Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Unidad 3 Actividad 3
21 de septiembre de 2015
Autor: Laura Pontón
Procesos Estocásticos
Unidad 3 Actividad 3
1. Sea {N(t)} un proceso Poisson con tasa 3 y Wn denota el tiempo de ocurrencia del n-ésimo
evento. Calcula E(W₁₂), E(W₁₂|N(2)=5) y E(N(5)|N(2)=5).
𝑊𝑛 = ∑ 𝑇𝑗
𝑗=1
𝐸(𝑊𝑛 ) = ∑ 𝐸(𝑇𝑗 )
𝑗=1
𝑛
𝐸(𝑊𝑛 ) =
𝜆
𝑛 = 12 𝑦 𝜆 = 3
Sustituyendo:
𝐸(𝑊12 ) = 4
∴
7
𝐸[𝑊7 ] = = 2.333
3
𝐸(𝑁(5)|𝑁(2) = 5) Comentado [LAPB3]: Calculando
𝐸[𝑁(5)] = 𝑛𝜆
= (5)(3) = 15
1
∴
𝐸(𝑁(5)|𝑁(2) = 5) =
𝐸(𝑁(5) = 15|𝑁(2) = 5)
∴
𝑛1 𝑛2
𝐸(𝑊𝑛1 |𝑊𝑛2 ) = +
𝜆 𝜆
15 10
𝐸(𝑁(5) = 15|𝑁(3) = 10) = 𝐸(𝑊15 |𝑊10 ) = + = 8.333 ≈
3 3
∴
𝐸(𝑁(5)|𝑁(2) = 5) = 8.333
2
𝑡 = 30 𝑚𝑖𝑛
𝑠 = 20 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
𝑁 1700 Comentado [LAPB8]: Para antes, la mitad de las personas
𝑛= = = 850 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑠
2 2
Por lo que la probabilidad es prácticamente CERO, donde la tasa, como una medida de significancia o
una media promedio, implica que al menos en 20 minutos, ya existen 1500 personas dentro del
estadio.
b) Si se sabe que en los primeros 20 minutos llegaron al menos 600 personas, ¿cuál es la
probabilidad de que durante los primeros 40 minutos llegue un total de 1400 personas?
𝑡 = 40 𝑚𝑖𝑛
𝑠 = 20 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
3
3. Supongamos que un aparato eléctrico sufre desperfectos a lo largo del tiempo de
acuerdo a un proceso Poisson de parámetro λ. Cada vez que el aparato se descompone,
se envía a reparación para volverlo a poner en funcionamiento posteriormente, y el
tiempo que tarda en ser reparado tiene distribución exponencial de parámetro μ. El
aparato se reemplaza por uno nuevo sólo cuando el tiempo que transcurre entre dos
reparaciones sucesivas es menor o igual que una constante a > 0. Encuentra la función
de densidad del tiempo de vida útil del equipo (es decir, el tiempo hasta que es
reemplazado).
Sea 𝑋 es una variable distribuida según Poisson donde la cantidad de fallas que tiene el circuito en un
determinado período de tiempo, por lo que 𝑃(𝑋 = 0)
Si la variable se encuentra distribuida según Poisson, tendrá su parámetro 𝜇, mientras que si el caso
fuera determinar cuál es la media donde la probabilidad de que no exista falla sea 𝑃 ⟹ tendríamos que
𝑒 −𝜇 𝜇0
𝑃 = 𝑃(𝑋 = 0) =
0!
−𝜇 𝑙𝑛(𝑒) = 𝑙𝑛(𝑃)
𝜇 = − 𝑙𝑛(𝑃)
𝜇 = − 𝑙𝑛(𝑃(𝑋 = 0)) Comentado [LAPB14]: Para que exista la probabilidad de que exista una
falla o que en su caso el aparato este descompuesto entonces tenemos que:
𝜇 Comentado [LAPB15]: Para el tiempo
𝜇 = 𝜆𝑇 𝑑𝑜𝑛𝑑𝑒 𝑇=
𝜆
∴
− 𝑙𝑛(𝑃)
𝑇=
𝜆
Por lo que si el aparato funciona durante 𝑇 horas, ∃ probabilidad 𝑃 de que ∄ ninguna reparación
2
Procesos Estocásticos | 21/09/2015
− 𝑙𝑛(𝑃)
𝑇=( )
𝜆
𝑡≤𝑎
2
− 𝑙𝑛(𝑃)
𝑇(𝑡 ≤ 𝑎) = ( )
𝜆
4
4. Las anotaciones de dos equipos de básquet, forman procesos Poisson de tasas 1 y 2
anotaciones cada 5 minutos, respectivamente. Supongamos que N₁(t*)=3 y N₂(t*)=1 en
algún tiempo t*. Calcula la probabilidad de que N₁(t) alcance 4 antes de que lo haga
N₂(t) (para t > t*).
