Baixe o app para aproveitar ainda mais
Prévia do material em texto
Processos Estocásticos Mestrado em Ciências Actuariais Alexandra Bugalho de Moura �ĚŝĕĆŽ�ŶǑ͗�ϵϱ YƵĂĚƌŽƐ�ĚĞ�ĚŝǀĞƌƐĂƐ�ŽƌŐĂŶŝnjĂĕƁĞƐ�ŶĆŽͲŐŽǀĞƌŶĂŵĞŶƚĂŝƐ͕�ŵŝŶŝƐƚĠƌŝŽƐ�Ğ�ŝŶƐƟƚƵŝĕƁĞƐ�ĚĞ�ĞŶƐŝŶŽ�ƐƵƉĞƌŝŽƌ�ĞƐƟǀĞƌĂŵ�ƌĞƵŶŝĚŽƐ�Ă�ϭϬ�ĚĞ��ďƌŝů͕�Ğŵ� DĂƉƵƚŽ͕�Ğŵ�^ ĞŵŝŶĄƌŝŽ�ƐŽďƌĞ�Ă�&ŽƌŵĂĕĆŽ�Ğ��ĚƵĐĂĕĆŽ�/ŶĐůƵƐŝǀĂ͘�KƌŐĂŶŝnjĂĚŽ�ƉĞůĂ�&ĂĐƵůĚĂĚĞ�ĚĞ��ĚƵĐĂĕĆŽ�ĚĂ�h�D�;&����Ϳ͕�Ž�ĞǀĞŶƚŽ�ƟŶŚĂ�ĐŽŵŽ� ŽďũĞĐƟǀŽ�ƌĞŇĞĐƟƌ�ƐŽďƌĞ�Ă�ƋƵĞƐƚĆŽ�ĚĂ�ŝŶĐůƵƐĆŽ�ŶŽ�ƉƌŽĐĞƐƐŽ�ĚĞ�ĞŶƐŝŶŽ�Ğ�ĂƉƌĞŶĚŝnjĂŐĞŵ�ƋƵĞ�ĐŽŶƟŶƵĂ�ŵƵŝƚŽ�ĂƋƵĠŵ�ĚĂƐ�ĞdžƉĞĐƚĂƟǀĂƐ͕�ŶŽ�ƉĂşƐ͘ ��WĄŐ͘�ϴ �ďƌŝů��ͻ��ϮϬϭϱ WĄŐ͘�ϰ WĄŐ͘�ϲ WĄŐ͘�Ϯ &$,&&�GLVWLQJXLGR�QD�FDWHJRULD�GH�2XUR� SHOD�*OREDO�,QQRYDWLRQ�:HHN� �ĞĐŽƌƌĞƵ�ŶŽƐ�ĚŝĂƐ�ϴ�Ğ�ϵ�ĚĞ��ďƌŝů͕�Ğŵ�DĂƉƵƚŽ͕�Ž�^ ĞŵŝŶĄƌŝŽ�ZĞŐŝŽŶĂů�ƐŽďƌĞ�Ž��ĂƌďŽŶŽ�ĚŽƐ� DĂŶŐĂŝƐ�ĚŽ��ĞůƚĂ�ĚŽ�ĂŵďĞnjĞ͘�K�ĞǀĞŶƚŽ͕�ƋƵĞ�ƌĞƷŶĞ�ă�ŵĞƐŵĂ�ƐĂůĂ�ĐŝĞŶƟƐƚĂƐ�ƌĞŐŝŽŶĂŝƐ�Ğ� ŝŶƚĞƌŶĂĐŝŽŶĂŝƐ͕� ĐŽŶƐƟƚƵŝ� Ƶŵ� ĞƐƉĂĕŽ� ĚĞ� ĂƉƌĞƐĞŶƚĂĕĆŽ� ĚŽƐ� ƌĞƐƵůƚĂĚŽƐ� ĚŽ� WƌŽũĞĐƚŽ� ĚŽ� �ĂƌďŽŶŽ�ĚŽƐ�DĂŶŐĂŝƐ�Ğ�ƉƌĞƚĞŶĚĞ�ƚƌĞŝŶĂƌ�ŽƐ�ƉĂƌƟĐŝƉĂŶƚĞƐ�ĚĞ�ŵĞƚŽĚŽůŽŐŝĂƐ�ĚĞ�ĂǀĂůŝĂĕĆŽ� ĚŽ�ĐĂƌďŽŶŽ�Ğ�ĚĞ�ŵŽŶŝƚŽƌŝĂ͕�ŝŶǀĞŶƚĂƌŝĂĕĆŽ�ĚĂ�ǀĞŐĞƚĂĕĆŽ�Ğ�ŵĂƉĞĂŵĞŶƚŽ͘ ��hŶŝǀĞƌƐŝĚĂĚĞ��ĚƵĂƌĚŽ�DŽŶĚůĂŶĞ�;h�DͿ�Ğ�Ž��ĂŶĐŽ��ŽŵĞƌĐŝĂů�Ğ�ĚĞ�/ŶǀĞƐƟŵĞŶƚŽƐ�;��/Ϳ� ĂƐƐŝŶĂƌĂŵ�ŶĂ�ŵĂŶŚĆ�ĚĞ�ŚŽũĞ͕�ϬϮ�ĚĞ��ďƌŝů͕�ƵŵĂ��ĚĞŶĚĂ�ĚĞ��ŽŶƚƌĂƚŽ�ĚĞ�WĂƌĐĞƌŝĂ�ĞŶƚƌĞ�ĂƐ� ĚƵĂƐ�ŝŶƐƟƚƵŝĕƁĞƐ�ǀŝƐĂŶĚŽ�Ž�ĂƉŽŝŽ�ĚĂƐ�ĂƌƚĞƐ�Ğ�ĐƵůƚƵƌĂ�ŶĂ�h�D͘���ƌĞŶŽǀĂĕĆŽ�ĚŽ�ĐŽŶƚƌĂƚŽ͕� ĐŽŵ�ĚƵƌĂĕĆŽ�ĚĞ�ϯ�;ƚƌġƐͿ�ĂŶŽƐ͕�ƉĞƌŵŝƚĞ�Ă�h�D�Ƶŵ�ĞŶĐĂŝdžĞ�ĮŶĂŶĐĞŝƌŽ�ĚĞ�hŵ�DŝůŚĆŽ�ĚĞ� DĞƟĐĂŝƐ� ĚĞƐƟŶĂĚŽƐ� ă� ĂĐƟǀŝĚĂĚĞƐ� ĚĞ� ĚĞƐĞŶǀŽůǀŝŵĞŶƚŽ� ĚŽƐ� ŵƵƐĞƵƐ� Ğ� ĞƐƉĂĕŽƐ� ŵƵƐĞŽůſŐŝĐŽƐ͘� 8(0�H�%&,�UHQRYDP�SDUFHULD 0DSXWR�DFROKH�6HPLQiULR�5HJLRQDO� VREUH�R�&DUERQR�GRV�0DQJDLV 81,9(56,'$'( ( ' 8$ 5 ' 2 021'/$1( �ŽůĞƟŵ�/ŶĨŽƌŵĂƟǀŽ�ĚĂ�hŶŝǀĞƌƐŝĚĂĚĞ��ĚƵĂƌĚŽ�DŽŶĚůĂŶĞ )$&('�UHDOL]D�SULPHLUR� 6HPLQiULR�VREUH�(GXFDomR� ,QFOXVLYD�QR�SDtV Agosto 2017 Alexandra Bugalho de Moura Processos Estocástico, UEM Agosto 2017 1 / 16 Outline Outline 1 Processos de Poisson Distribuições Associadas Alexandra Bugalho de Moura Processos Estocástico, UEM Agosto 2017 2 / 16 Processos de Poisson Processos de contagem Processos de contagem Um processo estocástico é um processo de contagem {N(t); t ≥ 0} se N(t) é o número de acontecimentos em (0, t]. Ou seja, um processo de contagem é um processo estocástico {Nt}t>0 tal que: pode ser em tempo discreto ou contínuo tem espaço de estados S = {0, 1, 2, 3, . . .