Facultad de Ciencias Básicas

Departamento de Matemáticas y
Estadística

Taller de Proceso Poisson

para resolver en clase

Los clientes llegan a un punto de venta de materiales para acabado arquitectónico, y se

sabe que siguen un proceso de Poisson, con tasa de 12 clientes por hora.

1. ¿El número de llegadas por un período de horas es una variable de Poisson con
parámetro?

Sea x el número de clientes que llegan al punto de venta en una hora

x Poisson ( λ=12 )

2. ¿Cuál es la probabilidad de que exactamente 5 clientes lleguen durante un periodo

de una hora?
−λ λk
P ( x=k ) =e k =0,1,2,3 … … .
k!

−12 125
P ( x=5 )=e =0,020−0,008=0,012
5!
5
−12 12
P ( x=5 )=e =0,01274
5!

3. ¿Cuál es la probabilidad de que más 3 clientes lleguen durante un periodo de 20

minutos?

Sea x1 el número de clientes que llegan al punto de venta durante un periodo de

20 minutos
Enuna hora=60 minutos 12 clientes
En 20 minutos 4 clientes

λ=4 clientes/(20 minutos)

P ( x 1>3 )=1−P ( x 1 ≤ 3 ) =¿

P ( x 1>3 )=1− [ P ( x 1=0 ) + P ( x1 =1 ) + P ( x1=2 ) + P ( x1=3 ) ]

P ( x 1 ≤ 3 )=0,4335
P ( x 1>3 )=1−0,4335=0,5665

4. ¿Cuál es la probabilidad de que máximo 3 clientes lleguen durante los próximos 10

minutos?
 Sea x2 el número de clientes que llegan al punto de venta durante un periodo de 10
minutos
Enuna hora=60 minutos 12 clientes
En10 minutos 2 clientes

λ=2 clientes/(10 minutos)

P ( x 2 ≤ 3 )=0,8571

5. ¿Cuántos clientes se pueden esperar que lleguen durante 90 minutos?

Sea x3 el número de clientes que llegan al punto de venta durante un periodo de

90 minutos

Enuna hora=60 minutos 12 clientes

En 90 minutos18 clientes
E ( x 3 )=λ=18 clientes /(90 minutos)

6. ¿Después de llegar el último cliente cual es la probabilidad de que el próximo

cliente demore más de 10 minutos en llegar?

Sea y el tiempo entre la llegada de un cliente y la llegada de un nuevo cliente al

punto de venta

Enuna hora=60 minutos 12 clientes

1
En1 minuto clientes=0,2 clientes
5

λ=0,2 clientes/( minutos)

1
E ( y )=β= =5 minutos/(cliente )
λ

y exp ( λ=0,2 )

Función de distribución

P ( Y ≤ y )=F ( y )=1−e− λ∗ y

P ( y> 10 )=1−P ( y ≤10 )

P ( y ≤ 10 )=F (10 )=1−e−0,2∗10

P ( y ≤ 10 )=F (10 )=1−e−2
P ( y> 10 )=1− [ 1−e−2 ] =e−2=0,13

7. ¿Después de llegar el último cliente cual es la probabilidad de que el próximo

cliente demore menos de 20 minutos en llegar?
P ( y< 20 )=F (20 )=1−e−0,2∗20
P ( y< 20 )=F (20 )=1−e−4=0,98

8. ¿Después de llegar el último cliente cual es la probabilidad de que el próximo

cliente demore entre 30 minutos y una hora en llegar?

P ( 30< y <60 )=¿

P ( y< 60 )−P ( y ≤30 ) =F ( 60 )−F ( 30 )=¿

¿ 1−e−0,2∗60−(1−e−0,2∗30 )=¿

¿ e−6−e−12=2,47∗10−3

9. ¿Si ya han pasado más de 20 minutos sin llegar un nuevo cliente Cuál es la
probabilidad de que demore en llegar menos de 30 minutos?

P ( 20< y <30 )
P ( y <30/( y> 20) ) = =¿
P ( y> 20 )

P ( y <30 )−P ( y ≤20 )

P ( y <30/( y> 20) ) = =¿
1−P ( y ≤ 20 )

F ( 30 )−F (20 )
=¿
1−F ( 20 )

1−e−0,2∗30− [1−e−0,2∗20 ]
=¿
1−[ 1−e−0,2∗20 ]

−4 −2
e−4−e−6 e ( 1−e ) (
¿ −4
= −4
= 1−e−2 ) =¿
e e

¿ ( 1−e−0,2∗10 )=F ( 10 )=P ( y <10 )=0,86

P ( y <30/( y> 20)) =P ( y <10 )

Propiedad :
La distribución exponencial notiene memoria

10. ¿Si ya han pasado más de 20 minutos sin llegar un nuevo cliente Cuál es la
probabilidad de que demore en llegar más de 30 minutos?

