Aplicacin de procesos estocsticos.

El diccionario de la Real Academia de la Lengua Espaola define procesos estocsticos como:

Teora estadstica de los procesos cuya evolucin en el tiempo es aleatoria, tal como la
secuencia de las tiradas de un dado.
En muchas situaciones de nuestra vida diaria nos enfrentamos a procesos afectados por
eventos fortuitos que inciden en los resultados que esperbamos. Por ejemplo, en el plano
laboral se pueden presentar en el rea de produccin y de control de inventarios en la que se
trata de coordinar la tasa de produccin, los tiempos de entrega, y los niveles de inventarios
de materias primas, productos en proceso y productos terminados con la fluctuacin aleatoria
de la demanda. O en el diseo de muchos sistemas donde tenemos que contestar a la
pregunta de cuntas unidades de servicio son requeridas para dar cierto nivel de trabajo
especfico, teniendo una llegada casual de clientes. En el rea de transporte de mercanca o
de pasajeros va area, martima o terrestre, en la que hay eventualidades que pueden afectar
los tiempos estimados de salida y arribo.
En particular, el sector de la aviacin enfrenta problemas que desde el punto de vista de la
optimizacin de sus recursos son verdaderamente desafiantes. Estas empresas planean sus
actividades con mucha antelacin para determinar, de acuerdo a la demanda estimada, los
vuelos que van a ofrecer y la frecuencia de los mismos, el tipo de aeronave que cubrir los
vuelos y la tripulacin que habr de asignarse a cada uno. Una vez realizada la planeacin de
manera rigurosa y meticulosa, inician sus operaciones esperando incurrir en ciertos costos y
obtener los recursos econmicos estimados. Sin embargo, estos se pueden ver afectados por
situaciones aleatorias como cancelaciones, retrasos en los vuelos, cierres de aeropuertos por
situaciones climticas, entre otras.
En fechas recientes, las aerolneas que viajan al aeropuerto de Huejotzingo, Puebla, se vieron
en la necesidad de cancelar todos sus vuelos debidos a que las cenizas exhaladas del volcn
Popocatpetl podan daar las turbinas de sus aviones, lo cual representara costos muy
elevados y posibles accidentes areos.
La Teora Estadstica puede ayudar a estimar la ocurrencia de algunos de los eventos que
afectan al sistema en estudio; as como a manejar adecuadamente los riesgos que pudieran
perjudicar la operacin. Contar con la informacin requerida y utilizar tcnicas y modelos
apropiados ayuda a realizar estimaciones que redundan en resultados satisfactorios con
ciertos niveles de confianza.

Teora de decisin.
La teora de la renovacin es la rama de la teora de la probabilidad que generaliza los
procesos de Poisson para tiempos de retencin arbitrarios.
Un proceso de renovacin es un proceso de conteo para el cual el tiempo entre los eventos
sucesivos es independiente y est idnticamente distribuido.
La variable aleatoria Xn representa el tiempo que ocurre el evento (n 1) y el ensimo evento.
Este es el tiempo entre llegadas.
Cada vez que ocurre el evento decimos que ha ocurrido renovacin. Si tenemos el tiempo
entre cada renovacin, podemos calcular el tiempo total Sn. Donde S1=X1 (el tiempo antes de
que ocurra el primer evento o renovacin), S2= X1 + X2 (el tiempo antes de que ocurra la
primera renovacin ms el tiempo desde la primera y la segunda renovacin).

Si n 1, Sn est dado por:

Sn cumple con la condicin: 0 < E[Sn] < .
Tiempos de llegada
5. El tiempo promedio () entre eventos sucesivos es igual al valor esperado de los
tiempos entre llegadas totales.
Si n 1:
Tanto el promedio como el tiempo entre llegadas son valores positivos.
Tiempopromedio
6. Cuando la probabilidad es 1, N(t) tiende a infinito cuando t tiende a infinito. Por lo
tanto, si la probabilidad es 1:
, a medida que t -> .
, es la tasa de renovacin
Teoremas de lmite
7. m(t)= E [Xt]
Esta funcin satisface:
Funcin de la renovacin
8. Si tiende a infinito,
La tasa de renovacin promedio esperada
, tambin converge hacia
, t -> .
Teorema Elemental de Renovacin
9. Al utilizar los procesos de recompensa, usaremos Wi, de modo que W1, W2, W3,
, son variables independientes e idnticamente distribuidas satisfaciendo lo
siguiente:
E|Wi|< .

