Trabajo de Invs de Procesos Estocasticos (78330)

UNIVERSIDAD NACIONAL DE ANCASH
“SANTIAGO ANTÚNEZ DE MAYOLO”

FACULTAD DE CIENCIAS
ESCUELA PROFESIONAL DE ESTADÍSTICA E INFORMÁTICA
TRABAJO DE INVESTIGACION DE PROCESOS ESTOCASTICOS
“APLICACIÓN DEL PROCESO DE MARKOV Y LINEAS DE

ESPERA, Y LA DETERMINACION DEL NUMERO
PROMEDIO DE CLIENTES QUE REALIZAN SUS COMPRAS
EN EL ESTABLECIMIENTO FARMACUTICO MIFARMA DE
LA CIUDAD DE HUARAZ” - 2015
INTEGRANTES:
 ALVARADO LAZARO, Wang Marco

 HUANRI OSORIO, Deybis Yosseth
 LOLI GUERRERO, Eber Wilmer
 ZAVALA SALVADOR, Darwin James
DOCENTE:
Mag. MEDINA GUTIERREZ MARIA LUISA
HUARAZ – ANCASH – PERÚ
2015
Escuela Académica Profesional de Estadística e Procesos Estocásticos
INDICE
INTRODUCCIÓN.............................................................................................................................4
PROYECTO DE INVESTIGACION.................................................................................................6
I. ASPECTO CONCEPTUAL...................................................................................................6
1.1 TITULO.............................................................................................................................6
1.2 LUGAR DE EJECUCIÓN DEL PROYECTO...................................................................6
1.3 FOMULACION DEL PROBLEMA..................................................................................6
1.4 OBJETIVOS DE LA INVESTIGACON............................................................................6
1.4.1. OBJETIVO GENERAL...........................................................................................................6
II. MARCO TEORICO......................................................................................................................7
2.1. ANTECEDENTES..................................................................................................................7
2.2. PLANTEAMIENTO TEÓRICO.............................................................................................7
TIEMPOS ENTRE LLEGADAS Y TIEMPOS DE ESPERA:...........................................................9
EL PROCESO DE POISSÓN, LOS TIEMPOS DE ESPERA GAMMA Y LOS TIEMPOS DE
LLEGADAS EXPONENCIALES...................................................................................................10
ESTIMACION CONFIDENCIAL DE LAMDA.............................................................................10
III. HIPOTESIS................................................................................................................................12
HIPÓTESIS SIMPLE O DIRECTA.............................................................................................12
3.1. VARIABLES........................................................................................................................12
3.1.1. VARIABLE INDEPENDIENTE........................................................................12
3.1.2. VARIABLES DEPENDIENTES........................................................................12
3.1.3. VARIABLES INTERVINIENTES.....................................................................12
IV. METODOLOGIA......................................................................................................................13
4.1. MATERIALES......................................................................................................................13
4.1.1. MATERIALES DE ESCRITORIO...................................................................13
4.1.2. EQUIPOS............................................................................................................13
V. ADMINISTRACION DEL PLAN DE INVESTIGACION.........................................................14
5.1. ANÁLISIS ESTADÍSTICO..................................................................................................14
5.1.1. PRUEBAS ESTADISTICAS..............................................................................14
APLICACIÓN DEL PROCESO DE POISSON...........................................................14
VI. CADENAS DE MARKOV........................................................................................................17
DEFINICION...................................................................................................................................17
CADENAS HOMOGENEAS Y NO HOMOGENEAS...............................................18
2
EJEMPLOS DE APLICACIÓN- CADENAS DE MARKOV.........................................................19

5.2. PRESUPUESTO DEL PROYECTO:.....................................¡Error! Marcador no definido.
VII.CONCLUSION.........................................................................................................................23
III. ANEX0......................................................................................................................................24
3
INTRODUCCIÓN
El presente trabajo de investigación se realizó en el establecimiento farmacéutico

denominado “MIFARMA” de la ciudad de Huaraz, basado en datos encuestados durante
4 días.
Para encontrar el número promedio de clientes en el establecimiento farmacéutico:

“MIFARMA” se realizó un total de 70 observaciones tomados en 4 días diferentes a la
misma hora (5:00 a 5:20 p.m.) con un intervalo de 5min cada uno, registrando en cada
ocasión el número de clientes en la cola de caja en el servicio de caja de la mencionada
farmacia. Los datos se muestran al inicio del presente informe,
4
A Dios por darnos esta hermosa vida, a

nuestros compañeros por brindarnos
día a día sus amistades, a la profesora
del curso por enseñarnos con sus
valiosos conocimientos, y a todos los
involucrados en el presente trabajo, ya
que intervinieron de manera directa e
indirecta.
5
PROYECTO DE INVESTIGACION
I. ASPECTO CONCEPTUAL.
1.1 TITULO.
Aplicación del Proceso de Markov y líneas de espera, y la determinación del

número promedio de clientes que realizan sus compras en el establecimiento
farmacéutico “MIFARMA”.
1.2 LUGAR DE EJECUCIÓN DEL PROYECTO.
Establecimiento farmacéutico “MIFARMA”. Av. Luzuriaga - Huaraz.
1.3 FOMULACION DEL PROBLEMA.
¿Cuál es el número promedio de clientes que efectúan sus compras y tiempo de

espera en el establecimiento farmacéutico “MIFARMA” en los cuatro días de
estudio del presente año, en la ciudad de Huaraz?
1.4 OBJETIVOS DE LA INVESTIGACION.
1.4.1. OBJETIVO GENERAL.
Analizar el número promedio y el tiempo de espera de clientes que efectúan

sus compras en el establecimiento farmacéutico “MIFARMA” en la ciudad de
Huaraz.
1.4.2. OBJETIVOS ESPECÍFICOS.
 Comprender y conocer las aplicaciones a casos prácticos del proceso de

POISSON, CADENAS DE MÁRCOV Y LINEAS DE ESPERA.
 Hallar el número promedio de clientes que entran en el establecimiento
farmacéutico “MIFARMA”
 Hallar el tiempo de espera de los clientes promedio para la atención en
“MIFARMA”.
6
II. MARCO TEORICO.
2.1. ANTECEDENTES.
Se trata de encontrar una información adecuada del número promedio de clientes en

un determinado tiempo con el empleo del proceso de POISSON, MÁRCOV Y
LINEAS DE ESPERA.
2.2. PLANTEAMIENTO TEÓRICO.
Definamos lo que es un proceso de Poisson.
PROCESO DE POISSON: Se dice que un proceso de valores enteros {N(t), t≥0} es
un proceso de Poisson con número medio de ocurrencia o intensidad , si se

cumplen las siguientes hipótesis:
 {N (t), t≥0} tiene incrementos independientes y estacionarios.
 Para instantes cualesquiera s, t tales que s<t, el número N(t)-N(s) de veces que
ha ocurrido el suceso en el intervalo de s a t tiene distribución de Poisson con
media  que multiplica a (t-s) es decir para un k=0,1,2,3,4,... se tiene que :
e   ( t  s ) [ ( t  s )]k
P[ N (t )  N ( s )  K ] 
k!
E [ N (t )  N ( s )]   (t  s )
V [ N (t )  N ( s )]   (t  s )
e  t [ t ]k
P[ N (t )  k ] 
k!
7
Considere sucesos que ocurren cronológicamente durante el intervalo  0,   , t≥0,
sea N(t) el número de sucesos que han ocurrido en  0,t  . Por consiguiente N (t) y
h>0 tan pequeño como se quiera, N(t+h)-N(t) solo toman valores enteros no
negativas y se hacen las siguientes suposiciones:
AXIOMA 0: Como se empieza contar sucesos en el instante cero se define que

N(0)=0.
AXIOMA 1: El proceso {N(t), t≥0} tiene incrementos independientes.
AXIOMA 2: Para cualquier t>0 la probabilidad

0  P[ N (t )  0]  1 . Es decir
en un intervalo cualquiera hay una probabilidad positiva que ocurre en un suceso.
P[ N (t  h )  N (t )  2]
lim 0
h P[ N ( t  h )  N ( t )  1]
AXIOMA 3: para cualquier t≥0
Es decir en intervalos suficientemente pequeños al menos puede ocurrir un proceso,
o sea no es posible que sucedan simultáneamente dos o más sucesos.
AXIOMA 4: El proceso de voltaje N(t) tiene incrementos independientes

estacionarios; Es decir que para dos puntos cualesquiera t>s≥0 y h>0 las variables
aleatorias N(t)-N(s) y N(t+h)- N(s+h)están distribuidas independientemente.
PROCESOS DE MÁRKOV: Un proceso de Markov se define como un proceso
estocástico con la propiedad de que para cualquier conjunto sucesivo de n tiempos
t 1< t 2 <…<t n
 Es un conjunto o sucesión de variables aleatorias: {X(t)CG } definidas en un

mismo espacio de probabilidad.
 Normalmente el índice t representa un tiempo y X(t) el estado del proceso
estocástico en el instante t.
 El proceso puede ser de tiempo discreto o continuo si G es discreto o
continuo.
8
 Si el proceso es de tiempo discreto, usamos enteros para representar el

