Ejemplos de Distribución Exponencial y

 
SEMANA 6
PROCESOS DE POISSON  
 
 

 
 
 
 

 
 
 

 
 
 
 

 
 
 

 
 
 
 

 
 
 
   

[ PROGRAMACIÓN ESTOCÁSTICA ]
  

SEMANA  SEIS  
LECTURA  DOS:  EJEMPLOS  DE  DISTRIBUCIÓN  EXPONENCIAL  Y  PROCESOS  DE  POISSON  
 
Ejemplo  1:  
Suponga  que  los  clientes  llegan  a  una  tienda  de  acuerda  a  un  Proceso  de  Poisson  (PP)  con  tasa  
! =   10  !"#$%&$' ℎ!"#    
a.  ¿Cuál  es  el  número  esperado  que  clientes  que  visitan  la  tienda  durante  8  horas?  
Respuesta:  
Teniendo   en   cuenta   que   por   notación   N(t)   es   el   número   de   eventos   que   ocurren   durante   un  
intervalo  de  tiempo  (0,  t].  Entonces,  se  debe  definir  la  variable  poisson  N(t)  y  se  debe  calcular  el  
valor  esperado  de  N(8  horas),  tal  como  se  presenta  a  continuación:  
N(t)  =  número  de  clientes  que  visitan  la  tienda  durante  un  intervalo  de  tiempo  t.  
El  valor  esperado  de  una  variable  aleatoria  poisson  se  define  de  la  siguiente  manera:  
! ! ! =  ! ∗ !  
Por  lo  tanto,  
10  !"#$%&$'
! ! ! =  ! ! 8 =  ! ∗ ! =    ×8  ℎ!"#$ = 80  !"#$%&$'  
ℎ!"#
 
b.   ¿Cuál   es   la   probabilidad   de   que   ninguna   persona   llegue   a   la   tienda   entre   la   1:00   pm   y   la   1:06  
pm?  
Respuesta:  
Haciendo  regla  de  tres,  pasamos  los  minutos  a  horas.  
 
6  minutos:    0.1  horas  
e!!! (λf)!
P N 1: 00PM − 1: 06PM = P N(0.1 = 0) =    
k!
e!!"∗!.! (10 ∗ 0.1)!
= = e!!"∗!.! = e!! = 0.367  
0!
 
Ejemplo  2:  
   
El  periodo  de  vida  en  años  de  un  televisor  de  cierta  marca  tiene  una  distribución  exponencial  
con  un  promedio  de  6  años.  
 
a) ¿Cuál  es  la  probabilidad  de  que  un  televisor  falle  antes  del  tercer  año  de  uso?  
 
T = tiempo  de  vida  del  televisor  en  años  
 
! !
P T < 3 = 1 − e!! = 1 − e!  !∗! = 1 − e!  ! = 0.3934  
 

 
2   [ POLITÉCNICO GRANCOLOMBIANO ]
  

b) Suponga  que  se  analizan  5  televisores  de  esa  marca,  ¿cuál  es  la  probabilidad  de  que  al  menos  
3  de  los  5  televisores  fallen  antes  del  segundo  año  de  uso?  
 
T = tiempo  
 
! !
P T < 2 = 1 − e!! = 1 − e!  !∗! = 1 − e!  ! = 0.2835  
 
c) Si   un   televisor   lleva   2   años   funcionando,   ¿cuál   es   la   probabilidad   de   que   falle   después   del  
quinto  año?  
 
En  este  punto  se  aplica  la  propiedad  de  no  memoria:  
 
T > 5t£\T > 5
= P T > 5t £ \1t > 5 = P  
P T>5
 
P(T > 5t£ e!  !(£!!)
= =   !!"  
P(> 5) e
 
!!!£ !!!£
=   !!!£
=   e!!£ = P(T > t)    
!
P(T > 5; T > 2) P(T > 5) e!  ! !
P T > 5\T > 2 = =   = ! = e!  !    
P(T > 2) P(T > 2)
e!  !
!
= P T > 3 = e!  ! = 0,606  
 
Ejemplo  3:  
Una   empresa   de   fabricación   de   bolsas   plásticas   tiene   una   máquina   que   cumple   el   proceso   de  
sellado.  Por  ser  máquinas  que  continuamente  están  trabajando  tienen  un  desgaste  continuo  y  
por  ende  su  tiempo  de  vida  promedio  es  de  10  meses  siguiendo  una  distribución  exponencial.  Si  
el  último  cambio  de  máquina  que  se  hizo  fue  hace  10  meses,  ¿cuál  es  la  probabilidad  que  deba  
cambiarse   la   máquina   antes   de   los   próximos   ocho   meses?   Compruebe   la   propiedad   de   no  
memoria  de  la  distribución  exponencial.  
 
P T ≤ 18\T ≥ 10 =?  
 
P(10 ≤ T ≤ 18) F 18 − F(10)
= =  
P(T ≥ 10) 1 − F(10)
 
!"
1 − e!!"/!" − (1 − e!" ) e!!/! + e!! e!! e!!/!
= =   =   = !!  
1 − (1 − e!"/!" ) e!! e!! e
!
= 1 − e!! = 0.55  

 
[ PROGRAMACIÓN ESTOCÁSTICA ] 3
  

 
 Comprobando  la  propiedad  de  no  memoria:  
! !
P(T ≤ 18 t ≥ 10 = P T ≤ 8 = 1 − e!!" = 1 − e!! = 0.55  
 
Ejemplo  4:  
Un   parque   de   diversiones   cuenta   con   una   atracción   favorita   que   es   la   que   le   genera   mayores  
ingresos  anuales.  A  dicha  atracción  se  le  debe  realizar  un  mantenimiento  preventivo  cada  año  
para  evitar  accidentes,  pero  por  ser  esta  atracción  la  de  mayor  rentabilidad,  parque  quiere  que  
el   tiempo   de   reparación   sea   el   menor.   Si   se   considera   que   el   tiempo   de   reparación   de   una  
máquina  tiene  una  distribución  exponencial  con  una  media  de  15  días.  
 
a)  ¿Cuál  es  la  probabilidad  que  el  parque  alcance  a  reparar  su  atracción  favorita  en  menos  de  10  
días?  
 
