Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Processos de Poisson Mauro C. M. Campos SUMA´RIO I Alguns fatos sobre a distribuic¸a˜o exponencial 1 II Alguns fatos sobre a distribuic¸a˜o de Poisson 2 III Processos estoca´sticos em tempo contı´nuo 2 IV Processos de Poisson I: construc¸a˜o e propriedades fundamentais 3 V Processos de Poisson II: uma classe particular de processos de contagem 3 VI Processos de Poisson III: teoremas limite 5 VII Processos de Poisson IV: falta de memo´ria do passado 6 VIII Processos de Poisson V: superposic¸a˜o e decomposic¸a˜o 6 IX Exercı´cios 6 X I´ndice de notac¸o˜es 7 Refereˆncias 8 OBS.: Notas de aula. Em 6 de junho de 2010. I. ALGUNS FATOS SOBRE A DISTRIBUIC¸A˜O EXPONENCIAL Definic¸a˜o 1. τ ∼ Exp(λ), λ > 0, se sua func¸a˜o densidade de probabilidade e´ fτ (t) = λe−λtI(0,∞)(t). (1) A func¸a˜o de distribuic¸a˜o acumulada e a func¸a˜o de sobreviveˆncia sa˜o dadas por Fτ (t) = Pr(τ ≤ t) = 1− e−λtI(0,∞)(t) (2) e Sτ (t) = Pr(τ > t) = 1− Fτ (t) = e−λtI(0,∞)(t). (3) A me´dia e a variaˆncia de τ sa˜o dadas por E(τ) = 1 λ Var(τ) = 1 λ2 . (4) Finalmente, a func¸a˜o geradora de momentos e´ dada por Mτ (u) = E(euτ ) = λ λ− u (5) para todo u < λ. Teorema 1. Se τ ∼ Exp(λ), enta˜o Pr(τ > s+ t|τ > s) = Pr(τ > t) = e−λt para todo s, t ≥ 0. Teorema 2. Sejam τ1, . . . , τk idd∼ Exp(λ). Enta˜o Tk := k∑ i=1 τi ∼ Gama(tk; k, λ) = λe−λtk · (λtk) n−1 (n− 1)! I(0,∞)(tk). (6) Departamento de Estatı´stica, Universidade Federal do Espı´rito Santo UFES. Av. Fernando Ferrari 514, Goiabeiras, CEP 29075-910, Vito´ria ES. 2 II. ALGUNS FATOS SOBRE A DISTRIBUIC¸A˜O DE POISSON Definic¸a˜o 2. N ∼ Po(λ), λ > 0, se sua func¸a˜o de probabilidade e´ fN (k) = e−λ · λ k k! I{0,1,2,...}(k). (7) A me´dia e a variaˆncia de N sa˜o dadas por E(N) = λ Var(N) = λ. (8) A func¸a˜o geradora de momentos e´ dada por MN (u) = E(euN ) = eλ(e u−1) (9) para todo u real. Teorema 3. Se N ∼ Po(λ) e M ∼ Po(ν) sa˜o va.a’s independentes, enta˜o N +M ∼ Po(λ+ ν). III. PROCESSOS ESTOCA´STICOS EM TEMPO CONTI´NUO Definic¸a˜o 3 (Processo estoca´stico em tempo contı´nuo). Seja ϕ um conjunto. Um processo estoca´stico em tempo contı´nuo e´ uma famı´lia (Xt)t≥0 de varia´veis aleato´rias (va.a’s) tal que Xt assume valores em ϕ para todo t ≥ 0. O conjunto ϕ e´ chamado de espac¸o de estados e cada um de seus elementos e´ chamado de estado. Comenta´rio 1. Probabilidades que ocorrem na teoria de processos estoca´sticos em tempo contı´nuo dependem das probabilidades P (x0, x1, . . . , xn) = Pr(Xt0 = x0, Xt1 = x1, . . . , Xtn = xn) (10) para quaisquer 0 ≤ t0 ≤ t1 ≤ · · · ≤ tn e x0, x1, . . . , xn ∈ ϕ. E´ possı´vel calcular (10) conhecendo: • a distribuic¸a˜o de Xt0 , P (x0) = Pr(Xt0 = x0) • e as probabilidades de transic¸a˜o, – P (x1|x0) = Pr(Xt1 = x1|Xt0 = x0) – P (x2|x0, x1) = Pr(Xt2 = x2|Xt0 = x0, Xt1 = x1) – ... – P (xn|x0, . . . , xn−1) = Pr(Xtn = xn|Xt0 = x0, . . . , Xtn−1 = xn−1). Isso porque P (x0, x1, . . . , xn) = P (x0)P (x1|x0)P (x2|x0, x1) · . . . · P (xn|x0, . . . , xn−1). (11) Definic¸a˜o 4 (Me´dia, variaˆncia e correlac¸a˜o). Descrevemos o valor me´dio, a variabilidade e a estrutura de correlac¸a˜o de um processo estoca´stico em tempo contı´nuo atrave´s das seguintes func¸o˜es: 1) A func¸a˜o me´dia do processo e´ definida por µt := E(Xt) t ≥ 0. (12) 2) A func¸a˜o variaˆncia do processo e´ definida por σ2t := Var(Xt) = E(X 2 t )− µ2t t ≥ 0. (13) 3) A func¸a˜o de autocovariaˆncia do processo e´ definida por γs,t := Cov(Xs, Xt) = E(XsXt)− µsµt s, t ≥ 0. (14) 4) A func¸a˜o de autocorrelac¸a˜o do processo e´ definida por %s,t := γs,t√ σ2sσ 2 t s, t ≥ 0. (15) Comenta´rio 2. Observe que: • σ2t = γt,t para todo t • γs,t = γt,s para todo par s, t • %s,t = %t,s para todo par s, t. Comenta´rio 3. Nesse texto vamos estudar uma classe particular de processos estoca´sticos em tempo contı´nuo, chamados de processos de Poisson. A pro´xima subsec¸a˜o apresenta a construc¸a˜o do processo de Poisson e suas propriedades fundamentais, a partir de uma sequeˆncia de va.a’s independentes e exponencialmente distribuı´das com paraˆmetro λ > 0. 3 IV. PROCESSOS DE POISSON I: CONSTRUC¸A˜O E PROPRIEDADES FUNDAMENTAIS Definic¸a˜o 5 (Construc¸a˜o do processo de Poisson). Considere uma sequeˆncia de eventos (de um certo tipo) ocorrendo aleatoria- mente ao longo do tempo a partir de um instante inicial t = 0 e sejam τ1, τ2, . . . tais que τ1 e´ o tempo inicial ate´ a ocorreˆncia do primeiro evento, e para i ≥ 2, τi e´ o tempo entre a ocorreˆncia do (i− 1)-e´simo evento ate´ a ocorreˆncia do i-e´simo evento. Assuma que τ1, τ2, τ3, . . . sa˜o va.a.’s independentes e exponencialmente distribuı´das com paraˆmetro λ > 0. Para t ≥ 0, Nt representa o nu´mero de eventos ocorridos no intervalo [0, t], ou seja, Nt := max{k ≥ 0 : Tk ≤ t}, (16) onde T0 = 0, e para k ≥ 1, Tk := ∑k i=1 τi representa o tempo de espera ate´ a ocorreˆncia do k-e´simo evento. O processo (Nt)t≥0 e´ chamado de processo de Poisson com taxa λ. Esse e´ um processo estoca´stico de contagem em tempo contı´nuo com espac¸o de estados N := {0, 1, 2, . . .}. Teorema 4 (Propriedades fundamentais do processo de Poisson). Seja (Nt)t≥0 um processo de Poisson com taxa λ. Enta˜o: 1) Tk ∼ Gama(k, λ) para todo k ≥ 1 2) E(Tk) = k/λ para todo k ≥ 1 3) Var(Tk) = k/λ2 para todo k ≥ 1 4) Nt ∼ Po(λt) para todo t ≥ 0. Em particular N0 = 0 com probabilidade 1 5) µt = E(Nt) = λt para todo t ≥ 0 6) σ2t = Var(Nt) = λt para todo t ≥ 0 7) γs,t = λmin{s, t} para todo s, t ≥ 0 8) Nt1 , Nt2 − Nt1 , . . . , Ntm − Ntm−1 sa˜o va.a’s independentes para quaisquer 0 ≤ t1 ≤ t2 ≤ · · · ≤ tm. Ale´m disso, Nti −Nti−1 d= Nti−ti−1 para i = 1, . . . ,m (assuma que t0 = 0) 9) (Nt)t≥0 e´ Markoviano, ou seja, Pr(Ns+t = j|Nt0 = i0, . . . , Ntm−1 = im−1, Ns = i) = Pr(Ns+t −Ns = j − i|Nt0 , . . . , Ntn−1 , Ns = i) (17) = Pr(Ns+t −Ns = j − i|Ns = i) (18) = Pr(Ns+t −Ns = j − i) (19) = Pr(Nt = j − i) (20) para quaisquer 0 ≤ t0 ≤ t1 ≤ · · · ≤ tm−1 ≤ s ≤ t e i0, i1, . . . , im−1, i, j ∈ N. Comenta´rio 4. Nt − Ns representa o nu´mero de eventos ocorridos no intervalo (s, t] sempre que 0 ≤ s < t. Nt − Ns e´ chamado de incremento do processo de Poisson no intervalo (s, t]. Um processo estoca´stico de contagem possui incrementos independentes se o nu´mero de eventos ocorridos em intervalos disjuntos sa˜o independentes. Um processo estoca´stico de contagem possui incrementos estaciona´rios se a distribuic¸a˜o de probabilidade do nu´mero de eventos ocorridos em um intervalo, so´ depende do comprimento do intervalo. O item 8) do teorema 4 garante que os incrementos do processo de Poisson sa˜o independentes e estaciona´rios. Podemos representar o processo de Poisson atrave´s do seguinte grafo: 0 λ // 1 λ // 2 λ // 3 λ // · · · ϕ = N V. PROCESSOS DE POISSON II: UMA CLASSE PARTICULAR DE PROCESSOS DE CONTAGEM Definic¸a˜o 6 (Processo de contagem em tempo contı´nuo). Considere uma sequeˆncia de eventos (de um certo tipo) ocorrendo aleatoriamente ao longo do tempo a partir de um instante inicial t = 0. Um processo estoca´stico em tempo contı´nuo (Nt)t≥0 com espac¸o de estados ϕ e´ um processo de contagem (em tempo contı´nuo) em ϕ se 1) Nt representa o nu´mero de eventos ocorridos no intervalo [0, t] 2) Nt ∈ ϕ = {0, 1, 2, . . .} =: N para todo t ≥ 0 3) Ns ≤ Nt sempre que 0 ≤ s < t 4) Nt − Ns representa o nu´mero de eventos ocorridos no intervalo (s, t] sempre que 0 ≤ s < t. Nt − Ns e´ chamado de incremento do processo de contagem no intervalo (s, t]. Dizemos que: • (Incrementos independentes) (Nt)t≥0 possui incrementos independentes se o nu´mero de eventos ocorridos em intervalos disjuntos sa˜o independentes. Formalmente, (Nt)t≥0 possui incrementos independentes se Nt2 −Nt1 , . . . , Ntm −Ntm−1 (21) sa˜o va.a’s independentes para quaisquer 0 ≤ t1 ≤ t2,≤ · · · ≤ tn. 4 • (Incrementos estaciona´rios) (Nt)t≥0possui incrementos estaciona´rios se a distribuic¸a˜o de probabilidade do nu´mero de eventos ocorridos em um intervalo, so´ depende do comprimento do intervalo. Formalmente, (Nt)t≥0 possui incrementos estaciona´rios se Ns+t −Ns d= Nt (22) para quaisquer s, t ≥ 0. Definic¸a˜o 7 (Processo de Poisson com taxa λ). Um processo de contagem em tempo contı´nuo (Nt)t≥0 em N e´ um processo de Poisson com taxa λ > 0, se 1) N0 = 0 2) (Nt)t≥0 possui incrementos independentes 3) (Nt)t≥0 possui incrementos estaciona´rios onde Nt d= Ns+t −Ns ∼ Po(λt) (23) para quaisquer s, t ≥ 0. Definic¸a˜o 8 (Processo de Poisson com taxa λ). Um processo de contagem em tempo contı´nuo (Nt)t≥0 em N e´ um processo de Poisson com taxa λ > 0, se 1) N0 = 0 2) (Nt)t≥0 possui incrementos