Conteo - Poisson

Proceso de conteo
Proceso Poisson
Esquema de Presentación
1 Proceso de conteo
Definiciones
Propiedades
2 Proceso Poisson
Definición
Tiempo entre eventos
Resultados importantes
Descomposición de Procesos Poisson
Proceso de conteo Definiciones
Proceso Poisson Propiedades
Definición
Def:
Un proceso estocástico {N(t), t ≥ 0} es un Proceso de
Conteo si N(t) corresponde al número de eventos que ocurren
en el intervalo [0, t].
Propiedades Proceso Conteo
Propiedades
El proceso de conteo N(t) cumple las siguientes propiedades:
1 N(0) = 0
2 N(t) es siempre un valor entero no negativo.
3 Si s < t ⇒ N(s) < N(t)
4 Si s < t ⇒ N(t) − N(s) es el total de eventos en el intervalo
[s, t]
Ejemplo
Si N(t) denota el número total de vehı́culos que han pasado

por una plaza de peaje hasta el instante t, t > 0, una
realización posible del proceso estocástico {N(t), t > 0}
puede ser
Algunas propiedades
Algunas propiedades que pueden tener los procesos de conteo

son:
1.- Incrementos estacionarios
La probabilidad que ocurran k eventos en el intervalo [s, s + h]
depende solo del tiempo de duración de h y no del instante s,
es decir t1 > 0, t2 > 0 y h > 0
N(t1 + h) − N(t1 ) y N(t2 + h) − N(t2 )
son variables aleatorias con igual distribución.

Algunas propiedades
2.- Incrementos independientes

El número de eventos que ocurren durante intervalos de
tiempo disjuntos son independientes, es decir si
0 < t0 < t1 < t2 < . . . < tn entonces
N(t1 ) − N(t0 ), . . . , N(tn ) − N(tn−1 )
son variables aleatorias independientes.

Algunas propiedades
3.- Propiedad de orden

Se asume que no tiene lugar de manera simultánea la llegada
u ocurrencia de dos o más eventos.
Definición
Proceso de conteo Tiempo entre eventos
Proceso Poisson Resultados importantes
Definición
Def:
Un Proceso de Poisson es un proceso de conteo {N(t), t > 0}
que cumple con las propiedades de
1 Incrementos estacionarios
2 Incrementos independientes
3 Propiedade de orden
Definición
Observaciones
Si {N(t), t > 0} es un Proceso de Poisson, entonces la

variable aleatoria N(t) tiene distribución Poisson con
parámetro λt donde λ corresponde a la tasa de ocurrencia de
los eventos Poisson por unidad de tiempo.
Ası́, la probabilidad que ocurran exactamente k eventos antes

de un tiempo t es:
e −λt (λt)k
P (N(t) = k) = k = 0, 1, 2, . . .
k!
Definición
Observaciones
Si {N(t), t > 0} es un Proceso de Poisson, entonces la

variable aleatoria N(t) tiene distribución Poisson con
parámetro λt donde λ corresponde a la tasa de ocurrencia de
los eventos Poisson por unidad de tiempo.
Ası́, la probabilidad que ocurran exactamente k eventos antes

de un tiempo t es:
e −λt (λt)k
P (N(t) = k) = k = 0, 1, 2, . . .
k!
Definición
Observaciones
Recordemos que
E (N(t)) = λt
V (N(t)) = λt
Definición
Ejemplo
En una sala de urgencias de un hospital, llegan pacientes a

una tasa de 4 por hora de forma Poisson.
Sea N(t) el número de pacientes al tiempo t (horas),
e −4×3 (4 × 3)6
P (N(8 : 00 − 11 : 00) = 6) = P(N(3) = 6) =
6!
2 −4×3
X e (4 × 3)i
P (N(8 : 00 − 11 : 00) ≤ 2) = P(N(3) ≤ 2) =
i!
i=0
Definición
Definición
Asociado a un Proceso Poisson existen también variables

aleatorias T1 , T2 , . . . , Ti , que indican el instante de ocurrencia
del i−ésimo evento y variables aleatorias S1 , S2 , . . . , Si tal que
S1 = T1
S2 = T2 − T1
..
.
que representan el tiempo transcurrido entre eventos

sucesivos.
Definición
Gráficamente
Definición
Definición
Teorema
Si {N(t), t > 0} es un proceso Poisson de tasa λ, las variables
aleatorias S1 , S2 , . . . de los tiempos entre eventos sucesivos
son iid con distribución exponencial de parámetro λ.
Ası́, ∀t > 0
F (t) = P(Si ≤ t) = 1 − e −λt
Definición
Definición
Teorema
Si {N(t), t > 0} es un proceso Poisson de tasa λ, las variables
aleatorias S1 , S2 , . . . de los tiempos entre eventos sucesivos
son iid con distribución exponencial de parámetro λ.
Ası́, ∀t > 0
F (t) = P(Si ≤ t) = 1 − e −λt
Definición
Ejemplo
Sea {N(t), t > 0} un proceso Poisson de tasa λ = 3 que

