1

Investigación de Operaciones II
Ejercicios Procesos de Poisson
Iván Derpich Contreras


Pregunta Nº1. Una fabrica de zapatos de exportación, ha iniciado la
fabricación de un lote de 1.000 pares, de diferentes modelos y números. Los
tiempos de proceso en cada una de las etapas son variables aleatorias.
Luego el tiempo total de fabricación del lote es también aleatorio, y como
ocurre generalmente en estos casos, los tiempos entre llegadas de pares
terminadas a Envase sigue una distribución exponencial con tasa promedio
de 100 pares/hora. (Envase es la última estación de la línea de fabricación).

Bajo un sistema de turnos la planta trabaja 10 horas seguidas por día. Se
sabe que el lote total se completará antes del término de la jornada, ya que
existe capacidad suficiente en la fábrica. Sin embargo hay incertidumbre
respecto a que se pueda producir congestión en envase en algún lapso del
día y se quieren adelantar medidas.

Por esta razón interesa saber

a) ¿Cuál es la probabilidad de que lleguen más de 100 pares por hora?

b) ¿Cuál es la probabilidad de que a 2 horas de terminar la jornada hayan
llegado el 80% del lote o más?

Solución:

Sea X(t) : cantidad de pares de zapatos que llegan a envase en [0,t] y

Sea Ti : Tiempo entre la transacción i-ésima y la transacción i-1.

) / 100 exp( hr pares T
i
= ≈ ∴ λ

a) ( ) A X X P = = = ≥ ?? 1000 ) 10 ( 100 ) 1 (

El enunciado dice que se completa el número de 1000 pares al final de la jornada.
Como los pares llegan con tiempos con distribución exponencial, entonces el
número de pares de zapatos es un Proceso de Poisson.

Se sabe que 000 . 1 ) 10 ( = X ) (t X ∴ está condicionado
2

Luego ( ) p Binomial t X , 1000 ) ( ≈ con 1 , 0
10
1
= = p

( ) [ ]
[ ]


=
=
= = − =
= = = = ≥ =
99
0
1000
100
1000 ) 10 ( ) 1 ( 1
1000 ) 10 ( ) 1 ( 1000 ) 10 ( 100 ) 1 (
k
k
X k X P
X k X P X X P A


( ) ( )
k k
k
k
A

=

|
|
¹
|

\
|
− =

1000
99
0
1 , 0 1 1 , 0
1000
1

Esta es una respuesta correcta.


El cálculo de término correspondiente a la sumatoria, es muy difícil de calcular por
la cantidad de términos que deben sumarse. Por esta razón se aproximará por la
distribución normal.

La Varianza de la distribución de Poisson esλ y la desviación estándar es
hora pares / 10 = λ

Sea Y una distribución normal equivalente a la distribución de Poisson

) , (
Y Y
N Y σ µ ≈
hr pares hr pares
Y Y
/ 10 / 100 = = = = λ σ λ µ

Construyamos la variable Z normalizada

10
100 −
=
X
Z

( ) 46 , 0 1 , 0
10
1
10
100 99
10
100
= − Φ =
(
¸
(

¸

≤ =
(
¸
(

¸



Z P
X
P


54 , 0 ) 1 , 0 ( 1 = − Φ − = A


b) [ ] B X X P = = = ≥ ?? 1000 ) 10 ( 800 ) 8 (

3
[ ] = = = =

=
1000
800
1000 ) 10 ( ) 8 (
k
X k X P B

( ) )
10
8
; 1000 ( 8 Binomial X ≈

( ) ( ) ( ) ( ) = −
|
|
¹
|

\
|
− = −
|
|
¹
|

\
|
=

=

=
∑ ∑
k k
k
k k
k
k k
B
1000
799
0
1000
1000
800
8 , 0 1 8 , 0
1000
1 8 , 0 1 8 , 0
1000


Utilizando la misma variable Z normalizada. Ahora la media y varianza siguientes:
hr pares t hr pares hr pares t
Y Y
/ 28 , 28 800 / 800 / 8 * 100 = = = = = = λ σ λ µ

( ) 5141 , 0 4858 , 0 1 035 , 0 1
28 , 28
1
1
100 * 8
800 799
1 = − = − Φ − = |
¹
|

\
| −
Φ − =
|
|
¹
|

\
| −
Φ − = B

Pregunta Nº2. Un alumno de Ingeniería Industrial estaciona ilegalmente su
vehículo en los alrededores de la Facultad dos veces al día por el período de
una hora cada vez. La pasada de los inspectores municipales o Carabineros
de Tránsito es un Proceso de Poisson con un promedio de λ λλ λ pasadas por
hora. ¿Cuál es la probabilidad de que no le pasen un parte?

Solución: Primero, no le dicen a que hora se estaciona, si no solamente que
estaciona en dos segmentos de dos horas, lo que si sabe, es que un proceso de
Poisson, por lo que, por los incrementos independientes, lo que pase en una hora,
es independiente de lo que pase en el otro intervalo de tiempo.

Sea ) (t N el número de partes en el intervalo ] , 0 [ t .

Si llamamos 1
1
= t , el primer intervalo de una hora, y 1
2
= t el de la segunda hora,
la probabilidad buscada es:
( )
λ λ λ 2
2 1
) 0 ) ( ( ) 0 ) ( (
− − −
= = = ⋅ = = e e e t N P t N P partes tener No P

Por la misma razón anterior, la solución es equivalente a calcular cero partes en
dos horas continuas.




Pregunta Nº3. En un día de verano, los buses con turistas que llegan a Curico
lo hacen según un proceso Poisson con un promedio de cinco autobuses por
hora. El pueblo de Curico es famoso en el mundo por sus tortas y vinos.
Cada bus espera una hora o dos horas en Curico con probabilidades iguales.
4
Cada autobús trae 50, 75 o 100 turistas con probabilidades respectivas de
¼, ½ y ¼. Calcule una aproximación normal para la probabilidad que más
1000 turistas hayan entrado a Curico hasta las 4 de la tarde, suponga que el
día lo cuenta desde las 00:00 horas. Indicación: Defina X como el número de
turistas, Usted debe calcular .

Solución:

El Proceso de Poisson está asociado con la llegada de Buses, pero el Número de
Turistas no obedece a un proceso de conteo, pero dada la naturaleza de la llegada
de los buses, el proceso que cuenta el número de turistas es un proceso
compuesto.

Sea ) (t N el número de turistas.

Interesa calcular ) 1000 ) 16 ( ( ≥ N P . Dado que es proceso compuesto y nos dicen
que debemos usar una aproximación normal, para usarla debemos identificar el
promedio y la desviación estándar de ) (t N .

Sea
i
X el número de turistas.

t X E t N E
i
λ ) ( )) ( ( =
t X E t N Var
i
λ ) ( )) ( (
2
=

Calculamos los valores esperados de
i
X :

. 75 100
4
1
75
2
1
50
4
1
) ( = + + =
i
X E
. 5 . 5937 100
4
1
75
2
1
50
4
1
) (
2 2 2 2
= + + =
i
X E

. 6000 16 5 75 16 ) ( )) 16 ( ( = ⋅ ⋅ = = λ
i
X E N E
. 475000 16 5 5 . 5937 16 ) ( )) 16 ( (
2
= ⋅ ⋅ = = λ
i
X E N Var
. 20 . 689 16 ) ( )) 16 ( (
2
= = λ σ
i
X E N

Entonces:
( ). 25 . 7 1
20 . 689
5000
1 )
20 . 689
6000 1000
20 . 689
6000 ) 16 (
( − Φ − = |
¹
|

\
| −
Φ − =


− N
P



5
Pregunta Nº4. A un acto eleccionario llegan personas a votar de acuerdo a un
Proceso de Poisson a tasa λ λλ λ. Cada persona, independientemente de los
demás, vota con probabilidad 0,5 por el candidato 1 y con probabilidad 0,5
por el candidato 2. Suponga que la votación comienza en t=0 y que tiene
duración infinita.

a) Si se sabe que llegaron 1000 personas a votar durante las primeras 5
horas. ¿ Cuál es la probabilidad de que el candidato 1 reciba n de estos votos
en el mismo período de tiempo ?

b) Si se sabe que llegaron 1000 personas a votar en las primeras 5 horas.
¿ Cuál es la probabilidad de que el candidato 1 reciba n de estos votos en
las primeras 3 horas de votación ?

c) Sea H el instante de llegada de la primera persona a votar por el candidato
1. Encuentre la distribución de probabilidades de H.

d) Encuentre la distribución de probabilidades del número personas que
votan por el candidato 2, antes de que se complete el tiempo promedio en
que llegue la primera persona que vota por el candidato 1.