independentes 3) (Nt)t≥0 possui incrementos estaciona´rios onde Pr(Nh = k) = Pr(Ns+h −Ns = k) = Pr(Ns+h = i+ k|Ns = i) = 1− λh+ o(h) se k = 0 λh+ o(h) se k = 1 o(h) se k ≥ 2 0 se k < 0. (24) Comenta´rio 5. Uma func¸a˜o f e´ o(h) na vizinhanc¸a do zero se f(h) h → 0 (25) quando h→ 0. Por exemplo, f(t) = t2 e´ o(h) na vizinhanc¸a do zero, pois h2/h = h→ 0 quando h→ 0. Teorema 5. As definic¸o˜es 7 e 8 sa˜o equivalentes. PROVA. Vamos mostrar que a definic¸a˜o 8 implica na definic¸a˜o 7. A implicac¸a˜o contra´ria fica como exercı´cio. De fato, para k ≥ 0 segue que Pr(Nt+h = k) = ∞∑ i=0 Pr(Nt = i) Pr(Nt+h = k|Nt = i) (26) = ∞∑ i=0 Pr(Nt = i) Pr(Nt+h −Nt = k − i|Nt = i) (27) = ∞∑ i=0 Pr(Nt = i) Pr(Nt+h −Nt = k − i) (28) = ∞∑ i=0 Pr(Nt = i) Pr(Nh = k − i). (29) Considerando a notac¸a˜o pk(t) := Pr(Nt = k) para k = 0, 1, 2, . . ., segue que{ p0(t+ h) = (1− λh)p0(t) + o(h) para k = 0 pk(t+ h) = (1− λh)pk(t) + λhpk−1(t) + o(h) para k ≥ 1. (30) Observando que para k ≥ 0 pk(t+ h)− pk(t) h → dpk(t) dt =: p′k(t) (31) quando h→ 0, chegamos enta˜o ao seguinte sistema de equac¸o˜es diferenciais{ p′0(t) = −λp0(t) para k = 0 p′k(t) = −λpk(t) + λpk−1(t) para k ≥ 1, (32) 5 sujeito a`s condic¸o˜es iniciais pk(0) = δ0k, k ≥ 0. A soluc¸a˜o desse problema de valor inicial e´ dada por pk(t) = e−λt · (λt) k k! (33) para k = 0, 1, 2, . . .. Portanto Nt ∼ Po(λt) � Corola´rio 1. Seja (Nt)t≥0 um processo de Poisson com taxa λ. Enta˜o µt = E(Nt) = λt e σ2t = Var(Nt) = λt para todo t ≥ 0. Definic¸a˜o 9. Sejam T0, T1, T2, . . . tais que T0 = 0, e para k ≥ 1, Tk := min{t > 0 : N(t) = k} =: O tempo de espera ate´ a ocorreˆncia do k-e´simo evento. (34) Ale´m disso, defina τi := Ti − Ti−1 para i ≥ 1 e observe que Tk = ∑k i=1 τi. Observe tambe´m que τ1 e´ o tempo inicial ate´ a ocorreˆncia do primeiro evento, e para i ≥ 2, τi e´ o tempo a partir de Ti−1 ate´ a ocorreˆncia do i-e´simo evento. Teorema 6. τ1 = T1, τ2 = T2−T1, τ3 = T3−T2, . . . iid∼ Exp(λ). Ale´m disso, E(τi) = 1/λ e Var(τi) = 1/λ2 para todo i ≥ 1. PROVA. Temos que Pr(τ1 > t) = Pr(Nenhum evento em [0, t]) = Pr(Nt = 0) = e−λt. (35) Assim τ1 ∼ Exp(λ). Agora observe que Pr(τ2 > t|τ1 = u1) = Pr(Nenhum evento em (u1, u1 + t]) = Pr(Nt = 0) = e−λt. (36) Assim τ2 e´ independente de τ1, e possui a mesma distribuic¸a˜o. Repetindo o argumento, a prova segue por induc¸a˜o em n: Pr(τn+1 > t|τ1 = u1, . . . , τn = un) = Pr(Nenhum evento em ( ∑n i=1 ui, ∑n i=1 ui + t]) = Pr(Nt = 0) = e −λt. (37) Portanto τ1, τ2, . . . sa˜o va.a’s iid com distribuic¸a˜o comum Exp(λ) � Corola´rio 2. Tk = ∑k i=1 τi ∼ Gama(k, λ) para todo k ≥ 1. Ale´m disso, E(Tk) = k/λ e Var(Tk) = k/λ2 para todo k ≥ 1. Comenta´rio 6. O resultado do teorema 6 faz a ligac¸a˜o entre o desenvolvimento construtivo dos processos de Poisson (apre- sentado na sec¸a˜o IV) e o desenvolvimento apresentado nessa sec¸a˜o (sec¸a˜o V). O