P. 1
Modelos Poisson

Modelos Poisson

|Views: 117|Likes:
Publicado porleo_ms22

More info:

Published by: leo_ms22 on Jun 14, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

06/14/2012

pdf

text

original

1

Investigación de Operaciones II
Ejercicios Procesos de Poisson
Iván Derpich Contreras


Pregunta Nº1. Una fabrica de zapatos de exportación, ha iniciado la
fabricación de un lote de 1.000 pares, de diferentes modelos y números. Los
tiempos de proceso en cada una de las etapas son variables aleatorias.
Luego el tiempo total de fabricación del lote es también aleatorio, y como
ocurre generalmente en estos casos, los tiempos entre llegadas de pares
terminadas a Envase sigue una distribución exponencial con tasa promedio
de 100 pares/hora. (Envase es la última estación de la línea de fabricación).

Bajo un sistema de turnos la planta trabaja 10 horas seguidas por día. Se
sabe que el lote total se completará antes del término de la jornada, ya que
existe capacidad suficiente en la fábrica. Sin embargo hay incertidumbre
respecto a que se pueda producir congestión en envase en algún lapso del
día y se quieren adelantar medidas.

Por esta razón interesa saber

a) ¿Cuál es la probabilidad de que lleguen más de 100 pares por hora?

b) ¿Cuál es la probabilidad de que a 2 horas de terminar la jornada hayan
llegado el 80% del lote o más?

Solución:

Sea X(t) : cantidad de pares de zapatos que llegan a envase en [0,t] y

Sea Ti : Tiempo entre la transacción i-ésima y la transacción i-1.

) / 100 exp( hr pares T
i
= ≈ ∴ λ

a) ( ) A X X P = = = ≥ ?? 1000 ) 10 ( 100 ) 1 (

El enunciado dice que se completa el número de 1000 pares al final de la jornada.
Como los pares llegan con tiempos con distribución exponencial, entonces el
número de pares de zapatos es un Proceso de Poisson.

Se sabe que 000 . 1 ) 10 ( = X ) (t X ∴ está condicionado
2

Luego ( ) p Binomial t X , 1000 ) ( ≈ con 1 , 0
10
1
= = p

( ) [ ]
[ ]


=
=
= = − =
= = = = ≥ =
99
0
1000
100
1000 ) 10 ( ) 1 ( 1
1000 ) 10 ( ) 1 ( 1000 ) 10 ( 100 ) 1 (
k
k
X k X P
X k X P X X P A


( ) ( )
k k
k
k
A

=

|
|
¹
|

\
|
− =

1000
99
0
1 , 0 1 1 , 0
1000
1

Esta es una respuesta correcta.


El cálculo de término correspondiente a la sumatoria, es muy difícil de calcular por
la cantidad de términos que deben sumarse. Por esta razón se aproximará por la
distribución normal.

La Varianza de la distribución de Poisson esλ y la desviación estándar es
hora pares / 10 = λ

Sea Y una distribución normal equivalente a la distribución de Poisson

) , (
Y Y
N Y σ µ ≈
hr pares hr pares
Y Y
/ 10 / 100 = = = = λ σ λ µ

Construyamos la variable Z normalizada

10
100 −
=
X
Z

( ) 46 , 0 1 , 0
10
1
10
100 99
10
100
= − Φ =
(
¸
(

¸

≤ =
(
¸
(

¸



Z P
X
P


54 , 0 ) 1 , 0 ( 1 = − Φ − = A


b) [ ] B X X P = = = ≥ ?? 1000 ) 10 ( 800 ) 8 (

3
[ ] = = = =

=
1000
800
1000 ) 10 ( ) 8 (
k
X k X P B

( ) )
10
8
; 1000 ( 8 Binomial X ≈

( ) ( ) ( ) ( ) = −
|
|
¹
|

\
|
− = −
|
|
¹
|

\
|
=

=

=
∑ ∑
k k
k
k k
k
k k
B
1000
799
0
1000
1000
800
8 , 0 1 8 , 0
1000
1 8 , 0 1 8 , 0
1000


Utilizando la misma variable Z normalizada. Ahora la media y varianza siguientes:
hr pares t hr pares hr pares t
Y Y
/ 28 , 28 800 / 800 / 8 * 100 = = = = = = λ σ λ µ

( ) 5141 , 0 4858 , 0 1 035 , 0 1
28 , 28
1
1
100 * 8
800 799
1 = − = − Φ − = |
¹
|

\
| −
Φ − =
|
|
¹
|

\
| −
Φ − = B

Pregunta Nº2. Un alumno de Ingeniería Industrial estaciona ilegalmente su
vehículo en los alrededores de la Facultad dos veces al día por el período de
una hora cada vez. La pasada de los inspectores municipales o Carabineros
de Tránsito es un Proceso de Poisson con un promedio de λ λλ λ pasadas por
hora. ¿Cuál es la probabilidad de que no le pasen un parte?

Solución: Primero, no le dicen a que hora se estaciona, si no solamente que
estaciona en dos segmentos de dos horas, lo que si sabe, es que un proceso de
Poisson, por lo que, por los incrementos independientes, lo que pase en una hora,
es independiente de lo que pase en el otro intervalo de tiempo.

Sea ) (t N el número de partes en el intervalo ] , 0 [ t .

Si llamamos 1
1
= t , el primer intervalo de una hora, y 1
2
= t el de la segunda hora,
la probabilidad buscada es:
( )
λ λ λ 2
2 1
) 0 ) ( ( ) 0 ) ( (
− − −
= = = ⋅ = = e e e t N P t N P partes tener No P

Por la misma razón anterior, la solución es equivalente a calcular cero partes en
dos horas continuas.




Pregunta Nº3. En un día de verano, los buses con turistas que llegan a Curico
lo hacen según un proceso Poisson con un promedio de cinco autobuses por
hora. El pueblo de Curico es famoso en el mundo por sus tortas y vinos.
Cada bus espera una hora o dos horas en Curico con probabilidades iguales.
4
Cada autobús trae 50, 75 o 100 turistas con probabilidades respectivas de
¼, ½ y ¼. Calcule una aproximación normal para la probabilidad que más
1000 turistas hayan entrado a Curico hasta las 4 de la tarde, suponga que el
día lo cuenta desde las 00:00 horas. Indicación: Defina X como el número de
turistas, Usted debe calcular .

Solución:

El Proceso de Poisson está asociado con la llegada de Buses, pero el Número de
Turistas no obedece a un proceso de conteo, pero dada la naturaleza de la llegada
de los buses, el proceso que cuenta el número de turistas es un proceso
compuesto.

Sea ) (t N el número de turistas.

Interesa calcular ) 1000 ) 16 ( ( ≥ N P . Dado que es proceso compuesto y nos dicen
que debemos usar una aproximación normal, para usarla debemos identificar el
promedio y la desviación estándar de ) (t N .

Sea
i
X el número de turistas.

t X E t N E
i
λ ) ( )) ( ( =
t X E t N Var
i
λ ) ( )) ( (
2
=

Calculamos los valores esperados de
i
X :

. 75 100
4
1
75
2
1
50
4
1
) ( = + + =
i
X E
. 5 . 5937 100
4
1
75
2
1
50
4
1
) (
2 2 2 2
= + + =
i
X E

. 6000 16 5 75 16 ) ( )) 16 ( ( = ⋅ ⋅ = = λ
i
X E N E
. 475000 16 5 5 . 5937 16 ) ( )) 16 ( (
2
= ⋅ ⋅ = = λ
i
X E N Var
. 20 . 689 16 ) ( )) 16 ( (
2
= = λ σ
i
X E N

Entonces:
( ). 25 . 7 1
20 . 689
5000
1 )
20 . 689
6000 1000
20 . 689
6000 ) 16 (
( − Φ − = |
¹
|

\
| −
Φ − =


− N
P



5
Pregunta Nº4. A un acto eleccionario llegan personas a votar de acuerdo a un
Proceso de Poisson a tasa λ λλ λ. Cada persona, independientemente de los
demás, vota con probabilidad 0,5 por el candidato 1 y con probabilidad 0,5
por el candidato 2. Suponga que la votación comienza en t=0 y que tiene
duración infinita.

a) Si se sabe que llegaron 1000 personas a votar durante las primeras 5
horas. ¿ Cuál es la probabilidad de que el candidato 1 reciba n de estos votos
en el mismo período de tiempo ?

b) Si se sabe que llegaron 1000 personas a votar en las primeras 5 horas.
¿ Cuál es la probabilidad de que el candidato 1 reciba n de estos votos en
las primeras 3 horas de votación ?

c) Sea H el instante de llegada de la primera persona a votar por el candidato
1. Encuentre la distribución de probabilidades de H.

d) Encuentre la distribución de probabilidades del número personas que
votan por el candidato 2, antes de que se complete el tiempo promedio en
que llegue la primera persona que vota por el candidato 1.