Sea  T:  tiempo  de  reparación  de  la  máquina  en  días.  
t~  esperado  (15  días)  
 
! !
P(T≤10) = 1 − e!!! = 1 − e!!" = 0.223 =  1 − e!! = 0.486  
 
b)   Dado   que   el   costo   de   reparación   se   genera   por   cada   4   horas   de   trabajo   o   fracción   y   es   de  
$500.000   y   considerando   que   el   día   tiene   8   horas   laborales   ¿Cuál   es   la   probabilidad   de   que   una  
reparación  cueste  exactamente  $4’000.000?  
 
Se   hace   una   regla   de   tres   para   determinar   cuántas   horas   se   demandan   con   un   costo   de  
reparación  de  4000000  
 
4  horas  =  500000  
B=  4000000  
 
Al  hacer  la  regla  se  obtiene  que  
B=32  horas  
 
Luego,  
P una  reparación  cueste  4000000 = P 28  horas ≤ t ≤ 32 ≤ horas  
 
! !,!
= 3,5 ≤ T ≤ 4 ≤ = P t ≤ 4 − P T ≤ 35 = 1 − e!! − 1 − e! !"  
! !
= −e!!" + e!!" = 0.768 + 0.792 = 0.026  
 

 
4   [ POLITÉCNICO GRANCOLOMBIANO ]
  

c)  El  gerente  de  mantenimiento  está  interesado  en  realizar  una  programación  de  la  reparación  
de   la   máquina.   ¿Cuál   es   el   tiempo   t   de   reparación   que   se   debe   asignar,   para   que   haya   una  
probabilidad  de  0.1  de  que  el  tiempo  de  reparación  efectivo  sea  mayor  a  t?  
 
x  =  “Tiempo  de  reparación  de  la  máquina.”  
 
P x > t = 0.1  
 
e!!! =0.1  
 
!
ln  (e!!" ) = 0.1  
 
t
− lne = ln 0.1                      t = −1.5 ∗ ln 0.1 = 34.54 = 35  días  
15
 
 
Ejemplo  5:  
 
A   un   determinado   puerto   llegan   barcos   de   acuerdo   a   un   Proceso   de   Poisson   con   tasa   de   4  
barcos  por  hora.  
a) ¿Cuál  es  el  valor  esperado  y  la  desviación  estándar  del  número  de  barcos  que  llegan  al  puerto  
en  una  semana?  
El  Valor  esperado  (promedio),  de  una  Distribución  de  Poisson  es  la  misma  tasa  de  llegada  
 
!  !"#$%& !"#  !"#$%
 E(N(t))=λt = !"#$ = !"#$%$  
 
 
1  semana=  168  horas  
 
 
7  días 24horas
∗  
semana 1  día
 
 
672  horas
=  
semana
 
Desviación  estándar  = N t =   672 = 25.92  
 
b) ¿Cuál   es   la   probabilidad   de   que   pasen   más   de   5   horas   entre   la   llegada   de   2   barcos  
consecutivos?  

 
[ PROGRAMACIÓN ESTOCÁSTICA ] 5
  

T:tiempo   hasta   el   primer   éxito.   En   éste   caso   el   éxito   se   obtiene   cuando   llegan   dos   barcos  
consecutivos.  Por  lo  tanto,  la  variable  discreta    queda  definida  como:  
T:”  tiempo  hasta  la  llegada  de  2  barcos  consecutivo”  
T~esperado(4  barcos/  hora)  
 
P(t  >5)=e!!∗! = e!!" = 2,06 ∗ 10!!  
 
c) El   13   de   noviembre   llegaron   4   barcos   entre   la   1:00   am   y   las   6:00   am.   Calcule   el   número  
esperado  de  barcos  que  llegaron  entre  las  10:00  am,  y  las  2:00  pm.  
 
!"#$%&'
E(N(10:00  am  -­‐2:00pm))=λt = !"#$ ∗ 4horas = 16  barcos  
 
d) ¿Cuál  es  la  probabilidad  de  que  entre  las  6:00  am  y  las  10:00  am  del  13  de  noviembre  lleguen  
5  barcos  si  se  conoce  que  entre  la  1:00  am  y  las  6:00  am  del  13  de  noviembre  llegaron  4  barcos?  
 
 
=P(N(6  am-­‐10  am)=5/N(1  am-­‐6  am)=4)=????  
 
!!!∗! (!∗!)!
=  P(N(6  am-­‐10  am)=5=  P(N(4)=5= !!
= 9.8 ∗ 10!!  
 
e) El  13  de  noviembre  llegaron  4  barcos  entre  la  1:00  am  y  las  6:00  am.  ¿Cuál  es  la  probabilidad  
que  2  de  ellos  hayan  llegado  entre  las  4:00  am  y  las  6:00  am?  
 
=  P(N(4-­‐6am)=2/N(1-­‐6am)=4???  
 
=  P(N(4-­‐6am)=2  ;  N(4-­‐6am)=2  
 
!!!∗! !!!∗! (!∗!)!
=  P(N(3)=2)*P(N(2)=   !! ∗  
!!
 
=  (4,42*10!! )*(0.0107)  =  4.72*10!!  
 

 
6   [ POLITÉCNICO GRANCOLOMBIANO ]