Академический Документы
Профессиональный Документы
Культура Документы
t0
t1
t2
t3
t4
t
Fig. PP I.a
b.
En forma rigurosa:
Sea el intervalo < t < . Se dice que se est en presencia de un proceso puntual cuando,
previa la eleccin de un valor t0, se determina una sucesin:
t0 t1 t2
tal que cada intervalo [ti 1 , ti] sea el resultado de un experimento aleatorio.
En lo sucesivo, se llamar Ti a la variable aleatoria que se asocie a la duracin del intervalo
[ti 1 , ti], (i = 1, 2, ).
Como ti 1 ti i, se tiene que entonces debe ser:
P(Ti < 0) = 0
PP II
Definicin de un proceso estacionario de Poisson
a.
[1]
PP 2
b.
ti 1 + x
ti 1
x
h
x+h
Fig. PP II.a
Supngase (ver la figura PP II.a) que en el instante ti 1 haya aparecido el evento i 1. En
ese instante se inicia el intervalo al cual corresponde la variable Ti, y que terminar en el
instante ti que corresponde a la aparicin del evento i.
Si partiendo de ti 1 se ha llegado a un instante ti 1 + x sin que haya aparecido en evento i, la
condicin tercera de [1] indica que la probabilidad de que no aparezca dicho evento dentro
del prximo perodo de duracin h no depende de x. Es decir que la probabilidad de
supervivencia del intervalo en curso (de no aparicin de un nuevo evento) durante el
prximo h es la misma a cualquier edad de dicho intervalo. Por lo tanto, el hecho de que
hace mucho que no haya aparecido un evento no apura ni retarda la aparicin del
prximo.
La condicin tercera de [1] indica que las causas que tienden a hacer aparecer eventos son
inmutables en el tiempo.
La condicin cuarta implica que P(Ti = 0) = 0, y por lo tanto las causas antedichas son tales
que se tiene una probabilidad nula de que ocurran dos eventos simultneamente (aunque ello
sea posible).
c.
PP III
F de D de un proceso estacionario de Poisson
a.
y como:
[1]
PP 3
P(Ti > x + h)
= P(Ti > h) ; x 0, h > 0
P (Ti > x)
[2]
i:
x 0, h > 0
x 0, h > 0
F T ( x + h) F T ( x ) F T ( h)
=
[1 FT(x)]
h
h
; x 0, h > 0
[3]
F T ( h)
= c,
h
c finito
[4]
d T
F (x) = c [1 FT(x)]
dx
x>0
cx
[5]
Para empezar, puede probarse que en esta expresin debe ser c > 0, ya que slo as se tiene
que Lim F T ( x) = 1 .
x
En segundo lugar, en dicha expresin debe ser k = 1, pues de lo contrario se tendra que
Lim F T ( x) = 1 k 0 . Como adems segn la condicin cuarta de [1] de PP II es
x 0 +
FT(0) = 0, se tiene que si k 1 resultara que FT(x) no sera en x = 0 continua por la derecha,
en contradiccin con una de las condiciones que debe cumplir toda F de D.
Por lo tanto ser:
FT(x) = 1 e
cx
c>0 x>0
PP 4
Como las condiciones segunda y cuarta de [1] de PP II indican respectivamente que todas
las variables T tienen la misma F de D, FT(x) , y que FT(x) = 0 para x 0, se tiene entonces
que:
0
P (Ti x) = F T ( x) =
cx
1 e
para x 0
[6]
b.
Observacin:
Se acaba de probar que toda F de D correspondiente a un proceso de Poisson, y que cumpla
con las condiciones [4], ha de ser del tipo indicado en [6].
Queda entonces la duda de si un proceso de Poisson admite otro tipo de F de D (que no
cumpla con las condiciones [4]). Puede probarse (con mucho trabajo) que en efecto toda
F de D correspondiente a un proceso de Poisson ha de ser forzosamente del tipo indicado en
[6].
c.
para x 0
[7]
Entonces:
m
= xf T ( x)dx = xce cx dx = 1 ;
Ti
0
c
[8]
2 f T ( x)dx = x 2 ce cx dx = 2
0
c2
y entonces :
2 = 22 12 = 12 ;
Ti
[9]
PP 5
PP IV
Variable aleatoria correspondiente a varios intervalos consecutivos
a.
