Beruflich Dokumente
Kultur Dokumente
Modelos estocásticos
Javiera Silva
javiera.silvarroyo@gmail.com
5 de abril de 2018
www.unab.cl
Outline
D. de Poisson
Procesos de Conteo
Propiedades
Inc. independientes
2 Distribución Exponencial
Inc. estacionarios
P. de Poisson
Función Cero
Propiedad de orden 3 Procesos de Conteo
Definición Propiedades
Tiempo entre llegadas
Procesos de conteo con incrementos independientes
Procesos de conteo con incrementos estacionarios
Propiedades
P. Poisson compuesto
Anexos
4 Procesos de Poisson
Función Cero
Propiedad de orden
Definición
Distribución del tiempo entre llegadas
Propiedades
Proceso de Poisson compuesto
Anexos
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
P. de Poisson
Función Cero
Propiedad de orden
Definición
Distribución de Poisson
Tiempo entre llegadas
Propiedades
P. Poisson compuesto
Anexos
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Distribución de Poisson
Inc. independientes
Inc. estacionarios
Una variable aleatoria X = {0, 1, 2, . . . } se distribuye Poisson de pará-
P. de Poisson metro λ si para algún λ > 0 se tiene que:
Función Cero
Propiedad de orden
λi
Definición
f (i) = f (X = i) = e−λ i = 0, 1, . . . (1)
Tiempo entre llegadas i!
Propiedades
P. Poisson compuesto
Anexos
La
P∞ecuación (1) define una función de masa de probabilidad, ya que
i=0 f (i) = 1.
Esperanza: E(x) = λ
Varianza: V (x) = λ
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
P. de Poisson
Función Cero
Propiedad de orden
Definición
Distribución Exponencial
Tiempo entre llegadas
Propiedades
P. Poisson compuesto
Anexos
D. de Poisson
D. Exponencial
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
P. de Poisson
Función de Probabilidad Acumulada
Función Cero
Propiedad de orden La función de probabilidad acumulada F (a) para esta distribución es:
Definición
Tiempo entre llegadas
Propiedades F (a) = P{X ≤ a}
P. Poisson compuesto
Anexos
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
P. de Poisson
Función Cero
Propiedad de orden
Definición
Tiempo entre llegadas
Propiedades
P. Poisson compuesto
Anexos
D. de Poisson
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Esperanza
Inc. estacionarios
P. de Poisson
La Esperanza se obtiene de la siguiente manera:
Función Cero Z ∞
Propiedad de orden
Definición E(x) = xf (x)dx
Tiempo entre llegadas −∞
Propiedades
P. Poisson compuesto Z ∞
Anexos
= xλe−λx dx
0
D. de Poisson
D. Exponencial
Función Generadora de Momentos
Procesos de Conteo
Propiedades Para una variable aleatoria X discreta:
Inc. independientes
Inc. estacionarios
X tx
P. de Poisson
φ(t) = E[etX ] = e f (x) (2)
Función Cero x
Propiedad de orden
Definición Para una variable aleatoria X continua:
Tiempo entre llegadas
Propiedades
Z ∞
P. Poisson compuesto
Anexos
φ(t) = E[etX ] = etx f (x)dx (3)
−∞
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades Función Generadora de Momentos
Inc. independientes
Inc. estacionarios De acuerdo con esto, derivando esta función y evaluándola en t = 0 se
P. de Poisson obtiene:
Función Cero
Propiedad de orden
φ0 (0) = E[X ]
φ00 (0) = E[X 2 ]
Definición
Tiempo entre llegadas
Propiedades
P. Poisson compuesto φ000 (0) = E[X 3 ]
Anexos
Y en general:
φn (0) = E[X n ]
D. de Poisson
D. Exponencial
Procesos de Conteo
Función Generadora de Momentos
Propiedades
Inc. independientes
La función generadora de momentos, φ(t), está dada por la siguiente
Inc. estacionarios
expresión:
P. de Poisson
Función Cero
Propiedad de orden
φ(t) = E[etx ]
Definición
Tiempo entre llegadas Z ∞
Propiedades
P. Poisson compuesto
= etx λe−λx dx
Anexos
0
λ
=
λ−t
Donde: t<λ
D. de Poisson
1
=
λ
£A qué corresponde este primer momento?