Desarrollo:

a) Sea
( ) . 0 º : t y entre votar a llegan que personas n t N
y Sea
( ) . 1 , 0 º :
1
candidato el por t y entre votar a llegan que personas n t N
( )
( )
1000 ; ?
1000 5
5
1
≤ =
|
¹
|

\
|
=
=
n
N
n N
P
( ) t N
1
condicionado a ( ) 1000 = t N , es binomial por lo tanto:
( )
( )
) 5 , 0 ; 1000 (
5
5
1
Binomial
N
N

Luego
( )
( )
( ) ( ) 1000 ; 5 , 0 5 , 0
1000
1000 5
5 1000
1

|
|
¹
|

\
|
=
|
¹
|

\
|
=
= −
n
n
N
n N
P
n n


b)
( )
( )
1000 ; ?
1000 5
3
1
≤ =
|
¹
|

\
|
=
=
n
N
n N
P

Sea p : probabilidad de que uno de las 1000 personas que llegaran a votar entre 0
y 5, lo hagan en el intervalo [0,3] y además voten por el candidato 1.

3 , 0
5
3
* 5 , 0 = = p
6

( )
( )
) ; 1000 (
5
5
1
p Binomial
N
N


( )
( )
( ) 1000 ; 1
1000
1000 5
3 1000
1
≤ −
|
|
¹
|

\
|
=
|
¹
|

\
|
=
= −
n p p
n
N
n N
P
n n


( )
( )
( ) ( ) 1000 ; 7 , 0 3 , 0
1000
1000 5
3 1000
1

|
|
¹
|

\
|
=
|
¹
|

\
|
=
= −
n
n
N
n N
P
n n



c) Si ( ) t N es Poisson con tasa λ , entonces ,... ,
2 1
T T tiempos entre llegadas de
personas a votar, distribuyen exponencial con la misma tasa.

d) Sea
1
1
T tiempo de la primera persona que vota por el candidato 1. Luego

( )
λ * 5 , 0
1
1
1
= T E
( ) ( ) ( ) 1
* 5 , 0
1
* * 5 , 0
1
1 2
= =
λ
λ T E N P

Pregunta Nº 5. Se tiene una central telefónica que recibe llamadas de
acuerdo a un proceso de Poisson a tasa 10 = λ (llamadas/hora). Se define
( )
2 1
, t t N como el número de llamadas que se han recibido entre
1
t y
2
t . El
servicio ha comenzado a operar a las 8:00 de la mañana y se sabe que
( ) . 9 10 , 8 = N

a) Si no se ha recibido ninguna llamada desde la 9:45 hrs. ¿Cuál es la
probabilidad de que la siguiente llamada ocurra antes de las 10:20hrs. ?

b) ¿ Cuál es la probabilidad de que no se reciba ninguna llamada por más de
40 minutos, comenzando a las 9:45 hrs.?

c) Si la telefonista trabaja 8 horas en su turno ¿ cuantas llamadas recibirá en
promedio ?

d) ¿Cuál es la probabilidad de que a las 11:00 hrs. se hayan recibido 30
llamadas en total ?

e) La telefonista ha estado muy ocupada durante las primeras 4 horas de su
turno y le comenta a su compañero de trabajo en su hora de colación: ”Este
será un día muy ocupado, en la mañana casi no he podido descansar”.
7
Desarrollo:

a) Fijando el t=0 en la hora 9:45 hr.

Sea
1
T el tiempo para el primer evento medido desde el instante t=0, luego:

( ) ≈ − = − = ≤
− − 350 35 *
1
1 1 35 e e T P
λ


b) ( )
400 40 *
40
− −
= = ≥ e e T P
i
λ


c) Sea N: nº de llamadas que recibe la telefonista en su turno.

( ) 80 8 * = = λ N E llamadas

d) ( ) ( ) ( ) ( )
( )
084 , 0
! 21
20
! 21
2 *
21 11 , 9 30 11 , 8
21
20
21
2 * − −
= = = = = e e N P N P
λ
λ



Pregunta Nº 6. Usando sus conocimientos del curso responda lo siguiente:

El centro que recibe llamadas de emergencia de una ciudad recibe en
promedio 42 llamadas por hora en la hora punta, comprendida entre las 9 y
13 horas AM. Cada llamada requiere alrededor de 2 minutos de la telefonista
para atender y derivar la llamada al personal correspondiente (bomberos,
carabineros o ambulancia). El centro debe tener un adecuado número de
telefonistas, y se ha pedido a un consultor que determine el número
adecuado de telefonistas. El consultor asume que las llamadas entran en un
orden completamente aleatorio y por lo tanto aplica el Proceso de Poisson.
Sin embargo, el telefonista actual puntualiza que entre las 10 y las 12 hrs.
llegan muchas más llamadas que en el resto del tiempo. ¿Qué implica este
hecho para el uso de la distribución de Poisson ?

Solución:

No se cumple la propiedad de incrementos estacionarios, por lo tanto es un
proceso de Poisson No Homogeneo. La fórmula de la probabilidad del proceso es :
[ ]
!
) , (
} ) , ( {
2 1 ) , (
2 1
2 1
n
t t m
e n t t X P
n
t t m −
= = para ,... 2 , 1 , 0 = n
8

( )
¦
¦
¦
¦
¹
¦
¦
¦
¦
´
¦
≤ ≤
≥ ≤ − + − + −
≥ ≥ + −
≤ ≤ ≤ − + −
≤ ≥
≥ ≥
=
10 10 / 42
12 10 ) 12 ( 42 ) 10 12 ( 10 ( 42
12 10 42 ) 12 ( ) 12 (
12 10 10 ) 10 ( ) 10 ( 42
12 10 /
12 12 / 42
,
2 1
2 1 2 1 1
2 1 2 1 1
2 1 2 1 1
2 1 1
2 1
2 1
t y t si hora llamada
t y t si t t
t y t si t t
t y t si t t
t y t si hora llamadas
t y t si hora llamadas
t t m
λ
λ
λ
λ

Pregunta Nº 7. En la Bolsa de Comercio de Santiago, se ha estudiado el
comportamiento de las compras y ventas de acciones. En un día normal se
van produciendo transacciones según un proceso de Poisson a una tasa
promedio de 10 operaciones por hora. Sin embargo un cierto día, una vez
iniciada la jornada pasa una hora sin que se produzcan transacciones. ¿Cuál
es la probabilidad de que pase otra hora sin transacciones?

Solución:

Sea X(t) : cantidad de transacciones en la Bolsa de Comercio en [0,t]

) / 10 ( ) ( hora tr Poisson t X = ≈ λ

Sea Ti : Tiempo entre la transacción i-ésima y la transacción i-1.

