ]
1 ]
Teorema 6.2
Sea µ 4 , + 1,
WÈ & v.1
wxxy K si = ∞
&
(i)
wxy K si = ∞
lÈ &
&
(ii)
reemplazamientos,
aleatoria tiene distinta distribución del resto de los tiempos entre sucesivos
0 , 5 + u
4
¸ ¸ 5 p
1 X 5 , 5 6
.
36
Z
X¸ 7 4¸ ¸ 58³5
*
&
7 1 X 58³5
*
&
³ 7 X 58³5
*
X¸ ³ ∗X¸ .
Taylor (1975), que X¸ , verifica el teorema principal de renovación, por tanto,
Como consecuencia de todo lo anterior puede comprobarse, ver Karlin &
c
lim
X¸ X¸ c
&=Z B
primera renovación.
4 -$
4
É- z
/1
37
y la transformada de Laplace
É γ
] $j&
1
(6.41)
Teorema 6.3
misma −1 veces, 2,3, . . ., y Ê É . Tenemos además que
Z
XÉ \ Ê
A
de modo que usando (6.4)
γ1 ϕg
Z
XÉ] \`
$
a
γ
s g s
ϕ
A
XÉ γt, 0. b
38
7. Procesos de renovación alternados
Ejemplo 7.1
39
Vamos a calcular en primer lugar la densidad de renovación . Es fácil ver
que la transformada de Laplace de la función de densidad de la variable
viene dada, ya que se trata de la densidad de la suma de dos exponenciales
independientes, por la siguiente expresión
2B
ϕ g
" B
"B
X]
" B
"B "B
X 1 # $%.K&
" B " B
y por tanto
"B
X 1 # $%.K&
" B
B 1/"
lim Ç
&=Z " B 1/" 1/B
en cada una de las fases, en un intervalo de tiempo
0, . Sea 2 la fracción
Podemos estar interesados en determinar el tiempo total que el proceso pasa
40
donde τ es el tiempo total pasado en la primera fase durante el intervalo
W& , , es decir
Í
2
Í Í
= 4
> y = 4
)
ÎÏ & δ &
W& W&
v.1 4
>
2 wxxxy
4
> 4
)
lim&=Z Ç
primera fase en un instante de tiempo seleccionado aleatoriamente,
41
8. Teoría de renovación aplicada a cadenas de Markov
Markov implica que cada vez que se produce un retorno a un estado dado , la
Podemos obtener muchos resultados teniendo en cuenta que la propiedad de
,i v.1 1
wxxxxy
µi
cuando = ∞.
X,i v.1
wxxy Ç
Ð es πi .
la proporción esperada del número de etapas que la cadena pasa en el estado
42
lo que significa que la probabilidad de encontrar la cadena en el estado Ð en
una etapa elegida al azar, es decir en el límite, es igual a Çi . Esta ecuación
demuestra también que esta probabilidad es independiente del estado de
partida.
2> 5 , . . . , >- 5-
de que
para todo .
43
REFERENCIAS
44