D. de Poisson
P. de Poisson
d2
Función Cero
2
E[X ] = φ(t)
Propiedad de orden
dt 2
Definición
Tiempo entre llegadas
t=0
Propiedades
P. Poisson compuesto
2λ(λ − t)
Anexos
=
(λ − t)4
t=0
2
=
λ2
D. de Poisson
D. Exponencial
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios Propiedad: Memoryless
P. de Poisson
Función Cero
El resultado de la variable X (tn + 1) no depende de la experiencia (es
Propiedad de orden decir los resultados anteriores X (tn − 1), X (tn − 2),,X (t1 )), sino sola-
Definición
Tiempo entre llegadas mente del resultado actual X (tn ), es decir:
Propiedades
P. Poisson compuesto
Anexos
P{X > s + t|X > t} = P{X > s}
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Si pensamos que X la variable aleatoria que mide es el tiempo de vida
Inc. independientes de algún instrumento, entonces la ecuación anterior establece que la
Inc. estacionarios
probabilidad que el instrumento viva por al menos s+t horas dado que
P. de Poisson
Función Cero
ha sobrevivido t horas es la misma que la probabilidad inicial que viva
Propiedad de orden por al menos s horas.
Definición
Tiempo entre llegadas
Propiedades
Por lo tanto, si el instrumento sigue funcionando al tiempo t, entonces
P. Poisson compuesto la distribución de la cantidad remanente de tiempo en el que sigue
Anexos
funcionando es la misma que la distribución del tiempo de vida origi-
nal.
En pocas palabras, el instrumento no tiene memoria o no recuerda
que ya ha estado en uso por un tiempo t.
D. de Poisson
D. Exponencial
D. de Poisson
D. Exponencial
Propiedad: Memoryless
Procesos de Conteo
Propiedades
Inc. independientes
De acuerdo a lo anterior, es posible señalar que la Distribución Expo-
Inc. estacionarios nencial no tiene memoria o es memoryless, ya que:
P. de Poisson
Función Cero P{X > s + t} = e−λ(s+t)
Propiedad de orden
Definición
Tiempo entre llegadas
Propiedades
= e−λ(s) e−λ(t)
P. Poisson compuesto
Anexos
= P{X > s} P{X > t}
D. de Poisson
D. Exponencial Ejemplo 1
Procesos de Conteo
Propiedades Suponga que la cantidad de tiempo que uno gasta en un banco está
Inc. independientes 1
Inc. estacionarios exponencialmente distribuido con λ = 10 clientes por minuto.
P. de Poisson a. £Cuál es la probabilidad que una cliente gastará más de 15 minutos
Función Cero
Propiedad de orden
en el banco?
Definición b. £Cuál es la probabilidad que una cliente gastará más de 15 minu-
Tiempo entre llegadas
Propiedades
tos en el banco dado que ella está aún en el banco después de 10
P. Poisson compuesto minutos?
Anexos
Solución:
a.
3
P{X > 15} = 1 − P{X ≤ 15} = e−15λ = e− 2 ≈ 0, 22
D. de Poisson
D. Exponencial Ejemplo 1
Procesos de Conteo
Propiedades Suponga que la cantidad de tiempo que uno gasta en un banco está
Inc. independientes 1
Inc. estacionarios exponencialmente distribuido con λ = 10 clientes por minuto.
P. de Poisson a. £Cuál es la probabilidad que una cliente gastará más de 15 minutos
Función Cero
Propiedad de orden
en el banco?
Definición b. £Cuál es la probabilidad que una cliente gastará más de 15 minu-
Tiempo entre llegadas
Propiedades
tos en el banco dado que ella está aún en el banco después de 10
P. Poisson compuesto minutos?
Anexos
Solución:
b.
1
P{X > 5} = P{X > 15|X > 10} = e−5λ = e− 2 ≈ 0, 604
D. de Poisson
D. Exponencial
Ejemplo 2
Procesos de Conteo
Propiedades
Inc. independientes
Supongamos que el tiempo que un estudiante dedica diariamente al
Inc. estacionarios estudio se distribuye exponencialmente con media 2 horas.
P. de Poisson a. £Cuál es la probabilidad de que el estudiante estudie más de 3 horas?
Función Cero
Propiedad de orden b. £Cuál es la probabilidad de que estudie más de 3 horas sabiendo que
Definición
lleva 1 hora estudiando?
