LOS PROCESOS DE RAMIFICACION Los procesos de ramificacin permiten describir el desarrollo de una poblacin compuesta por miembros llamados

individuos, los cuales pueden ser personas, organismos, partculas, etc., dependiendo del contexto. Estos procesos fueron introducidos por Galton en el ao 1889 como un modelo matemtico simple para explicar la propagacin de apellidos. A partir de la dcada del 40, el inters en este modelo creci debido a sus aplicaciones en las ciencias fsicas y biolgicas, principalmente en reacciones nucleares en cadena y cascadas de partculas. (modelos para la proliferacin de neutrones en una reaccin de fusin nuclear). Otros campos en los que se utiliza esta tcnica son el anlisis de lneas de espera y fecundidad. Son varios los autores que han aplicado la teora de ramificacin al campo de la demografa.

DESCRIPCION INFORMAL El proceso puede ser descripto informalmente de la siguiente manera: se comienza con un individuo que constituye la generacin 0. Este individuo produce hijos con probabilidad . Estos hijos constituyen la primera generacin. Cada uno de ellos produce un nmero aleatorio de hijos donde dicho nmero se determina por la funcin de probabilidad . El nmero de hijos que produce cada individuo es independiente del nmero de hijos producidos por los dems individuos y tambin del nmero de hijos producidos por los individuos de la generacin anterior. Este proceso continua de esta manera.

El desarrollo de la teora de los procesos de Galton-Watson se basa en el concepto y las propiedades de las funciones generadoras de probabilidades. A continuacin presentar un resumen de las mismas que permita entender el desarrollo del tema.

PRELIMINARES Funcin Generadora de Probabilidades Sea probabilidad una variable aleatoria que toma valores enteros no negativos con funcin de . La funcin generadora de probabilidades, , de es:

Abusando del lenguaje, esta funcin es llamada tambin funcin generadora de la variable que .

ya

Se observa que la funcin generadora de probabilidades evaluada en 1 equivale a 1 por condicin de cierre de las funciones de probabilidad:

Por lo tanto el radio de convergencia de

es al menos 1, pudiendo ser mayor al 1.

La funcin generadora tiene algunas propiedades: 1. La funcin generadora evaluada en toma el valor 1,

y evaluada en

toma el valor

, es decir es la probabilidad de que la variable X valga 0,

2.

La derivada de primer orden de la funcin es

y evaluada en resulta igual a la esperanza de la variable X.

3.

La

derivada

de

segundo

orden

de

la

funcin

es

Y evaluada en 1 resulta

Por lo tanto la variancia de la variable X se puede calcular como

4. El coeficiente del trmino indica la probabilidad de que X tome el valor . 5. La funcin generadora de una convolucin es el producto de las funciones generadoras de las variables: Si son variables aleatorias independientes que toman valores enteros no negativos con funciones generadoras de probabilidades entonces la funcin generadora de la suma de las variables aleatorias es: Si adems de independientes las variables estn idnticamente distribuidas entonces la funcin generadora de la suma de las variables equivale a la funcin generadora de las variables, que es la misma para todas las variables, elevada al nmero de variables que se suman:

6. Sean variables aleatorias independientes e idnticamente distribuidas que toman valores enteros no negativos con funcin de probabilidad . Sea la funcin generadora de las variables. Sea una variable aleatoria que toma valores enteros no negativos tal que , Donde es independiente de

Se construyen las sumas de variables aleatorias donde el nmero de variables a sumar es aleatorio: y , La distribucin de la suma aleatoria es compuesta y est dada por

Donde

es el es

elemento de la

convolucin. Luego, la funcin

generadora de probabilidades de

Media de una suma aleatoria

DEFINICION FORMAL El proceso de Galton-Watson es un proceso de ramificacin estocstico. El mismo se define recursivamente de la forma:

donde , Las variables aleatorias toman valores enteros no negativos, son independientes y estn idnticamente distribuidas funcin de probabilidad comn .

En el contexto de procesos de ramificacin descienden del individuo de la la generacin. Es decir, si en la entonces en la generacin habr

representa el nmero de individuos que generacin y representa el tamao de generacin hay individuos, .

Los supuestos que se realizan en esta construccin son, en primer lugar, y como mencionamos anteriormente, que las variables aleatorias son independientes. Esto significa que el nmero de hijos que cada individuo tiene es independiente del nmero de hijos de los dems individuos.