Desarrollo:

a) Sea
( ) . 0 º : t y entre votar a llegan que personas n t N
y Sea
( ) . 1 , 0 º :
1
candidato el por t y entre votar a llegan que personas n t N
( )
( )
1000 ; ?
1000 5
5
1
≤ =
|
¹
|

\
|
=
=
n
N
n N
P
( ) t N
1
condicionado a ( ) 1000 = t N , es binomial por lo tanto:
( )
( )
) 5 , 0 ; 1000 (
5
5
1
Binomial
N
N

Luego
( )
( )
( ) ( ) 1000 ; 5 , 0 5 , 0
1000
1000 5
5 1000
1

|
|
¹
|

\
|
=
|
¹
|

\
|
=
= −
n
n
N
n N
P
n n


b)
( )
( )
1000 ; ?
1000 5
3
1
≤ =
|
¹
|

\
|
=
=
n
N
n N
P

Sea p : probabilidad de que uno de las 1000 personas que llegaran a votar entre 0
y 5, lo hagan en el intervalo [0,3] y además voten por el candidato 1.

3 , 0
5
3
* 5 , 0 = = p
6

( )
( )
) ; 1000 (
5
5
1
p Binomial
N
N


( )
( )
( ) 1000 ; 1
1000
1000 5
3 1000
1
≤ −
|
|
¹
|

\
|
=
|
¹
|

\
|
=
= −
n p p
n
N
n N
P
n n


( )
( )
( ) ( ) 1000 ; 7 , 0 3 , 0
1000
1000 5
3 1000
1

|
|
¹
|

\
|
=
|
¹
|

\
|
=
= −
n
n
N
n N
P
n n



c) Si ( ) t N es Poisson con tasa λ , entonces ,... ,
2 1
T T tiempos entre llegadas de
personas a votar, distribuyen exponencial con la misma tasa.

d) Sea
1
1
T tiempo de la primera persona que vota por el candidato 1. Luego

( )
λ * 5 , 0
1
1
1
= T E
( ) ( ) ( ) 1
* 5 , 0
1
* * 5 , 0
1
1 2
= =
λ
λ T E N P

Pregunta Nº 5. Se tiene una central telefónica que recibe llamadas de
acuerdo a un proceso de Poisson a tasa 10 = λ (llamadas/hora). Se define
( )
2 1
, t t N como el número de llamadas que se han recibido entre
1
t y
2
t . El
servicio ha comenzado a operar a las 8:00 de la mañana y se sabe que
( ) . 9 10 , 8 = N

a) Si no se ha recibido ninguna llamada desde la 9:45 hrs. ¿Cuál es la
probabilidad de que la siguiente llamada ocurra antes de las 10:20hrs. ?

b) ¿ Cuál es la probabilidad de que no se reciba ninguna llamada por más de
40 minutos, comenzando a las 9:45 hrs.?

c) Si la telefonista trabaja 8 horas en su turno ¿ cuantas llamadas recibirá en
promedio ?

d) ¿Cuál es la probabilidad de que a las 11:00 hrs. se hayan recibido 30
llamadas en total ?

e) La telefonista ha estado muy ocupada durante las primeras 4 horas de su
turno y le comenta a su compañero de trabajo en su hora de colación: ”Este
será un día muy ocupado, en la mañana casi no he podido descansar”.
7
Desarrollo:

a) Fijando el t=0 en la hora 9:45 hr.

Sea
1
T el tiempo para el primer evento medido desde el instante t=0, luego:

( ) ≈ − = − = ≤
− − 350 35 *
1
1 1 35 e e T P
λ


b) ( )
400 40 *
40
− −
= = ≥ e e T P
i
λ


c) Sea N: nº de llamadas que recibe la telefonista en su turno.

( ) 80 8 * = = λ N E llamadas

d) ( ) ( ) ( ) ( )
( )
084 , 0
! 21
20
! 21
2 *
21 11 , 9 30 11 , 8
21
20
21
2 * − −
= = = = = e e N P N P
λ
λ



Pregunta Nº 6. Usando sus conocimientos del curso responda lo siguiente:

El centro que recibe llamadas de emergencia de una ciudad recibe en
promedio 42 llamadas por hora en la hora punta, comprendida entre las 9 y
13 horas AM. Cada llamada requiere alrededor de 2 minutos de la telefonista
para atender y derivar la llamada al personal correspondiente (bomberos,
carabineros o ambulancia). El centro debe tener un adecuado número de
telefonistas, y se ha pedido a un consultor que determine el número
adecuado de telefonistas. El consultor asume que las llamadas entran en un
orden completamente aleatorio y por lo tanto aplica el Proceso de Poisson.
Sin embargo, el telefonista actual puntualiza que entre las 10 y las 12 hrs.
llegan muchas más llamadas que en el resto del tiempo. ¿Qué implica este
hecho para el uso de la distribución de Poisson ?

Solución:

No se cumple la propiedad de incrementos estacionarios, por lo tanto es un
proceso de Poisson No Homogeneo. La fórmula de la probabilidad del proceso es :
[ ]
!
) , (
} ) , ( {
2 1 ) , (
2 1
2 1
n
t t m
e n t t X P
n
t t m −
= = para ,... 2 , 1 , 0 = n
8

( )
¦
¦
¦
¦
¹
¦
¦
¦
¦
´
¦
≤ ≤
≥ ≤ − + − + −
≥ ≥ + −
≤ ≤ ≤ − + −
≤ ≥
≥ ≥
=
10 10 / 42
12 10 ) 12 ( 42 ) 10 12 ( 10 ( 42
12 10 42 ) 12 ( ) 12 (
12 10 10 ) 10 ( ) 10 ( 42
12 10 /
12 12 / 42
,
2 1
2 1 2 1 1
2 1 2 1 1
2 1 2 1 1
2 1 1
2 1
2 1
t y t si hora llamada
t y t si t t
t y t si t t
t y t si t t
t y t si hora llamadas
t y t si hora llamadas
t t m
λ
λ
λ
λ

Pregunta Nº 7. En la Bolsa de Comercio de Santiago, se ha estudiado el
comportamiento de las compras y ventas de acciones. En un día normal se
van produciendo transacciones según un proceso de Poisson a una tasa
promedio de 10 operaciones por hora. Sin embargo un cierto día, una vez
iniciada la jornada pasa una hora sin que se produzcan transacciones. ¿Cuál
es la probabilidad de que pase otra hora sin transacciones?

Solución:

Sea X(t) : cantidad de transacciones en la Bolsa de Comercio en [0,t]

) / 10 ( ) ( hora tr Poisson t X = ≈ λ

Sea Ti : Tiempo entre la transacción i-ésima y la transacción i-1.