Tiempo entre llegadas
Propiedades
P. Poisson compuesto
Anexos Solución:
a. La probabilidad de que estudie más de 3 horas es:
3
P{X > 3} = e−3λ = e− 2 ≈ 0, 22
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios Ejemplo 2
P. de Poisson
Función Cero Supongamos que el tiempo que un estudiante dedica diariamente al
Propiedad de orden
Definición
estudio se distribuye exponencialmente con media 2 horas.
Tiempo entre llegadas a. £Cuál es la probabilidad de que el estudiante estudie más de 3 horas?
Propiedades
P. Poisson compuesto b. £Cuál es la probabilidad de que estudie más de 3 horas sabiendo que
Anexos
lleva 1 hora estudiando?
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
P. de Poisson
Función Cero
Propiedad de orden
Definición
Procesos de Conteo
Tiempo entre llegadas
Propiedades
P. Poisson compuesto
Anexos
D. de Poisson
D. Exponencial
Procesos de Conteo
Ejemplos de Procesos de Conteo
Propiedades
Inc. independientes 1. Si N(t) corresponde al número de personas que entran a una tienda en parti-
Inc. estacionarios
cular en o previo al tiempo t, entonces {N(t),t≥0} es un proceso de conteo en
P. de Poisson el cual un evento corresponde a una persona que entra en la tienda.
Función Cero
Propiedad de orden 2. El número de litros de agua que han llegado a un pantano hasta el instante
Definición
t (Supuesto: el contador solo contabiliza litros completos) es un proceso de
Tiempo entre llegadas
Propiedades
conteo.
P. Poisson compuesto
Anexos
3. El número de trabajos enviados a una impresora hasta el instante t es un
proceso de conteo.
4. Si N(t) corresponde al número de goles que un jugador de fútbol dado marca
hasta el tiempo t, entonces {N(t),t≥0} es un proceso de conteo. Un evento de
este proceso ocurrirá cada vez que el jugador de fútbol marque un gol.
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes Propiedades
Inc. estacionarios
P. de Poisson 1. N(t)≥0.
Función Cero 2. N(t) corresponde a un número perteneciente al conjunto de Números
Propiedad de orden
Definición Enteros.
Tiempo entre llegadas
Propiedades
3. Sean t y s dos instantes de tiempo, tal que s<t, entonces N(s)≤N(t).
P. Poisson compuesto ∴ N(t) es un proceso no decreciente en el tiempo.
Anexos
4. Para s<t, N(t)−N(s) corresponde al número de eventos que ocurren
en el intervalo [s,t].
D. de Poisson
Suponga que N(t) denota el número de clientes que llegan a un banco
D. Exponencial
hasta el instante t, para todo t>0. Gráficamente:
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
P. de Poisson
Función Cero
Propiedad de orden
Definición
Tiempo entre llegadas
Propiedades
P. Poisson compuesto
Anexos
D. de Poisson
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades Procesos de conteo con Incrementos Estacionarios
Inc. independientes
Inc. estacionarios Un proceso de conteo {N(t),t≥0} posee incrementos estacionarios
P. de Poisson si la distribución del número de eventos que ocurren en cualquier inter-
Función Cero
Propiedad de orden valo de tiempo depende sólo de la longitud del intervalo de tiempo.
Definición
Tiempo entre llegadas
Propiedades
P. Poisson compuesto
En otras palabras:
Anexos
El número de sucesos que se dan en el intervalo [t1 +s, t2 +s], es decir,
N(t2 +s)-N(t1 +s), tiene la misma distribución que el número de suce-
sos ocurridos en el intervalo [t1 , t2 ], es decir, N(t2 )-N(t1 ), ∀ t1 <t2 , s≥0.
D. de Poisson
Procesos de conteo con Incrementos Estacionarios
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
P. de Poisson
Función Cero
Propiedad de orden
Definición
Tiempo entre llegadas
Propiedades Esta distribución no depende del instante en que este intervalo co-
P. Poisson compuesto
Anexos
mience o termine.
No depende de la ubicación exacta del intervalo en el tiempo.
Depende sólo de la longitud del intervalo de tiempo.