[1]
Entonces:
P(Ti , i + 1 x) =
Ti ,i +1
( , )dd
[2]
{( , ) / + x}
Como segn la condicin primera de [1] de PP II se tiene que Ti y Ti + 1 son independientes,
y como segn [7] de PP III es:
para x 0
0
f Ti ( x ) = f Ti +1 ( x) = cx
c . e
para x > 0
se tiene que:
f
Ti ,i +1
para 0 0
( , ) = f Ti ( ) f Ti +1 ( ) = 2 c c
.e
c . e
Ti ,i +1
( x) = P(Ti , i + 1 x) =
2 c c
d d =
+x
= 0 ce
=0
[3]
ce c d = 1 e cx cxe cx ,
para x > 0
y adems:
F
Ti ,i +1
( x) = 0
para x 0
PP 6
Entonces:
b.
Ti ,i +1
para x 0
( x) = 2
cx
c . x . e
[4]
para x > 0
Ti ,i +1,i + 2
( x) = P(Ti + Ti + 1 + Ti + 2 x) = P(Ti , i + 1 + Ti + 2 x) =
Ti ,i +1,i + 2
( , )d d =
{( , ) / + x}
T
T
=
f i,i+1 ( ) f i+2 ( )d
d =
+x
(cx) 2 cx
e
,para x > 0
= c 2 e c ce c d d = 1 e cx cxe cx
2!
[5]
+x
y adems:
F
Ti ,i +1,i + 2
, para x 0
( x) = 0
de donde:
Ti ,i +1,i + 2
2
( x) = c (cx) e cx
2!
para x 0
para x > 0
[6]
PP 7
c.
i+n
= Ti + Ti + 1 + ... + Ti + n
(n +1 intervalos)
se tiene que:
F
Ti ,i +1,...,i + n
(cx) n cx
,
e
n!
para x > 0
para x 0
[7]
y adems:
F
Ti ,i +1,...,i + n
( x) = 0
de donde:
d.
Ti ,i +1,...,i + n
n
( x) = c (cx) e cx
n!
para x 0
para x > 0
[8]
Ti,i +1,...,i + n
=m
n +1
= m +m
+ ... + m
=
Ti
Ti +1
Ti + n
c
[9]
(n +1 intervalos)
=2
=
Ti,i +1,...,i + n
(Ti +Ti +1+...+Ti+ n )
n +1
= 2 + 2 + .... + 2
=
Ti
Ti +1
Ti + n
c2
[10]
(n +1 intervalos)
PP 8
PP V
Cantidad de eventos en un intervalo fijo
a.
ti 1
ti
ti + 1
ti + k
t=
Ti 1
Ti
Ti + 1
Ti + 2
Ti + k Ti + k + 1
T*i
Fig. PP V.a
Si se llama T*i a la variable asociada a la duracin del intervalo ] , ti] se tiene que:
Ti,i +1,...i + k
[1]
( )
Ver [7] de PP IV
b.
Ti ,i +1,...i + k
( )
Por [1]
Resumiendo:
P(X k + 1) = F
Ti ,i +1,...i + k
( )
[2]
PP 9
Similarmente:
P(X k) = F
c.
Ti ,i +1,...i + k 1
( )
[3]
X>k+1
Fig. PP V.b
X>k
(X k) = (X = k) (X k + 1)
y por lo tanto:
P(X = k) = P(X k) P(X k + 1)
Es decir que:
Por [7] de PP IV
P(X = k) = F
Ti ,i +1,...i + k 1
( ) F
Ti ,i +1,...i + k
( ) =
[c( )]k 1 e c( )
= 1 e c ( ) c( )e c( ) ...
(k 1)!
k!
(k 1)!
[
c( )]k e c ( )
=
k!
Resumiendo:
k
[
c ] e c
P(X = k) =Probabilidad de k eventos en ] , ] =
k!
c.
siendo = ( )
[4]
Esta es la misma distribucin de Poisson vista en el captulo BNP. Notar que ahora ha
aparecido por un camino totalmente distinto del paso al lmite de una distribucin binomial
que all se emple.