Adems, se supone que es independiente de . Esto significa que el nmero de hijos de cada generacin es independiente del nmero de hijos de cada individuo de la siguiente generacin. Se asume tambin que poblacin no logra reproducirse y si igual a 1. . Los casos son triviales. Si la las generaciones permanecen de tamao constante

Las variables forman una cadena de Markov en tiempo discreto donde el espacio de estados son los enteros no negativos, , con probabilidades de transicin estacionarias dadas por:

Donde y

es el smbolo de Kronecker el cual toma el valor 1 si es igual , en este caso cero y 0 si es la componente de la convolucin de .

Es decir, la matriz de transicin es:

Si en algn instante de observacin se detecta que todos los individuos fallaron en reproducirse, el tamao de la siguiente generacin ser nulo y no habr individuos que produzcan nuevas generaciones, por lo tanto, se termina el proceso. Esto implica que cero es un estado absorbente (todos los dems estados son transitorios). Si en algn instante de observacin, el tamao de la generacin es uno, la probabilidad de que en el instante siguiente haya k individuos ser . Por lo tanto, las probabilidades de que en un instante haya un individuo y en el siguiente , est dadas por la ley de reproduccin, . Ahora si en algn instante de observacin, el tamao de la generacin es 2, la probabilidad de que en la generacin siguiente haya cero individuos ser igual a la probabilidad de que ambos individuos tengan cero hijos, es decir . Mientras que la probabilidad de que haya un individuo ser la probabilidad de que el primero de ellos tenga cero hijos y el segundo uno ms la probabilidad de que el primero tenga un hijo y el segundo cero.

Por lo tanto,

es la

componente de la

convolucin

de . Esto quiere decir que la distribucin de dado es igual a la distribucin de la suma de variables aleatorias independientes e idnticamente distribuidas con funcin de probabilidad .

Las probabilidades probabilidades ya que siendo

pueden encontrarse a travs de la funcin generadora de

la funcin generadora de probabilidades de la secuencia

para

la funcin generadora de probabilidades de la variable

se puede probar que

. .

El efecto que produce la ramificacin es la composicin funcional. En general, los clculos son difciles pero en principio esto determina la distribucin de para cualquier . Como mencionamos anteriormente, el coeficiente del trmino de la funcin generadora de probabilidades de la variable aleatoria , , indica la probabilidad de que un individuo tenga hijos, que es precisamente . De las misma forma, el coeficiente del trmino de la funcin generadora de probabilidades de la variable aleatoria , , indica la probabilidad de que en la generacin haya son las probabilidades Se puede demostrar es la composicin de , es decir

La docilidad del proceso de Galton Watson proviene de su estructura recursiva simple. Cada uno de los individuos de la primera generacin es una copia del proceso. Es decir, el proceso se obtiene conjoining al individuo en la generacin 0 copias independientes del proceso. En base a esta relacin y recordando que la derivada de la funcin generadora de probabilidades evaluada en 1 es igual a la esperanza de la variable se puede demostrar que el tamao esperado de la generacin es igual al promedio de reproduccin elevado al nmero de generacin.

Donde

es la media de la variable aleatoria nmero de hijos,

Dado que la esperanza de una suma de variables aleatorias idnticamente distribuidas con nmero de sumando aleatorios es igual a la esperanza de la variable multiplicada por la esperanza del nmero de sumandos:

Continuando de esta manera se llega a que

Se demuestra que la esperanza del tamao de la generacin n-sima es la media de la variable aleatoria elevada a la n-esima potencia: . Por otra parte, siendo n-sima resulta: la variancia del tamao de la generacin

Como mencionamos anteriormente, si en algn instante de observacin se detecta que todos los individuos fallaron en reproducirse, el tamao de la siguiente generacin ser nulo y no habr individuos que produzcan nuevas generaciones, por lo tanto, se termina el proceso. El evento se denomina extincin del proceso e implica que . Y el primer tiempo en que el tamao de la generacin sea 0 es llamado tiempo de extincin. Sea . Dado que entonces

La pregunta obvia concerniente al comportamiento de un proceso de Galton-Watson es: cul es la probabilidad de extincin?

El teorema crtico demuestra que si entonces , es decir, la extincin ocurrir con probabilidad 1. Mientras que si entonces .En este caso es la nica solucin no negativa a la ecuacin . Adems, se deduce que . Es decir, el proceso se extingue o explota con probabilidad .

Se puede decir entonces que el comportamiento asinttico del proceso depende de clasifica de acuerdo a dicho parmetro de la siguiente manera: Si Si Si el proceso es llamado subcrtico el proceso es llamado crtico el proceso es llamado supercrtico

y se

Si entonces para . Por lo tanto, la grfica de encuentra por encima de la diagonal. Esto implica que es la nica solucin de .

en se , es decir,

Si entonces para algn suficientemente cercano a . Entonces en , la grfica de debe estar por debajo de la diagonal. Como se supone que , debe existir , , tal que . Como es la menor solucin no negativa de la ecuacin , se deduce que . En el caso en que se tiene que y por lo tanto .