El proceso es estable a lo largo del tiempo (distribuciones).
N(t1 +s, t2 +s)∼
=N(t1 , t2 )
D. de Poisson
D. Exponencial
Ejemplo 1
Procesos de Conteo Un ejemplo de un proceso de conteo con incrementos indepen-
Propiedades
Inc. independientes dientes es el número de trabajos que llegan a una impresora, ya que
Inc. estacionarios
los trabajos que llegan en un intervalo de tiempo no tienen por qué
P. de Poisson
Función Cero
influir en los que llegan en otro intervalo de tiempo que sea disjunto
Propiedad de orden dicho intervalo.
Definición
Tiempo entre llegadas
Propiedades
P. Poisson compuesto
Sin embargo, puede que este caso no sea de incrementos estacio-
Anexos
narios, ya que, por ejemplo, es de esperar que el número de trabajos
que lleguen en el intervalo de tiempo de nueve a diez de la mañana
no coincida con los que llegan de dos a tres de la tarde (en muchas
empresas, este periodo coincide con el horario de almuerzo). Por lo
tanto, cabe esperar que el número de trabajos enviados a la impreso-
ra en el segundo intervalo sea considerablemente menor.
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
P. de Poisson
Función Cero
Propiedad de orden
Definición
Procesos de Poisson
Tiempo entre llegadas
Propiedades
P. Poisson compuesto
Anexos
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios Definición: Función Cero
P. de Poisson
Función Cero
La función f () se dice que es σ(h) (función cero) si:
Propiedad de orden
Definición f (h)
Tiempo entre llegadas lim =0
Propiedades h→0 h
P. Poisson compuesto
Anexos
En otras palabras, f (h) se va a cero más rápido que h.
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades Función Cero
Inc. independientes
Inc. estacionarios La función f (x)=x 2 es σ(h):
P. de Poisson
Función Cero
f (h) h2
Propiedad de orden
lim = lim = lim h = 0
Definición
h→0 h h→0 h h→0
Tiempo entre llegadas
Propiedades
La función f (x)=x no es σ(h):
P. Poisson compuesto
Anexos
f (h) h
lim = lim = lim 1 = 1
h→0 h h→0 h h→0
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades Función Cero
Inc. independientes
Inc. estacionarios
Si f () es σ(h) y g() es σ(h), entonces f ()+g() también lo es
P. de Poisson
Función Cero
f (h) + g(h) f (h) g(h)
Propiedad de orden
lim = lim + lim =0+0=0
Definición h→0 h h→0 h h→0 h
Tiempo entre llegadas
Propiedades Si f (x) es σ(h), entonces la función g(x)=cf (x) es σ(h):
P. Poisson compuesto
Anexos
cf (h) f (h)
lim = c lim = c0 = 0
h→0 h h→0 h
D. de Poisson
Con la definición de Función cero:
D. Exponencial
D. de Poisson
D. Exponencial
Esto quiere decir que, cuando h es pequeño, existen dos eventos do-
minantes: que ocurra un evento o que no ocurra ninguno.
D. de Poisson
D. Exponencial
El proceso de conteo {N(t)≥0} es un proceso de Poisson de tasa λ
Procesos de Conteo (λ>0), si:
Propiedades
Inc. independientes
Inc. estacionarios
(I) N(0)=0
P. de Poisson
Función Cero
(II) El proceso posee incrementos independientes.
Propiedad de orden (III) El número de eventos en cualquier intervalo de longitud t esta distri-
Definición
Tiempo entre llegadas buido Poisson con media λt. Esto es, para todo s, t ≥0.
Propiedades
P. Poisson compuesto
(λt)n
Anexos
P(N(t + s) − N(s) = n) = e−λt , n = 0, 1, . . .
n!
(IV) Cumple con la propiedad de orden.
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades Proceso de Poisson
Inc. independientes
Inc. estacionarios
El proceso de Poisson con parámetro λ (λ≥0) dependiente del tiempo
P. de Poisson
Función Cero
t≥0, es tal que :
Propiedad de orden
Definición
e−λt (λt)k
Tiempo entre llegadas P{N(t) = k } = k = 0, 1, . . . (4)
Propiedades k!
