• Aucun résultat trouvé

IFT-3655: Mod` eles Stochastiques Hiver 2020

N/A
N/A
Protected

Academic year: 2022

Partager "IFT-3655: Mod` eles Stochastiques Hiver 2020"

Copied!
2
0
0

Texte intégral

(1)

IFT-3655: Mod` eles Stochastiques Hiver 2020

Prof. Pierre L’Ecuyer

DEVOIR 9

Devoir `a remettre par courriel au correcteur (Mathieu Gascon, matmath.g@hotmail.com) au plus tard le mardi 14 avril 2020, avant 10h30.

Les devoirs doivent ˆetre faits individuellement: un devoir par ´etudiant. Il est tr`es important de bien expliquer tout ce que vous faites. Dans la correction, on accordera beaucoup d’importance

`

a la clart´e des explications. Attention au plagiat: il n’est pas permis de copier et/ou modifier des solutions venant de quelqu’un d’autre, ou prises sur Internet ou dans des livres.

1. (16 points) Ross (2014), page 348, Exercice 62.

Suppose that the number of typographical errors in a new text is Poisson distributed with mean λ. Two proofreaders independently read the text. Suppose that each error is independently found by proofreader i with probability pi,i= 1,2. Let X1 denote the number of errors that are found by proofreader 1 but not by proofreader 2. LetX2 denote the number of errors that are found by proofreader 2 but not by proofreader 1. LetX3 denote the number of errors that are found by both proofreaders. Finally, let X4 denote the number of errors found by neither proofreader.

(a) Describe the joint probability distribution ofX1, X2, X3, X4. (b) Show that

E[X1]

E[X3] = 1−p2

p2 and E[X2]

E[X3] = 1−p1 p1 .

Suppose now thatλ,p1, and p2 are all unknown.

(c) By using Xk as an estimator ofλk =E[Xk], k = 1,2,3, present estimators of p1, p2, and λ.

(d) Use this to give an estimator ofX4, the number of errors not found by either proofreader.

2. (16 points) Ross (2014), page 402, Exercice 20.

On a deux machines semblables, dont l’une est utilis´ee comme machine de rechange lorsque l’autre est en panne. On n’utilise jamais les deux en mˆeme temps. La machine utilis´ee fonctionne pour une dur´ee exponentielle de taux λ, puis tombe en panne. Elle est alors remplac´ee par l’autre machine si cette derni`ere fonctionne, et s’en va `a la r´eparation. Dans le centre de r´eparation, il y a un seul r´eparateur, qui peut r´eparer une seule machine `a la fois, et la dur´ee de r´eparation est exponentielle de taux µ. Lorsque la r´eparation est termin´ee, la machine r´epar´ee retourne en mode d’utilisation. Si les deux machines ´etaient en panne, la r´eparation de la seconde machine d´emarre et la machine r´epar´ee devient celle utilis´ee, sinon elle devient la machine de rechange. Au d´epart, aucune des deux machines n’est en panne.

(2)

(a) Soit T le temps o`u les deux machines sont en panne pour la premi`ere fois. Trouvez des expressions pourE[T] et Var[T]. Vous pouvez utiliser ce qu’on a vu en classe ou ce qui est fait dans le livre, mais donnez la r´ef´erence et simplifiez les preuves pour les adapter au probl`eme particulier consid´er´e ici.

(b) Quelle est la proportion du temps o`u au moins une machine fonctionne, `a long terme?

3. (18 points)

Supposons qu’il y anmachines et un seul r´eparateur. Lorsque la machineitombe en panne, la quantit´e de travail requise (la dur´ee de r´eparation normale pour un r´eparateur qui ne fait rien d’autre) est exponentielle de taux µi. Lorsque k ≥ 1 machines sont en panne, le r´eparateur divise ses efforts ´egalement entre ces k machines, de sorte que si la machine i est en panne, elle est r´epar´ee `a un taux µi/k. S’il y a r = n−k machines qui fonctionnent, incluant la machine i, alors celle-ci tombe en panne au taux λi/r.

(a) D´efinissez une CTMC qui correspond `a ce mod`ele. Vous devez sp´ecifier l’espace d’´etats et les taux de transitionqi,j entre toutes les paires d’´etats (i, j).

(b) ´Ecrivez les ´equations de reversibilit´e par rapport au temps. Trouvez ensuite les probabilit´es limites (la loi stationnaire) et montrez que le processus (la CTMC) est r´eversible.

Remarque: Les mod`eles de CMTC examin´es ici (et dans le chapitre sur les CMTC) peuvent sembler inutiles car trop irr´ealistes, en particulier parce que toutes les dur´ees sont suppos´ees suivre une loi exponentielle, mais des mod`eles simplifi´es de ce genre sont tr`es largement utilis´es en pratique pour obtenir des approximations simples, faciles `a calculer et `a interpr´eter, et qui peuvent donner une bonne id´ee de ce qui se passe.

Références

Documents relatifs

l’algorithme somme-produit permet de faire l’inf´ erence sur les arbres l’algorithme max-somme pour le d´ ecodage. l’algorithme EM pour faire de l’estimation dans les mod` eles

l’algorithme EM pour l’estimation dans les mod` eles de mixture l’estimation des Chaˆınes de Markov Cach´ ees. nous avons vu la n´ ecessit´ e de faire des calculs de

En r ´ealit ´e le m ´ecanisme est plus complexe, c’est une r ´eaction d’autocatalyse dans laquelle interviennent plusieurs r ´eactions avec des vitesses de diff ´erents ordres

Une fa¸con simple de voir si les observations sont en accord avec cette hypoth` ese est de faire un test de chi-deux sur les r´ esultats, pour tester l’hypoth` ese que la

Dans chaque cas, calculez un intervalle de confiance ` a 95% pour la d´ eriv´ ee et donnez une estimation de la variance de votre estimateur de d´ eriv´ ee. Comparez

Each time an event occurs, we must decide whether or not to stop, with our objective being to stop at the last event to occur prior to some specified time T , where T > 1/λ..

(20 points) Vous avez m postes ` a combler et vous cherchez m candidats qui doivent satisfaire un certain nombre d’exigences et passer vos tests avec un score d´ epassant un

(2003) apply the same model to unemployment rate estimation for the Canadian Labour Force Survey using shorter time series data and do not consider seasonal adjustments.. In this