) / 10 exp( hr tr T
i
= ≈ ∴ λ

[ ]
[ ]
[ ]
[ ]
00004539 , 0
1
2
1
1 2
1
2
10
2
= =
= =


=

≥ ∧ ≥
=
|
¹
|

\
|


− −


e e
e
e
T P
T P
T P
T T P
T
T
P
i
i
i
i i
i
i
λ
λ
λ



Pregunta 8. Considere una peluquería con dos peluqueras, que están
desocupadas cuando ingresan simultáneamente tres personas desconocidas
entre si X, Y y Z. Las personas X e Y son atendidas y Z espera. ¿ Cuál es la
probabilidad de que la persona X esté aún siendo atendida cuando Y y Z se
hayan ido de la peluquería ? si:

a) Los tiempos de servicio son no aleatorios de 10 minutos en cada
atención.
b) Los tiempos de servicio toman el valor i con probabilidad 4 , 3 , 2 , 1 ;
1
= i
i

c) Los tiempos de servicio son exponenciales con media
λ
1
.
Los tiempos de atención de cada peluquera son independientes.
9
Desarrollo:
a) Si el tiempo es no aleatorio al minuto 10 se desocupan las dos peluqueras y
una de ellas atiende a Z, por lo tanto la probabilidad pedida es 0.
b) Sea p la probabilidad pedida:

( ) s T P
s T
T T T
P p
X
S
X
X Z Y
=
|
¹
|

\
|
=
< +
=

=
4
1


En que
Y
T : tiempo de atención de la persona Y, medido desde la llegada de las
personas a la peluquería.

X
T : tiempo de atención de la persona X, medido desde la llegada de las
personas a la peluquería.

Z
T : tiempo de Atención de la persona Z, medido desde que termina el
servicio de la persona Y.

( ) ( )
( ) ( ) 4
4
3
3
2
2
1
1
=
|
¹
|

\
|
=
< +
+ =
|
¹
|

\
|
=
< +
+ =
|
¹
|

\
|
=
< +
+ =
|
¹
|

\
|
=
< +
=
X
X
X Z Y
X
X
X Z Y
X
X
X Z Y
X
X
X Z Y
T P
T
T T T
P T P
T
T T T
P
T P
T
T T T
P T P
T
T T T
P p



|
¹
|

\
|
(
¸
(

¸

|
¹
|

\
|
=
= ∧ =
+
|
¹
|

\
|
=
= ∧ =
+
|
¹
|

\
|
=
= ∧ =
+ |
¹
|

\
|
|
¹
|

\
|
=
= ∧ =
+ + =
4
1
4
1 2
4
2 1
4
1 1
4
1
3
1 1
0 0
X
Z Y
X
Z Y
X
Z Y
X
Z Y
T
T T
P
T
T T
P
T
T T
P
T
T T
P p


( ) ( ) ( )
( )
( ) ( ) ( )
( )
( ) ( ) ( )
( )
( ) ( ) ( )
( )
|
¹
|

\
|
(
¸
(

¸

=
= = =
+
=
= = =
+
=
= = =
+ |
¹
|

\
|
=
= = =
=
4
1
4
4 1 2
4
4 2 1
4
4 1 1
4
1
3
3 1 1
X
X Z Y
X
X Z Y
X
X Z Y
X
X Z Y
T P
T P T P T P
T P
T P T P T P
T P
T P T P T P
T P
T P T P T P
p

16
1
4
1
4
1
4
4
1
4
1
4
1
4
1
4
1
2 3 2 2 2 3
= |
¹
|

\
|
= |
¹
|

\
|
= |
¹
|

\
|
(
(
¸
(

¸

|
¹
|

\
|
+ |
¹
|

\
|
+ |
¹
|

\
|
+ |
¹
|

\
|
= p


c) Sea p la probabilidad pedida:

( ) s T P
s T
T T T
P p
X
S
X
X Z Y
=
|
¹
|

\
|
=
< +
=

=
4
1

( )

∞ =
=
=
|
¹
|

\
|
=
< +
=
s
s
X
A
X
X Z Y
ds s T P
s T
T T T
P p
0
4 4 4 4 3 4 4 4 4 2 1


10
( ) ( )

=
|
¹
|

\
|
=
< +
= < + =
s
Z
Z
Z Y
Z Y
dr r T P
r T
s T T
P s T T P A
0


( ) ( )
( )
( )
( )
∫ ∫ ∫ ∫
=
− − − − − −
− = − = = − < =
4 43 4 42 1
B
s
r
rs r r r
s
r s
r
z Y
dr e dr e dr e e dr r T P r s T P A
0 0 0
2 2
1
λ λ λ λ
λ λ λ
= B

Pregunta Nº 8. Se tiene una componente, en la cual el número de fallas se
designa por ( ) { }
; 0 N t t ≥ . El proceso ( ) { }
; 0 N t t ≥ es un proceso de Poisson a
tasa λ λλ λ . Esta tasa es tal que la componente falla en promedio 1 vez cada 500
horas. La componente ha operado correctamente (sin fallar) 500 horas. Se
sabe, por especificaciones de fabrica, que la componente a lo más puede
durar un tiempo total 2500 horas.
a) Obtenga la probabilidad de que la componente dure 1000 horas en
total.
b) Obtenga la probabilidad de que la componente dure 1500 horas más.
c) Obtenga el valor esperado de la vida de la componente.

Desarrollo:
Si no se considera de manera directa el comentario “Se sabe, por especificaciones
de fabrica, que la componente a lo más puede durar un tiempo total 2500 horas” la
respuesta es:

a) Sea
i
T el tiempo entre l falla i-ésima y la anterior.

) exp(λ ≈
i
T con
500
1
= λ fallas/hora

Se pide
( )
( )
( )
( ) 500
1000
500
500 1000
500
1000


=

≥ ∧ ≥
=
|
¹
|

\
|


i
i
i
i i
i
i
T P
T P
T P
T T P
T
T
P

36 , 0
1
500 *
500
1
500 *
500 *
1000 *
= = = =





e e e
e
e
λ
λ
λ


b) ( ) 049 , 0 1500
3
1500 *
500
1
1500 *
1
= = = = ≥



e e e T P
λ


c) ( ) 1000 500 500 500
1
= + = + =
λ
T E horas

II. Si se considera el comentario anterior la respuesta es :

11
a) =
|
¹
|

\
|
≥ ≥

500 2500
1000
i
i
T
T
P

es decir ocurre al menos una falla entre las 500 horas y las 2500 horas, con igual
probabilidad.

Por lo tanto ( ) 2500 , 500 U T
i


( ) 5 , 0
2
1
1
500 2500
1000
1 1000 = − =

− = ≥
i
T P

b) 25 , 0
4
3
1
2000
1500
1
500 2500
1500
= − = − =
|
¹
|

\
|
≥ ≥

i
i
T
T
P

c) ( ) 1000
2
500 2500
=

= T E

Pregunta Nº9. Históricamente, una empresa industrial ha experimentado 0,85
accidentes laborales mensuales en el taller. Un año atrás el administrador de
planta, instauró nuevas medidas de seguridad para reducir el número de
trabajadores accidentados. Durante el año pasado, hubo 7 accidentes
laborales en el taller. ¿ es esta suficiente evidencia para concluir que el
número promedio de accidentes laborales, ha disminuido después de la
implementación de las nuevas medidas de seguridad ?

Solución:
La tasa histórica es de 0,85 accidentes/mes lo que da al año
0,85*12= 10,2 accidentes/año
Suponiendo que el número de accidentes distribuye Poisson con tasa media de
10,2 acc/año.
Sea X(t) : nº de accidentes entre 0 y t expresado el tiempo en años.
Calculemos la probabilidad del evento que ha ocurrido, es decir que X(1)=7
{ } 066 , 0
! 7
2 , 10
! 7
) 1 * (
7 ) 1 (
7
2 , 10
7
1 *
= = = =
− −
e e X P
λ
λ

Además se pueden calcular las siguientes probabilidades
x P(X(1)=x) F(x)
0 0,00003 0,00003
1 0,00038 0,00042
2 0,00197 0,00239
3 0,00671 0,0091
4 0, 0,01711 0,02622
5 0,0349 0,06113
12
De este cuadro se puede concluir que con un 95% de probabilidad los valores de
X(t) , estarán sobre 4. Por lo tanto el valor X(1)=7 entonces cae dentro de este
criterio y por lo tanto no es significativo para aceptar la hipótesis de cambio en la
tasa media.

