Procesos Estocásticos

Unidad 3. La Distribución Exponencial y el Proceso de Poisson

Actividad 1. Identificación de Parámetros

Universidad Abierta y a Distancia de México.

Licenciatura en Matemáticas

Actividad 1. Identificación de Parámetros

Nombre del estudiante:

Matricula:
A continuación se presenta la primer actividad correspondiente a la unidad 3 de la asignatura de
Procesos Estocásticos en donde se identifica las distribuciones asociadas a un proceso de Poisson.

Instrucciones: En cada una de las siguientes situaciones, contesta lo que se pregunta

1. El número de fallas de una componente, es una variable aleatoria con distribución Poisson de
parámetro λ .
a) ¿Cuál es el valor esperado de la duración de la componente?
Debido a que el número de fallas de un componente es una variable aleatoria con distribución de
Poisson, entonces el valor esperado E ( X t )= λt proporciona la cantidad esperada de fallas de la
componente en el tiempo t, pero el valor esperado de la duración de la componente esta dado por:
n
n
E ( W n) = ∑ E ( T j ) =
j=1 λ
Dado que n es el número de fallas, entonces el valor esperado de la duración de la componente antes de
presentar 1 falla es
1
E (W 1)=
λ

b) Si la componente lleva T unidades de tiempo sin fallar, ¿cuál es la probabilidad de que falle antes
de t unidades de tiempo adicionales?
La probabilidad de que al tiempo t la componente haya fallado n veces es
( λt )n −λt
P ( X t =n ) = e
n!
Entonces, la probabilidad de que al tiempo T la componente no haya fallado ( n=0) es P ( X T =0 ) ; por lo
que la probabilidad de que falle antes de t unidades de tiempo adicionales es:
P ( X t −X T =0∨X T =0 )
Dado que es un proceso con incrementos independientes y estacionarios:
P ( X t −X T =0∨X T =0 )=P ( X t −X T =0 )=P ( X t =0 )=e− λt
Entonces, la probabilidad de que el componente falle antes de t unidades de tiempo cuando después T
unidades no ha fallado es de:
P ( X t −X T =0 )=e− λt

2
2. El número de personas que llegan a votar a una casilla en una elección presidencial, es un proceso
Poisson de tasa λ por minuto. La probabilidad de que en el primer medio minuto de funcionamiento
de la casilla llegue al menos una persona es 1 – e -2.5.
a) ¿Cuál es el valor esperado del momento en el que llegará la sexta persona?
Dado que la probabilidad de que en el primer medio minuto de funcionamiento de la casilla llegue al
menos una persona es de P ( X 0.5 ≥ 1 ), resulta conveniente obtener el valor de λ .
Tenemos:
P ( X 0.5 ≥ 1 )=1−P ( X 0.5=0 )
1−P ( X 0.5=0 )=1−e−2.5
P ( X 0.5 =0 ) =e−2.5
e− λt =e−2.5
λt=2.5
Dado que t=0.5
2.5 2.5
λ= = =5
t 0.5
Lo que indica que tasa de llegada de personas es 5 por minuto.
El valor esperado del momento en el que llegará la sexta persona está dado por:
n 6
E ( W 6 ) = = =1.2
λ 5
Es decir, el tiempo esperado para la llegada de la sexta persona es de 1.2 minutos, 1 minuto 12
segundos.

b) ¿Cuál es el tiempo esperado entre la llegada de dos votantes consecutivos?

Debido a que es un proceso con incrementos independientes y estacionarios, la llegada de un votante
no depende de otro, por lo que el tiempo esperado de llegada de un segundo votante dado que ya ha
llegado 1 es:
n 1
E ( W 2 ∨W 1 )=E ( W 1 )= = =0.2 minutos=12 segundos
λ 5
Es decir, el tiempo esperado entre la llegada de dos votantes consecutivos es de 0.2 minutos, que es lo
mismo que 12 segundos.

3
3. El número de defectos en los rollos de tela producidos en cierta máquina, es un proceso Poisson
{N(t)} con tasa λ defectos por rollo. La probabilidad de que en los primeros 2 rollos de tela haya un
1.6
defecto, es 1.6e .
a) ¿Cuál es el número esperado de rollos entre dos defectos consecutivos?
Antes de obtener el número esperado de rollos entre dos defectos consecutivos, resulta conveniente
conocer el parámetro λ .
Dado que la probabilidad de que en los 2 primeros rollos de tela halla un defecto es 1.6 e−1.6, entonces:
( λt )n −λt
P ( X t =n ) = e ; P ( X 2 =1 )=1.6 e−1.6
n!
Por lo que:
λt =1.6
Dado que t indica los royos de tela y t=2, entonces:
1.6 1.6
λ= = =0.8
t 2
Dado que el proceso de Poisson tiene incrementos independientes, entonces el número esperado de
rollos entre 2 defectos consecutivos es igual al numero esperado de royos en el que se presenta un
defecto:
n 1
E ( W 2 ∨W 1 )=E ( W 1 )= = =1.25
λ 0.8
Es decir, cada 1.25 royos de tela (1 ¼) se encontrará un defecto, lo que es análogo al numero esperado
de rollos entre dos defectos consecutivos.

b) ¿Cuál es la esperanza del número de rollo en el que aparecerá el tercer defecto?