} Nt é função não decrescente de t Alexandra Bugalho de Moura Processos Estocástico, UEM Agosto 2017 3 / 16 Processos de Poisson Processos de contagem de Markov Processos de contagem de Markov Processo de contagem Nt satisfazendo a propriedade de Markov: P(Nt = k|Nt1 = x1, . . . ,Ntn = xn) = P(Nt = k|Ntn = xn), t1 < t2 < · · · < tn < t A maior prate dos processos de contagem de interesse são de Markov. Probabilidade de transição Num processo de contagem de Markov: pk,k+n(s, t) = P(Nt − Ns = n|Ns = k) Probabilidade do número de eventos entre s e t ser n, sabendo que o número de eventos até s é k, com s < t. Trata-se de uma probabilidade de transição (probabilidade condicional) Alexandra Bugalho de Moura Processos Estocástico, UEM Agosto 2017 4 / 16 Processos de Poisson Processos de contagem Distribuição marginal de Nt Assumindo N0 = 0 pn(t) = P(Nt = n) = p0,n(0, t) Distribuição marginal do incremento Nt − Ns Pelo teorema das probabilidades totais (N0 = 0) P(Nt − Ns = n) = +∞∑ k=0 P(Nt − Ns = n|Ns = k)P(Ns = k) = +∞∑ k=0 pk,k+n(s, t)pk (s) Alexandra Bugalho de Moura Processos Estocástico, UEM Agosto 2017 5 / 16 Processos de Poisson Processos de contagem homogéneos e estacionários Processos de contagem homogéneos Se a probabilidade condicional pk,k+n(s, t) = P(Nt − Ns = n|Ns = k) depender apenas do tamanho do intervalo (t − s), s < t, então o processo diz-se homogéneo Processo de contagem estacionário Se a probabilidade incondicional P(Nt − Ns = n) depende apenas do tamanho do intervalo (t − s), s < t, então o processo diz-se estacionário. Alexandra Bugalho de Moura Processos Estocástico, UEM Agosto 2017 6 / 16 Processos de Poisson Processos de contagem Processo de nascimento não homogéneo Um processo de nascimento não homogéneo é um processo de contagem de Markov tal que, para todo h −→ 0+ pk,k+1(t, t + h) = λk (t)h + o(h), k = 0, 1, . . . pk,k+n(t, t + h) = o(h), k = 0, 1, . . . , n = 2, 3, . . . Processo de nascimento homogéneo Caso particular do anterior quando λk é independente de t. Um caso muito especial de um processo de nascimento homogéneo é o processo de Poisson (homogéneo), que se obtém quando λk (t) é constante, λ Casos particulares λk (t) = λk : processo de nascimento homogéneo λk (t) = λ: processo de Poisson homogéneo λk (t) = λ(t): processo de Poisson não homogéneo Alexandra Bugalho de Moura Processos Estocástico, UEM Agosto 2017 7 / 16 Processos de Poisson Processos de Poisson Processo de Poisson homogéneo, ou Processo de Poisson, de intensidade λ Processo de contagem {Nt}t>0, com N(0) = 0, tal que (i) {Nt}t>0 tem incrementos independentes (ii) {Nt}t>0 tem incrementos estacionários (iii) ∀h −→ 0+, P(N(h) > 1) = λh + o(h) (iv) ∀h −→ 0+, P(N(h) > 2) = o(h) Postulados Os postulados anteriores podem ser escritos da seguinte forma: (i) Seja t0 = 0 < t1 < · · · < tm. As v.a.’s N ((0, t1]) ,N ((t1, t2]) , . . . ,N ((tm−1, tm]), são independentes (ii) ∀t ≥ 0, h > 0, N ((t, t + h]) d=N ((0, h]) ≡ N(h) (iii) ∃ const. λ > 0: Pr [N ((t, t + h]) ≥ 1] = λh + o(h), qdo h→ 0+ ( limh→0+ o(h) h = 0 ) (iv) Pr [N ((t, t + h]) ≥ 2] = o(h), qdo h→ 0+ Alexandra Bugalho de Moura Processos Estocástico, UEM Agosto 2017 8 / 16 Processos de Poisson Processos de Poisson Processo de Poisson: alguns comentários (i): Eventos independentes; (ii): Estacionaridade: N ((s, t]) d=N(t − s) (número de eventos no intervalo (s, t]). Processo homogéneo. (iii): Lei dos Acontecimentos Raros (iv): Ausência de eventos simultâneos É suficiente o conhecimento da distribuição N(t). Alexandra Bugalho de Moura Processos Estocástico, UEM Agosto 2017 9 / 16 Processos de Poisson Processos de Poisson Processo de Poisson não homogéneo Se retirarmos o postulado (ii) e substituirmos (iii) de tal forma que a intensidade do processo depende de t, obtém-se o processo de Poisson não homogéneo Processo de Poisson generalizado Se retirarmos o postulado (iv), otém-se o processo de Poisson generalizado Discussão dos postulados (i) : Excluem-se reações em cadeia, de contágio (por exemplo incêndios ou epidemias) (ii)/(iii) : Existem situações em que não são verificadas (p.e. sazonalidade). Nalguns casos o tempo pode ser divido em subintervalos, considerando-se subprocessos com diferentes intensidades. (iv) : Esta limitação pode ser superada. Por exemplo, um acidente envolvendo dois automóveis, segurados na mesma companhia, pode ser considerado como apenas um sinistro. Alexandra Bugalho de Moura Processos Estocástico, UEM Agosto 2017 10 / 16 Processos de Poisson Processos de Poisson Teorema Se {Nt}t>0 é um processo de Poisson, então a variável Nt tem distribuição de Poisson com média λ t, ∀t > 0: Nt ∼ Poisson(λt) ⇐⇒ P(Nt = n) = e −λt(λt)n n! Observações Note-se que, então, pk,k+n(s, t) = [λ(t − s)]ne−λ(t−s) n! , n = 0, 1, . . . ou seja Nt − Ns ∼ Poisson(λ(t − s)) o parametro λ designa-se de taxa média ou intensidade do processo e representa o número médio de ocorrências por unidade de tempo Alexandra Bugalho de Moura Processos Estocástico, UEM Agosto 2017 11 / 16 Processos de Poisson Processos de Poisson Características do processo de Poisson E(Nt) = λt Var(Nt) = λt Cov(N(s),N(t)) = λmin(s, t) Caracterização