Pregunta Nº 10. Se ha estudiado el comportamiento de fallas de un equipo
electrógeno, que da servicio a una empresa. Se ha determinado que el tiempo
sin fallar del equipo sigue una distribución exponencial, con tiempo medio
entre fallas de 14,5 horas. Desde la última vez que falló, el equipo lleva 10
horas en servicio normal. ¿Cuál es la probabilidad de que supere el tiempo
medio de falla sin fallar ?

Solución: Sea hora llamadas horas T / 06896552 , 0
5 , 14
1
5 , 14 = = ∴ = λ
Sea
i
T T T ,..., ,
2 1
los tiempos entre fallas correspondientes a la primera falla, la
segunda, etc. Entonces lo que se pregunta es : ????
10
5 , 14
1
1
=
(
¸
(

¸



T
T
P

[ ]
[ ]
[ ]
[ ]
λ
λ
λ
5 , 4
10
5 , 14
1
1
1
1 1
1
1
10
5 , 14
10
10 5 , 14
10
5 , 14 −


= =


=

≥ ∧ ≥
=
(
¸
(

¸



e
e
e
T P
T P
T P
T T P
T
T
P

733 , 0
10
5 , 14 3103 , 0 5 , 14
1
5 , 4
5 , 4
1
1
= = = =
(
¸
(

¸


≥ −
|
¹
|

\
|


e e e
T
T
P
λ


Pregunta Nº 15. A un cine llegan personas a ver una película, de acuerdo a un
proceso de Poisson a tasa 15 personas por minuto.
a) Durante los primeros 40 minutos llegaron 200 personas ¿Cuál es la
probabilidad de que la cuarta parte de estas haya llegado en los primeros 10
minutos?
b) Se sabe que durante los primeros 10 minutos llegaron al menos 40
personas. ¿Cuál es la probabilidad de que durante los primeros 20 minutos
llegue un total de 75 personas ?

Solución:

Sea X(t): cantidad de personas que llegan al cine en el intervalo [0,t]
) ( ) ( λ Poisson t X ≈ con 15 = λ personas/minuto
a) Lo que se pregunta es ??
200 ) 40 (
50 ) 10 (
=
(
¸
(

¸

=
=
X
X
P
Se puede demostrar que ( )
40
10
, 200
200 ) 40 (
) 10 (
Binomial
X
X

(
¸
(

¸

=


Luego ( ) ( ) 065029 , 0
4
3
4
1
50
200
200 ) 40 (
50 ) 10 (
50 200 50
=
|
|
¹
|

\
|
=
(
¸
(

¸

=
=

X
X
P
13

b) Se pregunta ??
40 ) 10 (
75 ) 20 (
=
(
¸
(

¸


=
X
X
P Este término debe desarrollarse
asi:

[ ] k X P
k X
X
P
X
X
P
k
=
(
¸
(

¸

=
=
=
(
¸
(

¸


=

=
) 10 ( *
) 10 (
75 ) 20 (
40 ) 10 (
75 ) 20 (
75
40


Llamemos A al término
(
¸
(

¸

=
=
k X
X
P
) 10 (
75 ) 20 (
entonces :

[ ] [ ] k X P k X X P
k X
X
P A − = = − = − =
(
¸
(

¸

=
=
= 75 ) 10 ( 75 ) 10 ( ) 20 (
) 10 (
75 ) 20 (

Reemplazando el termino anterior:

[ ] [ ] k X P k X P
X
X
P
k
= − = =
(
¸
(

¸


=

=
) 10 ( * 75 ) 10 (
40 ) 10 (
75 ) 20 (
75
40


ahora basta reemplazar en cada probabilidad la formula de Poisson.

( )
( )
( )
( )
( )
∑ ∑
=
− −


=

=

=
(
¸
(

¸


=
75
40
75 20 10
75
10
75
40
! ! 75
1
10
!
10
*
! 75
10
40 ) 10 (
75 ) 20 (
k
k k
k
k k
e
k
e
k
e
X
X
P λ
λ λ
λ λ λ

14
15
EJERCICIOS PROPUESTOS

1.- En un taller de máquinas de control numérico computarizado se procesan
varios tipos de piezas, los cuales van desde pernos, tuercas, planchas de acero,
etc. En éste taller hay máquinas que pueden cumplir una tarea para varios tipos de
piezas, éste es el caso de la máquina pulidora, la cuál elimina residuos o astillas
propios de la fabricación. La máquina fue programada para procesar tuercas y
tornillos al mismo tiempo. Estudios efectuados al interior de la fábrica mostraron
que la fabricación de tornillos corresponde a un proceso de Poisson a tasa
( )
min
2
1
unid
= λ y que las tuercas se fabrican según un proceso de Poisson a tasa
( )
min
1
2
unid
= λ . Se le ha encomendado a usted la siguiente tarea ya que el
encargado actualmente se encuentra estudiando otras máquinas al interior de la
fábrica.
a) ¿Qué tipo de proceso es el que cuenta el número de piezas procesadas en
la máquina pulidora?
b) Si en un los primeros 120 minutos llegaron 100 piezas correspondientes a
tuercas, ¿Cuál es la probabilidad de que en ese tiempo, llegaran k piezas
correspondientes a tornillos?
c) Dado que la máquina procesó 10 unidades en un tiempo de10 minutos,
¿cuál es la probabilidad que estas 10 unidades sean tornillos?
d) Si la máquina procesó un total de 100 unidades durante los primeros 5
minutos de trabajo, ¿cuál es la probabilidad que durante los primeros 7
minutos de operación procese 150 unidades?

2.- Dos individuos A y B esperan un riñón para ser trasplantados. Se sabe que una
persona en la situación de A puede vivir un tiempo exponencial, y que en promedio
tiene un tiempo de vida
A
t , similarmente se sabe que una persona en la situación
de B puede durar en promedio sin trasplante un tiempo
B
t . Las llegadas de riñones
para ser trasplantados llegan según un proceso de Poisson con parámetro . Se ha
decidido que primer riñón será para A (o para B si B vive y A no) y el siguiente para
B (si aún vive).
a) ¿ Cuál es la probabilidad de que A obtenga un riñón ?
b) ¿ Cuál es la probabilidad de que B obtenga un riñón ?

3.- Se tiene una componente de un equipo de fuerza. El n° de fallas del equipo
sigue una distribución de Poisson a tasa λ.

a) Se sabe que la componente lleva T unidades de tiempo sin fallar. ¿ Cuál es
la probabilidad de que falle antes de t unidades de tiempo (medido desde el
instante T).
b) ¿ Cual es el valor esperado de la duración de la componente ?

16

4.- A una tienda comercial en un Mall, llegan clientes según un Proceso de Poisson
a tasa de 100 personas por hora. Los clientes ingresan por un acceso desde donde
pueden ir a la Sección Niños con probabilidad 0,6 o a la Sección Zapatería con
probabilidad 0,4. Los clientes que se dirigen a la Sección Niños después de pasar
por esta sección siempre se retiran de la tienda. Sin embargo, los clientes que se
dirigen a la Sección Zapatería al salir de ésta, se dirigen a la Sección Niños con
probabilidad 0,6; o vuelven a ingresar a la Sección Zapatería con probabilidad 0,4.

a) Calcule el flujo neto de clientes por unidad de tempo en cada sección.
b) Obtenga la distribución de probabilidades del número de personas que
llegan a la Sección Niños.


5.- Se sabe que un total de N estudiantes que han sido aceptados en la Carrera de
Ingeniería de la Universidad de Santiago de Chile, se acercarán a la Oficina de
Admisión para realizar su trámite de matrícula. Suponga que los alumnos llegan a
la oficina según un Proceso de Poisson a tasa y que la oficina estará abierta entre
las 9 y las 18 horas y no cierra al mediodía. Sea X(t) el número de personas que
llegan a la oficina de Admisión entre la hora de apertura y el instante t.

a) Obtenga la distribución de probabilidades de X(t)
b) Obtenga el valor esperado del número de personas que llagan entre las 9 y
las 13 horas.

