TEMA V.

PROCESOS DE NACIMIENTO Y MUERTE

I. Conceptos generales
II. Algunos casos particulares:
1. Proceso de nacimiento y muerte homogéneo
 Proceso de tasas constantes
 Procesos de Erlang
2. Procesos puros de nacimiento
 Procesos de Poisson
 Procesos de Yule-Furry
3. Procesos puros de muerte
 Proceso con tasa constante
 Proceso de muerte con tasa lineal

PROCESOS DE NACIMIENTO Y MUERTE

Proceso de nacimiento y muerte; proceso de Markov en tiempo continuo con espacio de estados discretos, en el que sólo se producen
transiciones de un estado a sus contiguos (anterior y posterior). Se parte de un sistema que representa a una determinada población, los estados
representan el nº de elementos que la constituyen. El sistema se encuentra en 𝐸𝑛 , si el nº de elementos de la población es “n”.

 Proceso de nacimiento. Cuando sólo es posible una transición del En a En+1, es decir, cuando sólo se puede pasar de una población de n
elementos a otra de n+1 elementos.
 Proceso de muerte. Cuando sólo es posible una transición del En a En-1, es decir, cuando sólo se puede pasar de una población de n
elementos a otra de n-1 elementos.
 Proceso de nacimiento y muerte. Cuando son posibles las dos transiciones del En a En+1 y de En a En-1.
En estos procesos intervienen sólo dos probabilidades:

𝜆𝑛 , 𝑛 = 0,1,2, … , 𝑁 − 1 Probabilidad de que se produzca una transición de En a En+1

𝜇𝑛 , 𝑛 = 1,2, … , 𝑁 Probabilidad de que se produzca una transición de En a En-1

Consideramos en este caso el espacio de estados: S={0,1,2,3...,N}

En el que los cambios de estados son de n hasta n+1, o de n a n-1
Es como si considerásemos el estado del sistema como el tamaño de la población que se puede incrementar en 1 por un nacimiento, o decrecer
en 1 por una muerte.
Partimos de unas tasas de nacimiento: 𝜆𝑛 , 𝑛 = 0,1,2, … , 𝑁 − 1
y de unas tasas de muerte: 𝜇𝑛 , 𝑛 = 1,2, … , 𝑁
Si la población es n, entonces los nuevos individuos aparecen con tasa 𝜆𝑛 y dejan la población con tasa 𝜇𝑛 .
Si la población es 0, entonces no puede haber muertes; 𝜇𝑛 =0

Aplicamos la condición:

Iterando del mismo modo:

Si el espacio de estados es S={0,1,2,3...,N}, entonces 𝜇0 , = 0 , y 𝜆𝑛 , = 0, de modo que no pueden aparecer en la formula anterior.
1. Proceso de Nacimiento y Muerte Homogéneo

Un Proceso de N-M es homogéneo cuando las tasas instantáneas de nacimiento y muerte sean constantes en el tiempo.

Si la cadena es estable Distribución Estacionaria

Condición necesaria para Dist. Estacionaria:

 Procesos con Tasas Constantes

Las tasas de nacimiento son constantes, es decir no dependen del nº de individuos

Se aplica en fenómenos con evolución dinámica de poblaciones y en líneas de espera.

La distribución estacionaria:

Si λ<μ a largo plazo:

 Procesos de Erlang

La tasa de servicio es proporcional al número de individuos de la población.

Aplicado en el estudio de líneas de espera con varios servidores y en telefonía.

En el comportamiento a largo plazo:

La distribución estacionaria es de Poisson

2. Procesos Puros de Nacimiento

Procesos en los que no ocurren muertes, sólo nacimientos:

Procesos evolutivos, sin que pueda alcanzarse la distribución estacionaria.

 Procesos de Poisson

Proceso puro de nacimiento con tasa constante.

Destacan en la aplicación a los modelos del número de siniestros, número de averías ó las llegadas a líneas de espera.

 Procesos de Yule-Furry

La tasa de nacimiento es proporcional al número de individuos que hay en la población.

Se supondrá que en el instante inicial existen r individuos en la población.

Se ha utilizado como modelo para la propagación de epidemias y para estudiar la evolución de especies vivas.

