Procesos de Nacimiento y Muerte

Carlos Javier Uribe

Carlos Javier Uribe Procesos de Nacimiento y Muerte 1 / 17

Cadenas de Markov en Tiempo Continuo

Un proceso estocástico {X (t), t ≥ 0} con espacio de estados S discreto, es

una CMTC si y solo si cumple con la propiedad Markoviana y la propiedad
de homogeneidad en el tiempo.
Propiedad Markoviana
Si i0 , i1 , . . . , in , i, j ∈ S y 0 ≤ t1 ≤ · · · ≤ tn ≤ s ≤ t entonces

P[X (t) = j|X (s) = i, X (tn ) = in , . . . , X (t1 ) = i1 , X (t0 ) = i0 ]

= P[X (t) = j|X (s) = i]

Propiedad de homogeneidad en el tiempo
∀i, j ∈ S, 0 ≤ s ≤ t

P[X (t) = j|X (s) = i] = P[X (t − s) = j|X (0) = i]

Carlos Javier Uribe Procesos de Nacimiento y Muerte 2 / 17

Cadenas de Markov en Tiempo Continuo

Una CMTC está constituida por:

Una variable de estado X (t) para cada t ≥ 0
Un espacio de estados S que es discreto (aunque puede ser infinito)
Unas variables exponenciales independientes Ti con tasa ri para todo
i ∈S
Unas probabilidades
X de salto pij donde por definición pij = 0 para
todo i ∈ S y pij = 1 para todo i ∈ S.
j∈S

Carlos Javier Uribe Procesos de Nacimiento y Muerte 3 / 17

Cadenas de Markov en Tiempo Continuo

Para representar un modelo de una CMTC se tiene especificar

claramente tanto la variable de estado como el espacio de estados
Para las tasas ri y las probabilidades pij usualmente se utiliza el
diagrama de tasas de transición o la matriz generadora
I El diagrama de tasas es un grafo dirigido compuesto de nodos y arcos
I Cada estado se representa por un nodo
I Del nodo i hay un arco con dirección al nodo j solamente si pij 6= 0
I En tal caso encima del arco se pone la tasa de transición de i a j que
se define como rij = ri pij

Carlos Javier Uribe Procesos de Nacimiento y Muerte 4 / 17

Cadenas de Markov en Tiempo Continuo
Ejemplo

Suponga una lı́nea telefónica de atención al cliente la cual es atendida por

dos operadores y puede dejar en espera hasta dos llamadas. El tiempo entre
dos llamadas sucesivas sigue un PP(λ). Cada llamada es atendida por un
operador en un tiempo exponencial con tasa µ. Los tiempos de servicios
son independientes e identicamente distribuidos (iid). Suponga que si un
cliente llama y hay dos llamadas en espera la llamada no entra y el cliente
no vuelve a llamar. Modele la situación anterior como una CMTC.

Carlos Javier Uribe Procesos de Nacimiento y Muerte 5 / 17

Cadenas de Markov en Tiempo Continuo
Ejemplo

Considere dos máquinas nuevas (1 y 2) las cuales pueden dañarse con

cierta regularidad. Actualmente solo hay un técnico disponible para la
reparación. El tiempo que cada máquina dura en operación antes de
dañarse es exp(λ). Cuando una de las máquinas se daña, el técnico
comienza a repararla inmediatamente, lo cual toma un tiempo exp(µ) para
la máquina 1 y un tiempo exp(γ) para la máquina 2. Una vez termina la
reparación, la máquina correspondiente queda como nueva. Asuma que la
máquina 1 tiene prioridad sobre la máquina 2. Por último, suponga que los
tiempos son independientes entre sı́. Modele la situación anterior como
una CMTC.

Carlos Javier Uribe Procesos de Nacimiento y Muerte 6 / 17

Cadenas de Markov en Tiempo Continuo
Estado Estable

Sea {X (t), t ≥ 0} una CMTC con espacio de estados S. Se dice que en

dicha cadena existe el estado estable (e.e.) si y solo si
Pij (t) converge cuando t → ∞, para todo i, i ∈ S
lı́mt→∞ Pij (t) = lı́mt→∞ Pkj (t) para todo i, k, j ∈ S

Carlos Javier Uribe Procesos de Nacimiento y Muerte 7 / 17

Cadenas de Markov en Tiempo Continuo
Estado Estable

Adicionalmente, si se define πj como:

πj := lı́m P[X (t) = j]

t→∞

entonces πj es la probabilidad de que la cadena esté en estado estable en

el estado j y se satisface que

πj = lı́m Pij (t) ∀i ∈ S

t→∞

y además X
πj = 1
j∈S

Carlos Javier Uribe Procesos de Nacimiento y Muerte 8 / 17

Cadenas de Markov en Tiempo Continuo
Estado Estable

Cuando el e.e. existe, los πj satisfacen el siguiente sistema de ecuaciones:

X
rj πj = rkj πk ∀j ∈ S
k∈S,k6=j

A este sistema de ecuaciones se le agrega la ecuación de normalización

X
πj = 1
j∈S

Carlos Javier Uribe Procesos de Nacimiento y Muerte 9 / 17

Procesos de Nacimiento y Muerte

Un proceso de nacimiento y muerte es un tipo especı́fico de CMTC, el

cual consiste en un conjunto de estados {0, 1, 2, . . . }, que
normalmente denotan una población de algún sistema.
Las transiciones entre estados ocurren como saltos unitarios, hacia
arriba o hacia abajo del estado actual.
Cuando el sistema se encuentra en el estado n ≥ 0, el tiempo hasta el
siguiente arribo (o nacimiento) es una v.a. exponencial con tasa λn .
Al ocurrir el arribo el sistema se mueve del estado n al estado n + 1.
Cuando el sistema se encuentra en el estado n ≥ 1, el tiempo hasta la
próxima salida (o muerte) es una v.a. exponencial con tasa µn . Al
momento de una salida, el sistema se mueve del estado n al estado
n − 1.

Carlos Javier Uribe Procesos de Nacimiento y Muerte 10 / 17

Procesos de Nacimiento y Muerte

Figura: Diagrama de tasas de transición de un proceso de nacimiento y muerte

Carlos Javier Uribe Procesos de Nacimiento y Muerte 11 / 17

Procesos de Nacimiento y Muerte

Los procesos de N y M son muy importantes para la teorı́a de colas

En partı́cular resulta muy útil obtener el comportamiento de un
proceso de N y M en estado estable
Como los N y M son CMTC las prob. en e.e. se puede obtener usando
el sistema de ecuaciones de para los πj

Carlos Javier Uribe Procesos de Nacimiento y Muerte 12 / 17

Procesos de Nacimiento y Muerte

Observe que en general las ecuaciones de balance de un N y M

quedan

λ0 π0 = µ1 π1
(λj + µj )πj = λj−1 πj−1 + µj+1 πj+1
µN πN = λN−1 πN−1
Y la ecuación de normalización
N
X
πj = 1
j=0

Carlos Javier Uribe Procesos de Nacimiento y Muerte 13 / 17

Procesos de Nacimiento y Muerte

Utilizando el sistema de ecuaciones y poniendo todos los πj en

términos de π0 , queda que

πj = cj π0 1≤j ≤N

donde
j−1
Y
λi
i=0
cj = j
1≤j ≤N
Y
µi
i=1

Carlos Javier Uribe Procesos de Nacimiento y Muerte 14 / 17

Procesos de Nacimiento y Muerte

Como πj = cj π0 , utilizando la ecuación de normalización y definiendo

c0 = 1, se obtiene que
XN
πj = 1
j=0

N
X
π0 cj = 1
j=0

De esto se sigue que

1
π0 = N
X
cj
j=0

Carlos Javier Uribe Procesos de Nacimiento y Muerte 15 / 17

Procesos de Nacimiento y Muerte

En un proceso de N y M con S = {0, 1, · · · , N}, tasas de nacimiento λi

para todo 0 ≤ i ≤ N − 1, y tasas de muerte µi para todo 1 ≤ i ≤ N se
tiene que
πj = cj π0 para todo 1 ≤ j ≤ N
donde Qj−1
λi
cj = Qji=0 para todo 1 ≤ j ≤ N
i=1 µi
y donde
1
π0 = PN
j=0 cj

Carlos Javier Uribe Procesos de Nacimiento y Muerte 16 / 17

Bibliografı́a

GROSS, D. (2008). Fundamentals of queueing theory. John Wiley &

Sons.
KULKARNI, V. G. (2011). Introduction to modeling and analysis of
stochastic systems. Springer.
ROSS, S. M. (2014). Introduction to probability models. Academic
press.
WINSTON, W. (2004). Operations Research: Applications and
Algorithms. Thomson

Carlos Javier Uribe Procesos de Nacimiento y Muerte 17 / 17