índice: {X1, X2, ...}
LINEAS SE ESPERA (TEORIA DE COLAS)
 La teoría de colas es un conjunto de modelos matemáticos que describen

sistemas de líneas de espera particulares
 El objetivo es encontrar el estado estable del sistema y determinar una
capacidad de servicio apropiada
TIEMPOS ENTRE LLEGADAS Y TIEMPOS DE ESPERA: Sea N

(t) el proceso de Poisson, W n tiempo de espera (GAMMA) y T j
tiempo entre
llegadas (EXPONENCIAL).
wn Es una variable aleatoria que representa el tiempo de espera hasta que ocurra
un suceso por n-ésima vez, si se registra la ocurrencia de estos sucesos en el
tiempo.
Dados sucesos que ocurren en el intervalo de 0 a +  se definen los tiempos entre
llegadas sucesivos T ,T1

,...
2 de la manera siguiente:
Tj
Es el tiempo que transcurre desde 0 hasta que ocurra el primer suceso y para
j>1, T j
es el tiempo que transcurre desde el (j-1)-ésimo hasta el j-ésimo. En
función de los tiempos de espera {

Wn }, los tiempos entre llegadas; { Tn } vienen
dados por:
T  W ,T  W W
1 1 2 2 1
,..., T n  W n  W n 1,...
.
En función de los tiempos entre llegadas { T n }, los tiempos de espera
{ W n } Vienen dados por:
W n
 T 1  T 2  ...  T n
Para n  1.
9
EL PROCESO DE POISSÓN, LOS TIEMPOS DE ESPERA

GAMMA Y LOS TIEMPOS DE LLEGADAS EXPONENCIALES
Sea W n el tiempo de espera hasta el suceso n-ésimo en una serie de sucesos que
ocurre en el intervalo de 0 a  de acuerdo con un Proceso de Poisson con un
número medio de ocurrencias . La variable W n así definida tiene una

distribución Gamma con parámetro n y  es decir}
 e  t ( t )
n 1
f W (t ) 
n (n  1)!
, t 0
n n
E (W n)  ; V (W n) 
 2
,
Los tiempos sucesivos entre llegadas

t1 , t2 , de los sucesos del tipo Poisson con
intensidad  son variables aleatorias distribuidas idénticamente que obedece una
1
ley de probabilidad exponencial con media  .
-λt
fT (t) = λe ,t>0
1 1
E(T) = ; V(T) = 2
λ λ
ESTIMACION CONFIDENCIAL DE LAMDA  : Si se observa un Proceso

de Poisson durante un tiempo de observación t determinado de antemano entonces el
número de ocurrencias N(t) se puede usar para formar estimaciones puntuales
10
interválicas para un valor de  utilizando el hecho de que N(t) tiene una distribución
de Poisson con media t .

Por otra parte si se continua la observación del Proceso de Poisson hasta que sea
contado un número especificado n entonces la cantidad W n de observaciones

necesarias para obtener los n sucesos se puede utilizar para formar intervalos
2
confidenciales de  , utilizando el hecho que 2W se distribuye con una

n (2 n )X
grados de libertad. Es decir para un nivel de confianza (1   )% se puede calcular los
2
valores A y B tal que satisfaga la siguiente relación empleando la distribución X (2 n )
grados de libertad.
P[ A  2W n  B ]  1  
A B
P[   ]  1 
2W n 2W n B
A
III. HIPOTESIS.
HIPÓTESIS SIMPLE O DIRECTA.
La aplicación del proceso de POISSON y distribución GAMMA, CADEANAS DE

MARKOV Y LÍNEAS DE ESPERA permitirá determinar el número promedio y el
tiempo de espera de clientes en el establecimiento farmacéutico “MIFARMA” ” en
los 4 días que se realizaron el estudio.
11
3.1. VARIABLES
3.1.1. VARIABLE INDEPENDIENTE.
Cantidad de clientes que ingresan a la farmacia en los 4 días de realizada las

encuestas en la ciudad de Huaraz.
3.1.2. VARIABLES DEPENDIENTES.
Número promedio de clientes.
3.1.3. VARIABLES INTERVINIENTES.
 La cantidad de compra que realizan los clientes.

