Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Modelos estocásticos
Javiera Silva
javiera.silvarroyo@gmail.com
21 de julio de 2017
www.unab.cl
Outline
D. de Poisson
Procesos de Conteo
Propiedades
Inc. independientes
2 Distribución Exponencial
Inc. estacionarios
P. de Poisson
Función Cero
Propiedad de orden 3 Procesos de Conteo
Definición Propiedades
Tiempo entre llegadas
Procesos de conteo con incrementos independientes
Procesos de conteo con incrementos estacionarios
Propiedades
P. Poisson compuesto
Anexos
4 Procesos de Poisson
Función Cero
Propiedad de orden
Definición
Distribución del tiempo entre llegadas
Propiedades
Proceso de Poisson compuesto
Anexos
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
P. de Poisson
Función Cero
Propiedad de orden
Definición
Distribución de Poisson
Tiempo entre llegadas
Propiedades
P. Poisson compuesto
Anexos
D. de Poisson
D. Exponencial
Esperanza: E(x) = λ
Varianza: V (x) = λ
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
P. de Poisson
Función Cero
Propiedad de orden
Definición
Distribución Exponencial
Tiempo entre llegadas
Propiedades
P. Poisson compuesto
Anexos
D. de Poisson
D. Exponencial
Definición
Procesos de Conteo
Propiedades
Inc. independientes Una variable aleatoria (v.a.) continua X se distribuye Exponencial (X ∼Exp)
Inc. estacionarios
de parámetro λ, donde λ>0, si su función de densidad de probabilidad
P. de Poisson
Función Cero
(fdp) está dada por:
Propiedad de orden (
Definición
λe−λx x ≥ 0
Tiempo entre llegadas f (x) =
Propiedades
0 x <0
P. Poisson compuesto
Anexos
Donde:
1
Esperanza: E(X )=
λ
1
Varianza: V (X )=
λ2
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
P. de Poisson
Función de Probabilidad Acumulada
Función Cero
Propiedad de orden
Definición
La función de probabilidad acumulada F (a) para esta distribución es:
Tiempo entre llegadas
Propiedades
P. Poisson compuesto
Anexos
F (a) = P{X ≤ a}
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
P. de Poisson
Función Cero
Propiedad de orden
Definición
Tiempo entre llegadas
Propiedades
P. Poisson compuesto
Anexos
D. de Poisson
D. Exponencial
La distribución exponencial se utiliza como modelo para representar el
Procesos de Conteo
tiempo transcurrido entre dos eventos (los cuales se contabilizan por
Propiedades medio de una distribución de Poisson). Así, esta distribución se utiliza
Inc. independientes
Inc. estacionarios
para representar tiempos de funcionamiento o de espera.
P. de Poisson
Función Cero
Propiedad de orden Ejemplos
Definición
Tiempo entre llegadas
Propiedades 1. El tiempo que tarda una particula radioactiva en desintegrarse.
P. Poisson compuesto
Anexos
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes Esperanza
Inc. estacionarios
P. de Poisson
Función Cero
La Esperanza se obtiene de la siguiente manera:
Propiedad de orden Z ∞
Definición
Tiempo entre llegadas E(x) = xf (x)dx
Propiedades −∞
P. Poisson compuesto
Anexos Z ∞
= xλe−λx dx
0
D. de Poisson
D. Exponencial
Función Generadora de Momentos
Procesos de Conteo
Propiedades
Inc. independientes Para una variable aleatoria X discreta:
Inc. estacionarios
X tx
P. de Poisson φ(t) = E[etX ] = e f (x) (2)
Función Cero
Propiedad de orden
x
Definición
Tiempo entre llegadas Para una variable aleatoria X continua:
Propiedades
P. Poisson compuesto
Z ∞
Anexos φ(t) = E[etX ] = etx f (x)dx (3)
−∞
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades Función Generadora de Momentos
Inc. independientes
Inc. estacionarios
P. de Poisson
De acuerdo con esto, derivando esta función y evaluándola en t = 0 se
Función Cero obtiene:
φ0 (0) = E[X ]
Propiedad de orden
Definición
Tiempo entre llegadas
Propiedades φ00 (0) = E[X 2 ]
P. Poisson compuesto
Anexos
φ000 (0) = E[X 3 ]
Y en general:
φn (0) = E[X n ]
D. de Poisson
D. Exponencial
Función Generadora de Momentos
Procesos de Conteo
Propiedades
Inc. independientes La función generadora de momentos, φ(t), está dada por la siguiente
Inc. estacionarios
expresión:
P. de Poisson
Función Cero
Propiedad de orden
Definición φ(t) = E[etx ]
Tiempo entre llegadas
Propiedades Z ∞
etx λe−λx dx
P. Poisson compuesto
Anexos =
0
λ
=
λ−t
Donde: t<λ
D. de Poisson
Con la función generadora de momentos podemos calcular:
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Primer Momento
Inc. estacionarios
P. de Poisson
Función Cero
d
E[X ] = φ(t)
Propiedad de orden
Definición dt
Tiempo entre llegadas t=0
Propiedades
P. Poisson compuesto
λ
Anexos
=
2
(λ − t)
t=0
1
=
λ
¿A qué corresponde este primer momento?