Entonces por lo visto en el captulo BNP:
m
d.
2 = c
=X
siendo = ( )
[5]
PP 10
[6]
Entonces:
P(k eventos en [ , ]) = P[k eventos en [ , ] (Evento en Evento en )] =
[7]
= 0 por [6]
y por [4] y [7] resulta que :
P(k eventos en [ , ]) = P(k eventos en ] , ]) =
[
c ]k e c
= P(X = k) =
k!
[8]
= ( )
PP VI
Aplicaciones al clculo de tamaos de stocks de repuestos
PP VI.1
a.
Sean 30 puestos de trabajo servidos por 30 mquinas. Se ha comprobado que estas mquinas
se descomponen a intervalos que constituyen un proceso de Poisson, siendo la media de
descompostura de 10 mquinas semanales.
Cada fin de semana se mandan a arreglar las mquinas descompuestas durante la semana, y
se reciben, adecuadamente reparadas, las que se haban descompuesto la semana anterior.
Se pide indicar el stock de mquinas necesario para tener una probabilidad mxima de 0,02
de que ningn puesto de trabajo quede fuera de servicio.
b.
[1]
PP 11
c.
Considerando por otra parte que X corresponde a la cantidad de eventos que ocurren en un
intervalo fijo, se tiene por [7] de PP V que:
[c ]k e c
k = N 30 +1
[2]
k!
siendo = duracin del intervalo
= 2.10 = 20
[3]
= c.
[4]
k = N 30 +1
[20]k e 20
k!
[5]
Entonces, por [1] y [5] resulta que la solucin del problema consiste en hallar el menor N tal
que:
k = N 30 +1
d.
[20]k e 20 0,02
k!
En la obra de T. C. Fry Probability and its engineering uses, pginas 465 a 467 est
tabulada la funcin:
v =
k =v
k e
k!
En dicha tabla figuran los parmetros v , y v, pudindose con los valores de dos de
ellos cualesquiera hallar el valor del tercero.
En el presente caso, entrando con = 20 y v = 0,013475 (primer valor inferior a 0,02
cuando = 20), resulta v = 31.
Por lo tanto, debe tomarse:
N 30 + 1 = 31
lo que implica que la cantidad de mquinas debe ser:
PP 12
N = 60 mquinas
PP VI.2
Ejemplo 2
a.
b.
,
de la garanta
de la garanta
P(Y = k) =
(c ) k c
e
k!
[1]
= c.
Y
Tomando al ao como unidad de tiempo se tiene que:
1. = 5
2. Por [8] de PP III es:
1
1
1
c=
=
=
mT
Valor medio de los intervalos entre roturas 10
y entonces es:
c =
1
5 = 0,5
10
(0,5) k e 0,5
k!
[2]
= 0,5
PP 13
P (Y = k )
; kr
[3]
k =0
Si Y > r, es decir si hay ms roturas que el stock inicial de repuestos, se tendr que:
P[Z = 1,5 r + (k r)(20 + 4)] = P(Y = k)
k>r
[4]
Entonces:
k = r +1
k = r +1
k = r +1
k = r +1
= 1,5 r
P(Y = k )
k =0
= 1,5 r
P(Y = k ) + 24 k P(Y = k) 24 r
+ 1,5 r
P(Y = k) =
k = r +1
k =0
k = 0
= 1,5 r + 12 24 kP(Y = k ) + r P (Y = k )
k = r +1
k = 0
Resumiendo:
m
d.
= = 12 + 1,5 r 24 kP(Y = k ) + r P (Y = k )
Z
k = r +1
k = 0
[5]
PP 14
k = r +1
P(Y = 1) = 0,30327 ;
P(Y = 3) = 0,01263 ;
P(Y = 4) = 0,00158
P(Y = 2) = 0,07581
y entonces:
kP(Y = k )
k =0
0
1
2
3
4
0
0,30327
0,45489
0,49278
0,49910
P(Y = k )
k = r +1
0,39347
0,09026
0,01438
0,00175
0,00017
= (por [5])
12
4,05
3,385
4,549
6,0053
Con lo que resulta que la solucin mas econmica es proveer dos repuestos junto con el
generador (costo igual a $ 3,385).