14224

Apunte 5
PÉRDIDA DE
MEMORIA,
COMPETENCIA DE
TASAS, PROCESOS
DE POISSON
COMPUESTOS Y
NO HOMOGÉNEOS

Mitsuo Tanida

INDUSTRIA VIRTUAL 2020 1

INDUSTRIA VIRTUAL 2020 2

 PÉRDIDA DE MEMORIA, COMPETENCIA DE TASAS,
PROCESOS DE POISSON COMPUESTOS Y NO HOMOGÉNEOS

INTRODUCCIÓN

En el presente apunte, seguiremos estudiando en profundidad los procesos de Poisson, específicamente,

la propiedad de pérdida de memoria, que hace alusión a que la condicionalidad de una variable aleatoria
distribuida exponencial no importa. Por ello, solo nos preocuparemos de la probabilidad solicitada. Por
ejemplo, si queremos saber cuál es la probabilidad de que pase un bus antes de un tiempo determinado,
no nos va a importar lo que haya pasado antes.

En los procesos de Poisson compuestos podemos encontrar una variada gama de ejemplos como el
número de incendios en una determinada zona o la cantidad de clientes que llegan a una tienda
comercial. Estos procesos son los que tienen una tasa definida por una función, es decir, toman distintos
valores en diferentes periodos de tiempo.

Para poder entender cómo desarrollar estos modelos, es indispensable entender y aplicar los conceptos
de distribución exponencial, pérdida de memoria, competencia de tasas, Procesos de Poisson compuestos
y no homogéneos.

DESARROLLO

Suponga que T es una variable aleatoria distribuida exponencialmente de parámetro lambda y que s es un
número real fijo mayor a cero. Entonces, la propiedad de pérdida de memoria se refleja en la siguiente ecuación:

P(T − s > t│T > s) = P(T > t)

Por lo tanto, la variable aleatoria T – s distribuye exponencial con parámetro lambda. Cabe destacar que
la distribución exponencial es la única variable aleatoria absolutamente continua que cumple con esta
propiedad. En otras palabras, la variable aleatoria T olvida, de alguna forma, que ha tomado valor mayor a

INDUSTRIA VIRTUAL 2020 3

s y la longitud de t sigue la misma ley de probabilidad. Esto se genera debido a la ley de probabilidad
condicional, se obtiene lo siguiente:

P(T > t + s│T > s) = P(T > t) =   (P(T > t + s  ∩ T > s))/(P(T > s)) = (P(T > s + t))/(P(T > s))

Utilizando la función de distribución acumulada de la variable aleatoria T, que distribuye exponencial de

parámetro lambda, se obtiene lo siguiente:

= (1 − F_T (t + s))/(1 −  F_T (t)) = e ^( − λ(t + s))/e ^( − λ(t))  = e ^( − λs) = P(T > s)

Ahora, la consecuencia de usar la propiedad de pérdida de memoria en un proceso de Poisson es que, si Xt es

un proceso de Poisson de parámetro lambda y s mayor que cero fijos en los reales, entonces, la variable
aleatoria T-s es un proceso de Poisson con tasa lambda. En particular, se tiene que Xt – Xs~ Poisson a tasa
lambda, que depende de los valores de t y s. Esto indica que la variable Xt – Xs tiene incrementos estacionarios.

Suponga, ahora, que se tiene dos procesos de Poisson NA(t) y NB(t) de tasas λA y λB respectivamente. El
teorema de competencia de tasas puede entregar la probabilidad de que suceda el proceso de Poisson
NA(t) antes que el NB(t), que está definida mediante la siguiente fracción:

λA
(λA + λB )

Los procesos de Poisson compuestos son una generalización del proceso de Poisson en el que los saltos
no son necesariamente unitarios. Por lo que se puede definir al proceso de Poisson compuesto como un
proceso a tiempo continuo N(t),  t ≥ 0 de la forma:

N(t)

∑
X _t = Yn 
n=1

En donde N(t),  t ≥ 0 es un proceso de Poisson homogéneo con tasa lambda y Y1, Y2, … son variables
aleatoritas independientes e idénticamente distribuidas del proceso de Poisson.

INDUSTRIA VIRTUAL 2020 4

Procesos de Poisson compuestos

Es necesario conocer algunos alcances que tienen los procesos de Poisson compuestos. Uno de estos es
que cuando el proceso de Poisson toma el valor cero, el proceso de Poisson compuesto empieza en el
valor cero. Por otro lado, cuando todas las variables Y son iguales a uno, se recupera el proceso de
Poisson. Por último, el espacio de estados del proceso de Poisson compuesto lo determine el rango de
valores de las variables aleatorias Y.