D. de Poisson
D. Exponencial
Con la función generadora de momentos podemos calcular:
Procesos de Conteo
Propiedades
Inc. independientes Segundo Momento
Inc. estacionarios
P. de Poisson
Función Cero
d2
Propiedad de orden
2
E[X ] = φ(t)
Definición
dt 2
Tiempo entre llegadas
Propiedades t=0
P. Poisson compuesto
Anexos
2λ(λ − t)
=
(λ − t)4
t=0
2
=
λ2
D. de Poisson
D. Exponencial
Procesos de Conteo
Con la función generadora de momentos podemos calcular:
Propiedades
Inc. independientes
Inc. estacionarios
Varianza
P. de Poisson
Función Cero
Propiedad de orden
Definición V [X ] = E[X 2 ] − (E[X ])2
Tiempo entre llegadas
Propiedades
P. Poisson compuesto 2 1
Anexos = − 2
λ2 λ
1
=
λ2
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios Propiedad: Memoryless
P. de Poisson
Función Cero
Propiedad de orden El resultado de la variable X (tn + 1) no depende de la experiencia (es
Definición
Tiempo entre llegadas
decir los resultados anteriores X (tn − 1), X (tn − 2),. . . ,X (t1 )), sino so-
Propiedades lamente del resultado actual X (tn ), es decir:
P. Poisson compuesto
Anexos
P{X > s + t|X > t} = P{X > s}
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Si pensamos que X la variable aleatoria que mide es el tiempo de vida
Inc. independientes
Inc. estacionarios de algún instrumento, entonces la ecuación anterior establece que la
P. de Poisson probabilidad que el instrumento viva por al menos s+t horas dado que
Función Cero
Propiedad de orden
ha sobrevivido t horas es la misma que la probabilidad inicial que viva
Definición por al menos s horas.
Tiempo entre llegadas
Propiedades
P. Poisson compuesto
Por lo tanto, si el instrumento sigue funcionando al tiempo t, entonces
Anexos la distribución de la cantidad remanente de tiempo en el que sigue
funcionando es la misma que la distribución del tiempo de vida origi-
nal.
En pocas palabras, el instrumento no tiene memoria o no recuerda
que ya ha estado en uso por un tiempo t.
D. de Poisson
P. de Poisson
Función Cero P{X > s} P{X > t}
Propiedad de orden P{X > s + t|X > t} =
Definición P{X > t}
Tiempo entre llegadas
Propiedades
P. Poisson compuesto = P{X > s}
Anexos
D. de Poisson
D. Exponencial
Propiedad: Memoryless
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
De acuerdo a lo anterior, es posible señalar que la Distribución Expo-
P. de Poisson
nencial no tiene memoria o es memoryless, ya que:
Función Cero
Propiedad de orden
Definición
P{X > s + t} = e−λ(s+t)
Tiempo entre llegadas
e−λ(s) e−λ(t)
Propiedades
P. Poisson compuesto
=
Anexos
D. de Poisson
D. Exponencial Ejemplo 1
Procesos de Conteo
Propiedades
Inc. independientes
Suponga que la cantidad de tiempo que uno gasta en un banco está
1
Inc. estacionarios exponencialmente distribuido con λ = 10 clientes por minuto.
P. de Poisson
Función Cero a. ¿Cuál es la probabilidad que una cliente gastará más de 15 minutos
Propiedad de orden
Definición en el banco?
Tiempo entre llegadas
Propiedades
P. Poisson compuesto
b. ¿Cuál es la probabilidad que una cliente gastará más de 15 minutos
Anexos en el banco dado que ella está aún en el banco después de 10
minutos?