do processo de Poisson (relembrar) Tendo em conta o anteriormente exposto, um processo de contagem {Nt ; t ≥ 0} com Nt = 0 é um Processo de Poisson deintensidade λ se verificar as seguintes condições: (a) {Nt ; t ≥ 0} tem incrementos estacionários e independentes, (b) Para qualquer t > 0, Nt tem distribuição de Poisson de média λt. Várias maneiras de identificar um Processo Poisson: Processo de Nascimento c/ taxa de nascimento constante Proc. de Renovamento c/ tempo inter-chegadas Exponencial Processo com espaço de chegadas nos inteiros não-negativos, incrementos estacionários e saltos unitários Alexandra Bugalho de Moura Processos Estocástico, UEM Agosto 2017 12 / 16 Processos de Poisson Distribuições Associadas Relação com a distribuição Exponencial Instante da k-ésima ocorrência Wk : instante da k-ésima ocorrência Tempo de espera Tk = Wk+1 −Wk Representa o tempo entre os eventos k e k + 1 o tempo de permanência (tempo de espera) do processo no estado k Alexandra Bugalho de Moura Processos Estocástico, UEM Agosto 2017 13 / 16 Processos de Poisson Distribuições Associadas Relação com a distribuição Exponencial Teorema O tempo entre chegadas sucessivas T0,T1, . . . ,Tk , . . . são variáveis i.i.d (independentes e identi- camente distribuídas), com distribuição exponencial de média 1/λ: Tk ∼i.i.d. Exp ( 1 λ ) Ou seja fTk (x) = λe −λx FTk (x) = 1− e−λx E(Tk ) = 1 λ Propriedade da falta de memória da distribuição Exponencial (relembrar) P(T > t + s|T > s) = P(T > t) Alexandra Bugalho de Moura Processos Estocástico, UEM Agosto 2017 14 / 16 Processos de Poisson Distribuições Associadas Relação com a distribuição Exponencial Teorema Tem-se Wk = k−1∑ i=0 Ti Logo Wk tem distribuição Gamma (soma de exponenciais i.i.d.): Wk ∼ Gamma ( k, 1 λ ) : P(Wk 6 t) = P(Nt > k) = +∞∑ i=k (λt)ie−λt i! = 1− n−1∑ i=0 (λt)ie−λt i! Alexandra Bugalho de Moura Processos Estocástico, UEM Agosto 2017 15 / 16 Processos de Poisson Distribuições Associadas Processo de Poisson Exercício Seja Nt o número de indemnizações de um cliente até ao instante t. Considere o ano como unidade de medida e λ = 0.1. Qual a probabilidade do cliente não ter nenhuma indemnização no primeiro semestre? Qual a probabilidade do cliente ter uma indemnização em dois anos? Qual a probabilidade do tempo entre a segunda e a terceira indemnização ser superior a um ano? Alexandra Bugalho de Moura Processos Estocástico, UEM Agosto 2017 16 / 16 Processos de Poisson Distribuições Associadas
Compartilhar