Академический Документы
Профессиональный Документы
Культура Документы
Programa de Doctorado
Biometra y Estadstica
Contenido
1.
Procesos de Poisson
1.1.
1.2.
1.3.
2.
2.1.
Mtodo de Cholesky
2.2.
Mtodo condicional
2.3.
Mtodo de Fourier
11
2.4.
12
Bibliografa
12
Procesos de Poisson
(u )du .
1.2.1.
Supongamos que T1, T2, son los tiempos de llegada segn un proceso de
Poisson no homogneo. Si se realiza el siguiente cambio de escala de tiempo:
=
T
0
(u )du = (T ) ,
T2 = 1 (2 ),
(1.1)
e t
du = (e 1)
+u
y, por lo tanto,
T = 1 ( ) =
1.2.2.
1
log (1 + e ) .
si
u<0
0
(u )
F (u ) =
si 0 u t
(t )
si
u > t.
1
(1.2)
( )=R
T(i )
(t )
(i )
tenemos que
T(i ) = 1 (t ) R(i ) .
(1.3)
( ) (
R1 U (0,1),
R1 = H 1 R(1) = 1 R(1) ,
de manera que
R(1) = H 11 (R1 ) = 1 R1 n .
1
(1.4)
nj
1 r
j +1
=
1 rj
n j
Rj = H j +1 R( j +1) Rj = R( j )
1 R
( j +1)
=
1 R
(j )
Rj U (0,1),
de donde
R( j +1) = 1 1 R( j )
El mtodo consistente en generar n
(n j )
Rj +1.
(1.5)
1.2.3.
(1.6)
s t t0
T = Ti-1
repetir:
1. Evaluar T* segn la expresin (1.6),
2. generar R U (0,1) y un incremento de tiempo exponencial X (s* ) , e
3. incrementar el tiempo T = T + X
hasta que se verifique que R s* (T ) ;
Ti = T.
1.3.
Di1
i
Di
de manera que
1
log R = ( Di2 Di21 ) , R U ( 0,1 )
de donde
log R1i
Di =
Di21
(1.7)
Repetir:
b.1
i=i+1,
b.2
b.3
Y(1 ), ,Y n
(
n)
)
para una U ( 0, x 0 )
para una U ( 0, y0 ) ,
(d ) =
( u )du = d 2 .
Por lo tanto, para generar los radios Di seran aplicables los algoritmos descritos
en 1.2. El algoritmo condicional 1.2.2 es especialmente adecuado puesto que
para este proceso estocstico la forma de la distribucin condicionada (1.2) es
d 2
(d )
= , 0 d d0 .
( d0 ) d0
Los radios generados se tendran que complementar con componentes angulares
generadas como i = 2Ri , Ri U ( 0,1 ) .
2.
los que se desea generar una realizacin del proceso pueden corresponder a
cualquier valor positivo, a menudo interesa el caso en el que son valores
equiespaciados. Sin prdida de generalidad se puede suponer que se pretende
generar el caso n = 0.
Aparentemente, el problema sigue siendo el de generar vectores con distribucin
normal multivariante. Recordemos que los dos mtodos principales son:
2.1.
Mtodo de Cholesky
2.2.
Xn +1 = Xt , , Xtn , Xt
1
n +1
n
=
1n
1' n
11
de
condicionada
Xt
n +1
Xn = xn N ( 1n n1xn , 11 1n n11' n ) .
1
2
3 n 1
2 n 2
E Xt
n +1
var Xt
Xn = xn = ( Wy ) xn
n +1
Xn = xn = 1 + rn y
donde
10
0 0 1
W =
0
1
0
1 0 0
nn
e y = n1rn son las soluciones de las ecuaciones de Yule-Walker, n y = rn ,
obtenidas mediante el algoritmo de Durbin. Este algoritmo de generacin no es
muy eficiente pero tiene pocos requerimientos de memoria. A costa de un
consumo mucho mayor de memoria, se convierte en un algoritmo rpido (en
cuanto a tiempos marginales de generacin, es decir, para generar los valores
propiamente, sin contar el tiempo de inicializacin) si se almacena previamente
una matriz con todas las soluciones de las ecuaciones de Yule-Walker:
y21
y31 y32
y 41 y 42 y 43
2.3.
Mtodo de Fourier
gk =
h j exp ( 2ikj N ), k = 0, , N 1
j =0
g de longitud N.
11
1
Xj =
N
2.4.
N 1
kek exp (
k =0
2ijk
, 0 j n 1.
N
Los tres mtodos expuestos en los puntos anteriores tienen sus ventajas y sus
inconvenientes. En general se puede decir que cada investigador puede elegir
entre ellos en funcin de sus necesidades y de su valoracin de tres
caractersticas: generalidad, eficiencia y estabilidad numrica. Si significa la
peor valoracin, x una valoracin intermedia y + la mejor, los tres mtodos
estaran situados en la siguiente escala:
Mtodo
generalidad
eficiencia
estabilidad
Cholesky
Fourier
Bibliografa
La seccin dedicada a la generacin de procesos de Poisson est basada,
principalmente, en:
Dagpunar, J. (1988). Principles of Random Variate Generation. Clarendon
Press.
Bratley, P., Fox, B.L. and Schrage, L.E. (1983). A Guide to Simulation.
Springer-Verlag.
La seccin dedicada a la generacin de procesos gausianos est basada en la
monografa:
Hauser, M.A., Hrmann, W. The Generation of Stationary Gaussian Time
Series. Institut f. Statistik, Wien, Austria.
12