desenvolvimento realizado ate´ esse momento, permite afirmar o seguinte teorema. Teorema 7. Um processo de contagem em tempo contı´nuo (Nt)t≥0 em N e´ um processo de Poisson com taxa λ > 0 se, e somente se, τ1, τ2, . . . sa˜o va.a.’s independentes e exponencialmente distribuı´das com paraˆmetro λ. Teorema 8. Seja (Nt)t≥0 um processo de Poisson com taxa λ. Dado Nt = k, os k tempos de espera T1, . . . , Tk, sa˜o va.a.’s independentes e uniformemente distribuı´das no intervalo [0, t]. Isso significa que a densidade conjunta de T1, . . . , Tk dado Nt = k e´ igual a` densidade conjunta das estatı´sticas de ordem correspondentes k va.a.’s independentes e uniformemente distribuı´das no intervalo [0, t]. Ou seja, f(t1, . . . , tk|k) = k! tk , (38) para 0 < t1 < . . . < tk < t. VI. PROCESSOS DE POISSON III: TEOREMAS LIMITE Teorema 9 (Lei dos grandes nu´meros). Seja (Nt)t≥0 um processo de Poisson com taxa λ. Enta˜o Nt t q.c.→ λ (39) quando t→∞. Teorema 10 (Teorema central do limite). Seja (Nt)t≥0 um processo de Poisson com taxa λ. Enta˜o Nt − λt√ λt D→ N(0, 1) (40) quando t→∞. Isso significa que Nt a∼ N(λt, λt) (41) quando t e´ suficientemente grande. 6 VII. PROCESSOS DE POISSON IV: FALTA DE MEMO´RIA DO PASSADO Definic¸a˜o 10 (Tempo de parada). Seja (Nt)t≥0 um processo de Poisson com taxa λ e seja T uma va.a. tal que T ∈ [0,+∞]. Dizemos que T e´ um tempo de parada em relac¸a˜o ao processo (Nt)t≥0, se para todo t ≥ 0 e´ possı´vel determinar se o evento [T ≤ t] ocorreu ou na˜o, conhecendo apenas a histo´ria do processo ate´ o tempo t, denotada aqui por (Nu : 0 ≤ u ≤ t). Teorema 11. Seja (Nt)t≥0 um processo de Poisson com taxa λ. Enta˜o para todo t ≥ 0 e qualquer tempo de parada T temos que Pr(NT+t −NT = k|Nu;u ≤ T ) = e−λt · (λt) k k! (42) para k = 0, 1, 2, . . .. Isso significa que: • NT+t −NT |[Nu;u ≤ T ] d= Nt ∼ Po(λt) • E(NT+t −NT |Nu;u ≤ T ) = E(Nt) = λt e • Var(NT+t −NT |Nu;u ≤ T ) = Var(Nt) = λt. Em particular, os resultados valem se T = Tn para algum n ≥ 1 ou se T e´ uma varia´vel degenerada em algum s positivo. Corola´rio 3. Seja (Nt)t≥0 um processo de Poisson com taxa λ. Enta˜o para todo n ≥ 0 temos que Pr(τn+1 > t|τ0, . . . , τn) = Pr(Tn+1 − Tn > t|T0, . . . , Tn) = e−λt (43) para todo t ≥ 0. Observe que esse resultado segue imediatamente do teorema 11 quando T = Tn e k = 0. VIII. PROCESSOS DE POISSON V: SUPERPOSIC¸A˜O E DECOMPOSIC¸A˜O Teorema 12 (Superposic¸a˜o de processos de Poisson). Sejam (Lt)t≥0 e (Mt)t≥0 processos de Poisson independentes um do outro e com taxas λ e ν respectivamente. O processo (Nt)t≥0, onde Nt = Lt+Mt, e´ chamado de superposic¸a˜o dos processos (Lt)t≥0 e (Mt)t≥0. (Nt)t≥0 e´ um processo de Poisson com taxa λ+ ν. Teorema 13 (Decomposic¸a˜o de processos de Poisson). Seja (Nt)t≥0 um processo de Poisson com taxa λ. Suponha que cada vez que um evento de interesse ocorre no