O processo de poisson tem uma longa tradic~ao em probabilidades aplicadas e
na teoria dos processos estocasticos. Em 1903, na sua tese, Filip Lundberg
explorou o processo de poisson como modelo para o processo do numero de
indeminizac~oes. Mais tarde, em 1930, Harald Cramer contribuiu para o desenvolvimento
da teoria do risco usando o processo das indeminizac~oes agregadas
com estas a serem geradas por um processo de poisson. Por raz~oes historicas,
mas tambem por propriedades matematicas atractivas, o processo de poisson
tem um papel de destaque em matematica actuarial. [6] Mas n~ao e so em teoria
do risco que e usado. Pelas suas propriedades o processo de poisson e usado
para descrever ocorr^encias e contagens de acontecimentos raros e quando estes
n~ao s~ao afectados pelo seu historico. E usado para descrever a ocor^encia de
acidentes de viac~ao num dado local, a chegada de chamadas a uma telefonista,
a chegada de clientes a um servico de balc~ao, as falhas de um sistema ou
avarias de uma maquina, a ocorr^encia de terramotos, entre outros. O proposito
deste trabalho e expor as principais propriedades dos processos de poisson homog
eneo, n~ao-homogeneo e composto bem como apresentar os alguns metodos
para a simulac~ao dos mesmos.
3. Processos de
Poisson
José Castro
PP
Homogéneo
Simulação
PP Não-
homogéneo
Simulação
Processo de Poisson (Homogéneo)
• Processo de renovamento
• Tempo entre chegadas é Exp(λ)
• N(t) ∼ Poi(λt)
• Tem acréscimos estacionários e independentes
7. Processos de
Poisson
José Castro
PP
Homogéneo
Simulação
PP Não-
homogéneo
Simulação
Método da Inversão
Proposição:
FX uma f.d. invertı́vel e U ∼ U(0, 1), então X := F−1
X (U) tem
f.d. FX .
Prova:
P (X ≤ x) = P F−1
X (U) ≤ x
= P (U ≤ FX (x)) = FX (x).
8. Processos de
Poisson
José Castro
PP
Homogéneo
Simulação
PP Não-
homogéneo
Simulação
Método da Inversão
Proposição:
FX uma f.d. invertı́vel e U ∼ U(0, 1), então X := F−1
X (U) tem
f.d. FX .
Prova:
P (X ≤ x) = P F−1
X (U) ≤ x
= P (U ≤ FX (x)) = FX (x).
Tempo entre chegadas: Wi ∼ Exp(λ)
• FWi
(t) = 1 − e−λt
• wi = − log(1 − u)/λ = − log(u)/λ, u ∼ U(0, 1).
9. Processos de
Poisson
José Castro
PP
Homogéneo
Simulação
PP Não-
homogéneo
Simulação
Algorı́tmo da Inversão
(1) Inicializar t=0
(2) Gerar w ∼ Exp(λ)
- Gerar u ∼ U(0, 1)
- Fazer w ← − log(u)/λ
(3) Fazer t ← t + w
(4) Guardar t
(5) Ir para passo (2)
18. Processos de
Poisson
José Castro
PP
Homogéneo
Simulação
PP Não-
homogéneo
Simulação
PP Não-homogéneo
Um PP homogéneo por vezes não se ajusta à realidade
Ocorrências dependentes do tempo ou época: λ ≡ λ(t)
• Seguro automóvel
• Fiabilidade
• Danos cusados por fenómenos naturais
19. Processos de
Poisson
José Castro
PP
Homogéneo
Simulação
PP Não-
homogéneo
Simulação
PP Não-homogéneo
Definição:
{N(t), t ≥ 0} diz-se um processo de poisson não-homegéneo
de intensidade λ(t), se:
1 N(0) = 0;
2 N(s + t) − N(s) ∼ Poi
R s+t
s λ(r)dr
;
3 N(t) tem acréscimos independentes.
20. Processos de
Poisson
José Castro
PP
Homogéneo
Simulação
PP Não-
homogéneo
Simulação
PP Não-homogéneo
Definição:
{N(t), t ≥ 0} diz-se um processo de poisson não-homegéneo
de intensidade λ(t), se:
1 N(0) = 0;
2 N(s + t) − N(s) ∼ Poi
R s+t
s λ(r)dr
;
3 N(t) tem acréscimos independentes.
Definição:
Λ(t) =
R t
0 λ(r)dr: intensidade cumulativa do processo
τ(t) = inf {s : Λ(s) ≥ t}: inversa generalizada de Λ.