Corresponde a una distribución binomial negativa:

3. Procesos Puros de Muerte

Proceso de nacimiento y muerte en el que no ocurren nacimientos, sólo muertes:

Debe admitirse que existen elementos en la población en el instante inicial.

Responde a procesos que identifican fenómenos de descuento.

El comportamiento a largo plazo viene determinado por la extinción de la población.

 Proceso Puro de Muerte con Tasa Constante

Las tasas de muerte son constantes, tato con respecto al tiempo como con respecto al nº de individuos que quedan en la población.

Se aplican en el estudio de modelos de extinción.

La distribución seguida se corresponde con una Poisson truncada de parámetro (μt):

 Proceso Puro de Muerte con Tasa Lineal

La tasa de muerte es proporcional al número de individuos que quedan en la población.

Modelo utilizado para la gestión de inventarios, para fenómenos migratorios,…

Las variables que integran el proceso:

 TEMA 4: PROCESOS DE NACIMIENTO Y MUERTE (ACADEMIA)

4.1. PROCESOS DE NACIMIENTO Y MUERTE

Proceso de nacimiento y muerte; proceso de Markov en tiempo continuo con espacio de estados discretos, en el que solo se producen transiciones
de un estado a sus contiguos (anterior y posterior).
Se parte de un sistema que representa a una determinada población, los estados representan el número de elemento que la constituye. El sistema
se encuentra en 𝐸𝑛 , si el número de elementos de la población es “n”.
Proceso de nacimiento. Cuando solo es posible una transición del 𝐸𝑛 a 𝐸𝑛+1 , es decir, cuando solo se puede pasar de una población de n
elementos a otra de n+1 elementos.
Proceso de muerte. Cuando solo es posible una transición del 𝐸𝑛 a 𝐸𝑛−1 , es decir, cuando solo se puede pasar de una población de n elementos a
otra de n-1 elementos.
Proceso de nacimiento y muerte. Cuando son posibles las dos transiciones del 𝐸𝑛 a 𝐸𝑛+1 y de 𝐸𝑛 a 𝐸𝑛−1 . En estos procesos intervienen solo dos
posibles.
 𝜆𝑛 , n=0,1,2,…,N-1 Probabilidad de que se produzca una transición de 𝐸𝑛 a 𝐸𝑛+1
 𝜇𝑛 , n=0,1,2,…,N Probabilidad de que se produzca una transición de 𝐸𝑛 a 𝐸𝑛−1

Consideramos en este caso el espacio de estados: S={0,1,2,…,N} En el que los cambios de estados son de n hasta n+1, o de n a n-1. Es como si se
considerásemos el estado del sistema como el tamaño de la población que se puede incrementar en 1 por un nacimiento, o decrecer en 1 por una
muerte. Partimos de unas tasas de nacimiento 𝜆𝑛 para n=0,1,2,…,N-1 sus tasas de crecimiento y de unas tasas de muerte 𝜇𝑛 para n=1,2,…,N.

4.2. PROCESOS DE NACIMIENTO Y MUERTE HOMOGÉNEO

Un proceso de N-M es homogéneo cuando las tasas instantáneas de nacimiento y muerte sean constantes en el tiempo.

𝝀𝒏 (𝒕) = 𝝀𝒏 ; 𝝁𝒏 (𝒕) = 𝝁𝒏 ; ∀𝒕 ≥ 𝟎

Si la cadena es estable Distribución Estacionaria

𝜆0
𝜆0 𝑥 𝜋0 = 𝜇1 𝑥 𝜋1 𝜋1 = 𝜋0
𝜇1

𝜆1 𝜆1 𝜆0
𝜆1 𝑥 𝜋1 = 𝜇2 𝑥 𝜋2 𝜋2 = 𝜋1 = 𝜋0
𝜇2 𝜇2 𝜇1

𝜆2 𝜆2 𝜆1 𝜆0
𝜆2 𝑥 𝜋2 = 𝜇3 𝑥 𝜋3 𝜋3 = 𝜋2 = 𝜋0
𝜇3 𝜇3 𝜇2 𝜇1

De la relación anterior obtenemos:

𝜆0 𝜆1 𝜆2 … … 𝜆𝑛−1
𝜋𝑛 = 𝜋
𝜇1 𝜇2 𝜇3 … … 𝜇𝑛 0

∞ ∞
𝜆0 𝜆1 𝜆2 … … 𝜆𝑛−1
∑ 𝜋𝑛 = 1 → 𝜋0 + 𝜋1 + 𝜋2 + ⋯ + 𝜋𝑛 + ⋯ = 1 → 𝜋0 + ∑ ( ) 𝜋0 = 1
𝜇1 𝜇2 𝜇3 … … 𝜇𝑛
𝑛=0 𝑛=1

1
Despejamos y obtenemos la probabilidad de 𝜋0 = 𝜆0 𝜆1 𝜆2 …….𝜆𝑛−1
1+∑∞
𝑛=1( )
𝜇1 𝜇2 𝜇3 ……𝜇𝑛

𝜆0 𝜆1 𝜆2 ……𝜆𝑛−1
La condición necesaria para que la Distribución sea Estacionaria ∑∞
𝑛=1 ( ) <∞
𝜇1 𝜇2 𝜇3 ……𝜇𝑛

Estos procesos se subdividen en:

4.2.1. Procesos con Tasas Constantes.

- Las tasas de nacimiento son constantes, es decir, no dependen del número de individuos, pero las de muerte si pueden ser proporcionales.
- Se aplica en fenómenos con evolución dinámica de poblaciones y en líneas de espera.

𝜆0 𝜆1 𝜆2 ……𝜆𝑛−1 𝜆 𝑛
La Distribución sea Estacionaria: ∑∞
𝑛=1 ( ) < ∞ → ∑∞
𝑛=1 ( ) <∞→𝜆<𝜇
𝜇1 𝜇2 𝜇3 ……𝜇𝑛 𝜇

1 1 𝜆 𝜆0 𝜆1 𝜆2 ……𝜆𝑛−1 𝜆 𝑛 𝜆
Luego en 𝜋0 = 𝜆 𝑛
= 𝜆 =1− y por tanto 𝜋𝑛 = 𝜋0 = ( ) 𝑥 (1 − ) ; 𝑛 ≥ 1
1+∑∞ 1+ 𝜇 𝜇1 𝜇2 𝜇3 ……𝜇𝑛 𝜇 𝜇
𝑛=1(𝜇) 𝜇−𝜆
Si λ<𝝁 a largo plazo:

𝝀 𝝀𝝁
𝑬(𝝅) = 𝑽𝒂𝒓(𝝅) =
(𝝁−𝝀)𝟐
𝝁−𝝀

4.2.2. Procesos de Erlang

La tasa de servicio es proporcional al número de individuos e la población, por ello

𝜆𝑛 = 𝜆0 = 𝜆; 𝜇𝑛 = 𝑛 × 𝜇 ; ∀𝑛 ≥ 1

Se aplica en el estudio de líneas de espera con varios servidores y en telefonía.

𝜆
1 −( )
En el comportamiento a largo plazo: 𝜋0 = 𝜆0 𝜆1 𝜆2 …….𝜆𝑛−1 =⋯=𝑒 𝜇
1+∑∞
𝑛=1( 𝜇 𝜇 𝜇 ……𝜇 )
1 2 3 𝑛

La Distribución Estacionaria es de Poisson y por tanto

𝜆0 𝜆1 𝜆2 … … 𝜆𝑛−1 1 𝜆 𝑛 −( 𝜆 )
𝜋𝑛 = 𝜋0 = . ( ) . 𝑒 𝜇 ; 𝑛 ≥ 1
𝜇1 𝜇2 𝜇3 … … 𝜇𝑛 𝑛! 𝜇

𝝀
𝑬(𝝅) = = 𝑽𝒂𝒓(𝝅)
𝝁

4.3. PROCESOS PUROS DE NACIMIENTO

- Procesos en los que no ocurren muertes, solo nacimientos: 𝜆𝑛 = 𝜆 ; 𝜇𝑛 = 0 ; ∀𝑛 ≥ 0

- Procesos evolutivos, sin que pueda alcanzarse la Distribución Estacionaria.