tempo, ele e´ classificado como sendo do tipo I ou do tipo II com probabilidades p e 1−p respectivamente, 0 < p < 1. (N It )t≥0 representa o nu´mero de eventos do tipo I no intervalo [0, t] e (N IIt )t≥0 representa o nu´mero de eventos do tipo II no intervalo [0, t]. Note que Nt = N It +N II t . (N I t )t≥0 e (N II t )t≥0 sa˜o processos de Poisson independentes um do outro e com taxas λp e λ(1− p) respectivamente. IX. EXERCI´CIOS Exercı´cio 1. Seja (Nt)t≥0 um processo de Poisson com taxa λ = 15. Calcule: • Pr(N6 = 9) • Pr(N6 = 9, N20 = 13, N56 = 27) • Pr(N20 = 13|N6 = 9) • Pr(N6 = 9|N20 = 13) Exercı´cio 2. Seja (Nt)t≥0 um processo de Poisson com taxa λ = 2. Calcule: • µt = E(Nt) para t ≥ 0 • σ2t = Var(Nt) para t ≥ 0 • γs,t = Cov(Ns, Nt) para s, t ≥ 0 • E(Ns+t|Ns) para s, t ≥ 0 Exercı´cio 3. Em certa rodovia, a intensidade me´dia do fluxo de tra´fego e´ de 30 carros por minuto. Assuma que a contagem de carros (registrada por um medidor) segue o processo de Poisson. Calcule: • a probabilidade de que 2 ou mais carros sejam registrados durante um intervalo de dois segundos. • a probabilidade de passar mais de um minuto, a partir de um instante inicial, ate´ registrar o primeiro carro. Exercı´cio 4. Seja (Nt)t≥0 um processo de Poisson com taxa λ. Mostreque γs,t = Cov(Ns, Nt) = λmin{s, t}, para todo s, t ≥ 0. Exercı´cio 5. Seja (Nt)t≥0 um processo de Poisson com taxa λ. Mostre que Pr(Nh = k) = Pr(Ns+h −Ns = k) = Pr(Ns+h = i+ k|Ns = i) = 1− λh+ o(h) se k = 0 λh+ o(h) se k = 1 o(h) se k ≥ 2 0 se k < 0. 7 Esse exercı´cio completa a prova do teorema 5. Exercı´cio 6. Uma loja possui duas entradas, uma pela rua A e outra pela rua B. Os fluxos de consumidores que chegam na loja a partir dessas duas entradas sa˜o processos de Poisson independentes com taxas de 1/2 consumidor por minuto e de 3/2 consumidores por minuto respectivamente. • Qual e´ a probabilidade que um novo consumidor entre na loja durante um intervalo fixado de 3 minutos? • Qual e´ o tempo me´dio entre chegadas de novos consumidores? • Qual e´ a probabilidade que um dado consumidor entre pela rua A? Exercı´cio 7. O fluxo de consumidores numa loja e´ descrito por um processo de Poisson com taxa de 25 consumidores por hora. Sabe-se que a proporc¸a˜o de consumidores do sexo feminino e´ de 80%. Qual e´ a probabilidade que nenhum consumidor homem entre nessa loja durante um intervalo de 15 minutos? Exercı´cio 8. Consider the road network pictured in Figure. The inputs are Poisson processes with the rates indicated, and the probabilities of a vehicle choosing the indicated directions are written on the arrows. Describe the traffic flow on each branch of the network. λ1=30// © 0,3 // 0,7 �� © 0,2 // 0,8 ��λ2=60// © 0,6 // 0,4 �� © 1,0 // © 1,0 oo © 0,5 oo 0,5 oo 0,5 OO λ3=30 oo Exercı´cio 9. Considere que o tra´fego numa rodovia e´ conhecido. O nu´mero de