 Los diversos productos que hay en la farmacia.
 La calidad de atención.
IV. METODOLOGIA.
4.1. MATERIALES.
4.1.1. MATERIALES DE ESCRITORIO.
o Lapicero
o Lápiz
o Papel bond A4 75g
o Borrador
12
4.1.2. EQUIPOS.
o Una laptop
o Cronómetro
V. ADMINISTRACION DEL PLAN DE INVESTIGACION.
5.1. ANÁLISIS ESTADÍSTICO.

5.1.1. PRUEBAS ESTADISTICAS.
APLICACIÓN DEL PROCESO DE POISSON.
Para encontrar el número promedio de clientes en “MIFARMA” se realizó un total

de 70 observaciones tomadas en 4 días diferentes (05:00 a 05:20 p.m.), registrando
en cada ocasión el número de clientes que realizan sus compras cuyos datos
recopilados se muestran en el anexo.
13
APLICACIÓN Nº 01
Si los clientes llegan a un promedio de 11 por hora a “MIFARMA”. Cuál es la

probabilidad de que el número de clientes que llegan en cinco minutos sean:
a) Exactamente 2 clientes.
b) 2 o menos clientes.
c) 2 o más clientes.
d) Más de 2 clientes.
e) Menos de 2 clientes.
11
λ= = 0.18 clie nte s / minuto ⇒ λt = 0.92
60
e -0.92( 0.92)2
a ) P [N( 5)= 2] = = 0.16
2
∴la proba bilida d que lle gue n e xa cta me nte 2 clie nte s
e n un tie mpo de 2 min es 0.16
b) P [N( 5)≤ 2] = P [N( 5)= 0]+ P [N( 5)= 1]+ P [N( 5)= 2]
= 0.93
c) P [N( 5)≥ 2] = 1-P [N( 5)≤ 1]

= 0.24
d) P [N( 5)> 2] = 1- P [N( 5)≤ 2]

= 0.05
e ) P [N( 5)< 2] = P [N( 5)≤ 1]

= 0.77
APLICACIÓN Nº 02
14
Consideremos la tienda MIFARMA en la que las llegadas de los clientes son sucesos de
tipo de Poisson con una intensidad de 16 clientes por hora. ¿Cuál es la probabilidad de
que en el intervalo de tiempo entre llegadas sea?:
a) mayor de 3 minutos
b) menor de 5 minutos
c) comprendido entre 1 y 4 minutos
  16clientes / hora    0.27clientes / minuto

3
a ) P[T  3]  1  P[T  3]  1   0.27e 0.27 t dt  0.45.
0
5
b) P[T  5]   0.27e 0.27 t dt  0.74.
0
4
c ) P[1  T  4]   0.27e 0.27t dt  0.42.
1
APLICACIÓN Nº 03
Deseamos conocer la intensidad de las compras que realizan los clientes en MIFARMA
realizando una estimación confidencial del 90%, sabiendo que 19 clientes han tenido
que esperar 01:45:17 horas para ser atendidos en dicha tienda.
Sea
Wn el tiempo des, e espera, esto Wn  01: 45 :17  106 min . y n el número de
clientes atendidos, n  19 clientes
15
n 19
  ( se atienden19 clientes en 106 min utos )
Entonces W 106
  0.18( se atienen o.18 clientes por min uto) También tenemos que,
1    0.90    0.1
Para determinar la intensidad mediante el intervalo confidencial haremos uso de las
siguiente formula.
A B
P[    ]  0.9 .........................(1)
2n 2n
Donde
A  X 2 /2 , 2n  X 0.05
2
,38  2.49 y
B  X 2  , 2n  X 0.95
2
,38  53.4
1
2
Re emplazando en la suguiente formula (1) tenemos

2.49 53.4
P[  ]  0.9
2(106) 2(106)
P[0.12    0.25]  0.9
VI. CADENAS DE MARKOV
Se conoce como cadena de Markov a un tipo especial de proceso estocástico discreto en

el que la probabilidad de que ocurra un evento depende del evento inmediatamente
anterior.
16
DEFINICION
Llamemos X1, X2…, Xk los estados (resultados) exhaustivos y mutuamente

excluyentes de un experimento aleatorio en cualquier tiempo. Inicialmente en el tiempo
t0, el sistema puede estar en cualquiera de estos estados. Sea a0j (j = 0, 1,. . ., k) la
probabilidad absoluta de que el sistema se encuentre en el estado Xj en t0.
Definamos pij como la probabilidad de transición de un paso de ir al estado i en tn-1, al