Estos procesos se subdividen en:

4.3.1. Procesos de Poisson

- Proceso puro de nacimiento con tasas constantes, por ello, 𝜆𝑛 = 𝜆 ; ∀𝑛 ≥ 0

(𝜆.𝑡)𝑛
- Destacan en la aplicación a los modelos del número de siniestros, numero de averías ó las llegadas a líneas de espera, 𝑃𝑛 (𝑡) = . 𝑒 −𝜆.𝑡 ,
𝑛!
con Esperanza y Varianza iguales 𝐸(𝜋) = 𝜆. 𝑡 = 𝑉𝑎𝑟(𝜋) ↔ 𝜇(𝑡) = 𝜆. 𝑡 = 𝑉𝑎𝑟(𝑡).

4.3.2. Procesos de Yule-Furry

- La tasa de nacimiento es proporcional al número de individuos que hay en la población 𝜆𝑛 = 𝑛. 𝜆 ; ∀𝑛 ≥ 1 ; 𝑋0 = 𝑟 ≥ 1. Se supone que en el
instante inicial existen “r” individuos en la población.
- Destacan en la aplicación a los modelos de propagación de epidemias y para estudiar la evolución de especies vivas.

Corresponde a una distribución Binomial Negativa BN(r, 𝑒 𝜆.𝑡 )

𝑛−1 𝑛−𝑟
Para el cálculo de probabilidades usaremos 𝑃𝑛 (𝑡) = ( ) . 𝑒 −𝑟.𝜆.𝑡 . (1 − 𝑒 −𝜆.𝑡 )
𝑛−1

Con Esperanza 𝑬(𝝅) ≡ 𝝁(𝒕) = 𝒓. 𝒆𝝀𝒕 y Varianza 𝑽𝒂𝒓(𝝅) ≡ 𝑽𝒂𝒓(𝒕) = 𝒓. 𝒆𝟐𝝀𝒕 . (𝟏 − 𝒆−𝝀.𝒕 )

4.4. PROCESOS PUROS DE MUERTE

- Procesos de nacimiento y muerte en el que no ocurren nacimientos, solo muertes, por ello, 𝜆𝑛 (𝑡) = 0 ; ∀𝑛 ≥ 0.
- Debe admitirse que existen elementos en la población en el instante inicial.
- Responde a procesos que identifican fenómenos de descuento.
- El comportamiento a largo plazo viene determinado por la extinción de la población.

Estos procesos se subdividen en:

4.4.1. Proceso con Tasas Constantes

- Las tasas de muerte son constantes, tanto con respecto al tiempo como con respecto al número de individuos que quedan en la población.
Luego 𝜇𝑛 = 𝜇 ; ∀𝑛 ≥ 1 ; 𝑋0 = 𝑟.
- Se aplican en el estudio de modelos de extinción.
- La distribución seguida se corresponde con Poisson trucada de parámetro “𝜇. 𝑡".
(𝜇.𝑡)𝑟−𝑛 (𝜇.𝑡)𝑟−𝑛 (𝜇.𝑡)𝑟−𝑛 .𝑒 −𝜇.𝑡
- Para el cálculo de probabilidades usaremos: 𝑃𝑛 (𝑡) = (𝜇.𝑡)𝑖
= (𝑟−𝑛)!.𝑒 𝜇.𝑡 = ;𝑛 ≤ 𝑟
(𝑟−𝑛)!.∑𝑟𝑖=0 (𝑟−𝑛)!
𝑖!
4.4.2. Proceso de Muerte con Tasas Lineal

La tasa de muerte es proporcional al número de individuos que quedan en la población, por ello: 𝜇𝑛 = 𝑛. 𝜇 ; ∀𝑛 ≥ 1 ; 𝑋0 = 𝑟. Modelo utilizado
para gestión de inventario, para fenómenos migratorios.

Las variables que integran el proceso es Binomial 𝐵(𝑟, 𝑒 −𝜇𝑡 )

𝑛
Para el cálculo de probabilidades usaremos: 𝑃𝑛 (𝑡) = ( ) . 𝑒 −𝑛𝜇𝑡 . (1 − 𝑒 −𝜇𝑡 )𝑛−𝑟 ; 𝑛 ≤ 𝑟.
𝑟

Con Esperanza 𝐸(𝜋) ≡ 𝜇(𝑡) = 𝑟. 𝑒 −𝜇𝑡 y Varianza 𝑉𝑎𝑟(𝜋) ≡ 𝑉𝑎𝑟 (𝑡) = 𝑟. 𝑒 −𝜇𝑡 . (1 − 𝑒 −𝜇𝑡 )