Академический Документы
Профессиональный Документы
Культура Документы
ESTOCSTICOS (ITEL-30205)
(8080721)
Tema 1.de
Fundamentos
de Estadstica
Descriptiva
Tema 4. Los Procesos
Poisson y otros
procesos asociados
y medidas
de
Semana Distribucin
15 Clase 07de
frecuencias
Lunes 15/07/13
5:00
a localizacin
8:00 pm
Objetivos a lograr:
Definir y caracterizar
Definir y caracterizar
Definir y caracterizar
Definir y caracterizar
Definir y caracterizar
el
el
el
el
el
proceso
proceso
proceso
proceso
proceso
estocstico
estocstico
estocstico
estocstico
estocstico
de
de
de
de
de
conteo
Poisson homogneo
los tiempos de espera
Poisson compuesto
Poisson no homogneo
1. PROCESO DE CONTEO
1.1. Definicin. Se dice que un proceso estocstico {N(t), t 0} es un proceso de conteo si
representa el nmero de eventos ocurridos hasta el tiempo t.
1.2. Propiedades:
N(0) 0
(s, t]
{N(t),
t 0} se llama Proceso de
77
2.3. Ejemplo 1. Sea N(t) el nmero de peces capturados en el intervalo [0,t]. Se supone que el
nmero de peces en el agua es grande, que todos los pescadores tienen la misma suerte
pescando y que la probabilidad de que un pez muerda el anzuelo es igual en cualquier
instante. Bajo estas condiciones idealizadas, se puede considerar el proceso {N(t), t 0}
como un proceso de Poisson. Este ejemplo resalta dos propiedades importantes del proceso
de Poisson: la probabilidad de capturar un pez no depende de la cantidad que ya se ha
pescado y la segunda propiedad es que el tiempo que se ha esperado no cuenta, es decir,
que un pescador que llega al muelle tiene la misma probabilidad de capturar un pez que el
pescador que lleva horas esperando infructuosamente.
2.4. Ejemplo 2. Sea N(t) el nmero de tomos de una sustancia radioactiva que se desintegra
durante el intervalo [0,t]. Si se supone que el nmero de tomos presente en la muestra es
grande y que el coeficiente de desintegracin es pequeo en relacin al intervalo de tiempo
que se considera, entonces se puede considerar a N(t) como un proceso de Poisson. En este
caso
(t)n
,
n!
donde es una constante positiva. Como E N(t) = t , representa el nmero promedio de
P {N(t) = n} = et
{S(n),
78
{S(n),
fS (n, t) = (n 1)!
0
t<0
Demostracin.
S(n) t si y slo si han ocurrido al menos n eventos en el intervalo (0, t] . Por lo tanto
n 1
k =0
(t)k et
k!
d
d
(t)2
(t)n 1
t
+ ... +
FS (n, t) =
1 e 1 + t +
dt
dt
2!
(n 1)!
(t)2
(t)n 1
2(t)
(n 1)(t)n 2
= et 1 + t +
+ ... +
et +
+ ... +
2!
(n 1)!
2!
(n 1)!
(t)n 1
(t)n 2
(t)2
+ ... +
et 1 + t + ... +
= et 1 + t +
2!
(n 1)!
(n 2)!
(t)2
(t)n 1
(t)n 2
(t)n 1 t
= et 1 + t +
+ ... +
1 t ...
=
e
2!
(n 1)!
(n 2)!
(n 1)!
n
V S(n) = 2
3.3. Ejemplo 5. Suponga que un cierto objeto tiene una vida til T, medida en horas con
distribucin exponencial de parmetro = 0.0005 h1 . La vida til promedio de este objeto y
la varianza vienen dadas por
E T =
1
1
= 2000 h ; V T = 2 = 4 106 h2 .
Si un equipo tiene 3 objetos de este tipo conectados de modo que el segundo comienza a
funcionar al fallar el primero y el tercero al fallar el segundo, la vida til del equipo viene
dada por S3 = T1 + T2 + T3 , con distribucin Erlang-3 de parmetro = 0.0005 . Su esperanza
y su varianza son
E S3 =
3
= 6000 h ; V S3 = 12 106 h2
et
fT (s, t) =
0
Prof. Jos Luis Quintero
t0
t<0
79
4.1. Definicin.
{Z(t),
representar como:
N(t)
Z(t) =
Yn ,
n =1
idnticamente
{Yn ,n 1}
es una sucesin de
distribuidas,
adems
4.2. Ejemplo 6. Suponga que una compaa de seguros de vida tiene clientes que fallecen en los
instantes 1 , 2 ,... donde 0 < 1 < 2 < ... . Se supone que estos eventos ocurren de acuerdo
con un proceso de Poisson de frecuencia . El asegurado que fallece en el instante n tiene
una pliza por una cantidad Yn que es pagada a los beneficiarios. La compaa de seguros
desea conocer Z(t), la cantidad total que tendr que pagar en el perodo de 0 a t. Z(t) se
puede representar como
N(t)
Z(t) =
Yn
n =1
4.3. Ejemplo 7. Clientes llegan a una tienda de acuerdo a un proceso de Poisson N(t). La
cantidad de dinero que gasta el n-simo cliente es una variable Yn que es independiente de
los tiempos de llegada y de la cantidad de dinero que gastan los otros clientes. El total Z(t)
vendido durante (0, t] , es un proceso compuesto de Poisson.
4.4. Ejemplo 8. Las fallas de un automvil se producen de acuerdo a un proceso de Poisson N(t)
y la n-sima reparacin cuesta una cantidad Yn . Las variables Yn son independientes entre
si, independientes del momento en el cual ocurre la falla y adems todas tienen la misma
distribucin. Si Z(t) es el costo total de las reparaciones efectuadas entre 0 y t, entonces Z(t)
es un proceso compuesto de Poisson.
80
{N(t),
t 0} se llama Proceso de
Poisson no homogneo con intensidad (t) > 0 si satisface las siguientes propiedades:
(u)du
s
5.2. Ejemplo 9. Las ventas de una maquinaria determinada ocurren de acuerdo a un proceso de
Poisson no homogneo con frecuencia en el instante t dada por (t) = 5625te3t , t 0 . La
esperanza del proceso N(t) viene dada por
E N(t) = (t) =
La demanda total N() de esta maquinaria tiene distribucin de Poisson con parmetro 625.
Si de acuerdo a este anlisis se producen 700 ejemplares, la probabilidad de que no alcancen
para cubrir la demanda ser
625
k = 701
(625)k
0.0013
k!
81