Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Modulo - II - Proceso de Poisson
Modulo - II - Proceso de Poisson
Este tipo de procesos estocásticos se utilizan para modelizar el número de ocurrencias de un evento en un
periodo de tiempo determinado y nos sirven para modelizar situaciones bastante comunes:
Utilice la distribución de Bernoulli cuando un proceso aleatorio tenga exactamente dos resultados: evento o
no evento. Por ejemplo, en el campo de la calidad, un producto se puede clasificar como bueno o malo.
Una variable aleatoria X sigue una distribución de Bernoulli si P(X = 1) = p y P(X = 0) = 1 – p, donde p es
la probabilidad de ocurrencia del evento.
La distribución de Bernoulli es una distribución discreta que está relacionada con muchas distribuciones,
PROCESO DE POISSON
Fórmula
Dado un intervalo de tiempo de longitud, t, y la ratio de llegada de los
eventos, lambda, el número esperado de eventos durante ese intervalo
de tiempo es
2.La probabilidad de que ocurra más de un suceso de éxito en el intervalo de tiempo fijado es no significativa.
En otras palabras, la probabilidad de que más de un experimento sea éxito en un intervalo de tiempo
fijado es muy pequeña, y por tanto, no importante o no significativa.
3.La probabilidad de que ocurra un suceso de éxito durante un intervalo de tiempo fijado no depende de
lo que ha ocurrido anteriormente.
Es decir, cada experimento de éxito es independiente del experimento anterior. Por ejemplo, en el caso
de lanzar una moneda durante 1 minuto, la probabilidad de que salga cara no depende de lo que haya
salido en el lanzamiento anterior.
Ejemplo
Para describir este proceso consideremos una colección de variables aleatorias , donde cada
variable aleatoria , para un t dado, denota el número acumulado de llamadas que llegan al centro hasta
el momento t. Como estas llamadas registran un recuento, el espacio de estado es el conjunto de números
naturales con el cero, S={0,1,2,...}. En otras palabras, la llegada de llamadas telefónicas puede modelarse
como un proceso estocástico de tiempos (parámetros) continuos con un espacio de estados contable.
PROCESO DE POISSON
Si esto se cumple, entonces se dicde que X (t),
• Definición; tiene una distribución de Poisson con
• Una variable aleatoria que depende del tiempo X(t) parámetro Lambda cero.
Se dice que es un proceso de Poisson que satisface los siguientes supuestos;
X (t) ~ P (λ t)
1. Cantidad de eventos CUANDO COMIENZA A CORRER EL TIEMPO es cero.
X (0) = 0
2. Q eventos en cualquier intervalo de tiempo tiene una función de cuantía de Poisson.
𝑒 − ¿ 𝜆 𝑡 ( 𝜆 𝑡 )𝑥
𝑃 [[ 𝑋 ( 𝑡 ) ] = 𝑥 ]=
𝑥!
SUPUESTOS
PROCESO DE POISSON
EJERCICIO 1
Una Consulta Medica, recibe en promedio de 4 pacientes al día, sabiendo que el numero de
pacientes que llegan en un día presenta una distribución de Poisson, calcular:
EJERCICIO 3
Suponemos que queremos calcular el número total
de veleros que salen a pescar en media hora.
Sabemos que, en promedio, salen 4 veleros cada 5
minutos.
Asuma que las personas llegan al cine de acuerdo a un proceso de Poisson a comprar las entradas y que cada
persona compra sólo una entrada. Las entradas para la función de las 22:00 horas comienzan a venderse durante el
mismo día desde las 16:00 horas, y la boletería se cierra a las 22:00.
Las tasa de llegada es de 40 personas/hora, y cada una persona posee tarjeta de socio con una probabilidad de un
25 %.
a) Si usted sabe que se vendieron n entradas ¿Cuál es la probabilidad de que i entradas se hayan vendido a
“socios” del cine?.
b) ¿Cuál es la probabilidad de que se vendan n entradas (n ∈ {0, 1, 2, ...})?.
c) ¿Cuál es la utilidad esperada por función?.
d) Suponga que la administración del cine ha decidido no vender más de 50 entradas a precio rebajado para cada
función. Una vez alcanzado este límite, se rechazará a los “socios” del cine (asuma que los clientes a los que se
les rechace la entrada rebajada no optarán por pagar el valor completo, sino que se retirarán). ¿Cuál es la
probabilidad que se vendan 50 entradas a precio rebajado?.
PROCESO DE POISSON
El problema también puede ser visto como una división de un proceso de Poisson.
Sean:
N(t) = número de personas que han llegado a comprar entradas desde 0 hasta t.
Nn(t) = número de personas que han llegado a comprar entradas sin ser socios desde 0 hasta t.
Nm(t) = número de personas que han llegado a comprar entradas siendo socios desde 0 hasta t.
PROCESO DE POISSON
PROCESO DE POISSON