estado j en tn, es decir, la probabilidad de que en el siguiente periodo (paso) se
encuentre en Xj, dado que en el periodo (paso) inmediatamente anterior estuvo en Xi.
Supongamos que estas probabilidades son estacionarias (no cambian) a través del
tiempo. Las probabilidades de transición del estado Xi al estado Xj se describen de
manera más conveniente en forma matricial como sigue:
Por ejemplo p21 es la probabilidad de estar en el estado 1 en el siguiente paso, dado

que en este momento se encuentra en el estado 2. La matriz P se llama matriz de
transición homogénea porque todas las probabilidades pij son fijas, independientes del
tiempo. Las probabilidades pij deben satisfacer las condiciones.
∑ Pij=1 , para todai y Pij ≥ 0 para todai e j

j
Obs:
1. Un conjunto de estados X1, X2…, Xk exhaustivos y mutuamente excluyentes de un

experimento aleatorio en cualquier tiempo.
2. Una matriz de transición P.
3. Unas probabilidades iniciales a0j (j = 0, 1,. . . k)
P ( X n +1=x n+1∨ X n=x n , X n−1 , … , X 2=x 2 , X 1=x 1 )=P ( X n+1=x n+1 ∨X n=x n )
Xi: es el estado del proceso en el instante i.
CADENAS HOMOGENEAS Y NO HOMOGENEAS
17
Una cadena de Markov se dice homogénea si la probabilidad de ir del estado i

al estado j en un paso no depende del tiempo en el que se encuentra la cadena:
Para todo n y para

cualquier i, j.
Si para alguna pareja de estados y para algún tiempo n la propiedad antes

mencionada no se cumple diremos que la cadena de Markov es no homogénea.
 La probabilidad de ir del estado i al estado j en n unidades de tiempo es
En la probabilidad de transición en un paso se omite el superíndice de modo

que queda
 Un hecho importante es que las probabilidades de transición en n pasos

satisfacen la ecuación de Chapman Kolmogorov, esto es, para cualquier k tal
que 0 < k < n se cumple que
E: el espacio de estados.
EJEMPLOS DE APLICACIÓN- CADENAS DE MARKOV
PROCESO DE NACIMIENTO Y MUERTE APLICADO AL SISTEMA DE

PAGO DE MIFARMA
18
Para encontrar el número promedio de clientes en el establecimiento farmacéutico:

“MIFARMA” se realizó un total de 70 observaciones tomados en 4 días diferentes a la
misma hora (5:00 a 5:20 p.m.) con un intervalo de 5min cada uno, registrando en cada
ocasión el número de clientes en la cola de caja en el servicio de caja de la mencionada
farmacia. Los datos se muestran al inicio del presente informe,
Luego hallamos las medidas claves de desempeño para el sistema de caja.
Clasificación de este sistema
6 3 4 7 20
9 7 7 4 27
2 3 2 5 12
0 2 5 5 12
Matriz de probabilidades
P1 P2 P3
P0
P0 0,30 0,15 0,20 0,35 1
P1 0,33 0,26 0,26 0,15 1
P2 0,17 0,25 0,17 0,42 1
P3
0,00 0,17 0,42 0,42 1
P0 =0 .30 P0 +0 .33 P1 +0.17 P2

P1=0 .15 P0 + 0. 26 P1 + 0. 25 P2 +0 . 17 P3
19
P2 =0 .20 P0 + 0 .26 P1 + 0. 17 P2 + 0. 42 P3
P3 =0 .35 P0 +0 .15 P1 +0 . 42 P2 +0 . 42 P3
Diagrama de estados completo
Diagrama de estados simplificado
20
−1
λ0 λ0 λ1 λ0 λ1 λ 2
[
P0 = 1+ + +
μ 1 μ1 μ2 μ1 μ2 μ3 ] = 0.4166
λ0
P1= P0
μ1 =0.1893
λ0 λ1
P2 = P0
μ1 μ2 =0.1969
λ 0 λ1 λ 2
P3 = P0
μ1 μ 2 μ 3 =0.1969
P0 +P1 + P2 + P3 = 0.417 + 0.189 + 0.197 + 0.197=1.00
Tasa efectiva de entrada al sistema de pago de MIFARMA
3
λ=∑ λ n P n
n=0 = 0.19443
0 personas esperan para la entrada al sistema de pago por cada 5 min.
Utilización del servicio:
21
λ
ρ=
μ = 0.5833
Es el tiempo en que la recepcionista del sistema de caja de MIFARMA emplea para

atender al cliente en min. Es decir 0.58*60 = 35 seg.
3
L= ∑ n P n
n=0 = 1.1738
Es el número promedio de clientes en la cola de MIFARMA incluyendo al cliente que

está siendo atendido en el servicio de caja.
3
Lq = ∑ (n−1) Pn
n=1 = 0.5907
El número promedio de clientes en la cola de MIFARMA sin incluir al que está siendo
atendido en el servicio de caja.
L
W=
λ = 0.1656
Es el tiempo de espera de los clientes, en el sistema de pagos de MIFARMA, es decir