) / 10 exp( hr tr T
i
= ≈ ∴ λ

[ ]
[ ]
[ ]
[ ]
00004539 , 0
1
2
1
1 2
1
2
10
2
= =
= =


=

≥ ∧ ≥
=
|
¹
|

\
|


− −


e e
e
e
T P
T P
T P
T T P
T
T
P
i
i
i
i i
i
i
λ
λ
λ



Pregunta 8. Considere una peluquería con dos peluqueras, que están
desocupadas cuando ingresan simultáneamente tres personas desconocidas
entre si X, Y y Z. Las personas X e Y son atendidas y Z espera. ¿ Cuál es la
probabilidad de que la persona X esté aún siendo atendida cuando Y y Z se
hayan ido de la peluquería ? si:

a) Los tiempos de servicio son no aleatorios de 10 minutos en cada
atención.
b) Los tiempos de servicio toman el valor i con probabilidad 4 , 3 , 2 , 1 ;
1
= i
i

c) Los tiempos de servicio son exponenciales con media
λ
1
.
Los tiempos de atención de cada peluquera son independientes.
9
Desarrollo:
a) Si el tiempo es no aleatorio al minuto 10 se desocupan las dos peluqueras y
una de ellas atiende a Z, por lo tanto la probabilidad pedida es 0.
b) Sea p la probabilidad pedida:

( ) s T P
s T
T T T
P p
X
S
X
X Z Y
=
|
¹
|

\
|
=
< +
=

=
4
1


En que
Y
T : tiempo de atención de la persona Y, medido desde la llegada de las
personas a la peluquería.

X
T : tiempo de atención de la persona X, medido desde la llegada de las
personas a la peluquería.

Z
T : tiempo de Atención de la persona Z, medido desde que termina el
servicio de la persona Y.

( ) ( )
( ) ( ) 4
4
3
3
2
2
1
1
=
|
¹
|

\
|
=
< +
+ =
|
¹
|

\
|
=
< +
+ =
|
¹
|

\
|
=
< +
+ =
|
¹
|

\
|
=
< +
=
X
X
X Z Y
X
X
X Z Y
X
X
X Z Y
X
X
X Z Y
T P
T
T T T
P T P
T
T T T
P
T P
T
T T T
P T P
T
T T T
P p



|
¹
|

\
|
(
¸
(

¸

|
¹
|

\
|
=
= ∧ =
+
|
¹
|

\
|
=
= ∧ =
+
|
¹
|

\
|
=
= ∧ =
+ |
¹
|

\
|
|
¹
|

\
|
=
= ∧ =
+ + =
4
1
4
1 2
4
2 1
4
1 1
4
1
3
1 1
0 0
X
Z Y
X
Z Y
X
Z Y
X
Z Y
T
T T
P
T
T T
P
T
T T
P
T
T T
P p


( ) ( ) ( )
( )
( ) ( ) ( )
( )
( ) ( ) ( )
( )
( ) ( ) ( )
( )
|
¹
|

\
|
(
¸
(

¸

=
= = =
+
=
= = =
+
=
= = =
+ |
¹
|

\
|
=
= = =
=
4
1
4
4 1 2
4
4 2 1
4
4 1 1
4
1
3
3 1 1
X
X Z Y
X
X Z Y
X
X Z Y
X
X Z Y
T P
T P T P T P
T P
T P T P T P
T P
T P T P T P
T P
T P T P T P
p

16
1
4
1
4
1
4
4
1
4
1
4
1
4
1
4
1
2 3 2 2 2 3
= |
¹
|

\
|
= |
¹
|

\
|
= |
¹
|

\
|
(
(
¸
(

¸

|
¹
|

\
|
+ |
¹
|

\
|
+ |
¹
|

\
|
+ |
¹
|

\
|
= p


c) Sea p la probabilidad pedida:

( ) s T P
s T
T T T
P p
X
S
X
X Z Y
=
|
¹
|

\
|
=
< +
=

=
4
1

( )

∞ =
=
=
|
¹
|

\
|
=
< +
=
s
s
X
A
X
X Z Y
ds s T P
s T
T T T
P p
0
4 4 4 4 3 4 4 4 4 2 1


10
( ) ( )

=
|
¹
|

\
|
=
< +
= < + =
s
Z
Z
Z Y
Z Y
dr r T P
r T
s T T
P s T T P A
0


( ) ( )
( )
( )
( )
∫ ∫ ∫ ∫
=
− − − − − −
− = − = = − < =
4 43 4 42 1
B
s
r
rs r r r
s
r s
r
z Y
dr e dr e dr e e dr r T P r s T P A
0 0 0
2 2
1
λ λ λ λ
λ λ λ
= B

Pregunta Nº 8. Se tiene una componente, en la cual el número de fallas se
designa por ( ) { }
; 0 N t t ≥ . El proceso ( ) { }
; 0 N t t ≥ es un proceso de Poisson a
tasa λ λλ λ . Esta tasa es tal que la componente falla en promedio 1 vez cada 500
horas. La componente ha operado correctamente (sin fallar) 500 horas. Se
sabe, por especificaciones de fabrica, que la componente a lo más puede
durar un tiempo total 2500 horas.
a) Obtenga la probabilidad de que la componente dure 1000 horas en
total.
b) Obtenga la probabilidad de que la componente dure 1500 horas más.
c) Obtenga el valor esperado de la vida de la componente.

Desarrollo:
Si no se considera de manera directa el comentario “Se sabe, por especificaciones
de fabrica, que la componente a lo más puede durar un tiempo total 2500 horas” la
respuesta es:

a) Sea
i
T el tiempo entre l falla i-ésima y la anterior.

) exp(λ ≈
i
T con
500
1
= λ fallas/hora

Se pide
( )
( )
( )
( ) 500
1000
500
500 1000
500
1000


=

≥ ∧ ≥
=
|
¹
|

\
|


i
i
i
i i
i
i
T P
T P
T P
T T P
T
T
P

36 , 0
1
500 *
500
1
500 *
500 *
1000 *
= = = =





e e e
e
e
λ
λ
λ


b) ( ) 049 , 0 1500
3
1500 *
500
1
1500 *
1
= = = = ≥



e e e T P
λ


c) ( ) 1000 500 500 500
1
= + = + =
λ
T E horas

II. Si se considera el comentario anterior la respuesta es :

11
a) =
|
¹
|

\
|
≥ ≥

500 2500
1000
i
i
T
T
P

es decir ocurre al menos una falla entre las 500 horas y las 2500 horas, con igual
probabilidad.

Por lo tanto ( ) 2500 , 500 U T
i


( ) 5 , 0
2
1
1
500 2500
1000
1 1000 = − =

− = ≥
i
T P

b) 25 , 0
4
3
1
2000
1500
1
500 2500
1500
= − = − =
|
¹
|

\
|
≥ ≥

i
i
T
T
P

c) ( ) 1000
2
500 2500
=

= T E

Pregunta Nº9. Históricamente, una empresa industrial ha experimentado 0,85
accidentes laborales mensuales en el taller. Un año atrás el administrador de
planta, instauró nuevas medidas de seguridad para reducir el número de
trabajadores accidentados. Durante el año pasado, hubo 7 accidentes
laborales en el taller. ¿ es esta suficiente evidencia para concluir que el
número promedio de accidentes laborales, ha disminuido después de la
implementación de las nuevas medidas de seguridad ?

Solución:
La tasa histórica es de 0,85 accidentes/mes lo que da al año
0,85*12= 10,2 accidentes/año
Suponiendo que el número de accidentes distribuye Poisson con tasa media de
10,2 acc/año.
Sea X(t) : nº de accidentes entre 0 y t expresado el tiempo en años.
Calculemos la probabilidad del evento que ha ocurrido, es decir que X(1)=7
{ } 066 , 0
! 7
2 , 10
! 7
) 1 * (
7 ) 1 (
7
2 , 10
7
1 *
= = = =
− −
e e X P
λ
λ

Además se pueden calcular las siguientes probabilidades
x P(X(1)=x) F(x)
0 0,00003 0,00003
1 0,00038 0,00042
2 0,00197 0,00239
3 0,00671 0,0091
4 0, 0,01711 0,02622
5 0,0349 0,06113
12
De este cuadro se puede concluir que con un 95% de probabilidad los valores de
X(t) , estarán sobre 4. Por lo tanto el valor X(1)=7 entonces cae dentro de este
criterio y por lo tanto no es significativo para aceptar la hipótesis de cambio en la
tasa media.

Pregunta Nº 10. Se ha estudiado el comportamiento de fallas de un equipo
electrógeno, que da servicio a una empresa. Se ha determinado que el tiempo
sin fallar del equipo sigue una distribución exponencial, con tiempo medio
entre fallas de 14,5 horas. Desde la última vez que falló, el equipo lleva 10
horas en servicio normal. ¿Cuál es la probabilidad de que supere el tiempo
medio de falla sin fallar ?