Una de las propiedades más significativas de un proceso de Poisson compuesto es que la distribución de
Xt no es necesariamente Poisson. Depende de la distribución de Y y esta puede ser discreta o continua.
Otra propiedad importante de estos procesos es que, condicionando sobre el valor del proceso de Poisson
N(t), puede comprobarse que E(X _t) = E(N(t))*E(Y ). También, se cumple la propiedad de incrementos
independientes y estacionarios. Por otro lado, los tiempos de inter – arribo T1, T2, … son los mismos que
para el proceso de Poisson N(t),  t ≥ 0 y, por lo tanto, son independientes y con idéntica distribución
exponencial de parámetro lambda. Finalmente, estos procesos cumplen la propiedad Markoviana que se
aprenderá en las siguientes entregas del curso.

Proceso de Poisson no homogéneo

El proceso de Poisson no homogéneo es un proceso a tiempo continuo X _t,  t ≥ 0 con espacio de

estados {0,1,2,…}, con parámetro la función positiva y localmente integrable λ(t) para t ≥ 0, que cumple
con los axiomas que se expondrán a continuación:

● Primero, el proceso empieza en cero.

● Segundo, el P.P.N.H. tiene incrementos independientes.
● Por último, para t ≥ 0 y cuando h tiende a cero se tiene que:
P(X(t + h) − X _t ≥ 1) = λ(t)h + o(h) y P(X(t + h) − X _t ≥ 2) = o(h).

Esta es la misma definición del proceso de Poisson usando probabilidades infinitesimales, excepto por
dos aspectos, el primero es que la hipótesis de incrementos estacionarios ya no existe y segundo, en lugar
de la constante lambda, ahora aparece una función λ(t). Esta función generalmente aparece de la forma:
λ(t) = {λ1  si 0 ≤ t < t1 λ2  si t1 ≤ t < t2 … λn si tn−1 ≤ t < tn 

INDUSTRIA VIRTUAL 2020 5

 ● Como primera propiedad, se tiene que la variable aleatoria Xt tiene distribución de Poisson de
t

∫
parámetro Λ(t) en donde Λ(t) = Λ(s)d s.
0

● Como segunda propiedad, se tiene que los incrementos también tienen distribución de Poisson,
específicamente Xt+s − Xs ~Poisson (Λ(t + s) − Λ(s)).

● Como tercera propiedad se dice que, en general, los incrementos dejan de ser estacionarios pues
Xt+s − Xs ≠ Xt , pero se pide que sean independientes.

La distribución de la primera variable depende de la función de intensidad para tiempos entre s y t + s y

la distribución de la segunda variable, esto es de Xt, depende de los valores de la función de intensidad en
los valores de 0 a t.

Definiendo para este proceso los tiempos de inter - arribo, como en el proceso de Poisson homogéneo,
es decir, como los tiempos que transcurren entre la ocurrencia de un evento y otro. Para esto se tiene
que, en general, los tiempos de inter - arribo T1, T2, … no son independientes, no tienen la misma
distribución y no son exponenciales.

INDUSTRIA VIRTUAL 2020 6

CONCLUSIÓN

En el presente apunte se vieron temas asociados a los procesos de Poisson. Como primer eje central del
apunte, se dio a conocer la propiedad de la pérdida de memoria, que nos dice que la distribución
exponencial presenta un tipo de amnesia a las condiciones ya dadas o a lo que pasó en el pasado. Luego,
se vio el axioma de competencia de tasas, que nos entrega una forma sencilla de calcular las
probabilidades entre eventos condicionados a dos procesos de Poisson. Por otro lado, aparecen los
procesos de Poisson compuestos, que son procesos continuos, por lo tanto, su recorrido ya no es discreto.
Para finalmente, se vieron los procesos de Poisson no homogéneos, que representan la tasa de intensidad
en forma de función.

Para concluir, este texto servirá de apoyo al estudiante para desarrollar e interpretar modelos estocásticos
de gestión de operaciones basados en procesos estocásticos. Por otro lado, será capaz de resolver los
modelos estocásticos asociados a los procesos de Poisson.

REFERENCIAS BIBLIOGRÁFICAS

Gazmuri, P. (1994). Modelos estocás cos para la ges ón de sistemas. Ediciones PUC.

Meyer, P. (1992). Probabilidad y aplicaciones estadís cas. Edición Addison Wesley Iberoamericana.

INDUSTRIA VIRTUAL 2020 7

ti

ti
ti