Aplicacin CINE STAR METRO UNI

Proceso de Poisson

Contexto

Instalaciones de servicio

Poblacin de Clientes que concurren al cine

Clientes que entran al sistema de servicio y esperan ser atendidos Boletera 1

Sistem a Algunos clientes pueden no entrar al sistema de servicio

Objetivos
Determinar el tipo de Proceso de Poison que se

da en este caso (estacionario o no estacionario). Determinar la probabilidad de que un nmero de individuos lleguen a comprar un ticket en un intervalo de 5 minutos, de acuerdo a los das de la semana.

Especificacin del modelo

N(t) : N de individuos que vienen a comprar un

boleto o ms para entrar al cine. Evento: La llegada de un cliente al cine en un determinado instante de tiempo t. Condiciones del Proceso de Poisson:
Los individuos llegan al cine de forma individual, sin

poseer ninguna informacin acerca de las personas han llegado previamente, adems no existe ningn plan que coordine las llegadas. La afluencia de personas no se mantiene constante en trminos estocsticos a lo largo del tiempo (propiedad de proceso no estacionario).

Especificacin del modelo

Xn es un proceso estocstico con espacio de estados

discreto (E={0, 1, 2, }) y el conjunto de parmetros T={0, 1, 2, }

Tiempo 1 2 3 4 5 6 7 8 9 10 11 12 Hora Inicio 05:00 p.m. 05:05 p.m. 05:10 p.m. 05:15 p.m. 05:20 p.m. 05:25 p.m. 05:30 p.m. 05:35 p.m. 05:40 p.m. 05:45 p.m. 05:50 p.m. 05:55 p.m. Hora Fin Lunes 05:05 p.m. 7 05:10 p.m. 8 05:15 p.m. 9 05:20 p.m. 10 05:25 p.m. 10 05:30 p.m. 10 05:35 p.m. 12 05:40 p.m. 13 05:45 p.m. 15 05:50 p.m. 15 05:55 p.m. 17 06:00 p.m. 18 Martes 10 12 12 13 15 16 17 18 19 20 21 23 Mircoles 5 6 7 8 11 11 11 11 12 12 12 14 Jueves 12 12 12 13 14 15 15 17 18 18 18 20

Modelamiento
Prueba Chi-Cuadrado Sea Xi: N de personas que llegan a comprar

entrada al cine en el da i.
H0: Xi = Poison(Lambda i) H0: Xi Poison(Lambda i)

P-valor>0.05
La variable X se ajusta a una distribucin de

Poison.

Modelamiento
Prueba ANOVA de

un solo factor.
Da Promedio/5min Varianza Promedio/min

Sea Ui: El promedio

de llegadas al cine en el intervalo de tiempo i.

H0: U1= U2== U12 H 1: U i = U j i j

Lunes
Martes Mircoles Jueves

12.00
16.33 10.00 15.33

12.91
16.42 7.82 7.88

2.40
3.27 2.00 3.07

P-valor= 0.00<0.05ANLISIS DE VARIANZA

Existe al menos una

Origen de las variaciones

SC

gl 3 44

prom cuadra

pvalor

Fc

diferencia en los promedios.

Entre grupos 310.333333 Dentro de los grupos 495.333333

103.4444444 9.18887393 0.00 2.81646583 11.25757576

Total

805.666667

47

Modelamiento
Suavizacin del parmetro Lambda (y) Lunes: y = 1.118t + 9.060 Martes: y = 0.762t + 10.37 Mircoles: y = 0.979t + 5.636 Jueves: y = 0.727t + 5.272
derivando Y respecto de t entonces el

Resultados
Lunes La probabilidad de que el da lunes llegue una persona por cada 5 min. Es la ms alta.

Grfica de distribucin
Poisson, Media=0.762 0.5

0.4
Probabilidad

0.3

0.2

0.1

0.0

2 X

Limitaciones
Se ha observado slo una boletera a pesar que

hay dos.
Las personas que atienden la boletera pueden

tener un rendimiento diferente (prueba T o Wilcoxon). Si una trabajador es ms eficiente entonces van a venir ms personas a la cola perteneciente a esa boletera.
Se ha evaluado un periodo corto de tiempo (slo

4 das y 1 hora/da).
Se pueden determinar variacin estacional en el

Proceso de Poisson, debido a que los precios varan de un da a otro.