P. Poisson compuesto
Anexos Donde, además:
Esperanza: E(N(t))=λt
Varianza: Var (N(t))=λt
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios Ejemplos de Procesos de Poisson
P. de Poisson
Función Cero Llegadas de clientes a una cola
Propiedad de orden
Definición
Llamadas a una central telefónica
Tiempo entre llegadas Llegada de pacientes a la emergencia de un hospital
Propiedades
P. Poisson compuesto Llegada de autos a un estacionamiento
Anexos
Llegada de buses a un paradero
D. de Poisson
D. Exponencial
Procesos de Conteo
Ejemplo
Propiedades
Inc. independientes
Sea un sistema bancario con un proceso de llegadas que cumplen la propiedad
Inc. estacionarios de incrementos independientes y la propiedad de orden.
P. de Poisson Entre 9:00 y 10:30 de la mañana llegan en promedio 200 personas por hora.
Función Cero
Propiedad de orden Entre 10:30 y 12:30 llegan 100 personas por hora.
Definición
Tiempo entre llegadas Entre 12:30 y 14:00 llegan 300 personas por hora.
Propiedades
P. Poisson compuesto a) £Cuál es la probabilidad de que en los primeros 5 minutos de operación no
Anexos
llegue ningún cliente?
b) £Cuál es la probabilidad de que en los primeros 3 minutos lleguen 5 clientes y
que en los primeros 3 minutos de la segunda jornada lleguen 2 clientes?
c) £Cuál es la probabilidad de que en los primeros 3 minutos más de 5 clientes?
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Solución
Inc. estacionarios
a) £Cuál es la probabilidad de que en los primeros 5 minutos de opera-
P. de Poisson
Función Cero
ción no llegue ningún cliente?
Propiedad de orden 200
Definición Para este caso, primero se debe observar que λ= [llegadas/minu-
Tiempo entre llegadas
60
Propiedades to]=3,33
P. Poisson compuesto
e−λt (λt)0
Anexos
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
P. de Poisson
Función Cero
Propiedad de orden
Definición
Tiempo entre llegadas
Propiedades
P. Poisson compuesto
Anexos
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
Consideremos un proceso de Poisson
P. de Poisson
Función Cero
Para n>1, sea Tn el lapso de tiempo entre el (n1)esimo y el nesimo
Propiedad de orden evento.
Definición
Tiempo entre llegadas
Propiedades La secuencia {Tn , n=1,2,} es llamada secuencia de tiempos entre
P. Poisson compuesto
Anexos
llegadas.
Buscamos determinar la distribución de Tn .
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Para lograr este objetivo, debemos notar que el evento {T1 >t} toma
Inc. independientes lugar si y sólo si ningún evento del Proceso de Poisson ocurre en [0,
Inc. estacionarios
t]:
P. de Poisson
Función Cero P{T1 > t} = P{N(t) = 0}
Propiedad de orden
e−λt (λt)n
Definición =
Tiempo entre llegadas n!
Propiedades
e−λt (λt)0
P. Poisson compuesto =
Anexos 0!
= e−λt
1
Por lo tanto, T1 tiene una distribución exponencial con media λ
.
D. de Poisson
D. Exponencial
Procesos de Conteo
Ahora,
Propiedades
Inc. independientes P{T2 > t|T1 = s} = P{N(t + s) − N(s) = 0|T1 = s}
Inc. estacionarios
= P{N(t + T1 ) − N(T1 ) = 0}
P. de Poisson
Función Cero = P{N(t) = 0}
Propiedad de orden
Definición
= e−λt
Tiempo entre llegadas
Propiedades
P. Poisson compuesto Concluimos que T2 es también una variable aleatoria exponencial con
Anexos
media λ1 y que T1 es independiente de T2 .
Notar que Tn es memoryless, por lo que el tiempo entre dos eventos
consecutivos posee la misma distribución que el tiempo hasta que
ocurre el primer evento.
D. de Poisson
(λt)(n−1)
fSn (t) = λe−λt , t ≥0
(n − 1)!
D. de Poisson
D. Exponencial
Procesos de Conteo
Ejemplo
Propiedades
Inc. independientes Suponga que gente que inmigra dentro de un territorio a una tasa Pois-
Inc. estacionarios
son λ=1 por día.
P. de Poisson
Función Cero
a. £Cuál es el tiempo esperado hasta que el décimo inmigrante llegue?