Solución:
a. 3
P{X > 15} = 1 − P{X ≤ 15} = e−15λ = e− 2 ≈ 0, 22
D. de Poisson
D. Exponencial Ejemplo 1
Procesos de Conteo
Propiedades
Inc. independientes
Suponga que la cantidad de tiempo que uno gasta en un banco está
1
Inc. estacionarios exponencialmente distribuido con λ = 10 clientes por minuto.
P. de Poisson
Función Cero a. ¿Cuál es la probabilidad que una cliente gastará más de 15 minutos
Propiedad de orden
Definición en el banco?
Tiempo entre llegadas
Propiedades
P. Poisson compuesto
b. ¿Cuál es la probabilidad que una cliente gastará más de 15 minutos
Anexos en el banco dado que ella está aún en el banco después de 10
minutos?
Solución:
b. 1
P{X > 5} = P{X > 15|X > 10} = e−5λ = e− 2 ≈ 0, 604
D. de Poisson
D. Exponencial
Ejemplo 2
Procesos de Conteo
Propiedades Supongamos que el tiempo que un estudiante dedica diariamente al
Inc. independientes
Inc. estacionarios estudio se distribuye exponencialmente con media 2 horas.
P. de Poisson
Función Cero a. ¿Cuál es la probabilidad de que el estudiante estudie más de 3 ho-
Propiedad de orden
ras?
Definición
Tiempo entre llegadas
Propiedades b. ¿Cuál es la probabilidad de que estudie más de 3 horas sabiendo
P. Poisson compuesto
Anexos
que lleva 1 hora estudiando?
Solución:
a. La probabilidad de que estudie más de 3 horas es:
3
P{X > 3} = e−3λ = e− 2 ≈ 0, 22
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes Ejemplo 2
Inc. estacionarios
P. de Poisson
Función Cero
Supongamos que el tiempo que un estudiante dedica diariamente al
Propiedad de orden
estudio se distribuye exponencialmente con media 2 horas.
Definición
Tiempo entre llegadas
Propiedades a. ¿Cuál es la probabilidad de que el estudiante estudie más de 3 ho-
P. Poisson compuesto
Anexos
ras?
b. ¿Cuál es la probabilidad de que estudie más de 3 horas sabiendo
que lleva 1 hora estudiando?
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
P. de Poisson
Función Cero
Propiedad de orden
Definición
Procesos de Conteo
Tiempo entre llegadas
Propiedades
P. Poisson compuesto
Anexos
D. de Poisson
D. Exponencial
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades Propiedades
Inc. independientes
Inc. estacionarios
P. de Poisson 1. N(t)≥0.
Función Cero
Propiedad de orden 2. N(t) corresponde a un número perteneciente al conjunto de Núme-
Definición
Tiempo entre llegadas ros Enteros.
Propiedades
P. Poisson compuesto
Anexos
3. Sean t y s dos instantes de tiempo, tal que s<t, entonces N(s)≤N(t).
∴ N(t) es un proceso no decreciente en el tiempo.
4. Para s<t, N(t) − N(s) corresponde al número de eventos que ocu-
rren en el intervalo [s,t].
D. de Poisson
Suponga que N(t) denota el número de clientes que llegan a un banco
D. Exponencial
hasta el instante t, para todo t>0. Gráficamente:
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
P. de Poisson
Función Cero
Propiedad de orden
Definición
Tiempo entre llegadas
Propiedades
P. Poisson compuesto
Anexos
D. de Poisson
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades Procesos de conteo con Incrementos Estacionarios
Inc. independientes
Inc. estacionarios
D. de Poisson
Procesos de conteo con Incrementos Estacionarios
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
P. de Poisson
Función Cero
Propiedad de orden
Definición
Tiempo entre llegadas
Propiedades Esta distribución no depende del instante en que este intervalo co-
P. Poisson compuesto
Anexos
mience o termine.
No depende de la ubicación exacta del intervalo en el tiempo.
Depende sólo de la longitud del intervalo de tiempo.
El proceso es estable a lo largo del tiempo (distribuciones).
N(t1 +s, t2 +s)∼
=N(t1 , t2 )
D. de Poisson
D. Exponencial
Ejemplo 1
Procesos de Conteo
Propiedades
Inc. independientes
Un ejemplo de un proceso de conteo con incrementos indepen-
Inc. estacionarios dientes es el número de trabajos que llegan a una impresora, ya que
P. de Poisson los trabajos que llegan en un intervalo de tiempo no tienen por qué
Función Cero
Propiedad de orden
influir en los que llegan en otro intervalo de tiempo que sea disjunto
Definición dicho intervalo.