veı´culos passando num sentido segue o processo de Poisson com taxa de 60 veı´culos por hora, sendo que 20% desses veı´culos sa˜o caminho˜es. O nu´mero de veı´culos passando no sentido contra´rio segue o processo de Poisson com taxa de 80 veı´culos por hora, sendo que 30% desses veı´culos sa˜o caminho˜es. Em geral, 10% de todos os veı´culos pa´ram num restaurante que fica ao lado da rodovia. Assuma que o nu´mero de pessoas num caminha˜o e´ 1 e o nu´mero de pessoas num carro varia de 1 ate´ 5 com as seguintes probabilidades 3/10, 3/10, 2/10, 1/10 e 1/10. Encontre o valor esperado do nu´mero de pessoas que chegam no restaurante num perı´odo de 1 hora. Exercı´cio 10. Considerando as devidas adaptac¸o˜es na notac¸a˜o, resolva os exercı´cios 3, 4, 5, 6, 7 e 8 do capı´tulo 3 do livro-texto do curso [1]. Exercı´cio 11. Seja (Nt)t≥0 um processo de Poisson com taxa λ e seja B uma subconjunto de R+ := [0,∞). Nesse exercı´cio, NB representa o nu´mero de eventos ocorridos no conjunto B. Por exemplo, se B = [0, t], enta˜o NB = Nt; se B = (s, s+ t], enta˜o NB = Ns+t −Ns; se B = (s, t] ∪ (u, v], enta˜o NB = Nt −Ns +Nv −Nu. A1, . . . , An formam uma partic¸a˜o de B, tal que |B| =∑i |Ai| e | · | representa o comprimento de um subconjunto qualquer de R+. Mostre que Pr(NA1 = k1, . . . , NAn = kn|NB = k) = k! k1! · · · kn! ( |A1| |B| )k1 · · · ( |An| |B| )kn , para quaisquer k1, . . . , kn ∈ N onde k = ∑ i ki. X. I´NDICE DE NOTAC¸O˜ES Segue abaixo uma lista da notac¸a˜o utilizada nessa sec¸a˜o: • (Xt)t≥0 processo estoca´stico em tempo contı´nuo. • (Nt)t≥0 processo de contagem em tempo contı´nuo. • ϕ = N =: {0, 1, 2, . . .} espac¸o de estados do processo de contagem. • i, j, k, . . . estados em ϕ. • µt := E(Xt) func¸a˜o me´dia do processo. • σ2t := Var(Xt) func¸a˜o variaˆncia do processo. • γs,t := Cov(Xs, Xt) func¸a˜o de autocovariaˆncia do processo. • %s,t func¸a˜o de autocorrelac¸a˜o do processo. • (Nt)t≥0 processo de Poisson com taxa λ, PP(λ). • τ1, τ2, . . . idd∼ Exp(λ) tempos entre ocorreˆncias sucessivas de eventos no PP(λ). • Nt := max{k ≥ 0 : Tk ≤ t} estado do PP(λ) no tempo t • T0 = 0 e Tk = ∑k i=1 τi = min{t > 0 : Nt = k}, k ≥ 1, tempo de espera ate´ a ocorreˆncia do k-e´simo evento no PP(λ). • (Tk)k≥0 tempos de espera no PP(λ). • pk(t) := Pr(Nt = k) probabilidade de [Nt = k]. 8 REFEREˆNCIAS [1] HOEL, P.; PORT, S.; STONE, C. Introduction to Stochastic Processes. Illinois: Waveland Press, 1987. [2] GRIMMETT, G.; STIRZAKER, D. Probability and Random Processes, 3rd edition. New York: Oxford University Press, 2001. [3] ROSS, S. Introduction to Probability Models, 8th edition. San Diego: Academic Press, 2003. [4] FELLER, W. An Introduction to Probability Theory and its Applications, vol I. New York: John Wiley, 1957. [5] RIZZO, M. Statistical Computing with R. New York: Chapman & Hall/CRC Press, 2008.
Compartilhar