Solución: Sea hora llamadas horas T / 06896552 , 0
5 , 14
1
5 , 14 = = ∴ = λ
Sea
i
T T T ,..., ,
2 1
los tiempos entre fallas correspondientes a la primera falla, la
segunda, etc. Entonces lo que se pregunta es : ????
10
5 , 14
1
1
=
(
¸
(

¸



T
T
P

[ ]
[ ]
[ ]
[ ]
λ
λ
λ
5 , 4
10
5 , 14
1
1
1
1 1
1
1
10
5 , 14
10
10 5 , 14
10
5 , 14 −


= =


=

≥ ∧ ≥
=
(
¸
(

¸



e
e
e
T P
T P
T P
T T P
T
T
P

733 , 0
10
5 , 14 3103 , 0 5 , 14
1
5 , 4
5 , 4
1
1
= = = =
(
¸
(

¸


≥ −
|
¹
|

\
|


e e e
T
T
P
λ


Pregunta Nº 15. A un cine llegan personas a ver una película, de acuerdo a un
proceso de Poisson a tasa 15 personas por minuto.
a) Durante los primeros 40 minutos llegaron 200 personas ¿Cuál es la
probabilidad de que la cuarta parte de estas haya llegado en los primeros 10
minutos?
b) Se sabe que durante los primeros 10 minutos llegaron al menos 40
personas. ¿Cuál es la probabilidad de que durante los primeros 20 minutos
llegue un total de 75 personas ?

Solución:

Sea X(t): cantidad de personas que llegan al cine en el intervalo [0,t]
) ( ) ( λ Poisson t X ≈ con 15 = λ personas/minuto
a) Lo que se pregunta es ??
200 ) 40 (
50 ) 10 (
=
(
¸
(

¸

=
=
X
X
P
Se puede demostrar que ( )
40
10
, 200
200 ) 40 (
) 10 (
Binomial
X
X

(
¸
(

¸

=


Luego ( ) ( ) 065029 , 0
4
3
4
1
50
200
200 ) 40 (
50 ) 10 (
50 200 50
=
|
|
¹
|

\
|
=
(
¸
(

¸

=
=

X
X
P
13

b) Se pregunta ??
40 ) 10 (
75 ) 20 (
=
(
¸
(

¸


=
X
X
P Este término debe desarrollarse
asi:

[ ] k X P
k X
X
P
X
X
P
k
=
(
¸
(

¸

=
=
=
(
¸
(

¸


=

=
) 10 ( *
) 10 (
75 ) 20 (
40 ) 10 (
75 ) 20 (
75
40


Llamemos A al término
(
¸
(

¸

=
=
k X
X
P
) 10 (
75 ) 20 (
entonces :

[ ] [ ] k X P k X X P
k X
X
P A − = = − = − =
(
¸
(

¸

=
=
= 75 ) 10 ( 75 ) 10 ( ) 20 (
) 10 (
75 ) 20 (

Reemplazando el termino anterior:

[ ] [ ] k X P k X P
X
X
P
k
= − = =
(
¸
(

¸


=

=
) 10 ( * 75 ) 10 (
40 ) 10 (
75 ) 20 (
75
40


ahora basta reemplazar en cada probabilidad la formula de Poisson.

( )
( )
( )
( )
( )
∑ ∑
=
− −


=

=

=
(
¸
(

¸


=
75
40
75 20 10
75
10
75
40
! ! 75
1
10
!
10
*
! 75
10
40 ) 10 (
75 ) 20 (
k
k k
k
k k
e
k
e
k
e
X
X
P λ
λ λ
λ λ λ

14
15
EJERCICIOS PROPUESTOS

1.- En un taller de máquinas de control numérico computarizado se procesan
varios tipos de piezas, los cuales van desde pernos, tuercas, planchas de acero,
etc. En éste taller hay máquinas que pueden cumplir una tarea para varios tipos de
piezas, éste es el caso de la máquina pulidora, la cuál elimina residuos o astillas
propios de la fabricación. La máquina fue programada para procesar tuercas y
tornillos al mismo tiempo. Estudios efectuados al interior de la fábrica mostraron
que la fabricación de tornillos corresponde a un proceso de Poisson a tasa
( )
min
2
1
unid
= λ y que las tuercas se fabrican según un proceso de Poisson a tasa
( )
min
1
2
unid
= λ . Se le ha encomendado a usted la siguiente tarea ya que el
encargado actualmente se encuentra estudiando otras máquinas al interior de la
fábrica.
a) ¿Qué tipo de proceso es el que cuenta el número de piezas procesadas en
la máquina pulidora?
b) Si en un los primeros 120 minutos llegaron 100 piezas correspondientes a
tuercas, ¿Cuál es la probabilidad de que en ese tiempo, llegaran k piezas
correspondientes a tornillos?
c) Dado que la máquina procesó 10 unidades en un tiempo de10 minutos,
¿cuál es la probabilidad que estas 10 unidades sean tornillos?
d) Si la máquina procesó un total de 100 unidades durante los primeros 5
minutos de trabajo, ¿cuál es la probabilidad que durante los primeros 7
minutos de operación procese 150 unidades?

2.- Dos individuos A y B esperan un riñón para ser trasplantados. Se sabe que una
persona en la situación de A puede vivir un tiempo exponencial, y que en promedio
tiene un tiempo de vida
A
t , similarmente se sabe que una persona en la situación
de B puede durar en promedio sin trasplante un tiempo
B
t . Las llegadas de riñones
para ser trasplantados llegan según un proceso de Poisson con parámetro . Se ha
decidido que primer riñón será para A (o para B si B vive y A no) y el siguiente para
B (si aún vive).
a) ¿ Cuál es la probabilidad de que A obtenga un riñón ?
b) ¿ Cuál es la probabilidad de que B obtenga un riñón ?

3.- Se tiene una componente de un equipo de fuerza. El n° de fallas del equipo
sigue una distribución de Poisson a tasa λ.

a) Se sabe que la componente lleva T unidades de tiempo sin fallar. ¿ Cuál es
la probabilidad de que falle antes de t unidades de tiempo (medido desde el
instante T).
b) ¿ Cual es el valor esperado de la duración de la componente ?

16

4.- A una tienda comercial en un Mall, llegan clientes según un Proceso de Poisson
a tasa de 100 personas por hora. Los clientes ingresan por un acceso desde donde
pueden ir a la Sección Niños con probabilidad 0,6 o a la Sección Zapatería con
probabilidad 0,4. Los clientes que se dirigen a la Sección Niños después de pasar
por esta sección siempre se retiran de la tienda. Sin embargo, los clientes que se
dirigen a la Sección Zapatería al salir de ésta, se dirigen a la Sección Niños con
probabilidad 0,6; o vuelven a ingresar a la Sección Zapatería con probabilidad 0,4.

a) Calcule el flujo neto de clientes por unidad de tempo en cada sección.
b) Obtenga la distribución de probabilidades del número de personas que
llegan a la Sección Niños.


5.- Se sabe que un total de N estudiantes que han sido aceptados en la Carrera de
Ingeniería de la Universidad de Santiago de Chile, se acercarán a la Oficina de
Admisión para realizar su trámite de matrícula. Suponga que los alumnos llegan a
la oficina según un Proceso de Poisson a tasa y que la oficina estará abierta entre
las 9 y las 18 horas y no cierra al mediodía. Sea X(t) el número de personas que
llegan a la oficina de Admisión entre la hora de apertura y el instante t.

a) Obtenga la distribución de probabilidades de X(t)
b) Obtenga el valor esperado del número de personas que llagan entre las 9 y
las 13 horas.

6.- Sean los eventos 1 y 2, dos eventos independientes, cada uno se comporta
según un proceso de Poisson con tasas 1
λ
y 2
λ
respectivamente.

a) Encuentre la probabilidad de que el evento 1 ocurra antes del evento 2.
b) Encuentre el valor esperado del tiempo para que ocurra un evento
cualquiera.