Como deseamos calcular la probabilidad de que ocurran 𝑛 sucesos del tipo 1 antes que 𝑚 sucesos del
𝜆1 𝑘 𝜆2 𝑛+𝑚−1−𝑘
tipo 2 ⟹ 𝑃( 𝑆𝑛1 < 𝑆𝑚
2)
= ∑𝑛+𝑚−1
𝑘=𝑛 (𝑛+𝑚−1
𝑘
)( ) (𝜆 +𝜆 )
𝜆1 +𝜆2 1 2
| 𝑘 = 1,2,3
3 𝑘
3 1 2 3−𝑘
∑( )( ) ( ) =
𝑘 3 3
𝑘=1
1 2 2
3 1 2 3 1 2 1 3 1
3
2 0
( )( ) ( ) + ( )( ) ( ) + ( )( ) ( ) =
1 3 3 2 3 3 3 3 3
12 6 1 19
= + + =
27 27 27 27
Procesos Estocásticos | 21/09/2015
Por lo que probabilidad de que 𝑁1 (𝑡) alcance 4 antes de que lo haga 𝑁2 (𝑡) (para t > t*) es del
70.37%
5
5. Suponga que se tienen dos procesos donde Na(t) define el número de mujeres que
llegan al cine con tasa de 7 mujeres por hora y Nb(t) define el número de hombres que
llegan al cine con tasa de 4 hombres por hora, entonces N(t) será el número de personas
que arriban al cine.
𝑁𝑎 (𝑡): 𝑚𝑢𝑗𝑒𝑟𝑒𝑠 𝜆𝑎 = 7
𝑁𝑏 (𝑡): ℎ𝑜𝑚𝑏𝑟𝑒𝑠 𝜆𝑏 = 4
𝜆𝑎 + 𝜆𝑏 = 𝜆
𝜆 = 𝜆𝑎 + 𝜆𝑏 = 7 + 4 = 11
𝜆 = 11
b) ¿Cuál será la probabilidad que en media hora arriben 15 personas?
(𝜆𝑡)𝑘 𝑒 −𝜆𝑡
𝑃(𝑁(𝑡) = 𝑘) = 𝑝𝑎𝑟𝑎 𝑘 = 0,1,2,3 …
𝑘!
1
𝑡= ℎ𝑜𝑟𝑎
2
15
1 1
−( )(11)
𝑒 2 (( ) (11))
2
1
𝑃 (𝑁 ( ) = 15) = = 0.0003984
2 15!
Procesos Estocásticos | 21/09/2015
𝑛 𝜆𝑎 𝑛 𝜆𝑏 𝑘−𝑛
𝑃(𝑁(𝑡) = 𝑛|𝑁(𝑡) = 𝑘) = ( ) ( ) ( )
𝑘 𝜆 𝜆
𝑁 = 𝑁𝑎 + 𝑁𝑏 = 14
6
𝑁𝑎 = 6 Comentado [LAPB20]: Mujeres
d) ¿Cuál será la probabilidad de que el tiempo del 12-ésimo arribo sea hombre, sea menor
que el del 6-ésimo sea mujer?