Entonces la variable aleatoria Yt est dada por:

Renovacin de los procesos de recompensa
10. A diferencia de Sn, Wn puede tomar valores negativos.
Teorema de procesos de recompensa:
La funcin de recompensa est dada por: g(t)= E[Yt]. Esta funcin satisface:
Renovacin de los procesos de recompensa (Continuacin)
11. La funcin de la renovacin de la recompensa satisface:
Donde FS es la funcin de la distribucin acumulada de S1 y FS representa la funcin
de densidad.
Renovacin de los procesos de recompensa (Continuacin)
12. Antes de obtener la distribucin de un proceso de renovacin N(t) debemos
recordar que el nmero de renovaciones en un tiempo t es mayor o igual a n si y slo
si la ensima renovacin ocurre en o antes del tiempo t.
N(t) n Sn t.
Ya que cada tiempo de llegada tiene la misma distribucin, podemos decir:
P { N(t) = n} = Fn(t) Fn+1(t).
Si sustituimos:
P {N(t) = n} = P{N(t) n} P{N(t) (n + 1)}
= P{Sn t} P{Sn+1 t}.
Distribucin
13. Para cualquier t > 0, el intervalo de renovacin que contiene t es mayor que el
intervalo de la primera renovacin. Es decir, para todo x > 0 , y para todo t > 0, se
cumple que:
Donde FS es la funcin de distribucin acumulada de los tiempos de retencin
independientes e idnticamente distribuidos Si.
La paradoja de la inspeccin
14. La teora de la renovacin puede aplicarse a varias reas de la vida cotidiana. Un
ejemplo clsico es el de la gallina y los huevos mgicos. A veces la gallina pone
huevos de oro y otras veces pone huevos txicos. La recompensa Wi son las prdidas
financieras al recibir huevos txicos, los cuales hay que pagar para su eliminacin y
limpieza, adems de las ganancias que representan los huevos de oro.
Aplicaciones
15. Otro ejemplo clsico lo es una empresa donde cada cierto tiempo se descompone
cierto nmero de mquinas. La teora de la renovacin nos ayuda a determinar la
poltica ptima para el reemplazo de las mismas.
Aplicaciones (Continuacin)
16. Ejemplo: Jonathan tiene n mquinas, cada una con una vida til distribuida
uniformemente entre 0 y 2 aos. Jonathan puede permitir que cada mquina funcione
hasta que se produce un error, con el costo de reposicin de $2,600; alternativamente,
podr sustituir una mquina en cualquier momento mientras todava es funcional a un
costo de $200. Cul es su poltica ptima de reemplazo?
Aplicaciones (Continuacin)

17. Solucin: En primer lugar debemos encontrar el valor esperado de S:

E[S]= E[S|falle antes de t]P[falle antes de t] + E[S|no falle antes de t]P[no falle antes
de t]
Y el costo esperado de cada mquina es:
EW= E[W|falle antes de t]P[falle antes de t] + E[W|no falle antes de t]P[no falle antes
de t]
Aplicaciones (Continuacin)
18. Usando la Ley Fuerte de Nmeros Grandes, el costo promedio a largo plazo es:
Si diferenciamos con respecto a t:
Aplicaciones (Continuacin)
19. Lo cualimplicaque los puntos de inflexin satisfacen:
0 = (4t t2)(1200) (4 2t)(1200t + 200)
= 4800t 1200t2 4800t 800 + 2400t2 + 400t
= 800 + 400t + 1200t2
Por lo tanto:
0 = 3t2 + t 2 = (3t 2)(t + 1).
Tomamos la solucin t en [0,2] : t= 2/3. Este es definitivamente un mnimo, dado que el
costo por unidad de tiempo tiende a infinito mientras t tiende a cero. De modo que el
costo desciende a medida que t aumenta, hasta el punto 2/3 donde la funcin
comienza a aumentar.