7. Una empresa de transportes ofrece el siguiente servicio para transporte de
empleados a diferentes empresas a través del corredor las Condes Centro. Los
buses salen desde la Escuela Militar y termina su recorrido en la estación Moneda
en un sistema circular, es decir no se detienen. La empresa dispone de dos tipos
de buses, expresos y ordinarios. El pasajero debidamente acreditado puede usar
cualquiera de los buses. Los buses de ambos tipos pasan según una distribución
de Poisson.

Los buses expresos pasan cada media hora en promedio y demoran un tiempo fijo
de 10 minutos, mientras que los buses lentos pasan cada 10 minutos promedio y
demoran un tiempo fijo de 30 minutos.
17

a) ¿ Cuál es la probabilidad de que pase antes un bus expreso que un ordinario?
b) Si usted toma el primer bus que pasa ¿ cual es el valor esperado de su tiempo
de viaje ?
c) Si usted sigue la estrategia de tomar el bus ordinario ¿ Cual es su tiempo de
viaje ?

8.Se juega un partido de fútbol por las clasificatorias, entre la selección chilena y
otra selección de un país vecino. Las personas llegan a la boletería de una cierta
tribuna según un proceso de Poisson a tasa de 200 personas/minuto. Se debe
suponer que la capacidad de la tribuna es infinita, sin embargo a los hinchas no les
gusta quedar muy aglomerados en la tribuna. Por esta razón preguntan en la
boletería por el número de personas que ya han ingresado (supongamos que el
boletero dispone de la información exacta).

Si este número es menor a 20.000 las personas siempre ingresan. Si es mayor o
igual a 20.000, con probabilidad 0,25 ingresan ; en caso contrario se devuelven a
su casa.

a) Obtenga una expresión para la probabilidad de que ninguna persona se
devuelva a su casa durante la primera hora de operación del proceso.
b) ¿Cuál es la probabilidad de que durante las primeras dos horas se
devuelvan 1.000 personas?
c) Suponga que se define el proceso de conteo M(t) como el número de
personas que se han devuelto a sus casa durante las primeras t unidades
de tiempo. ¿ Tiene este proceso incrementos independientes ? ¿
Incrementos estacionarios?
d) Suponga que ud. observa el proceso en un instante t especifico y se
informa que hay ya en el estadio 25.000 personas. ¿ Cuál es la probabilidad
de que pasen mas de 5 segundos sin que ingrese un nuevo individuo al
estadio ?
e) ¿ Cuál es el tiempo esperado que transcurre hasta que han ingresado
80.000 personas al estadio ?

9. Llegan inmigrantes a un territorio de acuerdo a un proceso de poisson a tasa 10
personas/semana. Cada inmigrante es de raza amarilla con probabilidad 1/12
¿ Cuál es la probabilidad de que no lleguen inmigrantes de raza amarilla al
territorio durante un mes ?
18

1)  k =0   Esta es una respuesta correcta. p ) con p = A = P( X (1) ≥ 100 X (10) = 1000 ) = = 1 − ∑ P[X (1) = k X (10) = 1000] 99 k =0 1000 1 = 0. es muy difícil de calcular por la cantidad de términos que deben sumarse. El cálculo de término correspondiente a la sumatoria.1 10 k =100 ∑ P[X (1) = k X (10) = 1000] 99 1000   k 1000 − k A = 1− ∑  k (0.Luego X (t ) ≈ Binomial (1000. σ Y ) µ Y = λ = 100 pares / hr σ Y = λ = 10 pares / hr Construyamos la variable Z normalizada Z= X − 100 10 − 1  X − 100 99 − 100   P ≤  = P  Z ≤ 10  = Φ(− 0.46 10   10   A = 1 − Φ (−0.1) (1 − 0.1) = 0. Por esta razón se aproximará por la distribución normal. La Varianza de la distribución de Poisson es λ y la desviación estándar es λ = 10 pares / hora Sea Y una distribución normal equivalente a la distribución de Poisson Y ≈ N (µY .54 b) P[X (8) ≥ 800 X (10) = 1000] = ?? = B 2 .1) = 0.

28 pares / hr  799 − 800   −1  B = 1 − Φ  = 1 − Φ  = 1 − Φ(− 0. El pueblo de Curico es famoso en el mundo por sus tortas y vinos.4858 = 0.B= 1000 k =800 ∑ P[X (8) = k X (10) = 1000] = X (8) ≈ Binomial (1000. t ] .8) = 1− ∑ = ∑ k   k (0. si no solamente que estaciona en dos segmentos de dos horas. los buses con turistas que llegan a Curico lo hacen según un proceso Poisson con un promedio de cinco autobuses por hora. 8 10 ) B= 799 1000 1000    k 1000 − k k 1000 − k  (0. por lo que. es que un proceso de Poisson. la probabilidad buscada es: P ( No tener partes ) = P ( N (t1 ) = 0) ⋅ P ( N (t 2 ) = 0) = e − λ e − λ = e −2λ Por la misma razón anterior. el primer intervalo de una hora. En un día de verano. Cada bus espera una hora o dos horas en Curico con probabilidades iguales.8)  k =800  k =0    1000 Utilizando la misma variable Z normalizada. Sea N (t ) el número de partes en el intervalo [0. y t 2 = 1 el de la segunda hora. 3 . lo que pase en una hora. es independiente de lo que pase en el otro intervalo de tiempo. La pasada de los inspectores municipales o Carabineros de Tránsito es un Proceso de Poisson con un promedio de λ pasadas por hora. Un alumno de Ingeniería Industrial estaciona ilegalmente su vehículo en los alrededores de la Facultad dos veces al día por el período de una hora cada vez. ¿Cuál es la probabilidad de que no le pasen un parte? Solución: Primero. lo que si sabe.035) = 1 − 0.28   8 * 100  Pregunta Nº2. no le dicen a que hora se estaciona. Ahora la media y varianza siguientes: µ Y = λt = 100 * 8 pares / hr = 800 pares / hr σ Y = λt = 800 = 28.8) (1 − 0.5141    28. Pregunta Nº3. la solución es equivalente a calcular cero partes en dos horas continuas.8) (1 − 0. Si llamamos t1 = 1 . por los incrementos independientes.

20 689. Sea X i el número de turistas.5. suponga que el día lo cuenta desde las 00:00 horas.Cada autobús trae 50.20. Entonces: P( N (16) − 6000 1000 − 6000  − 5000  ≥ ) = 1 − Φ  = 1 − Φ(− 7.5 ⋅ 5 ⋅ 16 = 475000. Indicación: Defina X como el número de turistas. 4 2 4 1 1 1 E ( X i2 ) = 50 2 + 75 2 + 100 2 = 5937. 689. Solución: El Proceso de Poisson está asociado con la llegada de Buses.25). Usted debe calcular . pero dada la naturaleza de la llegada de los buses.20  4 .20  689. ½ y ¼. σ ( N (16)) = E ( X i2 )λ16 = 689. Dado que es proceso compuesto y nos dicen que debemos usar una aproximación normal. Calcule una aproximación normal para la probabilidad que más 1000 turistas hayan entrado a Curico hasta las 4 de la tarde. 4 2 4 E( X i ) = E ( N (16)) = E ( X i )λ16 = 75 ⋅ 5 ⋅ 16 = 6000. E ( N (t )) = E ( X i )λt Var ( N (t )) = E ( X i2 )λt Calculamos los valores esperados de X i : 1 1 1 50 + 75 + 100 = 75. Sea N (t ) el número de turistas. pero el Número de Turistas no obedece a un proceso de conteo. el proceso que cuenta el número de turistas es un proceso compuesto. 75 o 100 turistas con probabilidades respectivas de ¼. para usarla debemos identificar el promedio y la desviación estándar de N (t ) . Var ( N (16)) = E ( X i2 )λ16 = 5937. Interesa calcular P( N (16) ≥ 1000) .