𝑡𝑖𝑝𝑜 𝑎: 𝑚𝑢𝑗𝑒𝑟𝑒𝑠: 𝑝𝑎𝑟𝑎 𝑁𝑎 ; 𝑠𝑢𝑐𝑒𝑠𝑜𝑠: 12
𝑛 = 12 𝜆𝑎 = 7
𝑡𝑖𝑝𝑜 𝑏: ℎ𝑜𝑚𝑏𝑟𝑒𝑠: 𝑝𝑎𝑟𝑎 𝑁𝑏 ; 𝑠𝑢𝑐𝑒𝑠𝑜𝑠 6
𝑚 = 6 𝜆2 = 4
∴
Para calcular La probabilidad de que el tiempo del 12-ésimo arribo sea hombre, sea menor que el del
6-ésimo sea mujer:
𝑏
= 𝑃(𝑆12 < 𝑆6𝑎 )
∴
𝑛+𝑚−1 𝑘 𝑛+𝑚−1−𝑘
𝑛+𝑚−1 𝜆𝑎 𝜆𝑏
𝑃( 𝑆𝑛1 < 𝑆𝑚
2)
= ∑ ( )( ) ( )
𝑘 𝜆𝑎 + 𝜆𝑏 𝜆𝑎 + 𝜆𝑏
𝑘=𝑛
12+6−1
𝑏 12 + 6 − 1 7 𝑘 4 12+6−1−𝑘
𝑃(𝑆12 < 𝑆6𝑎 ) = ∑ ( )( ) ( )
𝑘 7+4 7+4
𝑘=12
17 𝑘
17 7 4 17−𝑘
= ∑ ( )( ) ( ) =
𝑘 11 11
𝑘=12
12 5 13
17 7 4 17 7 4 4 17 7
14
4 3 17 7
15
4 2
Procesos Estocásticos | 21/09/2015
=( )( ) ( ) + ( )( ) ( ) +( )( ) ( ) + ( )( ) ( )
12 11 11 13 11 11 14 11 11 15 11 11
16
17 7 4 1 17 7
17
4 0
+ ( ) ( ) ( ) + ( ) ( ) ( ) = 0.37408
16 11 11 17 11 11
∴
𝑏
𝑃(𝑆12 < 𝑆6𝑎 ) = 0.37498
La probabilidad de que el tiempo del 12-ésimo arribo sea hombre, sea menor que el del 6-ésimo sea
mujer es del 37.49%
7
e) Si se sabe que puede llegar una mujer con una probabilidad de 6/10. ¿Cuál es la
probabilidad de que lleguen 5 mujeres y 5 hombres?
6 Comentado [LAPB22]: Probabilidad de que llegue una mujer
𝑝=
10
∴
𝑞 =1−𝑝 =
6 4
1− =
10 10
4 Comentado [LAPB23]: Probabilidad de que llegue hombre
𝑞=
10
𝜆𝑎 + 𝜆 𝑏 = 𝜆
𝜆 = 𝜆𝑎 + 𝜆𝑏 = 7 + 4 = 11
𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑠
𝜆 = 11
ℎ𝑜𝑟𝑎
Sabiendo que:
5
−(11)(
6
) 6 −(11)(
4
) 4 5
(𝑒 10 ) ((11) (
10)) (𝑒 10 ) ((11) (
10) )
𝑃(𝑁𝑎 = 5, 𝑁𝑏 = 5) = =
5! 5!
( )( )
𝑃(𝑁𝑎 = 5, 𝑁𝑏 = 5) = (0.1419)(0.1687) = 0.02394
∴
La probabilidad de que lleguen 5 mujeres y 5 hombres es del 2.394%
Procesos Estocásticos | 21/09/2015
8
6. Suponga el número de solicitudes para taxis en un día se asocia a un proceso Poisson con
tasa de 6 llamadas por día. Si se sabe que en dos días llegaron 18 llamadas. ¿Cuál es la
probabilidad de que 12 hayan llegado el primer día?
𝑛 𝑢 𝑘 𝑢 𝑛−𝑘
𝑃[𝑁(𝑢) = 𝑘|𝑁(𝑡) = 𝑛] = ( ) ( ) (1 − )
𝑘 𝑡 𝑡
12
18 1 1 18−12 Comentado [LAPB25]: tasa
𝑃[𝑁(1) = 12|𝑁(2) = 18] = ( ) ( ) (1 − ) = 0.070816
12 2 2
∴
La probabilidad de que 12 llegaran el primer día es de 7.08%
Procesos Estocásticos | 21/09/2015