FACULTAD DE INGENIER

IA Curso: Modelos Estocasticos

Departamento de Industrias Semestre: 2014-1
PONTIFICIA UNIVERSIDAD CAT

OLICA DE CHILE Profesor: Alfredo Villavicencio

Ayudanta 3
Variantes de Poisson
Problema 1.
Una empresa pesquera esta dedicada a la captura de salmones en una cierta zona de pesca. Las investigaciones
efectuadas en este campo permiten concluir que resulta bastante adecuado el supuesto que el n umero de
salmones capturados en el intervalo de tiempo (0, t) se comporta de acuerdo a un Proceso de Poisson N(t)
a tasa . Sin embargo, la tasa a la que se capturan los salmones depende de la epoca del a no y de las
condiciones climatologicas en que se efect ua la pesca. Los expertos de la empresa no han podido desarrollar
a un un modelo cuantitativo que permita relacionar la epoca del a no y el clima con la tasa de pesca. Solo han
podido acumular informacion historica de las tasas capturadas en epocas anteriores, la que permite concluir
que la tasa de pesca toma dos valores posibles:
1
con probabilidad p y
2
con probabilidad 1 p (estas
probabilidades se han obtenido en base a la frecuencia con que se han observado los valores
1
y
2
en los
a nos anteriores).
Suponga que la empresa inicia la pesca en la zona respectiva y que durante el intervalo de tiempo (0, t) se
capturan n salmones.
a) Interesa obtener la distribucion de probabilidades del n umero de salmones que se captura en el intervalo
(t, t + h).
b) Interesa obtener la distribucion del tiempo que pasara, a partir del instante t, hasta la siguiente captura
(esto es, la (n + 1) captura). Suponga ahora que la tasa promedio de captura puede tomar los valores
de 50 o 100 salmones por hora con igual probabilidad.
c) Si durante la primera hora de pesca se capturaron 80 salmones, calcule el valor esperado del n umero
de peces que se capturara durante la siguiente hora.
Solucion:
Sea N(t) =n umero de salmones capturados en el intervalo (0,t).
a) Se pide la siguiente probabilidad P(N(t + h) N(t) = k|N(t) = n). Como la tasa del proceso es
aleatoria, debemos condicionar sobre ella y aplicar probabilidades totales:
P(N(t +h) N(t) = k|N(t) = n) = P(N(t +h) N(t) = k|N(t) = n, =
1
)P( =
1
|N(t) = n)
+P(N(t +h) N(t) = k|N(t) = n, =
2
)P( =
2
|N(t) = n)
La tasa del proceso depende de la cantidad de salmones que han sido capturados en t, luego:
P( =
1
|N(t) = n) =
P( =
1
N(t) = n)
P(N(t) = n)
=
P(N(t) = n| =
1
)P( =
1
)
2

i=1
P(N(t) = n| =
i
)P( =
i
)
=
e

1
t
(1t)
n
p
n!
e

1
t
(1t)
n
p
n!
+
e

2
t
(2t)
n
(1p)
n!
=
e
1t
(
1
)
n
p
e
1t
(
1
)
n
p +e
2t
(
2
)
n
(1 p)
=
1
1 +e
(12)t
(
2
1
)
n
(
1p
p
)
De manera analoga, llegamos a:
P( =
2
|N(t) = n) =
1
1 +e
(21)t
(
1
2
)
n
(
p
1p
)
Finalmente,
P(N(t +h) N(t) = k|N(t) = n) =
(
1
h)
k
e
1h
k!

1
1 +e
(12)t
(
2
1
)
n
(
1p
p
)
+
(
2
h)
k
e
2h
k!

1
1 +e
(21)t
(
1
2
)
n
(
p
1p
)
b)
P(T
n+1
x|N(t) = n) = 1 P(T
n+1
> x|N(t) = n)
= 1 P(N(t +x) N(t) = 0|N(t) = n)
= 1
e
1x
1 +e
(12)t
(
2
1
)
n

e
2x
1 +e
(21)t
(
1
2
)
n
c) Se pide
E(N(2) N(1)|N(1) = 80) = E(N(2) N(1)|N(1) = 80, = 50)P( = 50|N(1) = 80)
+E(N(2) N(1)|N(1) = 80, = 100)P( = 100|N(1) = 80)
Calculamos las probabilidades
P( = 50|N(1) = 80) =
1
1 +e
50
2
80
= 0, 00427
P( = 100|N(1) = 80) =
1
1 +e
50
(0, 5)
80
= 0, 9957
y las esperanzas
E(N(2) N(1)|N(1) = 80, = 50) = t = 50
E(N(2) N(1)|N(1) = 80, = 100) = 100
Finalmente,
E(N(2) N(1)|N(1) = 80) = 50 0, 00427 + 100 0, 9957 = 99, 78
Problema 2.
A una central telefonica llegan llamadas de acuerdo a un Proceso de Poisson no homogeneo con tasa t, en
que t se mide en minutos.
a) Obtenga la probabilidad que durante el primer minuto llegue al menos una llamada a la central.
b) Si se sabe que durante los primeros 2 minutos llegaron 40 llamadas a la central, como distribuye el
tiempo hasta la llamada n umero 41?
Solucion:
a) Se trata de un proceso de Poisson no homogeneo, luego, la tasa dependera del tiempo.
Se pide encontrar P(N(1) > 0) = 1 P(N(1) = 0). Luego,
m(t
1
, t
2
) = m(0, 1) =
1