Desarrollo: a) Sea N (t ) : n º personas que llegan a votar entre 0 y t . n ≤ 1000 Luego P N 1 (5) = n N (5) = 1000  =        n   P   N 1 (5) = n  = ? . por el candidato1. Suponga que la votación comienza en t=0 y que tiene duración infinita. Encuentre la distribución de probabilidades de H. antes de que se complete el tiempo promedio en que llegue la primera persona que vota por el candidato 1. p = 0. independientemente de los demás.5)n (0.Pregunta Nº4.3 5 5 . n ≤ 1000     Sea p : probabilidad de que uno de las 1000 personas que llegaran a votar entre 0 y 5. ¿ Cuál es la probabilidad de que el candidato 1 reciba n de estos votos en las primeras 3 horas de votación ? c) Sea H el instante de llegada de la primera persona a votar por el candidato 1.0. A un acto eleccionario llegan personas a votar de acuerdo a un Proceso de Poisson a tasa λ.5) N (5) 1000  (0. es binomial por lo tanto: N 1 (5) ≈ Binomial (1000. N 1 (t ) condicionado a N (t ) = 1000 .5 por el candidato 2.5 * 3 = 0. lo hagan en el intervalo [0. n ≤ 1000 N (5) = 1000   b) P N1 (3) = n N (5) = 1000  = ? . d) Encuentre la distribución de probabilidades del número personas que votan por el candidato 2.3] y además voten por el candidato 1.5 por el candidato 1 y con probabilidad 0. Cada persona. y Sea N1 (t ) : nº personas que llegan a votar entre 0 y t . ¿ Cuál es la probabilidad de que el candidato 1 reciba n de estos votos en el mismo período de tiempo ? b) Si se sabe que llegaron 1000 personas a votar en las primeras 5 horas. vota con probabilidad 0. a) Si se sabe que llegaron 1000 personas a votar durante las primeras 5 horas.5)1000−n .

p)  = 1000  p n (1 − p )1000− n   P N 1 (3) = n  N (5) = 1000   n      P   N 1 (3) = n  = 1000 (0.? c) Si la telefonista trabaja 8 horas en su turno ¿ cuantas llamadas recibirá en promedio ? d) ¿Cuál es la probabilidad de que a las 11:00 hrs. El servicio ha comenzado a operar a las 8:00 de la mañana y se sabe que N (8.. entonces T1 . a) Si no se ha recibido ninguna llamada desde la 9:45 hrs.7 )1000− n   N (5) = 1000   n     . se hayan recibido 30 llamadas en total ? e) La telefonista ha estado muy ocupada durante las primeras 4 horas de su turno y le comenta a su compañero de trabajo en su hora de colación: ”Este será un día muy ocupado. Luego E T11 = d) ( ) 1 0. ? b) ¿ Cuál es la probabilidad de que no se reciba ninguna llamada por más de 40 minutos.5 * λ * 0. ¿Cuál es la probabilidad de que la siguiente llamada ocurra antes de las 10:20hrs. distribuyen exponencial con la misma tasa. 6 .N 1 (5) N (5) ≈ Binomial (1000. Se tiene una central telefónica que recibe llamadas de acuerdo a un proceso de Poisson a tasa λ = 10 (llamadas/hora).5 * λ P N 2 E T11 ( ( ( ))) = 0. Se define N (t1 . en la mañana casi no he podido descansar”.. T2 ..51* λ = 1 Pregunta Nº 5. comenzando a las 9:45 hrs. tiempos entre llegadas de personas a votar.10) = 9.3)n (0.t 2 ) como el número de llamadas que se han recibido entre t1 y t 2 . n ≤ 1000 . n ≤ 1000 c) Si N (t ) es Poisson con tasa λ . Sea T11 tiempo de la primera persona que vota por el candidato 1.

carabineros o ambulancia). La fórmula de la probabilidad del proceso es : P{ X (t1 . por lo tanto es un proceso de Poisson No Homogeneo. El centro debe tener un adecuado número de telefonistas. E ( N ) = λ * 8 = 80 llamadas d) P(N (8. Sea T1 el tiempo para el primer evento medido desde el instante t=0. llegan muchas más llamadas que en el resto del tiempo..2. comprendida entre las 9 y 13 horas AM..1.t 2 ) [m(t1 . El consultor asume que las llamadas entran en un orden completamente aleatorio y por lo tanto aplica el Proceso de Poisson. ¿Qué implica este hecho para el uso de la distribución de Poisson ? Solución: No se cumple la propiedad de incrementos estacionarios.11) = 30) = P(N (9.084 21! Pregunta Nº 6. Sin embargo. y se ha pedido a un consultor que determine el número adecuado de telefonistas. t 2 )]n n! para n = 0. Cada llamada requiere alrededor de 2 minutos de la telefonista para atender y derivar la llamada al personal correspondiente (bomberos. el telefonista actual puntualiza que entre las 10 y las 12 hrs. t 2 ) = n} = e − m ( t1 .. Usando sus conocimientos del curso responda lo siguiente: El centro que recibe llamadas de emergencia de una ciudad recibe en promedio 42 llamadas por hora en la hora punta. 7 .Desarrollo: a) Fijando el t=0 en la hora 9:45 hr. luego: P (T1 ≤ 35 ) = 1 − e − λ *35 = 1 − e −350 ≈ b) P(Ti ≥ 40 ) = e − λ *40 = e −400 c) Sea N: nº de llamadas que recibe la telefonista en su turno.11) = 21) = e −λ*2 (λ * 2)21 21! = e − 20 20 21 0.

4 c) Los tiempos de servicio son exponenciales con media 1 λ .t] X (t ) ≈ Poisson(λ = 10 tr / hora ) Sea Ti : Tiempo entre la transacción i-ésima y la transacción i-1.42 llamadas / hora si t1 ≥ 12 y t 2 ≥ 12 λ llamadas / hora si t ≥ 10 y t ≤ 12 1 2  1 42(10 − t1 ) + λ1 (t 2 − 10) si t1 ≤ 10 y 10 ≤ t 2 ≤ 12  m(t1 . que están desocupadas cuando ingresan simultáneamente tres personas desconocidas entre si X. ∴ Ti ≈ exp(λ = 10tr / hr ) P   Ti ≥ 2 −λ 2  = P[Ti ≥ 2 ∧ Ti ≥ 1] = P[Ti ≥ 2] = e =  Ti ≥ 1 P[Ti ≥ 1] P[Ti ≥ 1] e −λ e −λ = e −10 = 0. Sin embargo un cierto día. b) Los tiempos de servicio toman el valor i con probabilidad 1i . ¿ Cuál es la probabilidad de que la persona X esté aún siendo atendida cuando Y y Z se hayan ido de la peluquería ? si: a) Los tiempos de servicio son no aleatorios de 10 minutos en cada atención. una vez iniciada la jornada pasa una hora sin que se produzcan transacciones. t 2 ) =  λ1 (12 − t1 ) + (t 2 12)42 si t1 ≥ 10 y t 2 ≥ 12 42(t1 − 10 + λ1 (12 − 10) + 42(t 2 − 12) si t1 ≤ 10 y t 2 ≥ 12  42 llamada / hora si t1 ≤ 10 y t 2 ≤ 10  Pregunta Nº 7.2. Y y Z. En un día normal se van produciendo transacciones según un proceso de Poisson a una tasa promedio de 10 operaciones por hora.00004539 Pregunta 8. 8 . Las personas X e Y son atendidas y Z espera. ¿Cuál es la probabilidad de que pase otra hora sin transacciones? Solución: Sea X(t) : cantidad de transacciones en la Bolsa de Comercio en [0. En la Bolsa de Comercio de Santiago. se ha estudiado el comportamiento de las compras y ventas de acciones. Considere una peluquería con dos peluqueras. Los tiempos de atención de cada peluquera son independientes. i = 1.3.