Tiempo entre llegadas
Propiedades
P. Poisson compuesto
Anexos Sin embargo, puede que este caso no sea de incrementos estacio-
narios, ya que, por ejemplo, es de esperar que el número de trabajos
que lleguen en el intervalo de tiempo de nueve a diez de la mañana
no coincida con los que llegan de dos a tres de la tarde (en muchas
empresas, este periodo coincide con el horario de almuerzo). Por lo
tanto, cabe esperar que el número de trabajos enviados a la impreso-
ra en el segundo intervalo sea considerablemente menor.
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
P. de Poisson
Función Cero
Propiedad de orden
Definición
Procesos de Poisson
Tiempo entre llegadas
Propiedades
P. Poisson compuesto
Anexos
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios Definición: Función Cero
P. de Poisson
Función Cero
Propiedad de orden La función f (•) se dice que es σ(h) (función cero) si:
Definición
Tiempo entre llegadas
f (h)
Propiedades lim =0
P. Poisson compuesto h→0 h
Anexos
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades Función Cero
Inc. independientes
Inc. estacionarios
P. de Poisson
La función f (x)=x 2 es σ(h):
Función Cero
Propiedad de orden
f (h) h2
Definición lim = lim = lim h = 0
Tiempo entre llegadas h→0 h h→0 h h→0
Propiedades
P. Poisson compuesto
Anexos La función f (x)=x no es σ(h):
f (h) h
lim = lim = lim 1 = 1
h→0 h h→0 h h→0
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades Función Cero
Inc. independientes
Inc. estacionarios
P. de Poisson
Si f (•) es σ(h) y g(•) es σ(h), entonces f (•)+g(•) también lo es
Función Cero
Propiedad de orden f (h) + g(h) f (h) g(h)
Definición lim = lim + lim =0+0=0
Tiempo entre llegadas h→0 h h→0 h h→0 h
Propiedades
P. Poisson compuesto
Anexos Si f (x) es σ(h), entonces la función g(x)=cf (x) es σ(h):
cf (h) f (h)
lim = c lim = c0 = 0
h→0 h h→0 h
D. de Poisson
Con la definición de Función cero:
D. Exponencial
D. de Poisson
D. Exponencial
Con la definición de Función cero:
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
Propiedad de Orden
P. de Poisson
Función Cero El proceso de conteo tiene la propiedad de orden si:
Propiedad de orden
Definición
Tiempo entre llegadas P{N(h)=1}=λh+σ(h)
Propiedades
P. Poisson compuesto P{N(h)≥2}=σ(h)
Anexos
Esto quiere decir que, cuando h es pequeño, existen dos eventos do-
minantes: que ocurra un evento o que no ocurra ninguno.
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
(I) N(0)=0
P. de Poisson
Función Cero
Propiedad de orden
(II) El proceso posee incrementos independientes.
Definición
Tiempo entre llegadas (III) El número de eventos en cualquier intervalo de longitud t esta
Propiedades
P. Poisson compuesto
distribuido Poisson con media λt. Esto es, para todo s, t ≥0.
Anexos
(λt)n
P(N(t + s) − N(s) = n) = e−λt , n = 0, 1, . . .
n!
D. de Poisson
D. Exponencial
Donde, además:
Esperanza: E(N(t))=λt
Varianza: Var (N(t))=λt
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes Ejemplos de Procesos de Poisson
Inc. estacionarios
P. de Poisson
Función Cero
Llegadas de clientes a una cola
Propiedad de orden
Definición Llamadas a una central telefónica
Tiempo entre llegadas
Propiedades
P. Poisson compuesto
Llegada de pacientes a la emergencia de un hospital
Anexos
D. de Poisson
D. Exponencial
Ejemplo
Procesos de Conteo
Propiedades
Inc. independientes Sea un sistema bancario con un proceso de llegadas que cumplen la propiedad
Inc. estacionarios de incrementos independientes y la propiedad de orden.
P. de Poisson
Función Cero
Entre 9:00 y 10:30 de la mañana llegan en promedio 200 personas por hora.
Propiedad de orden
Definición Entre 10:30 y 12:30 llegan 100 personas por hora.
Tiempo entre llegadas
Propiedades Entre 12:30 y 14:00 llegan 300 personas por hora.