23. Processos de
Poisson
José Castro
PP
Homogéneo
Simulação
PP Não-
homogéneo
Simulação
Método de Çinlar
Teorema:
{H(t), t ≥ 0} é PP(1) e λ(t) ≥ 0, então {N(t), t ≥ 0} em
que N(t) = H(Λ(t)) é PP(λ(t)).
Prova:
Herda a independência dos acréscimos.
P [N(s + t) − N(s) = k] = P [H(Λ(s + t)) − H(Λ(s)) = k]
e−[Λ(s+t)−Λ(s)] · [Λ(s+t)−Λ(s)]k
k! = e−
R s+t
s λ(r)dr
·
(
R s+t
s λ(r)dr)
k
k!
Logo N(s + t) − N(s) ∼ Poi
R s+t
s λ(r)dr
25. Processos de
Poisson
José Castro
PP
Homogéneo
Simulação
PP Não-
homogéneo
Simulação
Consequência:
t1, t2, ... são as chegadas de um PP(λ(t)) se Λ(t1), Λ(t2), ...
são as chegadas de um PP(1).
Método de Çinlar
• Gerar um PP(1)
• Usar τ(t) para obter o PP(λ(t))
28. Processos de
Poisson
José Castro
PP
Homogéneo
Simulação
PP Não-
homogéneo
Simulação
Método Thinning
• Encontrar λ∗ tal que λ(t) ≤ λ∗, para todo t ≥ 0
• Gerar um PP(λ∗)
• Retirar a chegada Ti com probabilidade 1−λ(Ti )
λ∗
• As restantes chegadas formam um PP(λ(t))
30. Processos de
Poisson
José Castro
PP
Homogéneo
Simulação
PP Não-
homogéneo
Simulação
Lema.
Seja X ∼ Poi(λ), se para todo x ∈ X, x ∈ X1 ou x ∈ X2, com
probabilidades p e q = 1 − p respectivamente, então
X1 ∼ Poi(pλ) e X2 ∼ Poi(qλ).
Teorema:
- {N∗(t) : t ≥ 0} um PP(λ∗)
- T1, T2, ..., TN∗(T) as chegadas no intervalo (0, T]
- λ(t) tal que: 0 ≤ λ(t) ≤ λ∗, t ∈ (0, T]
Se a chegada Ti for retirada do processo com probabilidade
1−λ(Ti )
λ∗ , para i = 1, 2, ..., N∗(T), então as restantes chegadas
formam um PP(λ(t)).
32. Processos de
Poisson
José Castro
PP
Homogéneo
Simulação
PP Não-
homogéneo
Simulação
Prova:
{N(t) : t ≥ 0} : o processo das chegadas que sobrevivem.
Mostrar:
- Os acréscimos são independentes
- N(s + t) − N(s) ∼ Poi
R s+t
s λ(r)dr
.
Supondo que N∗(s + t) − N∗(s) = n. As n chegadas,
consideradas não ordenadas, são U(s, s + t).
Probabilidade de U ∼ U(s, s + t) ser aceite:
p = E
λ(U)
λ∗
= 1
λ∗t ·
R s+t
s λ(r)dr.
33. Processos de
Poisson
José Castro
PP
Homogéneo
Simulação
PP Não-
homogéneo
Simulação
Prova:
{N(t) : t ≥ 0} : o processo das chegadas que sobrevivem.
Mostrar:
- Os acréscimos são independentes
- N(s + t) − N(s) ∼ Poi
R s+t
s λ(r)dr
.
Supondo que N∗(s + t) − N∗(s) = n. As n chegadas,
consideradas não ordenadas, são U(s, s + t).
Probabilidade de U ∼ U(s, s + t) ser aceite:
p = E
λ(U)
λ∗
= 1
λ∗t ·
R s+t
s λ(r)dr.
Como N∗(s + t) − N∗(s) ∼ Poi (λ∗t) , −→ Lema anterior
N(s + t) − N(s) ∼ Poi (p · λ∗t) , ou seja,
N(s + t) − N(s) ∼ Poi
R s+t
s λ(r)dr
.
34. Processos de
Poisson
José Castro
PP
Homogéneo
Simulação
PP Não-
homogéneo
Simulação
Algorı́tmo Thinning
(1) Inicializar s=0
(2) Gerar u1 ∼ U(0, 1)
(3) Fazer s ← s − 1
λ∗ log u1
(4) Gerar u2 ∼ U(0, 1)
(5) Se u2 ≤ λ(s)/λ∗, Guardar s
(6) Ir para passo (2)