b) Sea p la probabilidad pedida: T + TZ < T X P (T = s ) p = ∑ P Y  TX = s  X  S =1  4 En que TY : tiempo de atención de la persona Y.Desarrollo: a) Si el tiempo es no aleatorio al minuto 10 se desocupan las dos peluqueras y una de ellas atiende a Z. por lo tanto la probabilidad pedida es 0. TZ : tiempo de Atención de la persona Z. medido desde la llegada de las personas a la peluquería. T X : tiempo de atención de la persona X. T + TZ < T X  P (T = 1) + P TY + TZ < T X  P (T = 2) + p = P Y   X X T X = 1 TX = 2      T + TZ < T X  P (T = 3) + P TY + TZ < T X  P(T = 4 ) P Y   X X TX = 3  TX = 4      T = 1 ∧ TZ = 1  1  + p = 0 + 0 + P Y  T X = 3  4       TY = 1 ∧ TZ = 1  + P TY = 1 ∧ TZ = 2  + P TY = 2 ∧ TZ = 1  1     P TX = 4  TX = 4  TX = 4  4          p=  P(TY = 1)P(TZ = 1)P (T X = 4 ) P (TY = 1)P (TZ = 2)P(T X = 4) P (TY = 2 )P(TZ = 1)P(T X = 4 ) 1  + +    P (T X = 4) P(T X = 4 ) P(T X = 4 )   4  3 2 2 2 3 2 1  1   1   1   1   1  1 1 p =   +   +   +     = 4  =   = 16  4   4   4   4   4  4 4   P (TY = 1)P(TZ = 1)P(T X = 3)  1   + P(T X = 3) 4 c) Sea p la probabilidad pedida: P(T = s ) p = ∑ P TY + TZ < T X  TX = s  X   S =1 4 s=∞ T +T < T P(T = s)ds p = ∫ P Y Z X  TX = s X s=0  1 4 4 4 43 4 4 2 4 4 A 9 . medido desde la llegada de las personas a la peluquería. medido desde que termina el servicio de la persona Y.

que la componente a lo más puede durar un tiempo total 2500 horas” la respuesta es: a) Sea Ti el tiempo entre l falla i-ésima y la anterior. por especificaciones de fabrica. Esta tasa es tal que la componente falla en promedio 1 vez cada 500 horas. El proceso { N ( t ) .049 1 λ + 500 = 500 + 500 = 1000 horas II. Desarrollo: Si no se considera de manera directa el comentario “Se sabe. t ≥ 0} es un proceso de Poisson a tasa λ . Se sabe.36 e −λ*500 1 − 1 *1500 500 b) P(T1 ≥ 1500) = e c) E (T ) = − λ *1500 =e = e −3 = 0. por especificaciones de fabrica. P(T = r )dr A = P(TY + TZ < s ) = ∫ P TY + TZ < s  TZ = r  Z   0 A = ∫ P (TY < s − r )P (Tz = r )dr = ∫ 1 − e −λ ( s − r ) λe −λr dr = λ ∫ e −λr dr − λ ∫ e − λ (r − rs )dr 0 0 r =0 14243 4 4 2 2 s r s ( ) s B B= Pregunta Nº 8. Ti ≈ exp(λ ) con λ = 1 Se pide P  500 fallas/hora  Ti ≥ 1000  = P(Ti ≥ 1000 ∧ Ti ≥ 500) = P(Ti ≥ 1000) Ti ≥ 500   P(Ti ≥ 500) P (Ti ≥ 500) − *500 e − λ*1000 = e −λ*500 = e 500 = e −1 = 0. Si se considera el comentario anterior la respuesta es : 10 . que la componente a lo más puede durar un tiempo total 2500 horas. a) Obtenga la probabilidad de que la componente dure 1000 horas en total. c) Obtenga el valor esperado de la vida de la componente. en la cual el número de fallas se designa por { N ( t ) . b) Obtenga la probabilidad de que la componente dure 1500 horas más. La componente ha operado correctamente (sin fallar) 500 horas. t ≥ 0} . Se tiene una componente.

2 acc/año. Durante el año pasado. 0. Históricamente.a) P   Ti ≥ 1000 = 2500 ≥ Ti ≥ 500   es decir ocurre al menos una falla entre las 500 horas y las 2500 horas. Sea X(t) : nº de accidentes entre 0 y t expresado el tiempo en años.01711 0.00197 0.00003 0.00003 1 0.00038 0. Calculemos la probabilidad del evento que ha ocurrido.2500 ) P(T i≥ 1000) = 1 − b) P  1000 1 = 1 − = 0.00042 2 0.02622 5 0.00671 0.85 accidentes/mes lo que da al año 0. Por lo tanto Ti ≈ U (500. instauró nuevas medidas de seguridad para reducir el número de trabajadores accidentados. ¿ es esta suficiente evidencia para concluir que el número promedio de accidentes laborales. Un año atrás el administrador de planta. es decir que X(1)=7 P{X (1) = 7} = e − λ *1 7 (λ * 1) 7 −10 .25 2500 ≥ Ti ≥ 500   2000 4 c) E (T ) = 2500 − 500 = 1000 2 Pregunta Nº9. con igual probabilidad.0349 0.5 2500 − 500 2  Ti ≥ 1500  = 1 − 1500 = 1 − 3 = 0. una empresa industrial ha experimentado 0.06113 11 .066 7! 7! Además se pueden calcular las siguientes probabilidades x P(X(1)=x) F(x) 0 0.85 accidentes laborales mensuales en el taller. 2 =e = 0.0091 4 0.00239 3 0. hubo 7 accidentes laborales en el taller. 2 10.2 accidentes/año Suponiendo que el número de accidentes distribuye Poisson con tasa media de 10.85*12= 10. ha disminuido después de la implementación de las nuevas medidas de seguridad ? Solución: La tasa histórica es de 0.

¿Cuál es la probabilidad de que supere el tiempo medio de falla sin fallar ? Solución: Sea T = 14. A un cine llegan personas a ver una película. 5 T ≥ 14.. Desde la última vez que falló. Se ha estudiado el comportamiento de fallas de un equipo electrógeno. de acuerdo a un proceso de Poisson a tasa 15 personas por minuto.5 horas. etc. Pregunta Nº 10.5 λ T1 ≥ 10    P[T1 ≥ 10] P[T1 ≥ 10] e − λ10   T ≥ 14.5 horas ∴ λ = 114. con tiempo medio entre fallas de 14. la segunda. estarán sobre 4.5 114. que da servicio a una empresa.5] = e P 1 = e − 4. Entonces lo que se pregunta es : P T1 ≥ 14. Por lo tanto el valor X(1)=7 entonces cae dentro de este criterio y por lo tanto no es significativo para aceptar la hipótesis de cambio en la tasa media..5λ = e − 4.10 Se puede demostrar que  X (10) X (40) = 200 40    ( )  =  200  1   Luego P  X (10) = 50 X (40) = 200  50  4      12 ( ) (3 4 ) 50 200 −50 = 0. T2 . a) Durante los primeros 40 minutos llegaron 200 personas ¿Cuál es la probabilidad de que la cuarta parte de estas haya llegado en los primeros 10 minutos? b) Se sabe que durante los primeros 10 minutos llegaron al menos 40 personas.5 = 0.5 ∧ T1 ≥ 10] = P[T1 ≥ 14. Ti los tiempos entre fallas correspondientes a la primera falla. Se ha determinado que el tiempo sin fallar del equipo sigue una distribución exponencial. ¿Cuál es la probabilidad de que durante los primeros 20 minutos llegue un total de 75 personas ? Solución: Sea X(t): cantidad de personas que llegan al cine en el intervalo [0...065029 .t] X (t ) ≈ Poisson(λ ) con λ = 15 personas/minuto  = ?? a) Lo que se pregunta es P  X (10) = 50 X (40) = 200     ≈ Binomial 200.06896552llamadas / hora Sea T1 .5  = P[T1 ≥ 14.5 T ≥ 10 = ????   1   − λ 14 .3103 = 0.De este cuadro se puede concluir que con un 95% de probabilidad los valores de X(t) .5  = e −0.733   P 1 T1 ≥ 10    Pregunta Nº 15. el equipo lleva 10 horas en servicio normal.5  = e −4.

