Trabajo sobre Simulaci

on de Procesos
Poisson y Distribuciones Multivariadas
Norman Giraldo G
omez
Escuela de Estadstica. Universidad Nacional de Colombia
ndgirald@unalmed.edu.co
Marzo, 2008

1.

Introducci
on

Este trabajo consiste de dos puntos: uno de la seccion sobre el Proceso Poisson
y otro de la seccion de Multivariadas. Cada estudiante tiene asignados estos puntos
de la lista a continuacion. Las notas siguientes son para aclarar algunos puntos del
trabajo.
1. (Manejo del proceso Poisson no homogeneo) Si Nt es un proceso Poisson No
Homogeneo (PPNH) con intensidad (t), t [0, T ] entonces se cumple:
Z t2
E(Nt2 Nt1 ) =
(s)ds, t1 < t2 < T,
t1

P (Nt2 Nt1 = k) = e

R t2
t1

(s)ds

Z

t2

k
(s)ds /k!, k = 0, 1, . . . .

t1

2. Hay tres funciones de intensidad para este trabajo, definidas a continuacion.

Cada tema tiene asignada una de estas funciones.
a) (t, s, l) = lest , con s = 0.08, l = 3.2.
b) (t, s, l) = l(1 + cos(2t/s))/2, con s = 20, l = 3.2.
c) (t, s, l) = 2l(s/2 |t s|)+ /s, con s = 20, l = 3.2.
1

3. En todos los casos s y l son parametrosy el parametro l cumple con (t) l, t.

4. En el caso 3 la funcion (t) es un triangulo isosceles con la base de la altura en
t = s, y longitud de la base igual a s. El smbolo (x)+ corresponde a la funcion
parte positiva de x, con (x)+ = x si x > 0, y (x)+ = 0 si x 0.
5. (Interpretacion de cada caso) En el caso 1 las llegadas promedio decrecen con
el tiempo, en el 2 hay dos horas pico y en el 3 las llegadas ocurren solamente
en la mitad del perodo.

2.

Preguntas

2.1.

Proceso Poisson

Recordar que la definicion concreta de (t) es uno de los tres casos mencionados.
1. Suponga que los clientes de un almacen llegan seg
un un proceso PPNH Nt con
funcion de intensidad (t), con t en horas. Despues de un tiempo T no se permite
la entrada de mas clientes. Asumimos T = 48 horas.
a) Calcule el promedio de clientes que llegan en la primera hora, en la u
ltima
hora y durante el perodo de 48 horas.
b) Simule el proceso Nt durante el perodo [0, T ], usando el algoritmo de
adelgazamiento (ver Ross, [3], pag. 77), tomando como valor tal que
(t) el valor del parametro l. Reporte el algorimo o su programa.
c) Reporte las graficas de la trayectoria simulada de Nt , de la funcion (t)
y del correspondiente proceso Poisson homogeneo de tasa = l. Comente
sobre el resultado: se observo el efecto de la forma de (t) en el n
umero de
llegadas promedio?.
2. Suponga que los pasajeros de una lnea de buses llegan seg
un un proceso PPNH
Nt con funcion de intensidad (t), con t en minutos. Un bus salio en el tiempo
t = 0 sin dejar pasajeros esperando. Sea W el tiempo de llegada del proximo
bus. Entonces el n
umero de pasajeros que estaran esperando es NW . Suponga
que W es aleatorio con densidad uniforme en el intervalo (5, 15), W U (5, 15),
y que ademas Nt y W son independientes.
2

a) Encuentre E(NW |W ) y E(NW ).

c) Simule n = 1000 valores de NW y compare el valor de la media obtenido
con esta simulacion con el valor teorico obtenido en a).
d) Reporte el histograma de NW .
e) Calcule P (NW = 0).

2.2.