0.1656*60 = 9.39 seg.
Lq
W q=
λ = 3.038
Es el tiempo de espera de los clientes en la cola en min.
22
VII. CONCLUSION
Finalmente concluimos este trabajo de investigación habiendo obtenido una

información muy valiosa como la determinación del número promedio de clientes
en un intervalo de tiempo aplicando el Proceso de POISSON y la distribución
GAMMA; que ingresan a “MIFARMA” realizado en 4 días, en la ciudad de
Huaraz.
De todo esto se pudo saber la deficiencia que tiene dicha farmacia en la atención de
sus clientes, y gracias a la información obtenida y mediante la aplicación del
proceso de POISSON y la distribución GAMMA se tomó en marcha en la solución
de los problemas detectados.
23
III. ANEX0
DATOS TOMADOS EN COLA Y CAJA DE LA INSTITUCIÓN MIFARMA

Primer día de encuesta.
Desde las 5:00 p.m. hasta las 5:20 p.m.
Tiempo de
Entrada a la espera 1 en tiempo de espera
cola Salida de la cola Salida de caja seg. 2 en seg
Entrada a la caja
1 05:01:57 p.m. 05:01:57 p.m. 05:02:32 p.m. 0 35
2 05:02:13 p.m. 05:02:32 p.m. 05:02:55 p.m. 19 23
3 05:03:08 p.m. 05:03:08 p.m. 05:03:41 p.m. 0 33
4 05:04:15 p.m. 05:04:15 p.m. 05:04:46 p.m. 0 31
5 05:04:43 p.m. 05:04:43 p.m. 05:06:43 p.m. 0 120
6 05:04:52 p.m. 05:06:43 p.m. 05:07:15 p.m. 111 32
7 05:06:24 p.m. 05:07:15 p.m. 05:08:04 p.m. 51 49
8 05:09:04 p.m. 05:09:04 p.m. 05:09:50 p.m. 0 46
9 05:09:45 p.m. 05:09:50 p.m. 05:10:19 p.m. 5 29
10 05:10:01 p.m. 05:10:19 p.m. 05:10:38 p.m. 18 19
11 05:10:28 p.m. 05:10:38 p.m. 05:11:02 p.m. 10 24
12 05:11:41 p.m. 05:11:41 p.m. 05:12:01 p.m. 0 20
13 05:12:49 p.m. 05:12:49 p.m. 05:13:05 p.m. 0 16
14 05:15:12 p.m. 05:15:12 p.m. 05:15:34 p.m. 0 22
15 05:16:54 p.m. 05:16:54 p.m. 05:17:25 p.m. 0 31
16 05:16:58 p.m. 05:17:25 p.m. 05:17:48 p.m. 27 23
17 05:18:41 p.m. 05:18:41 p.m. 05:19:13 p.m. 0 32
18 05:19:05 p.m. 05:19:13 p.m. 05:19:44 p.m. 8 17
19 05:19:14 p.m. 05:19:44 p.m. 05:20:04 p.m. 30 20
20 05:19:31 p.m. 05:20:04 p.m. 05:20:37 p.m. 33 33
21 05:20:37 p.m. 05:20:37 p.m. 05:20:44 p.m. 0 7
22 05:20:40 p.m. 05:20:44 p.m. 05:21:05 p.m. 4 21
23 05:20:57 p.m. 05:21:05 p.m. 05:21:28 p.m. 8 23
Promedio 14,08695652 30,69565217
24