Propiedad de orden b. £Cuál es la probabilidad que el lapso de tiempo entre el décimo y el
Definición
Tiempo entre llegadas undécimo arribo exceda los dos días?
Propiedades
P. Poisson compuesto
Anexos Solución:
10
a. E(S10 ) = =10 días
λ
b. P{T11 > 2} = e−2λ = e−2 ≈ 0,133
D. de Poisson
Propiedad de Agregación
D. Exponencial Considerar los Procesos de Poisson independientes de tasas λi , i =
Procesos de Conteo 1, 2, . . . , k . Cada uno de estos procesos cuenta el número de eventos
Propiedades
Inc. independientes de tipo i que ocurren hasta el tiempo t.
Inc. estacionarios
Propiedad de Desagregación
D. de Poisson
D. Exponencial Considerar un proceso de Poisson N(t), de tasa λ tal que los eventos
Procesos de Conteo que cuenta pueden ser clasificados en k categorías excluyentes entre
Propiedades
Inc. independientes
sí. La probabilidad de
P ocurrencia de un evento del tipo i = 1, 2, . . . , k
Inc. estacionarios es pi , de forma que ki=1 pi = 1.
P. de Poisson
Función Cero A partir de este proceso se pueden definir k procesos N1 (t), N2 (t), . . . , Nk (t)
Propiedad de orden
Definición
donde la tasa de cada uno de estos procesos es λi = λpi . Cada uno
Tiempo entre llegadas de estos procesos cuenta el número de eventos de tipo i que ocurren
Propiedades
P. Poisson compuesto
hasta el tiempo t
Anexos
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
D. de Poisson
D. Exponencial
Procesos de Conteo
Ejemplo
Propiedades
Inc. independientes
Considerar una etapa de un proceso productivo que está constituida
Inc. estacionarios por dos máquinas en paralelo:
P. de Poisson Los productos llegan a esta etapa de acuerdo a un proceso de Pois-
Función Cero
Propiedad de orden son de tasa λ.
Definición
Tiempo entre llegadas
Al llegar a esta etapa, los productos son derivados a la máquina 1 con
Propiedades probabilidad p, y a la máquina 2 con probabilidad (1 − p).
P. Poisson compuesto
Anexos
Cada producto es asignado a alguna de estas dos máquinas, en for-
ma independiente de los demás productos.
Se puede considerar el proceso de conteo de las llegadas de productos
al sistema (N(t)), y los procesos de conteo de llegadas de productos a
las máquinas 1 y 2 (N1 (t) y N2 (t)).
D. de Poisson
D. Exponencial Ejercicio
Procesos de Conteo El número de clientes que ingresa a una tienda de mascotas en un día dado
Propiedades
Inc. independientes
puede ser modelado como un Proceso de Poisson. La tienda abre de 11 a 19
Inc. estacionarios horas, y los clientes ingresan a una tasa de 15 clientes por día. Estudios sobre
P. de Poisson el comportamiento de estos clientes indican que éstos tienen una probabilidad
Función Cero del 0,6 de realizar una compra. Además se sabe que, siendo que la tienda se
Propiedad de orden especializa en la venta de artículos para tortugas, gatos o erizos de tierra, hay
Definición
Tiempo entre llegadas
una probabilidad del 0,3 de que la compra realizada sea un artículo para gatos
Propiedades y una probabilidad del 0,5 de que la compra sea de un artículo para erizos de
P. Poisson compuesto tierra. En base a esta información:
Anexos
1 Dibuje un diagrama que represente el proceso anteriormente descrito.
2 Cuál es la probabilidad de que ingresen 10 clientes en una hora.
3 De acuerdo a su respuesta de la pregunta b), £cuál es la probabilidad de que,
de esos 10 clientes, 4 compren una rueda para erizos de tierra, 3 compren
juguetes para gatos y el resto no haga compra alguna?
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Proceso de Poisson Compuesto
Inc. independientes
Inc. estacionarios Un proceso estocástico {X (t), t ≥ 0} es un proceso de Poisson com-
P. de Poisson puesto si se puede representar como:
Función Cero
Propiedad de orden
Definición
N(t)
X
Tiempo entre llegadas
Yi
Propiedades
P. Poisson compuesto i=1
Anexos
Donde {N(t), t ≥ 0} es un proceso de Poisson e {Yi , i ≥ 1} es una familia
de variables aleatorias independientes e idénticamente distribuidas que
son independientes de {N(t), t ≥ 0}.
