Procesos de poisson y aplicaciones

Ordoez Hernandez, Alvaro Andrs

{aaordonezh}@unal.edu.co
Facultad de Ingeniera
Universidad Nacional de Colombia

La distribucin de Poisson representa un

modelo probabilstico apropiado para
muchos fenmenos observables que se van
a resumir a continuacin.

implica que la probabilidad de

tener dos o mas emisiones en un
intervalo pequeo es despreciable.
IV.

Consideremos una fuente de material

radiactivo que emite partculas alpha. Sea
Xt el numero de partculas emitidas
durante un periodo especificado de
tiempo[0, t). Xt puede tomar valores
enteros como 0,1,2,. Sea.
Pn t = P Xt = n con n = 0,1,2, .
HIPTESIS:
I.

II.

III.

El numero de partculas emitidas

durante intervalos de tiempo no
sobrepuestos
son
variables
aleatorias independientes.
Sea Xt como se defini
anteriormente y si Yt es igual al
numero de partculas emitidas
durante [t2 , t 3 + t] para cualquier
t2 positivo, las variables aleatorias
Xt y Yt tienen la misma
distribucin de probabilidades (la
distribucin del numero de
partculas
emitidas
durante
cualquier intervalo depende solo
de la longitud del intervalo y no de
los extremos.
Pk t 0

para

k > 2.

Esto

V.

Xo = 0, o Po 0 = 1.
P2 (t) es aproximadamente igual a
*t siempre que t sea pequea,
donde es una constante positiva.

Las primeras dos hiptesis implican que

X= y X=?= son variables aleatorias
independientes con la misma funcin de
probabilidad.
Las hiptesis 3 y 5 permiten concluir que
C

Po t = 1 Po t *t

Pk t ~1
DE3

As mismo
Po t + t = P[Xt = 0 y X=?= -Xt = 0]
Po t + t = Po(t)Po(t)~Po(t)[1
*t]
Luego, llegamos a la expresin
Po t + t -Po(t)
~-Po(t)
t
Cuando t 0 y teniendo en cuenta que
el miembro izquierdo de la relacin

corresponde a una derivada tenemos que

P ' o t = -Po(t)
o equivalentemente
P'o(t)
= -
Po(t)
Usando el mtodo de integracin de
separacin de variables tenemos que
= - +
Usando la hiptesis 4 tenemos que al hacer
= 0, lleva a que = 0, de manera que
llegamos a la expresin:
= -O
De forma general tenemos que
=

-O ()P
, = 0,1,2,3, .
!

De esta manera se ha demostrado que el

numero de partculas emitidas en un
intervalo de tiempo 0, de una fuente
radiactiva es una variable aleatoria con
distribucin de Poisson con parmetro
[Meyer 1992].
La distribucin de Poisson apareci
gracias a las hiptesis y suposiciones
planteadas inicialmente. Cada vez que
estas suposiciones se cumplan tendremos
una distribucin de Poisson que puede
aplicarse a muchos modelos[Meyer,
1992].
APLICACIN EN TELEFONIA:
Sea el numero de llamadas telefnicas
que llegan a la central durante un periodo
de tiempo de longitud . Las hiptesis que
planteamos inicialmente se cumplen

especialmente
en
un
intervalo
congestionado. Por lo tanto es un
proceso de Poisson [Meyer, 1992].
APLICACIN EN LA TEORA DE
COLAS:
En 1951 Kendall dise una notacin que
an se acepta para la representacin de un
sistema de una cola (Winston, 2004).
Antes de continuar, es conveniente
caracterizar
algunos
parmetros
establecidos por esta notacin:
M = Define una variable aleatoria que se
distribuye de forma exponencial, bien sea
para los tiempos de llegada o los tiempos
de servicio.
D = Los tiempos, ya sean los de llegada o
los de servicio, son de tipo determinstico.
Ek = Los tiempos de llegada o de servicio
estn definidos por una distribucin de
Erlang de parmetro k.
G = Los tiempos de llegada o de servicio
estn definidos por alguna distribucin
general.
Este sistema queda completamente
determinado por el siguiente conjunto de
seis caractersticas:
1. Se ha de especificar la naturaleza
del proceso de arribo de los
clientes al sistema.
2. Se especifica la distribucin de las
salidas (naturaleza de los tiempos
de servicio).
3. Cantidad de servidores en paralelo.
4. Disciplina de la cola.
5. Esta caracterstica especifica la

cantidad mxima (finita o infinita)

de clientes en el sistema (incluidos
los clientes de la cola y el servicio).
6. Tamao de la fuente: la poblacin
se considera infinita, a menos que
los clientes potenciales igualen en
nmero a la cantidad de servidores
(Winston, 2004).
Para el tratamiento de procesos de colas se
presenta a continuacin un conjunto de
parmetros aceptados de forma general:
N(t) = Define para el tiempo t, t 0 nmero
de clientes en el sistema de colas.
Pn(t) = Probabilidad de que en el tiempo t,
existan n clientes en el sistema.
S= Cantidad de servidores en el sistema de
colas.
n = Frecuencia media de llegada cuando
hay n clientes en el sistema, en caso de ser
n constante para toda n, se nota .
n= Frecuencia media de salida del
servicio cuando hay n clientes en el
sistema; de igual forma, cuando esta
frecuencia es constante para cualquier n
1, se nota .
REFERENCIAS:
[1] Meyer,

P. L. (1992). Probabilidad
y aplicaciones estadsticas, ed.
revisada. Mxico, D. F: Adisson
Wesley.
[2]http://www.urosario.edu.co/urosar
io_files/68/688eb44f-b32e-4c34a071-5f4d95473d4f.pdf