Segundo día de encuesta
1 05:02:04 p.m. 05:22:26 p.m. 05:22:41 p.m. 22 15
2 05:03:35 p.m. 05:23:35 p.m. 05:24:03 p.m. 0 28
3 05:03:48 p.m. 05:24:03 p.m. 05:24:26 p.m. 15 23
4 05:04:05 p.m. 05:24:26 p.m. 05:24:50 p.m. 21 24
5 05:04:47 p.m. 05:24:50 p.m. 05:25:23 p.m. 3 33
6 05:05:23 p.m. 05:25:23 p.m. 05:25:41 p.m. 0 18
7 05:05:33 p.m. 05:25:41 p.m. 05:26:23 p.m. 8 42
8 05:07:05 p.m. 05:27:05 p.m. 05:27:38 p.m. 0 33
9 05:07:14 p.m. 05:27:38 p.m. 05:29:00 p.m. 24 82
10 05:09:00 p.m. 05:29:00 p.m. 05:29:31 p.m. 0 31
11 05:09:12 p.m. 05:29:31 p.m. 05:30:25 p.m. 19 54
12 05:09:23 p.m. 05:30:25 p.m. 05:30:48 p.m. 62 23
13 05:10:05 p.m. 05:30:48 p.m. 05:31:33 p.m. 43 45
14 05:11:33 p.m. 05:31:33 p.m. 05:32:15 p.m. 0 32
15 05:12:37 p.m. 05:32:37 p.m. 05:33:07 p.m. 0 30
16 05:13:01 p.m. 05:33:35 p.m. 05:34:05 p.m. 34 30
17 05:13:33 p.m. 05:34:05 p.m. 05:34:32 p.m. 32 27
18 05:13:44 p.m. 05:34:32 p.m. 05:35:00 p.m. 48 28
19 05:14:28 p.m. 05:35:00 p.m. 05:35:21 p.m. 32 21
20 05:15:33 p.m. 05:35:33 p.m. 05:35:58 p.m. 0 25
21 05:16:26 p.m. 05:36:26 p.m. 05:36:48 p.m. 0 22
22 05:17:38 p.m. 05:37:38 p.m. 05:38:18 p.m. 0 40
23 05:19:23 p.m. 05:39:23 p.m. 05:39:55 p.m. 0 32
promedio 14,91674376 31,37650324
25

Tercer día de encuesta
Tiempo de
Entrada a la espera 1 en
cola Salida de la cola Salida de caja seg.
Entrada a la caja
1 05:02:37 p.m. 05:02:37 p.m. 05:02:54 p.m. 0 17
2 05:03:04 p.m. 05:03:04 p.m. 05:03:57 p.m. 0 53
3 05:05:44 p.m. 05:05:45 p.m. 05:06:30 p.m. 1 45
4 05:07:58 p.m. 05:07:58 p.m. 05:08:12 p.m. 0 14
5 05:09:55 p.m. 05:09:55 p.m. 05:10:41 p.m. 0 46
6 05:10:39 p.m. 05:10:42 p.m. 05:11:14 p.m. 3 22
7 05:12:56 p.m. 05:13:14 p.m. 05:13:32 p.m. 18 18
8 05:16:40 p.m. 05:16:40 p.m. 05:16:49 p.m. 0 9
9 05:16:56 p.m. 05:16:56 p.m. 05:18:04 p.m. 0 68
10 05:18:47 p.m. 05:18:47 p.m. 05:19:28 p.m. 0 41
11 05:18:52 p.m. 05:19:28 p.m. 05:19:48 p.m. 36 20
12 05:19:59 p.m. 05:19:59 p.m. 05:20:33 p.m. 0 34
Promedio 4,833333333 32,25
Cuarto día de encuesta
26
1 05:09:30 p.m. 05:09:30 p.m. 05:09:47 p.m. 0 17
2 05:09:32 p.m. 05:09:47 p.m. 05:10:00 p.m. 15 13
3 05:11:00 p.m. 05:11:05 p.m. 05:11:20 p.m. 5 15
4 05:11:20 p.m. 05:11:21 p.m. 05:11:54 p.m. 1 33
5 05:11:21 p.m. 05:11:54 p.m. 05:12:31 p.m. 33 37
6 05:12:26 p.m. 05:12:31 p.m. 05:12:52 p.m. 5 21
7 05:12:33 p.m. 05:12:53 p.m. 05:13:14 p.m. 20 21
8 05:15:55 p.m. 05:15:55 p.m. 05:16:44 p.m. 0 49
9 05:16:39 p.m. 05:16:45 p.m. 05:17:15 p.m. 6 30
10 05:18:52 p.m. 05:18:52 p.m. 05:19:32 p.m. 0 40
11 05:19:05 p.m. 05:19:32 p.m. 05:19:48 p.m. 27 16
12 05:19:40 p.m. 05:19:48 p.m. 05:20:02 p.m. 8 14
Promedio 10 25,5
Promedio
general 10,9592584 29,95553885
27