6.- Sean los eventos 1 y 2, dos eventos independientes, cada uno se comporta
según un proceso de Poisson con tasas 1
λ
y 2
λ
respectivamente.

a) Encuentre la probabilidad de que el evento 1 ocurra antes del evento 2.
b) Encuentre el valor esperado del tiempo para que ocurra un evento
cualquiera.

7. Una empresa de transportes ofrece el siguiente servicio para transporte de
empleados a diferentes empresas a través del corredor las Condes Centro. Los
buses salen desde la Escuela Militar y termina su recorrido en la estación Moneda
en un sistema circular, es decir no se detienen. La empresa dispone de dos tipos
de buses, expresos y ordinarios. El pasajero debidamente acreditado puede usar
cualquiera de los buses. Los buses de ambos tipos pasan según una distribución
de Poisson.

Los buses expresos pasan cada media hora en promedio y demoran un tiempo fijo
de 10 minutos, mientras que los buses lentos pasan cada 10 minutos promedio y
demoran un tiempo fijo de 30 minutos.
17

a) ¿ Cuál es la probabilidad de que pase antes un bus expreso que un ordinario?
b) Si usted toma el primer bus que pasa ¿ cual es el valor esperado de su tiempo
de viaje ?
c) Si usted sigue la estrategia de tomar el bus ordinario ¿ Cual es su tiempo de
viaje ?

8.Se juega un partido de fútbol por las clasificatorias, entre la selección chilena y
otra selección de un país vecino. Las personas llegan a la boletería de una cierta
tribuna según un proceso de Poisson a tasa de 200 personas/minuto. Se debe
suponer que la capacidad de la tribuna es infinita, sin embargo a los hinchas no les
gusta quedar muy aglomerados en la tribuna. Por esta razón preguntan en la
boletería por el número de personas que ya han ingresado (supongamos que el
boletero dispone de la información exacta).

Si este número es menor a 20.000 las personas siempre ingresan. Si es mayor o
igual a 20.000, con probabilidad 0,25 ingresan ; en caso contrario se devuelven a
su casa.

a) Obtenga una expresión para la probabilidad de que ninguna persona se
devuelva a su casa durante la primera hora de operación del proceso.
b) ¿Cuál es la probabilidad de que durante las primeras dos horas se
devuelvan 1.000 personas?
c) Suponga que se define el proceso de conteo M(t) como el número de
personas que se han devuelto a sus casa durante las primeras t unidades
de tiempo. ¿ Tiene este proceso incrementos independientes ? ¿
Incrementos estacionarios?
d) Suponga que ud. observa el proceso en un instante t especifico y se
informa que hay ya en el estadio 25.000 personas. ¿ Cuál es la probabilidad
de que pasen mas de 5 segundos sin que ingrese un nuevo individuo al
estadio ?
e) ¿ Cuál es el tiempo esperado que transcurre hasta que han ingresado
80.000 personas al estadio ?

9. Llegan inmigrantes a un territorio de acuerdo a un proceso de poisson a tasa 10
personas/semana. Cada inmigrante es de raza amarilla con probabilidad 1/12
¿ Cuál es la probabilidad de que no lleguen inmigrantes de raza amarilla al
territorio durante un mes ?
18

El cálculo de término correspondiente a la sumatoria. Por esta razón se aproximará por la distribución normal. es muy difícil de calcular por la cantidad de términos que deben sumarse.1 10 k =100 ∑ P[X (1) = k X (10) = 1000] 99 1000   k 1000 − k A = 1− ∑  k (0. La Varianza de la distribución de Poisson es λ y la desviación estándar es λ = 10 pares / hora Sea Y una distribución normal equivalente a la distribución de Poisson Y ≈ N (µY .1) = 0. p ) con p = A = P( X (1) ≥ 100 X (10) = 1000 ) = = 1 − ∑ P[X (1) = k X (10) = 1000] 99 k =0 1000 1 = 0.54 b) P[X (8) ≥ 800 X (10) = 1000] = ?? = B 2 .1) (1 − 0.Luego X (t ) ≈ Binomial (1000.46 10   10   A = 1 − Φ (−0. σ Y ) µ Y = λ = 100 pares / hr σ Y = λ = 10 pares / hr Construyamos la variable Z normalizada Z= X − 100 10 − 1  X − 100 99 − 100   P ≤  = P  Z ≤ 10  = Φ(− 0.1) = 0.1)  k =0   Esta es una respuesta correcta.

La pasada de los inspectores municipales o Carabineros de Tránsito es un Proceso de Poisson con un promedio de λ pasadas por hora. Si llamamos t1 = 1 . t ] . El pueblo de Curico es famoso en el mundo por sus tortas y vinos. Ahora la media y varianza siguientes: µ Y = λt = 100 * 8 pares / hr = 800 pares / hr σ Y = λt = 800 = 28. 3 . lo que pase en una hora. por los incrementos independientes. por lo que. Pregunta Nº3. los buses con turistas que llegan a Curico lo hacen según un proceso Poisson con un promedio de cinco autobuses por hora.B= 1000 k =800 ∑ P[X (8) = k X (10) = 1000] = X (8) ≈ Binomial (1000. 8 10 ) B= 799 1000 1000    k 1000 − k k 1000 − k  (0.035) = 1 − 0. Cada bus espera una hora o dos horas en Curico con probabilidades iguales.5141    28.8) (1 − 0.8) (1 − 0. Sea N (t ) el número de partes en el intervalo [0. y t 2 = 1 el de la segunda hora. la solución es equivalente a calcular cero partes en dos horas continuas. En un día de verano.4858 = 0.8)  k =800  k =0    1000 Utilizando la misma variable Z normalizada. si no solamente que estaciona en dos segmentos de dos horas. es que un proceso de Poisson. el primer intervalo de una hora. es independiente de lo que pase en el otro intervalo de tiempo.28 pares / hr  799 − 800   −1  B = 1 − Φ  = 1 − Φ  = 1 − Φ(− 0. la probabilidad buscada es: P ( No tener partes ) = P ( N (t1 ) = 0) ⋅ P ( N (t 2 ) = 0) = e − λ e − λ = e −2λ Por la misma razón anterior. Un alumno de Ingeniería Industrial estaciona ilegalmente su vehículo en los alrededores de la Facultad dos veces al día por el período de una hora cada vez. lo que si sabe.28   8 * 100  Pregunta Nº2. ¿Cuál es la probabilidad de que no le pasen un parte? Solución: Primero.8) = 1− ∑ = ∑ k   k (0. no le dicen a que hora se estaciona.

½ y ¼. Indicación: Defina X como el número de turistas. Dado que es proceso compuesto y nos dicen que debemos usar una aproximación normal. σ ( N (16)) = E ( X i2 )λ16 = 689. pero el Número de Turistas no obedece a un proceso de conteo. suponga que el día lo cuenta desde las 00:00 horas. Sea X i el número de turistas.5 ⋅ 5 ⋅ 16 = 475000. E ( N (t )) = E ( X i )λt Var ( N (t )) = E ( X i2 )λt Calculamos los valores esperados de X i : 1 1 1 50 + 75 + 100 = 75. Usted debe calcular .5. 4 2 4 1 1 1 E ( X i2 ) = 50 2 + 75 2 + 100 2 = 5937.Cada autobús trae 50. Calcule una aproximación normal para la probabilidad que más 1000 turistas hayan entrado a Curico hasta las 4 de la tarde.20  689. Var ( N (16)) = E ( X i2 )λ16 = 5937. 4 2 4 E( X i ) = E ( N (16)) = E ( X i )λ16 = 75 ⋅ 5 ⋅ 16 = 6000.25). para usarla debemos identificar el promedio y la desviación estándar de N (t ) . Solución: El Proceso de Poisson está asociado con la llegada de Buses. Sea N (t ) el número de turistas.20  4 . Interesa calcular P( N (16) ≥ 1000) .20. Entonces: P( N (16) − 6000 1000 − 6000  − 5000  ≥ ) = 1 − Φ  = 1 − Φ(− 7. pero dada la naturaleza de la llegada de los buses. el proceso que cuenta el número de turistas es un proceso compuesto. 75 o 100 turistas con probabilidades respectivas de ¼.20 689. 689.

