UNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO

ESCUELA SUPERIOR DE APAN

INGENIERÍA ECONÓMICA Y FINANCIERA

PROCESOS ESTOCÁSTICOS

ALUMNA: MENDOZA OSORIO ROSARIO JUDIT

ACTIVIDAD 5

ENSAYO

“PROCESO POISSON”

No. de cuenta. 380655

03 de abril de 2022
Contenido
INTRODUCCIÓN ................................................................................................................................... 3
1. Procesos de Poisson .................................................................................................................... 4
2. Procesos de llegada. .................................................................................................................... 4
CONCLUSIÓN ....................................................................................................................................... 5
 INTRODUCCIÓN
El proceso de Poisson es una serie temporal construida a partir de experimentos
los cuales su frecuencia puede aproximarse satisfactoriamente a una distribución
de Bernoulli y depende de un parámetro constante llamado intensidad.
En otras palabras, el proceso de Poisson es una secuencia de experimentos que
siguen una distribución de Bernoulli y depende de un parámetro que indica la
intensidad del proceso.

En el presente ensayo se abordara y analizara ampliamente el proceso Poisson,

este con el objetivo de comprenderlo mejor, y poder saber cómo se relaciona con
una distribución de Bernoulli y Marcov.
1. Procesos de Poisson
Un proceso de Poisson es un proceso simple y amplio para el modelado de
llegadas para la entrar a un sistema. De muchas formas una entrada continua de
procesos de Bernoulli. Para los procesos de Bernoulli, las llegadas pueden ocurrir
solo múltiples íntegros positivos de algunos de los incrementos de aumentos. El
proceso está caracterizado por una secuencia i.i.d variables aleatorias binarias,
donde indica una llegada y un incremento y por otra parte.

Observaremos (con ningún cuidado de comprobación) que el proceso puede ser

caracterizado por una secuencia de intervalos de tiempo. Estos intervalos están
distribuidos geométricamente distribuidos i.i.d.

Para los procesos de Poisson, las llegadas pueden ocurrir en tiempos arbitrarios y
la probabilidad de las llegadas no tiene ningún tiempo de llegada particular y esto
es igual a cero. Esto significa que no es un una forma muy clara de describir un
proceso de Poisson en términos de la probabilidad de las llegadas en cualquier
instante.

2. Procesos de llegada.
Es una secuencia con incrementos de la suma de los intervalos en el tiempo
significa que es positivo para la suma de los intervalos en el tiempo, pero estas
llegadas no pueden ocurrir simultáneamente. Pero para nuestros intereses se
permitirá la llegada masiva simultánea con una probabilidad en el tiempo inicial
igual a cero entonces obtenemos que. El orden de todo el proceso se puede
especificar como con una distribución conjunta a la secuencia para todo.

La grafica muestra cualquier proceso de Poisson puede ser especificado por dos
alternativas procesos estocásticos. La primera alternativa es el tiempo de llegada
entre cada arribó al sistema . Es positivo para cualquiera de los
intervalos definido en cada uno de los parámetros de arribo
y el arribo al Sistema se puede especificar.

La distribución conjunta de es suficiente para especificar el proceso de llegada.

La segunda alternativa es especificar el proceso de llegadas en un continuo
proceso donde para cada llegada se incluye un tiempo.

Donde el continuo proceso es una familia infinitamente incontable del número de

llegadas en el tiempo con una probabilidad que puede llegar hasta 1.

CONCLUSIÓN
El proceso de Poisson es una secuencia de experimentos que siguen una
distribución de Bernoulli y depende de un parámetro que indica la intensidad del
proceso.

Tiene un rol muy importante, equivalente al de la distribución normal, dentro de las

distribuciones estadísticas.

Por el teorema del límite central, obtenemos una distribución normal cuando
sumamos variables aleatorias.

De manera similar, obtenemos la distribución exponencial cuando suponemos

procesos estadísticos puntuales.

La mayoría de los procesos puntuales son generalizaciones o modificaciones del

proceso de Poisson.

Este proceso da una muy buena descripción de muchos procesos de la vida real

Esto se debe a que el proceso de Poisson es el proceso más aleatorio.

Es un proceso de Marcov independiente en sus procesos estacionario y simple.