75 1 (10λ ) * e −10λ (10λ ) = e −20λ (10λ )75 75 = P  X (20) = 75 e −10 λ ∑ (75 − k )!k! X (10) ≥ 40 k∑    = 40 (75 − k )! k! k = 40 75 − k k 13 . = ?? Este término debe desarrollarse b) Se pregunta P  X (20) = 75 X (10) ≥ 40    asi: =  * P[ X (10) = k ] P  X (20) = 75 P  X (20) = 75 X (10) ≥ 40 k∑  X (10) = k     = 40   75  entonces : Llamemos A al término P  X (20) = 75 X (10) = k      = P [X ( 20 ) − X (10 ) = 75 − k ] = P [X (10 ) = 75 − k ] A = P  X ( 20 ) = 75 X (10 ) = k     Reemplazando el termino anterior: = P  X (20) = 75 P[ X (10) = 75 − k ] * P[ X (10) = k ] X (10) ≥ 40 k∑    = 40 75 ahora basta reemplazar en cada probabilidad la formula de Poisson.

14 .

y que en promedio tiene un tiempo de vida t A . los cuales van desde pernos. similarmente se sabe que una persona en la situación de B puede durar en promedio sin trasplante un tiempo t B . a) ¿Qué tipo de proceso es el que cuenta el número de piezas procesadas en la máquina pulidora? b) Si en un los primeros 120 minutos llegaron 100 piezas correspondientes a tuercas. ¿ Cuál es la probabilidad de que falle antes de t unidades de tiempo (medido desde el instante T). a) ¿ Cuál es la probabilidad de que A obtenga un riñón ? b) ¿ Cuál es la probabilidad de que B obtenga un riñón ? 3. llegaran k piezas correspondientes a tornillos? c) Dado que la máquina procesó 10 unidades en un tiempo de10 minutos.. éste es el caso de la máquina pulidora. La máquina fue programada para procesar tuercas y tornillos al mismo tiempo. Se ha decidido que primer riñón será para A (o para B si B vive y A no) y el siguiente para B (si aún vive). la cuál elimina residuos o astillas propios de la fabricación.. ¿cuál es la probabilidad que estas 10 unidades sean tornillos? d) Si la máquina procesó un total de 100 unidades durante los primeros 5 minutos de trabajo. Estudios efectuados al interior de la fábrica mostraron que la fabricación de tornillos corresponde a un proceso de Poisson a tasa λ1 = 2 unid min y que las tuercas se fabrican según un proceso de Poisson a tasa λ2 ( ) ). ¿Cuál es la probabilidad de que en ese tiempo. ¿cuál es la probabilidad que durante los primeros 7 minutos de operación procese 150 unidades? 2. Se le ha encomendado a usted la siguiente tarea ya que el = 1(unid min encargado actualmente se encuentra estudiando otras máquinas al interior de la fábrica. etc. a) Se sabe que la componente lleva T unidades de tiempo sin fallar. tuercas. Se sabe que una persona en la situación de A puede vivir un tiempo exponencial. planchas de acero.Se tiene una componente de un equipo de fuerza. En éste taller hay máquinas que pueden cumplir una tarea para varios tipos de piezas.Dos individuos A y B esperan un riñón para ser trasplantados.. b) ¿ Cual es el valor esperado de la duración de la componente ? 15 . El n° de fallas del equipo sigue una distribución de Poisson a tasa λ.En un taller de máquinas de control numérico computarizado se procesan varios tipos de piezas. Las llegadas de riñones para ser trasplantados llegan según un proceso de Poisson con parámetro .EJERCICIOS PROPUESTOS 1.

4. Los buses expresos pasan cada media hora en promedio y demoran un tiempo fijo de 10 minutos.Se sabe que un total de N estudiantes que han sido aceptados en la Carrera de Ingeniería de la Universidad de Santiago de Chile.. mientras que los buses lentos pasan cada 10 minutos promedio y demoran un tiempo fijo de 30 minutos. b) Obtenga la distribución de probabilidades del número de personas que llegan a la Sección Niños. b) Encuentre el valor esperado del tiempo para que ocurra un evento cualquiera. a) Obtenga la distribución de probabilidades de X(t) b) Obtenga el valor esperado del número de personas que llagan entre las 9 y las 13 horas. dos eventos independientes. Sin embargo. 16 .A una tienda comercial en un Mall. Sea X(t) el número de personas que llegan a la oficina de Admisión entre la hora de apertura y el instante t. 7.. Los clientes ingresan por un acceso desde donde pueden ir a la Sección Niños con probabilidad 0. Suponga que los alumnos llegan a la oficina según un Proceso de Poisson a tasa y que la oficina estará abierta entre las 9 y las 18 horas y no cierra al mediodía. los clientes que se dirigen a la Sección Zapatería al salir de ésta. se dirigen a la Sección Niños con probabilidad 0. La empresa dispone de dos tipos de buses. Una empresa de transportes ofrece el siguiente servicio para transporte de empleados a diferentes empresas a través del corredor las Condes Centro.4. Los buses de ambos tipos pasan según una distribución de Poisson.4.Sean los eventos 1 y 2. 5. Los clientes que se dirigen a la Sección Niños después de pasar por esta sección siempre se retiran de la tienda. a) Calcule el flujo neto de clientes por unidad de tempo en cada sección.. expresos y ordinarios. se acercarán a la Oficina de Admisión para realizar su trámite de matrícula. o vuelven a ingresar a la Sección Zapatería con probabilidad 0. 6. es decir no se detienen. El pasajero debidamente acreditado puede usar cualquiera de los buses. Los buses salen desde la Escuela Militar y termina su recorrido en la estación Moneda en un sistema circular. cada uno se comporta según un proceso de Poisson con tasas λ1 y λ2 respectivamente. a) Encuentre la probabilidad de que el evento 1 ocurra antes del evento 2. llegan clientes según un Proceso de Poisson a tasa de 100 personas por hora.6 o a la Sección Zapatería con probabilidad 0.6.

en caso contrario se devuelven a su casa. Si este número es menor a 20. con probabilidad 0.Se juega un partido de fútbol por las clasificatorias. Si es mayor o igual a 20. Se debe suponer que la capacidad de la tribuna es infinita.000 personas? c) Suponga que se define el proceso de conteo M(t) como el número de personas que se han devuelto a sus casa durante las primeras t unidades de tiempo.000 personas al estadio ? 9.a) ¿ Cuál es la probabilidad de que pase antes un bus expreso que un ordinario? b) Si usted toma el primer bus que pasa ¿ cual es el valor esperado de su tiempo de viaje ? c) Si usted sigue la estrategia de tomar el bus ordinario ¿ Cual es su tiempo de viaje ? 8.000 personas. b) ¿Cuál es la probabilidad de que durante las primeras dos horas se devuelvan 1. ¿ Tiene este proceso incrementos independientes ? ¿ Incrementos estacionarios? d) Suponga que ud. Llegan inmigrantes a un territorio de acuerdo a un proceso de poisson a tasa 10 personas/semana. a) Obtenga una expresión para la probabilidad de que ninguna persona se devuelva a su casa durante la primera hora de operación del proceso. entre la selección chilena y otra selección de un país vecino. Las personas llegan a la boletería de una cierta tribuna según un proceso de Poisson a tasa de 200 personas/minuto.000. Por esta razón preguntan en la boletería por el número de personas que ya han ingresado (supongamos que el boletero dispone de la información exacta).25 ingresan . sin embargo a los hinchas no les gusta quedar muy aglomerados en la tribuna.000 las personas siempre ingresan. ¿ Cuál es la probabilidad de que pasen mas de 5 segundos sin que ingrese un nuevo individuo al estadio ? e) ¿ Cuál es el tiempo esperado que transcurre hasta que han ingresado 80. Cada inmigrante es de raza amarilla con probabilidad 1/12 ¿ Cuál es la probabilidad de que no lleguen inmigrantes de raza amarilla al territorio durante un mes ? 17 . observa el proceso en un instante t especifico y se informa que hay ya en el estadio 25.

18 .

Sign up to vote on this title
UsefulNot useful