vota con probabilidad 0. Cada persona. ¿ Cuál es la probabilidad de que el candidato 1 reciba n de estos votos en el mismo período de tiempo ? b) Si se sabe que llegaron 1000 personas a votar en las primeras 5 horas.5)n (0.5 por el candidato 1 y con probabilidad 0. A un acto eleccionario llegan personas a votar de acuerdo a un Proceso de Poisson a tasa λ. n ≤ 1000     Sea p : probabilidad de que uno de las 1000 personas que llegaran a votar entre 0 y 5. n ≤ 1000 N (5) = 1000   b) P N1 (3) = n N (5) = 1000  = ? .5) N (5) 1000  (0. lo hagan en el intervalo [0. antes de que se complete el tiempo promedio en que llegue la primera persona que vota por el candidato 1.0. N 1 (t ) condicionado a N (t ) = 1000 . es binomial por lo tanto: N 1 (5) ≈ Binomial (1000. por el candidato1. y Sea N1 (t ) : nº personas que llegan a votar entre 0 y t .3 5 5 .5)1000−n .5 * 3 = 0.5 por el candidato 2. a) Si se sabe que llegaron 1000 personas a votar durante las primeras 5 horas. Suponga que la votación comienza en t=0 y que tiene duración infinita. p = 0. n ≤ 1000 Luego P N 1 (5) = n N (5) = 1000  =        n   P   N 1 (5) = n  = ? .3] y además voten por el candidato 1. ¿ Cuál es la probabilidad de que el candidato 1 reciba n de estos votos en las primeras 3 horas de votación ? c) Sea H el instante de llegada de la primera persona a votar por el candidato 1.Pregunta Nº4. Desarrollo: a) Sea N (t ) : n º personas que llegan a votar entre 0 y t . d) Encuentre la distribución de probabilidades del número personas que votan por el candidato 2. Encuentre la distribución de probabilidades de H. independientemente de los demás.

t 2 ) como el número de llamadas que se han recibido entre t1 y t 2 .? c) Si la telefonista trabaja 8 horas en su turno ¿ cuantas llamadas recibirá en promedio ? d) ¿Cuál es la probabilidad de que a las 11:00 hrs. Sea T11 tiempo de la primera persona que vota por el candidato 1. se hayan recibido 30 llamadas en total ? e) La telefonista ha estado muy ocupada durante las primeras 4 horas de su turno y le comenta a su compañero de trabajo en su hora de colación: ”Este será un día muy ocupado. ¿Cuál es la probabilidad de que la siguiente llamada ocurra antes de las 10:20hrs.7 )1000− n   N (5) = 1000   n     .. n ≤ 1000 c) Si N (t ) es Poisson con tasa λ . distribuyen exponencial con la misma tasa. n ≤ 1000 .. Se tiene una central telefónica que recibe llamadas de acuerdo a un proceso de Poisson a tasa λ = 10 (llamadas/hora).5 * λ * 0.3)n (0. entonces T1 . Se define N (t1 . en la mañana casi no he podido descansar”. T2 .N 1 (5) N (5) ≈ Binomial (1000. Luego E T11 = d) ( ) 1 0. a) Si no se ha recibido ninguna llamada desde la 9:45 hrs. El servicio ha comenzado a operar a las 8:00 de la mañana y se sabe que N (8.. comenzando a las 9:45 hrs. tiempos entre llegadas de personas a votar.51* λ = 1 Pregunta Nº 5.5 * λ P N 2 E T11 ( ( ( ))) = 0. ? b) ¿ Cuál es la probabilidad de que no se reciba ninguna llamada por más de 40 minutos. 6 .10) = 9. p)  = 1000  p n (1 − p )1000− n   P N 1 (3) = n  N (5) = 1000   n      P   N 1 (3) = n  = 1000 (0.

t 2 ) = n} = e − m ( t1 .084 21! Pregunta Nº 6. llegan muchas más llamadas que en el resto del tiempo. por lo tanto es un proceso de Poisson No Homogeneo.11) = 21) = e −λ*2 (λ * 2)21 21! = e − 20 20 21 0. Usando sus conocimientos del curso responda lo siguiente: El centro que recibe llamadas de emergencia de una ciudad recibe en promedio 42 llamadas por hora en la hora punta. comprendida entre las 9 y 13 horas AM..11) = 30) = P(N (9.. carabineros o ambulancia). El centro debe tener un adecuado número de telefonistas.2.. el telefonista actual puntualiza que entre las 10 y las 12 hrs. y se ha pedido a un consultor que determine el número adecuado de telefonistas. Sin embargo.1. E ( N ) = λ * 8 = 80 llamadas d) P(N (8. t 2 )]n n! para n = 0. La fórmula de la probabilidad del proceso es : P{ X (t1 . El consultor asume que las llamadas entran en un orden completamente aleatorio y por lo tanto aplica el Proceso de Poisson. 7 .Desarrollo: a) Fijando el t=0 en la hora 9:45 hr. Sea T1 el tiempo para el primer evento medido desde el instante t=0. ¿Qué implica este hecho para el uso de la distribución de Poisson ? Solución: No se cumple la propiedad de incrementos estacionarios. luego: P (T1 ≤ 35 ) = 1 − e − λ *35 = 1 − e −350 ≈ b) P(Ti ≥ 40 ) = e − λ *40 = e −400 c) Sea N: nº de llamadas que recibe la telefonista en su turno.t 2 ) [m(t1 . Cada llamada requiere alrededor de 2 minutos de la telefonista para atender y derivar la llamada al personal correspondiente (bomberos.

una vez iniciada la jornada pasa una hora sin que se produzcan transacciones. ¿ Cuál es la probabilidad de que la persona X esté aún siendo atendida cuando Y y Z se hayan ido de la peluquería ? si: a) Los tiempos de servicio son no aleatorios de 10 minutos en cada atención. que están desocupadas cuando ingresan simultáneamente tres personas desconocidas entre si X. En la Bolsa de Comercio de Santiago. Los tiempos de atención de cada peluquera son independientes. t 2 ) =  λ1 (12 − t1 ) + (t 2 12)42 si t1 ≥ 10 y t 2 ≥ 12 42(t1 − 10 + λ1 (12 − 10) + 42(t 2 − 12) si t1 ≤ 10 y t 2 ≥ 12  42 llamada / hora si t1 ≤ 10 y t 2 ≤ 10  Pregunta Nº 7. 8 . En un día normal se van produciendo transacciones según un proceso de Poisson a una tasa promedio de 10 operaciones por hora. Las personas X e Y son atendidas y Z espera. Y y Z. se ha estudiado el comportamiento de las compras y ventas de acciones. Sin embargo un cierto día. i = 1.t] X (t ) ≈ Poisson(λ = 10 tr / hora ) Sea Ti : Tiempo entre la transacción i-ésima y la transacción i-1. b) Los tiempos de servicio toman el valor i con probabilidad 1i .4 c) Los tiempos de servicio son exponenciales con media 1 λ .42 llamadas / hora si t1 ≥ 12 y t 2 ≥ 12 λ llamadas / hora si t ≥ 10 y t ≤ 12 1 2  1 42(10 − t1 ) + λ1 (t 2 − 10) si t1 ≤ 10 y 10 ≤ t 2 ≤ 12  m(t1 .00004539 Pregunta 8. ¿Cuál es la probabilidad de que pase otra hora sin transacciones? Solución: Sea X(t) : cantidad de transacciones en la Bolsa de Comercio en [0. ∴ Ti ≈ exp(λ = 10tr / hr ) P   Ti ≥ 2 −λ 2  = P[Ti ≥ 2 ∧ Ti ≥ 1] = P[Ti ≥ 2] = e =  Ti ≥ 1 P[Ti ≥ 1] P[Ti ≥ 1] e −λ e −λ = e −10 = 0.3. Considere una peluquería con dos peluqueras.2.