cuenta el número de veces que se ha reemplazado una
ampolleta en una lámpara particular en el mes.
Si la primera ampolleta lleva t = 5 horas funcionando, calcular
la probabilidad que complete más de t + s = 10 horas
funcionando
Definición
Ejemplo
Sea {N(t), t > 0} un proceso Poisson de tasa λ = 3 que

cuenta el número de veces que se ha reemplazado una
ampolleta en una lámpara particular en el mes.
Si la primera ampolleta lleva t = 5 horas funcionando, calcular
la probabilidad que complete más de t + s = 10 horas
funcionando
Definición
Observación
El ejemplo anterior hace relación con la propiedad de la falta

de memoria de la distribución exponencial:
P(Sk > t + s | Sk > t) = P(Sk > s)
¿Qué significa esta propiedad de la falta de memoria?

Definición
Ejemplo
A una plaza de peaje lateral en la ruta 5 llegan autops de

acuerdo a un proceso Poisson con tasa 1 vehı́culo por hora.
Si acaban de llegar 3 vehı́culos, ¿cuál es la probabilidad que el
próximo vehı́culo llegue en menos de 30 minutos?
Si ya han llegado 25 vehı́culos, ¿Cuál es la probabilidad que el
próximo vehı́culo llegue en menos de 45 minutos?
Definición
Proposición
El proceso {N(t), t > 0} es un proceso Poisson de tasa λ si y

solo si (ssi)
1 Con probabilidad 1 los incrementos del proceso son de
magnitud unitaria
2 E (N(t + s) − N(t) | N(u)u ≤ t) = λs
Definición
Ejemplo
Suponga que personas migran a un territorio a tasa Poisson

de 1 por dı́a
¿Cuántas personas se esperan que lleguen en los próximos
dı́as?
¿Cuál es el tiempo esperado hasta que arribe el décimo
inmigrante?
¿Cuál es la probabilidad que el tiempo entre el décimo y el
onceavo inmigrante sea superior a dos dı́as?
Definición
Proposición
Sea B la unión de un número finito de intervalos de tiempo

disjuntos y NB el número de eventos del rpoceso de conteo
{N(t), t > 0} que caen en el conjunto B
Entonces, este proceso de conteo es un proceso Poisson de
tasa λ ssi
e −λb (λb)k
P(NB = k) =
k!
para todo conjunto B en que b es la longitud del conjunto B.
Definición
Observaciones
Consideremos un proceso de conteo Poisson {N(t), t > 0} con

tasa λ donde cada evento se puede clasificar en uno de dos
tipos de eventos excluyentes: eventos Tipo I y eventos Tipo II.
Cada evento del Tipo I ocurre con probabilidad p y cada

evento Tipo II ocurre con probabilidad 1 − p
Definición
Observaciones
Sea N1 (t) : el número de eventos Tipo I ocurridos en el

intervalo [0, t]
Sea N2 (t) : el número de eventos Tipo II ocurridos en el
intervalo [0, t]
Entonces,
N(t) = N1 (t) + N2 (t)
Definición
Observaciones
Además, los procesos de Poisson
{N1 (t), t > 0} {N2 (t), t > 0}
son ambos procesos de Poisson con tasas
λp λ(1 − p)
respectivamente, donde además se cumple que son

independientes.
Definición
Ejemplo
Una máquina fabrica artı́culos a una tasa de 7 por hora, de

acuerdo a un Proceso Poisson. Se sabe que el 40 % de los
artı́culos son defectuosos. ¿Cuál es la probabilidad que en las
próximas 4 horas se fabriquen entre 4 a 8 artı́culos
defectuosos?
Definición
Definición
Def: Suma de procesos Poisson

Sean N1 (t), N2 (t), . . . , Nk (t) procesos de Poisson
independientes a tasas λ1 , λ2 , . . . , λk respectivamente,
Entonces el proceso,
N(t) = N1 (t) + N2 (t) + . . . + Nk (t)
es un proceso Poisson de tasa λ1 + λ2 + . . . + λk

Definición
Propiedades Generales de los Procesos Poisson
Suponga que se tiene dos procesos Poisson independientes

{N 1 (t), t > 0} y {N 2 (t), t > 0}.
En ocasiones interesa calcular la probabilidad que n eventos

del proceso N 1 ocurran antes que m eventos del proceso N 2
ocurran.
Definición
Propiedades generales de los procesos Poisson
Para obtene esto, definamos lo siguiente:

Sn1 : tiempo del n-ésimo evento del primer proceso
Sm2 : tiempo del m-ésimo evento del segundo proceso
Interesa calcular,
P(Sn1 < Sm
2
)
Definición
En el caso en que m = n = 1 se tiene que esta probabilidad

resulta ser
λ1
P S11 < S12 =

λ1 + λ2
lo que representa que la probabilidad que el tiempo entre
eventos del Proceso 1 sea menor que el tiempo entre eventos
del proceso 2.
Definición
Ejemplo
Suponga que un proceso productivo tiene 2 máquinas que

fabrican el mismo producto y trabajan en paralelo.
Para la máquina 1, el número de fallas de la máquina hasta el

tiempo t es Poisson con tasa de 5 fallas anuales. Para la
máquina 2, el número de fallas es Poisson con tasa de 2 fallas
anuales.
¿Cuál es la probabilidad que la máquina 2 falle por primera

vez antes que la máquina 1 lo haga por primera vez?
Definición
En el caso en que n = 2 y m = 1,
Corresponde a la probabilidad que dos eventos del proceso
N 1 (t) ocurran antes que ocurra un evento del proceso N 2 (t).
Interesa calcular,
P(S21 < S12 ) = P(S11 < S12 )P(S11 < S12 )

λ1 λ1
=
λ1 + λ2 λ1 + λ2
2
λ1
=
λ1 + λ2
Esto ocurre pues, dado que los eventos son independientes y
el proceso no tiene memoria, es equivalente a que ocurra 1
vez y luego vuelva a ocurrir, independientemente de lo que
ocurrió antes.
Definición
Caso general
La probabilidad que n eventos ocurran en N 1 (t) antes que m
eventos ocurran en N 2 (t) es
n+m−1
X k n+m−1−
n+m−1 λ1 λ2
P(Sn1 < 2
Sm ) =
k λ1 + λ2 λ2 + λ1
k=n

Conteo - Poisson

Cargado por

Información del documento

Descripción original:

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

Conteo - Poisson

Cargado por

Copyright:

Formatos disponibles

Proceso de conteo

Propiedades Proceso Conteo

Si N(t) denota el número total de vehı́culos que han pasado

Algunas propiedades que pueden tener los procesos de conteo

N(t1 + h) − N(t1 ) y N(t2 + h) − N(t2 )

son variables aleatorias con igual distribución.

2.- Incrementos independientes

N(t1 ) − N(t0 ), . . . , N(tn ) − N(tn−1 )

son variables aleatorias independientes.

3.- Propiedad de orden

Si {N(t), t > 0} es un Proceso de Poisson, entonces la

Ası́, la probabilidad que ocurran exactamente k eventos antes

Si {N(t), t > 0} es un Proceso de Poisson, entonces la

Ası́, la probabilidad que ocurran exactamente k eventos antes

En una sala de urgencias de un hospital, llegan pacientes a

Asociado a un Proceso Poisson existen también variables

que representan el tiempo transcurrido entre eventos

Sea {N(t), t > 0} un proceso Poisson de tasa λ = 3 que

Sea {N(t), t > 0} un proceso Poisson de tasa λ = 3 que

El ejemplo anterior hace relación con la propiedad de la falta

P(Sk > t + s | Sk > t) = P(Sk > s)

¿Qué significa esta propiedad de la falta de memoria?

A una plaza de peaje lateral en la ruta 5 llegan autops de

El proceso {N(t), t > 0} es un proceso Poisson de tasa λ si y

Suponga que personas migran a un territorio a tasa Poisson

Sea B la unión de un número finito de intervalos de tiempo

Consideremos un proceso de conteo Poisson {N(t), t > 0} con

Cada evento del Tipo I ocurre con probabilidad p y cada

Sea N1 (t) : el número de eventos Tipo I ocurridos en el

Además, los procesos de Poisson

{N1 (t), t > 0} {N2 (t), t > 0}

son ambos procesos de Poisson con tasas

respectivamente, donde además se cumple que son

Una máquina fabrica artı́culos a una tasa de 7 por hora, de

Def: Suma de procesos Poisson

N(t) = N1 (t) + N2 (t) + . . . + Nk (t)

es un proceso Poisson de tasa λ1 + λ2 + . . . + λk

Propiedades Generales de los Procesos Poisson

Suponga que se tiene dos procesos Poisson independientes

En ocasiones interesa calcular la probabilidad que n eventos

Propiedades generales de los procesos Poisson

Para obtene esto, definamos lo siguiente:

Propiedades generales de los procesos Poisson

En el caso en que m = n = 1 se tiene que esta probabilidad

Suponga que un proceso productivo tiene 2 máquinas que

Para la máquina 1, el número de fallas de la máquina hasta el

¿Cuál es la probabilidad que la máquina 2 falle por primera

Propiedades generales de los procesos Poisson

P(S21 < S12 ) = P(S11 < S12 )P(S11 < S12 )

Propiedades generales de los procesos Poisson

También podría gustarte