D. de Poisson
D. Exponencial
Ejemplo: Proceso de Poisson Compuesto
Procesos de Conteo
Propiedades
Inc. independientes
Sea un sistema de llegadas de buses en que la llegada de cada bus
Inc. estacionarios puede ser modelado como un proceso de Poisson.
P. de Poisson Supongamos que cada vehículo i traerá una cantidad de pasajeros
Función Cero
Propiedad de orden Yi , de acuerdo a una distribución de probabilidad específica.
Definición
Tiempo entre llegadas
Asi, en un instante t llegaran N(t) buses (de acuerdo a un proceso de
Propiedades conteo con distribución de Poisson).
P. Poisson compuesto
Anexos
La cantidad de personas que llegaran al paradero, en base a lo ante-
rior, es:
N(t)
X
Yi
i=1
D. de Poisson
No es posible encontrar una expresión cerrada para la distribución de Xt , ya que
D. Exponencial esta expresión dependerá de la distribución de probabilidades de los Yi .
Procesos de Conteo
Propiedades
Inc. independientes
Esperanza P. P. Compuesto
Inc. estacionarios
P. de Poisson PN(t)
Función Cero
E(X (t)) = E[ i=1 Yi ]
Propiedad de orden P∞ Pk
Definición = k =0 E[ i=1 Yi ]P{N(t) = k }
Tiempo entre llegadas
P∞ Pk
= k =0 [ i=1 E(Yi )]P{N(t) = k }
Propiedades
P. Poisson compuesto
P∞
= k =0 [k µ]P{N(t) = k }
Anexos
= µλt
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades No es posible encontrar una expresión cerrada para la distribución de
Inc. independientes
Inc. estacionarios
Xt , ya que esta expresión dependerá de la distribución de probabilida-
P. de Poisson
des de los Yi .
Función Cero
Propiedad de orden
Definición
Varianza P.P. Compuesto
Tiempo entre llegadas
Propiedades La varianza del proceso de Poisson Compuesto puede ser obtenida de
P. Poisson compuesto
Anexos
la siguiente manera:
V (X (t)) = λtE(Y 2 )
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades Varianza para una Distribución de Poisson
Inc. independientes
Inc. estacionarios
Primero,
P. de Poisson
Función Cero
Propiedad de orden V [Y ] = E[y 2 ] − (E[Y ])2
Definición
Tiempo entre llegadas
E[Y (Y − 1)] = E[Y 2 ] − E[Y ]
Propiedades
P. Poisson compuesto
Anexos Entonces
V [Y ] = E[Y (Y − 1)] + E[Y ] − (E[Y ])2 usaremos este forma de la
varianza para hacer la demostración.
D. de Poisson
Varianza para una Distribución de Poisson
D. Exponencial
X e−λ λy
Procesos de Conteo E[Y (Y − 1)] = y (y − 1)
Propiedades
y
y!
Inc. independientes
e−λ λy
Inc. estacionarios X
P. de Poisson = y (y − 1) Eliminamos
Función Cero
y
(y − 2)!(y − 1)y
Propiedad de orden
Definición X e−λ λy
Tiempo entre llegadas
= Factorizamos λ2
Propiedades
y
(y − 2)!
P. Poisson compuesto
Anexos
X e−λ λy −2
= λ2 Sustituimos z = y − 2
y
(y − 2)!
X e−λ λz X e−λ λz
= λ2 =1
z
(z)! z
(z)!
= λ2
D. de Poisson
D. Exponencial
Procesos de Conteo
Propiedades
Inc. independientes
Inc. estacionarios
Varianza para una Distribución de Poisson
P. de Poisson
Función Cero
Ahora sustituimos para encontrar la varianza:
Propiedad de orden
Definición
V [Y ] = E[Y (Y − 1)] + E[Y ] − (E[Y ])2 Sabemos que E[Y ] = λ
Tiempo entre llegadas
Propiedades 2 2
P. Poisson compuesto
=λ +λ−λ
Anexos
=λ
Preguntas?