RESULTADOS ASINTOTICOS 1. Caso subcrtico En el caso , se sabe que con probabilidad uno la poblacin se extingue. Por lo tanto se est interesado en analizar el comportamiento asinttico del proceso condicionado a la no extincin. En este caso se obtiene: a. b. y

c. entonces

Es decir, la distribucin lmite condicionada a la no extincin es no degenerada y la correspondiente funcin generadora de probabilidades de los denotada por es la nica solucin de la ecuacin funcional de Schroder. 2. Caso crtico Cuando se tiene que o equivalentemente cuando . En este caso se est interesado en analizar la tasa de convergencia a cero. Se deduce que para , y , a.

El resultado anterior indica que el decrecimiento de una poblacin que se comporta segn un proceso de Galton-Watson con es exponencial. 3. Caso supercrtico. Bajo las condiciones

y siendo

se obtiene:

El tamao de la generacin, relativo a su media, converge en media cuadrtica a una variable aleatoria con media cero y variancia. W es no degenerada. SIMULACION El autor del artculo simul trayectorias las cuales representan el comportamiento de una poblacin que se desarrolla segn un proceso de Galton-Watson, bajo ley de reproduccin inicial Binomial, Poisson y Geomtrica Los parmetros de simulacin son el tamao inicial de la poblacin, la distribucin inicial, la longitud de trayectorias, es decir el nmero de generaciones que se simulan, y el promedio de reproduccin.

En el caso de promedio de reproduccin menor a uno, ya sea con ley de reproduccin Poisson, Binomial o Geomtrica, se observa que el tamao de la poblacin disminuye a medida que aumenta el nmero de generaciones. Este resultado respecta el hecho de que la poblacin se extingue si el promedio de reproduccin es menor a 1. Notar que este comportamiento no depende del tamao inicial de la poblacin.

En el caso en que el promedio de reproduccin es igual a uno se observa el mismo resultado bajo las tres leyes de reproduccin inicial: el tamao de la poblacin decrece hasta extinguirse. Cabe destacar que las poblaciones iniciales eran de tamao igual a 100.

En los casos de promedio de reproduccin mayor a uno se observa que el tamao de la poblacin crece indefinidamente, bajo las tres leyes y ya sea que la poblacin inicial es de tamao uno o mayor a uno. Los grficos de las simulaciones respectan los resultados expuestos anteriormente: si una poblacin se desarrolla segn un proceso de Galton-Watson con promedio de reproduccin menor o igual a uno, la extincin es un suceso seguro mientras que si el promedio de reproduccin es mayor a uno, la probabilidad de extincin es menor a uno.

ESTIMACION Como observamos anteriormente, el proceso de Galton-Watson est caracterizado por el promedio de reproduccin . En la prctica ser de inters estimar dicho promedio por lo tanto es necesario aplicar tcnicas estadsticas que permitan determinar dicha estimacin. Una alternativa es la aplicacin del mtodo estimacin de mxima verosimilitud. Si es un proceso de Galton-Watson. Y se define generacin con exactamente descendientes, como el nmero de individuos de la Entonces

representa el nmero de individuos de la dado est dada por:

generacin. La distribucin conjunta de

La funcin de verosimilitud basada en las observaciones

, est dada por:

Derivando esta expresin respecto de

e igualando a

se obtiene que:

Y por lo tanto:

Un resultado importante de la estimacin por mxima verosimilitud es la propiedad que asegura que los estimadores obtenidos poseen distribucin asinttica normal. Es decir, se puede asegurar que

Converge en distribucin a una variable aleatoria Se verific por simulacin este resultado bajo distribucin inicial de Poisson, . Al realizar la prueba de bondad de ajuste chi-cuadrado a un nivel y agrupando los datos en 5 clases se obtuvo que no exista suficiente evidencia para rechazar la hiptesis de normalidad asinttica.

CONCLUSIONES La clasificacin del proceso de Galton-Watson en los casos crtico, subcrtico y supercrtico, permite determinar el comportamiento asinttico del proceso. El comportamiento de estos procesos recae en el conocimiento del promedio de reproduccin. El proceso de Galton-Watson es un modelo atractivo para describir fenmenos de alta velocidad de crecimiento (o decrecimiento) y poca duracin.

Los mtodos de simulacin son herramientas efectivas para describir el comportamiento de este tipo de procesos. Las variables estudiadas ayudan a explicar procesos que se asemejan a un proceso de Galton-Watson. La simulacin del proceso permite verificar a normalidad asinttica de las variables propuestas.