Distribuciones Multivariadas

1. Si X = (X1 , X2 , X3 , X4 ) tiene una distribucion normal conjunta con media

= (2, 3, 2, 3)0 y matriz de covarianzas:

R=

1
1
1
1

1 1 1
2 3 4
3 6 10
4 10 20

a) Simule n = 300 datos de X.

b) Considere la variable condicionada Y |X tal que
Y |X N (0 + 0 X, 2)

(1)

donde 0, = (1, . . . , 4)0 , 2 son parametros. Simule n = 300 datos de

Y con base en los datos simulados en la parte a). Escoja los parametros
colocando alguno no significativo (por ejemplo, un valor cercano a cero,
0.002 o similar). Reporte el algoritmo o el programa.
c) Reporte las graficas Yi versus Xj,i para j = 1, 2, 3, 4. Comente acerca de la
relacion que se observa y el coeficiente respectivo j .
2. Si X = (X1 , X2 , X3 , X4 ) tiene una distribucion normal conjunta con media
= (2, 3, 2, 3)0 y matriz de covarianzas:

R=

1
1
1
1
3

1 1 1
2 3 4
3 6 10
4 10 20

a) Simule n = 300 datos de X.

b) Considere la variable condicionada Y |X {0, 1} tal que
P (Y = 1|X) = (1 + exp(0 0 X))1 ,

(2)

donde 0 , = (1 , . . . , 4)0 son parametros. Note que (2) es un modelo

logstico. Para consulta sobre modelos logsticos ver [1]. Simule n = 300
datos de Y con base en los datos simulados en la parte a). Escoja los
parametros colocando alguno no significativo (por ejemplo, un valor cercano a cero, 0.002 o similar). Reporte el algoritmo o el programa.
c) Reporte las graficas Yi versus Xj,i para j = 1, 2, 3, 4. Comente acerca de la
relacion que se observa y el coeficiente respectivo j .
3. Considere la variable bidimensional (X, Y ) con fdp dada por
f (x, y) = C exp((y x2)2 (x2 + y 2)/2), (x, y) R2
donde C = 2.6912650 es la constante de normalizacion.
a) Grafique la superficie f (x, y).
b) Simule n = 1000 datos de (X, Y ) con base en el algoritmo de transformada
inversa, encontrando cual opcion en mas viable: si fX (x|Y = y) o fY (y|X =
x), es decir, si es mas viable condicionar sobre Y o sobre X.
c) Reporte un diagrama de dispersion de los datos (xi , yi ) y un diagrama de
curvas de nivel.
d ) Reporte la covarianza y la correlacion estimadas. Comente sobre estos valores.
4. Este punto es sobre la distribucion Weibull Bivariada, (WB), seg
un se describe
en Johnson et al. [2], pag.5. Este documento esta en la pagina web del curso.
Tambien se puede bajar por Internet.
a) De la definicion de la distribucion WB, seg
un Johnson et al. [2], pag.5.
Ademas, investigue en este documento (y reporte) la aplicacion en la tecnologa de la madera de la WB.
b) Describa el algoritmo para simular la WB, en la pag. 5 de [2].
4

c) Simule n = 1000 datos de una variable (X1 , X2 ) W B(, 1, 2). Escoja

los parametros con base en varios ensayos y escoja uno a su gusto. Sugerencia: en el documento, [2] hay ejemplos sobre la WB con valores de los
parametros que se pueden usar para este punto.
d ) Repita N = 100 veces y reporte un histograma de la correlacion.

Referencias
[1] Harrell, F. E., Jr.(2001) Regression Modeling Strategies. Springer.
[2] Johnson, R. A., Evans, J. W. and Green, D.W. (1999). Some Bivariate Distributions for Modeling the Strength Properties of Lumber. Res. Paper FPL-RP-575,
Madison, WI: US Department of Agriculture, Forest Service, Forest Products
Laboratory.
[3] Ross, S. M. (1999). Simulaci
on. Segunda Edicion. Prentice Hall. Mexico.