Aplicando la propiedad

P ( y >30/( y> 20) ) =P ( y >10 )=¿

P ( y> 10 )=1−P ( y ≤10 )=¿

1−P ( y ≤10 ) =1−F ( 10 ) =¿

1−F (10 )=1−( 1−e−0,2∗10 ) =e−2=0,14

Sin aplicar la propiedad

P ( y >30 )
P ( y >30/( y> 20) ) = =¿
P ( y >20 )

1−P ( y ≤ 30 )
P ( y >30/( y> 20)) = =¿
1−P ( y ≤ 20 )

1−F ( 30 )
=¿
1−F ( 20 )

1−[ 1−e−0,2∗30 ]
=¿
1−[ 1−e−0,2∗20 ]

e−6 −2 −0,2∗10
¿ =e ¿ e
e−4
¿ 1−F (10 )=1−P ( y ≤10 ) =¿

¿ P ( y> 10 )

11. ¿Cuál es la probabilidad de que pasen menos de 1,5 horas antes de que ingresen
10 clientes al punto de venta?
Sea z el tiempo, en horas, para que ingresen α clientes al punto de venta

z Gamma ( α =10 ; λ=12 )

P ( z<1,5 )=?

Gamma completa
x 
x   1 t
P( X  x)   f (t )dt   t e dt

0
  
z z
λα α −1 − λt
P ( Z ≤ z )=F ( z ) =∫ f ( d ) dt=∫ t e dt
0 0 Γ ( α)
1 1
λ= → β=
β λ

1
P ( Z ≤1,5 ) =F ( 1,5 )=Gamma β= ( 12
; α =10 ; z=1,5 )
1
P ( Z ≤1,5 ) =Gamma β= ( 12 )
; α =10 ; z =1,5 =0,9846

Gamma incompleta
z z
λα α −1 − λt
P ( Z ≤ z )=F ( z ) =∫ f ( d ) dt=∫ t e dt
0 0 Γ ( α)

w dw
w=λt → t= →dt =
λ λ
λz α α −1 − λ w
λ w ( ) dw
P ( Z ≤ z )=∫
0 Γ (α )
( )
λ
e λ
λ
=¿
 λz
λα w α −1
dw
P ( Z ≤ z )=∫ ( )
0 Γ (α ) λ
e−w
λ
=¿
λz
w α −1 −w
P ( Z ≤ z )=∫ e dw
0 Γ (α )

1 1
λ= → β=
β λ

P ( Z ≤1,5 ) =F ( 1,5 )=Gammainc ( α =10 ; w=λz )

P ( Z ≤1,5 ) =Gammainc ( α =10 ; w=18 )=0,98462

12. ¿Cuál es la probabilidad de que pasen entre 0,5 horas y una hora para que
ingresen 10 clientes al punto de venta?

Sea z el tiempo, en horas, para que ingresen α clientes al punto de venta

z Gamma ( α =10 ; λ=12 )

P ( 0,5< z <1 )=?
P ( 0,5< z <1 )=P ( z<1 ) −P ( z ≤ 0,5 )=?
P ( z<1 ) =?
P ( z ≤ 0,5 )=?

Gamma completa

x
x
  1 t
P( X  x)   f (t )dt   t e dt

0
  
z z
λα α −1 − λt
P ( Z ≤ z )=F ( z ) =∫ f ( d ) dt=∫ t e dt
0 0 Γ ( α)
1 1
λ= → β=
β λ
P ( z<1 ) =?
P ( z ≤ 0,5 )=?
 1
P ( Z ≤1 ) =F ( 1,0 )=Gamma β= ( 12
; α =10 ; z=1,0 )
1
P ( Z ≤1,0 )=Gamma β= (12
; α =10 ; z =1,0 =0,7576 )
1
(
P ( Z ≤1 ) =F ( 0,5 )=Gamma β= ; α=10 ; z=0,5
12 )
1
(
P ( Z ≤0,5 )=Gamma β= ; α =10 ; z=0,5 =0,0839
12 )
( 0,5< z <1 )=0,7576−0,0839=0,673

Gamma incompleta
z z
λα α −1 − λt
P ( Z ≤ z )=F ( z ) =∫ f ( d ) dt=∫ t e dt
0 0 Γ ( α)

w dw
w=λt → t= →dt =
λ λ
λz α α −1 − λ w
λ w ( ) dw
P ( Z ≤ z )=∫
0 Γ (α )
λ( ) e λ
λ
=¿

λz
λα w α −1
dw
P ( Z ≤ z )=∫
0
( )
Γ (α ) λ
e−w
λ
=¿
λz
w α −1 −w
P ( Z ≤ z )=∫ e dw
0 Γ (α )

1 1
λ= → β=
β λ

P ( Z ≤1,0 )=F ( 1,0 )=Gammainc ( α =10 ; w=λz )

P ( Z ≤1,0 )=Gammainc ( α =10 ; w=12 )=0,7576

P ( Z ≤0,5 )=F ( 0,5 ) =Gammainc ( α =10 ; w=λz )

P ( Z ≤0,5 )=Gammainc ( α =10 ; w=6 )=0,0839