TZ : tiempo de Atención de la persona Z. medido desde la llegada de las personas a la peluquería.Desarrollo: a) Si el tiempo es no aleatorio al minuto 10 se desocupan las dos peluqueras y una de ellas atiende a Z. T + TZ < T X  P (T = 1) + P TY + TZ < T X  P (T = 2) + p = P Y   X X T X = 1 TX = 2      T + TZ < T X  P (T = 3) + P TY + TZ < T X  P(T = 4 ) P Y   X X TX = 3  TX = 4      T = 1 ∧ TZ = 1  1  + p = 0 + 0 + P Y  T X = 3  4       TY = 1 ∧ TZ = 1  + P TY = 1 ∧ TZ = 2  + P TY = 2 ∧ TZ = 1  1     P TX = 4  TX = 4  TX = 4  4          p=  P(TY = 1)P(TZ = 1)P (T X = 4 ) P (TY = 1)P (TZ = 2)P(T X = 4) P (TY = 2 )P(TZ = 1)P(T X = 4 ) 1  + +    P (T X = 4) P(T X = 4 ) P(T X = 4 )   4  3 2 2 2 3 2 1  1   1   1   1   1  1 1 p =   +   +   +     = 4  =   = 16  4   4   4   4   4  4 4   P (TY = 1)P(TZ = 1)P(T X = 3)  1   + P(T X = 3) 4 c) Sea p la probabilidad pedida: P(T = s ) p = ∑ P TY + TZ < T X  TX = s  X   S =1 4 s=∞ T +T < T P(T = s)ds p = ∫ P Y Z X  TX = s X s=0  1 4 4 4 43 4 4 2 4 4 A 9 . b) Sea p la probabilidad pedida: T + TZ < T X P (T = s ) p = ∑ P Y  TX = s  X  S =1  4 En que TY : tiempo de atención de la persona Y. T X : tiempo de atención de la persona X. por lo tanto la probabilidad pedida es 0. medido desde la llegada de las personas a la peluquería. medido desde que termina el servicio de la persona Y.

por especificaciones de fabrica. que la componente a lo más puede durar un tiempo total 2500 horas. Desarrollo: Si no se considera de manera directa el comentario “Se sabe. b) Obtenga la probabilidad de que la componente dure 1500 horas más. por especificaciones de fabrica. Se tiene una componente. La componente ha operado correctamente (sin fallar) 500 horas. que la componente a lo más puede durar un tiempo total 2500 horas” la respuesta es: a) Sea Ti el tiempo entre l falla i-ésima y la anterior. c) Obtenga el valor esperado de la vida de la componente. Ti ≈ exp(λ ) con λ = 1 Se pide P  500 fallas/hora  Ti ≥ 1000  = P(Ti ≥ 1000 ∧ Ti ≥ 500) = P(Ti ≥ 1000) Ti ≥ 500   P(Ti ≥ 500) P (Ti ≥ 500) − *500 e − λ*1000 = e −λ*500 = e 500 = e −1 = 0. t ≥ 0} . El proceso { N ( t ) .049 1 λ + 500 = 500 + 500 = 1000 horas II.36 e −λ*500 1 − 1 *1500 500 b) P(T1 ≥ 1500) = e c) E (T ) = − λ *1500 =e = e −3 = 0. Se sabe. a) Obtenga la probabilidad de que la componente dure 1000 horas en total. P(T = r )dr A = P(TY + TZ < s ) = ∫ P TY + TZ < s  TZ = r  Z   0 A = ∫ P (TY < s − r )P (Tz = r )dr = ∫ 1 − e −λ ( s − r ) λe −λr dr = λ ∫ e −λr dr − λ ∫ e − λ (r − rs )dr 0 0 r =0 14243 4 4 2 2 s r s ( ) s B B= Pregunta Nº 8. en la cual el número de fallas se designa por { N ( t ) . Si se considera el comentario anterior la respuesta es : 10 . t ≥ 0} es un proceso de Poisson a tasa λ . Esta tasa es tal que la componente falla en promedio 1 vez cada 500 horas.

0. Por lo tanto Ti ≈ U (500. es decir que X(1)=7 P{X (1) = 7} = e − λ *1 7 (λ * 1) 7 −10 .00038 0.00003 0. hubo 7 accidentes laborales en el taller. instauró nuevas medidas de seguridad para reducir el número de trabajadores accidentados.00197 0.5 2500 − 500 2  Ti ≥ 1500  = 1 − 1500 = 1 − 3 = 0.2500 ) P(T i≥ 1000) = 1 − b) P  1000 1 = 1 − = 0. ha disminuido después de la implementación de las nuevas medidas de seguridad ? Solución: La tasa histórica es de 0.066 7! 7! Además se pueden calcular las siguientes probabilidades x P(X(1)=x) F(x) 0 0. Históricamente.2 acc/año.85 accidentes laborales mensuales en el taller.00003 1 0.00239 3 0. 2 10. Durante el año pasado.0091 4 0. una empresa industrial ha experimentado 0.85 accidentes/mes lo que da al año 0.06113 11 .85*12= 10. Un año atrás el administrador de planta. Sea X(t) : nº de accidentes entre 0 y t expresado el tiempo en años.00042 2 0.2 accidentes/año Suponiendo que el número de accidentes distribuye Poisson con tasa media de 10.02622 5 0.00671 0. Calculemos la probabilidad del evento que ha ocurrido. con igual probabilidad.25 2500 ≥ Ti ≥ 500   2000 4 c) E (T ) = 2500 − 500 = 1000 2 Pregunta Nº9. ¿ es esta suficiente evidencia para concluir que el número promedio de accidentes laborales.01711 0.a) P   Ti ≥ 1000 = 2500 ≥ Ti ≥ 500   es decir ocurre al menos una falla entre las 500 horas y las 2500 horas. 2 =e = 0.0349 0.

5 T ≥ 14. A un cine llegan personas a ver una película. el equipo lleva 10 horas en servicio normal. Pregunta Nº 10.06896552llamadas / hora Sea T1 . ¿Cuál es la probabilidad de que supere el tiempo medio de falla sin fallar ? Solución: Sea T = 14.De este cuadro se puede concluir que con un 95% de probabilidad los valores de X(t) .5] = e P 1 = e − 4. de acuerdo a un proceso de Poisson a tasa 15 personas por minuto.065029 .. Se ha estudiado el comportamiento de fallas de un equipo electrógeno..5λ = e − 4.5 = 0.5  = P[T1 ≥ 14. ¿Cuál es la probabilidad de que durante los primeros 20 minutos llegue un total de 75 personas ? Solución: Sea X(t): cantidad de personas que llegan al cine en el intervalo [0. la segunda.5 λ T1 ≥ 10    P[T1 ≥ 10] P[T1 ≥ 10] e − λ10   T ≥ 14.10 Se puede demostrar que  X (10) X (40) = 200 40    ( )  =  200  1   Luego P  X (10) = 50 X (40) = 200  50  4      12 ( ) (3 4 ) 50 200 −50 = 0. estarán sobre 4. Se ha determinado que el tiempo sin fallar del equipo sigue una distribución exponencial.5  = e −4.. Por lo tanto el valor X(1)=7 entonces cae dentro de este criterio y por lo tanto no es significativo para aceptar la hipótesis de cambio en la tasa media.733   P 1 T1 ≥ 10    Pregunta Nº 15..5 horas ∴ λ = 114. T2 . Entonces lo que se pregunta es : P T1 ≥ 14. a) Durante los primeros 40 minutos llegaron 200 personas ¿Cuál es la probabilidad de que la cuarta parte de estas haya llegado en los primeros 10 minutos? b) Se sabe que durante los primeros 10 minutos llegaron al menos 40 personas. Ti los tiempos entre fallas correspondientes a la primera falla.5 T ≥ 10 = ????   1   − λ 14 . Desde la última vez que falló.5 114.5 horas.3103 = 0. etc.5  = e −0.t] X (t ) ≈ Poisson(λ ) con λ = 15 personas/minuto  = ?? a) Lo que se pregunta es P  X (10) = 50 X (40) = 200     ≈ Binomial 200.5 ∧ T1 ≥ 10] = P[T1 ≥ 14. que da servicio a una empresa. con tiempo medio entre fallas de 14.