P. Poisson compuesto
Anexos
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
Solución
P. de Poisson
Función Cero a) ¿Cuál es la probabilidad de que en los primeros 5 minutos de ope-
Propiedad de orden
Definición
ración no llegue ningún cliente?
Tiempo entre llegadas 200
Propiedades Para este caso, primero se debe observar que λ= [llegadas/minuto]=
P. Poisson compuesto
60
Anexos
e−λt (λt)0
P{N(5) = 0} = = e−3,33∗5 = 0, 000000058
0!
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
P. de Poisson
Función Cero
Propiedad de orden
Definición
Tiempo entre llegadas
Propiedades
P. Poisson compuesto
Anexos
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
Consideremos un proceso de Poisson
P. de Poisson
Función Cero
Para n>1, sea Tn el lapso de tiempo entre el (n − 1) − esimo y el
Propiedad de orden n − esimo evento.
Definición
Tiempo entre llegadas
Propiedades La secuencia {Tn , n=1,2,. . . } es llamada secuencia de tiempos entre
P. Poisson compuesto
Anexos
llegadas.
Buscamos determinar la distribución de Tn .
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Para lograr este objetivo, debemos notar que el evento {T1 >t} toma
Inc. independientes lugar si y sólo si ningún evento del Proceso de Poisson ocurre en [0,
Inc. estacionarios
t]:
P. de Poisson
Función Cero P{T1 > t} = P{N(t) = 0}
Propiedad de orden
e−λt (λt)n
Definición =
Tiempo entre llegadas n!
Propiedades
e−λt (λt)0
P. Poisson compuesto =
Anexos 0!
= e−λt
1
Por lo tanto, T1 tiene una distribución exponencial con media λ
.
D. de Poisson
D. Exponencial
Procesos de Conteo
Ahora,
Propiedades
Inc. independientes P{T2 > t|T1 = s} = P{N(t + s) − N(s) = 0|T1 = s}
Inc. estacionarios
= P{N(t + T1 ) − N(T1 ) = 0}
P. de Poisson
Función Cero = P{N(t) = 0}
Propiedad de orden
Definición
= e−λt
Tiempo entre llegadas
Propiedades
P. Poisson compuesto Concluimos que T2 es también una variable aleatoria exponencial con
Anexos
media λ1 y que T1 es independiente de T2 .
Notar que Tn es memoryless, por lo que el tiempo entre dos eventos
consecutivos posee la misma distribución que el tiempo hasta que
ocurre el primer evento.
D. de Poisson
(λt)(n−1)
fSn (t) = λe−λt , t ≥0
(n − 1)!
D. de Poisson
D. Exponencial
Ejemplo
Procesos de Conteo
Propiedades
Inc. independientes
Suponga que gente que inmigra dentro de un territorio a una tasa Pois-
Inc. estacionarios
P. de Poisson
son λ=1 por día.
Función Cero
Propiedad de orden a. ¿Cuál es el tiempo esperado hasta que el décimo inmigrante llegue?
Definición
Tiempo entre llegadas
Propiedades
b. ¿Cuál es la probabilidad que el lapso de tiempo entre el décimo y el
P. Poisson compuesto undécimo arribo exceda los dos días?
Anexos
Solución:
10
a. E(S10 ) = =10 días
λ
b. P{T11 > 2} = e−2λ = e−2 ≈ 0,133
D. de Poisson
Propiedad de Agregación
D. Exponencial Considerar los Procesos de Poisson independientes de tasas λi , i =
Procesos de Conteo 1, 2, . . . , k . Cada uno de estos procesos cuenta el número de eventos
Propiedades
Inc. independientes de tipo i que ocurren hasta el tiempo t.
Inc. estacionarios
Propiedad de Desagregación
D. de Poisson
D. Exponencial Considerar un proceso de Poisson N(t), de tasa λ tal que los eventos
Procesos de Conteo que cuenta pueden ser clasificados en k categorías excluyentes entre
Propiedades
Inc. independientes
sí. La probabilidad de
P ocurrencia de un evento del tipo i = 1, 2, . . . , k
Inc. estacionarios es pi , de forma que ki=1 pi = 1.