3
E (W 3)= =3.75
0.8
Es decir, la esperanza del número de rollos en el que aparecerá el tercer defecto es de 3.75 (3 ¾).

4. El número de llamadas que llegan al conmutador de las oficinas de una empresa de servicios, es un
proceso Poisson con tasa λ llamadas por minuto. Las oficinas abren a las 8 y la probabilidad de que
hasta las 9 no se haya recibido ninguna llamada es e-20.

a) Si hasta las 9 no se ha recibido ninguna llamada, ¿cuál es la probabilidad de que la primera llamada
llegue antes de las 9:15?

Antes de obtener la probabilidad de que la primera llamada llegue antes de las 9:15, resulta conveniente
conocer el parámetro λ .
Dado que la probabilidad de que en la primera no se ha recibido ninguna llamada es

4
 n 0
( λt ) −λt ( λ ( 1 ) ) −λ (1) −20
P ( X t =n ) = e ; P ( X 1 =0 )= e =e
n! 0!
Entonces el parámetro λ=20, lo que indica que indica que la tasa de llamadas por minuto es de 20.
Por otra parte, de 9 a 9:15 ha transcurrido ¼ (0.25) de hora. Por lo que la probabilidad de que la primera
llamada llegue antes de las 9:15 es:
( 20 ( 0.25 ) )1
P ( X 0.25=1 )= e−20 (0.25 )=5 e−5 ≈ 0.0337=3.37 %
1!

b) ¿Cuál es la probabilidad conjunta de que a las 10 horas se hayan recibido 30 llamadas y a las 10:30
se hayan recibido un total de 60 llamadas?

La probabilidad conjunta de que a las 10 horas se hayan recibido 30 llamadas y a las 10:30 se hallan
recibido un total de 60 llamadas la podemos representar de la forma P ( X 2=30 , X 2.5=60 ) , lo anterior
considerando que las oficinas las abren a las 8 horas.

Realizando las operaciones.

P ( X 2=30 , X 2.5=60 ) =P ( X 2=30 , X 2.5 −X 2 =30 )=P ( X 2=30 ) P ( X 2.5 −X 2=30 )

( 20∗2 )30 −20∗2 ( 20∗0.5 )30 −20∗0.5

¿ P ( X 2=30 ) P ( X 0.5=30 ) = [ 30 !
e ][ 30!
e ] =[ 0.01846 ] [ 1.7115× 10−7 ] =3.1594 ×10−9

Entonces:

P ( X 2=30 , X 2.5=60 ) =3.1594 ×10−9

5. En una bolsa de valores, el número de transacciones que se realizan es un proceso Poisson con tasa
λ por hora. La probabilidad de que cualquier día de actividad normal haya ocurrido una transacción en
los primeros 15 minutos de operación de la bolsa, es 3e-3.

a) ¿Cuál es la probabilidad de que en la primera hora de operaciones haya 15 transacciones si en los

primeros 15 minutos se realizó sólo una transacción?

Antes de obtener la probabilidad de que en la primera hora de operaciones haya 15 transacciones,

resulta conveniente conocer el parámetro λ .
Dado que la probabilidad de que en los primeros 15 minutos ocurrió una transacción es de 3 e−3,
entonces:
n 1
( λt ) −λt ( λ ( 0.25 ) ) −λ (0.25)
P ( X t =n ) = e ; P ( X 0.25 =1 )= e =3 e−3
n! 1!

5
 3
Entonces el parámetro λ= =12, lo que indica que indica que la tasa de transacciones por hora es
0.25
de 12.
Calculando la probabilidad de que en la primera hora de operaciones se hayan realizado 15
transacciones si en los primeros 15 minutos solo se realizó una transacción.
P [ X 1− X 0.25=14∨X 0.25 =1 ]=P [ X 1−X 0.25=14 ] =P [ X 0.75=14 ]
Dado que los procesos son independentes y los incrementos son estacionarios; entonces:
( 12∗( 0.75 ) )14
P [ X 0.75=14 ]= e−(12∗0.75) ≈ 0.03238 ≈ 3.238 % .
14 !
Por lo que:
P [ X 0.75=14 ] ≈ 0.03238

b) ¿Cuál es la probabilidad de que durante la segunda hora de operaciones se realicen 10

transacciones?

Si consideramos la probabilidad desde el inicio del tiempo de operación de la bolsa:

( 12∗2 )10 −(12∗2 )
P ( X 2=10 )= e ≈ 0.0006596
10 !
Pero si consideramos desde la primera a la segunda hora de operaciones:
( 12∗1 )10 −( 12∗1)
( X 1=10 )= 10! e ≈ 0.104837

Fuentes:
Rincón, Luis. (2011). Introducción a los Procesos Estocásticos. México: UNAM.
Herrera, Mahil. (2000). Introducción a los Procesos Estocásticos. S/L: S/E.
Tijms, Henk. (2003). A first course in stochastic models. England: John Wiley & Sons Ltd.