 = ?? Este término debe desarrollarse b) Se pregunta P  X (20) = 75 X (10) ≥ 40    asi: =  * P[ X (10) = k ] P  X (20) = 75 P  X (20) = 75 X (10) ≥ 40 k∑  X (10) = k     = 40   75  entonces : Llamemos A al término P  X (20) = 75 X (10) = k      = P [X ( 20 ) − X (10 ) = 75 − k ] = P [X (10 ) = 75 − k ] A = P  X ( 20 ) = 75 X (10 ) = k     Reemplazando el termino anterior: = P  X (20) = 75 P[ X (10) = 75 − k ] * P[ X (10) = k ] X (10) ≥ 40 k∑    = 40 75 ahora basta reemplazar en cada probabilidad la formula de Poisson. 75 1 (10λ ) * e −10λ (10λ ) = e −20λ (10λ )75 75 = P  X (20) = 75 e −10 λ ∑ (75 − k )!k! X (10) ≥ 40 k∑    = 40 (75 − k )! k! k = 40 75 − k k 13 .

14 .

En éste taller hay máquinas que pueden cumplir una tarea para varios tipos de piezas. la cuál elimina residuos o astillas propios de la fabricación. llegaran k piezas correspondientes a tornillos? c) Dado que la máquina procesó 10 unidades en un tiempo de10 minutos. Estudios efectuados al interior de la fábrica mostraron que la fabricación de tornillos corresponde a un proceso de Poisson a tasa λ1 = 2 unid min y que las tuercas se fabrican según un proceso de Poisson a tasa λ2 ( ) ). ¿Cuál es la probabilidad de que en ese tiempo. similarmente se sabe que una persona en la situación de B puede durar en promedio sin trasplante un tiempo t B . Se ha decidido que primer riñón será para A (o para B si B vive y A no) y el siguiente para B (si aún vive). planchas de acero.En un taller de máquinas de control numérico computarizado se procesan varios tipos de piezas.Dos individuos A y B esperan un riñón para ser trasplantados. los cuales van desde pernos. a) ¿ Cuál es la probabilidad de que A obtenga un riñón ? b) ¿ Cuál es la probabilidad de que B obtenga un riñón ? 3. a) Se sabe que la componente lleva T unidades de tiempo sin fallar.. ¿cuál es la probabilidad que durante los primeros 7 minutos de operación procese 150 unidades? 2. b) ¿ Cual es el valor esperado de la duración de la componente ? 15 .EJERCICIOS PROPUESTOS 1. Se le ha encomendado a usted la siguiente tarea ya que el = 1(unid min encargado actualmente se encuentra estudiando otras máquinas al interior de la fábrica. a) ¿Qué tipo de proceso es el que cuenta el número de piezas procesadas en la máquina pulidora? b) Si en un los primeros 120 minutos llegaron 100 piezas correspondientes a tuercas. El n° de fallas del equipo sigue una distribución de Poisson a tasa λ. La máquina fue programada para procesar tuercas y tornillos al mismo tiempo.Se tiene una componente de un equipo de fuerza. ¿cuál es la probabilidad que estas 10 unidades sean tornillos? d) Si la máquina procesó un total de 100 unidades durante los primeros 5 minutos de trabajo. éste es el caso de la máquina pulidora. ¿ Cuál es la probabilidad de que falle antes de t unidades de tiempo (medido desde el instante T). Se sabe que una persona en la situación de A puede vivir un tiempo exponencial. tuercas. etc.. y que en promedio tiene un tiempo de vida t A . Las llegadas de riñones para ser trasplantados llegan según un proceso de Poisson con parámetro ..

6. El pasajero debidamente acreditado puede usar cualquiera de los buses. los clientes que se dirigen a la Sección Zapatería al salir de ésta.6 o a la Sección Zapatería con probabilidad 0.4. 5. o vuelven a ingresar a la Sección Zapatería con probabilidad 0. b) Obtenga la distribución de probabilidades del número de personas que llegan a la Sección Niños. Una empresa de transportes ofrece el siguiente servicio para transporte de empleados a diferentes empresas a través del corredor las Condes Centro..Se sabe que un total de N estudiantes que han sido aceptados en la Carrera de Ingeniería de la Universidad de Santiago de Chile.Sean los eventos 1 y 2. Sea X(t) el número de personas que llegan a la oficina de Admisión entre la hora de apertura y el instante t. dos eventos independientes. Los buses salen desde la Escuela Militar y termina su recorrido en la estación Moneda en un sistema circular.4. La empresa dispone de dos tipos de buses. a) Encuentre la probabilidad de que el evento 1 ocurra antes del evento 2. Suponga que los alumnos llegan a la oficina según un Proceso de Poisson a tasa y que la oficina estará abierta entre las 9 y las 18 horas y no cierra al mediodía. Los buses expresos pasan cada media hora en promedio y demoran un tiempo fijo de 10 minutos. 16 . a) Calcule el flujo neto de clientes por unidad de tempo en cada sección.. cada uno se comporta según un proceso de Poisson con tasas λ1 y λ2 respectivamente. 6. llegan clientes según un Proceso de Poisson a tasa de 100 personas por hora. expresos y ordinarios. Sin embargo.4. se dirigen a la Sección Niños con probabilidad 0. Los clientes ingresan por un acceso desde donde pueden ir a la Sección Niños con probabilidad 0. es decir no se detienen.. Los clientes que se dirigen a la Sección Niños después de pasar por esta sección siempre se retiran de la tienda.A una tienda comercial en un Mall. a) Obtenga la distribución de probabilidades de X(t) b) Obtenga el valor esperado del número de personas que llagan entre las 9 y las 13 horas. Los buses de ambos tipos pasan según una distribución de Poisson. 7. mientras que los buses lentos pasan cada 10 minutos promedio y demoran un tiempo fijo de 30 minutos. se acercarán a la Oficina de Admisión para realizar su trámite de matrícula. b) Encuentre el valor esperado del tiempo para que ocurra un evento cualquiera.

000 personas al estadio ? 9. entre la selección chilena y otra selección de un país vecino.Se juega un partido de fútbol por las clasificatorias.000.a) ¿ Cuál es la probabilidad de que pase antes un bus expreso que un ordinario? b) Si usted toma el primer bus que pasa ¿ cual es el valor esperado de su tiempo de viaje ? c) Si usted sigue la estrategia de tomar el bus ordinario ¿ Cual es su tiempo de viaje ? 8. Si este número es menor a 20. Por esta razón preguntan en la boletería por el número de personas que ya han ingresado (supongamos que el boletero dispone de la información exacta).000 personas. con probabilidad 0. Si es mayor o igual a 20. ¿ Tiene este proceso incrementos independientes ? ¿ Incrementos estacionarios? d) Suponga que ud. Las personas llegan a la boletería de una cierta tribuna según un proceso de Poisson a tasa de 200 personas/minuto. a) Obtenga una expresión para la probabilidad de que ninguna persona se devuelva a su casa durante la primera hora de operación del proceso. observa el proceso en un instante t especifico y se informa que hay ya en el estadio 25. b) ¿Cuál es la probabilidad de que durante las primeras dos horas se devuelvan 1. en caso contrario se devuelven a su casa. ¿ Cuál es la probabilidad de que pasen mas de 5 segundos sin que ingrese un nuevo individuo al estadio ? e) ¿ Cuál es el tiempo esperado que transcurre hasta que han ingresado 80.000 las personas siempre ingresan.000 personas? c) Suponga que se define el proceso de conteo M(t) como el número de personas que se han devuelto a sus casa durante las primeras t unidades de tiempo. Se debe suponer que la capacidad de la tribuna es infinita.25 ingresan . Cada inmigrante es de raza amarilla con probabilidad 1/12 ¿ Cuál es la probabilidad de que no lleguen inmigrantes de raza amarilla al territorio durante un mes ? 17 . sin embargo a los hinchas no les gusta quedar muy aglomerados en la tribuna. Llegan inmigrantes a un territorio de acuerdo a un proceso de poisson a tasa 10 personas/semana.

18 .

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->