Trabajo de Invs de Procesos Estocasticos (78330)

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Trabajo de Invs de Procesos Estocasticos (78330)

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DE ANCASH

“SANTIAGO ANTÚNEZ DE MAYOLO”

ESCUELA PROFESIONAL DE ESTADÍSTICA E INFORMÁTICA

TRABAJO DE INVESTIGACION DE PROCESOS ESTOCASTICOS

“APLICACIÓN DEL PROCESO DE MARKOV Y LINEAS DE

 ALVARADO LAZARO, Wang Marco

HUARAZ – ANCASH – PERÚ

EJEMPLOS DE APLICACIÓN- CADENAS DE MARKOV.........................................................19

El presente trabajo de investigación se realizó en el establecimiento farmacéutico

Para encontrar el número promedio de clientes en el establecimiento farmacéutico:

A Dios por darnos esta hermosa vida, a

Aplicación del Proceso de Markov y líneas de espera, y la determinación del

1.2 LUGAR DE EJECUCIÓN DEL PROYECTO.

Establecimiento farmacéutico “MIFARMA”. Av. Luzuriaga - Huaraz.

1.3 FOMULACION DEL PROBLEMA.

¿Cuál es el número promedio de clientes que efectúan sus compras y tiempo de

1.4 OBJETIVOS DE LA INVESTIGACION.

1.4.1. OBJETIVO GENERAL.

Analizar el número promedio y el tiempo de espera de clientes que efectúan

1.4.2. OBJETIVOS ESPECÍFICOS.

 Comprender y conocer las aplicaciones a casos prácticos del proceso de

II. MARCO TEORICO.

Se trata de encontrar una información adecuada del número promedio de clientes en

2.2. PLANTEAMIENTO TEÓRICO.

Definamos lo que es un proceso de Poisson.

PROCESO DE POISSON: Se dice que un proceso de valores enteros {N(t), t≥0} es

un proceso de Poisson con número medio de ocurrencia o intensidad , si se

 {N (t), t≥0} tiene incrementos independientes y estacionarios.

Considere sucesos que ocurren cronológicamente durante el intervalo  0,   , t≥0,

AXIOMA 0: Como se empieza contar sucesos en el instante cero se define que

AXIOMA 1: El proceso {N(t), t≥0} tiene incrementos independientes.

AXIOMA 2: Para cualquier t>0 la probabilidad

AXIOMA 4: El proceso de voltaje N(t) tiene incrementos independientes

 Es un conjunto o sucesión de variables aleatorias: {X(t)CG } definidas en un

 Si el proceso es de tiempo discreto, usamos enteros para representar el

 La teoría de colas es un conjunto de modelos matemáticos que describen

TIEMPOS ENTRE LLEGADAS Y TIEMPOS DE ESPERA: Sea N

Dados sucesos que ocurren en el intervalo de 0 a +  se definen los tiempos entre

llegadas sucesivos T ,T1

función de los tiempos de espera {

En función de los tiempos entre llegadas { T n }, los tiempos de espera

{ W n } Vienen dados por:

EL PROCESO DE POISSÓN, LOS TIEMPOS DE ESPERA

número medio de ocurrencias . La variable W n así definida tiene una

Los tiempos sucesivos entre llegadas

ESTIMACION CONFIDENCIAL DE LAMDA  : Si se observa un Proceso

de Poisson con media t .

contado un número especificado n entonces la cantidad W n de observaciones

confidenciales de  , utilizando el hecho que 2W se distribuye con una

valores A y B tal que satisfaga la siguiente relación empleando la distribución X (2 n )

HIPÓTESIS SIMPLE O DIRECTA.

La aplicación del proceso de POISSON y distribución GAMMA, CADEANAS DE

3.1.1. VARIABLE INDEPENDIENTE.

Cantidad de clientes que ingresan a la farmacia en los 4 días de realizada las

3.1.2. VARIABLES DEPENDIENTES.

Número promedio de clientes.

3.1.3. VARIABLES INTERVINIENTES.

 La cantidad de compra que realizan los clientes.

4.1.1. MATERIALES DE ESCRITORIO.

V. ADMINISTRACION DEL PLAN DE INVESTIGACION.

5.1. ANÁLISIS ESTADÍSTICO.

Para encontrar el número promedio de clientes en “MIFARMA” se realizó un total

Si los clientes llegan a un promedio de 11 por hora a “MIFARMA”. Cuál es la