P. de Poisson
Función Cero A partir de este proceso se pueden definir k procesos N1 (t), N2 (t), . . . , Nk (t)
Propiedad de orden
Definición
donde la tasa de cada uno de estos procesos es λi = λpi . Cada uno
Tiempo entre llegadas de estos procesos cuenta el número de eventos de tipo i que ocurren
Propiedades
P. Poisson compuesto
hasta el tiempo t
Anexos
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
D. de Poisson
D. Exponencial
Ejemplo
Procesos de Conteo
Propiedades Considerar una etapa de un proceso productivo que está constituida
Inc. independientes
Inc. estacionarios por dos máquinas en paralelo:
P. de Poisson
Función Cero Los productos llegan a esta etapa de acuerdo a un proceso de Pois-
Propiedad de orden
Definición
son de tasa λ.
Tiempo entre llegadas
Propiedades Al llegar a esta etapa, los productos son derivados a la máquina 1 con
P. Poisson compuesto
Anexos
probabilidad p, y a la máquina 2 con probabilidad (1 − p).
Cada producto es asignado a alguna de estas dos máquinas, en for-
ma independiente de los demás productos.
Se puede considerar el proceso de conteo de las llegadas de productos
al sistema (N(t)), y los procesos de conteo de llegadas de productos a
las máquinas 1 y 2 (N1 (t) y N2 (t)).
D. de Poisson
D. Exponencial
Ejercicio
Procesos de Conteo
Propiedades El número de clientes que ingresa a una tienda de mascotas en un día dado
Inc. independientes
puede ser modelado como un Proceso de Poisson. La tienda abre de 11 a 19
Inc. estacionarios
horas, y los clientes ingresan a una tasa de 15 clientes por día. Estudios sobre
P. de Poisson
el comportamiento de estos clientes indican que éstos tienen una probabilidad
Función Cero
Propiedad de orden
del 0,6 de realizar una compra. Además se sabe que, siendo que la tienda se
Definición especializa en la venta de artículos para tortugas, gatos o erizos de tierra, hay
Tiempo entre llegadas
una probabilidad del 0,3 de que la compra realizada sea un artículo para gatos
Propiedades
P. Poisson compuesto
y una probabilidad del 0,5 de que la compra sea de un artículo para erizos de
Anexos tierra. En base a esta información:
D. de Poisson
D. Exponencial
D. de Poisson
P. de Poisson
Función Cero PN(t)
Propiedad de orden
E(X (t)) = E[ i=1 Yi ]
Definición P∞ Pk
Tiempo entre llegadas = k =0 E[ i=1 Yi ]P{N(t) = k }
Propiedades
P∞ Pk
= k =0 [ i=1 E(Yi )]P{N(t) = k }
P. Poisson compuesto
Anexos
P∞
= k =0 [k µ]P{N(t) = k }
= µλt
D. de Poisson
D. Exponencial
V (X (t)) = λtE(Y 2 )
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades Varianza para una Distribución de Poisson
Inc. independientes
Inc. estacionarios
Primero,
P. de Poisson
Función Cero
Propiedad de orden V [Y ] = E[y 2 ] − (E[Y ])2
Definición
Tiempo entre llegadas
E[Y (Y − 1)] = E[Y 2 ] − E[Y ]
Propiedades
P. Poisson compuesto
Anexos Entonces
V [Y ] = E[Y (Y − 1)] + E[Y ] − (E[Y ])2 usaremos este forma de la
varianza para hacer la demostración.
D. de Poisson
Varianza para una Distribución de Poisson
D. Exponencial
X e−λ λy
Procesos de Conteo E[Y (Y − 1)] = y (y − 1)
Propiedades
y
y!
Inc. independientes
e−λ λy
Inc. estacionarios X
P. de Poisson = y (y − 1) Eliminamos
Función Cero
y
(y − 2)!(y − 1)y
Propiedad de orden
Definición X e−λ λy
Tiempo entre llegadas
= Factorizamos λ2
Propiedades
y
(y − 2)!
P. Poisson compuesto
Anexos
X e−λ λy −2
= λ2 Sustituimos z = y − 2
y
(y − 2)!
X e−λ λz X e−λ λz
= λ2 =1
z
(z)! z
(z)!
= λ2
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
Varianza para una Distribución de Poisson
P. de Poisson
Función Cero
Ahora sustituimos para encontrar la varianza:
Propiedad de orden
Definición
V [Y ] = E[Y (Y − 1)] + E[Y ] − (E[Y ])2 Sabemos que E[Y ] = λ
Tiempo entre llegadas
Propiedades 2 2
P. Poisson compuesto
=λ +λ−λ
Anexos
=λ