0
tdt =

2
(t
2
)|
1
0
=

2
P(N(1) > 0) = 1
e
m(t1,t2)
m(t
1
, t
2
)
0
0!
= 1 e

2
b) Denimos T =tiempo medido desde el minuto 2 hasta que llegue la llamada n umero 41.
P(T > x) = P(N(2 +x) N(2) = 0) = e
m(x,2+x)
m(2, 2 +x) =
2+x

2
tdt =

2
(t
2
)|
2+x
2
=

2
[(2 +x)
2
4]
=

2
(x
2
+ 4x)
Finalmente,
P(T x) = 1 e

2
(x
2
+4x)
Problema 3.
En una calle, el ujo de autos que pasan por un cierto punto se comporta de acuerdo a un Proceso de
Renovacion N(t), t 0, cuyos tiempos entre eventos tienen distribucion acumulada F() y funcion densidad
f(). Un peaton ubicado en la vereda, desea cruzar la calle. Para ello, el peaton requiere de m (m 0
conocido) unidades de tiempo con la calle libre de autos.

El observa sucesivamente el paso de los autos.
Suponga que, una vez que pasa un auto, el puede medir o conocer el tiempo hasta que pasara el proximo
auto (por observacion de ujo). Suponga tambien que el peaton llega a la vereda justo en el instante posterior
a la pasada de un auto (justo en un instante de renovacion).
a) Cuanto tiempo se espera que pase hasta que el peaton comience a cruzar la calle?
b) Cual es la cantidad esperada de autos que deja pasar el peaton antes de cruzar la calle?
Solucion:
a) Estamos ante un proceso de renovacion, por lo que denimos
L =tiempo hasta que el peaton puede cruzar
Ademas, sabemos que T
i
, i N son v.a. iid con densidad f(x) y distribucion F(x). Si condicionamos
en el tiempo de llegada del primer auto se tiene:
E(L) =

0
E(L|T
1
= x)f
x
(x)dx
Ademas,
E(L|T
1
= x) =

0 : x m
x +E(L

) : x < m
Como el proceso se renueva luego de cada pasada de un auto, E(L) = E(L

). As,
E(L) =
m

0
(x +E(L))f
x
(x)dx
=
m

0
xf(x)dx +
m

0
E(L)f(x)dx
=
m

0
xf(x)dx +E(L)F(M)
E(L) =
m

0
xf(x)dx
1 F(m)
b) Este ejercicio puede realizarse de dos formas. Primero veremos un metodo directo.
Sea
W = n umero de autos que pasan antes de que el peaton pueda cruzar
Luego, tenemos
P(W = 0) = P(T
1
> m) = P(T > m)
pues los tiempos son v.a. iid.
P(W = 1) = P(T
1
m)P(T
2
> m) = P(T m)P(T > m)
P(W = 2) = P(T
1
m)P(T
2
m)P(T
3
> m) = P(T m)
2
P(T > m)
P(W = 3) = P(T
1
m)P(T
2
m)P(T
3
m)P(T
4
> m) = P(T m)
3
P(T > m)
Si tomamos P(T > m) = p, tenemos que P(W = k) = (1 p)
k
p y hemos llegado a una distribucion
geometrica.
E(W) =

k=1
kP(W = k)
=

k=1
k(1 p)
k
p
=
1 p
p
Ahora, si usamos el argumento de renovacion (y ocupando que E(W) = E(W

)), tenemos:
E(W) = 0 p + (1 p)(1 +E(W

))
= 1 +E(W) p pE(W)
=
1 p
p
Problema 4.
Al hospital clnico de la Universidad Catolica llegan pacientes a solicitar atencion de acuerdo a un Proceso
de Poisson a tasa . Se sabe que una proporcion de estos pacientes solo enfrentan males menores, por lo
que son atendidos en la posta del hospital y luego son despachados a sus hogares. El resto de los pacientes
sufre enfermedades mayores y deben ser hospitalizados. El tiempo que permanece hospitalizado un paciente
es una v.a. Asuma que los tiempos de hospitalizacion de los distintos pacientes son v.a. i.i.d. con distribucion
exponencial a tasa y que el hospital tiene capacidad ilimitada.
a) Sea M(t) el n umero de pacientes hospitalizados en el instante t. Obtenga la densidad de probabilidades
de M(t).
b) Si se sabe que en el intervalo (0,t) llegaron n pacientes al hospital (de cualquier tipo), cual es la
probabilidad que ninguno de ellos tenga una enfermedad mayor?
c) Si se sabe que entre 0 y t llegaron m pacientes leves, cual es la probabilidad que en ese intervalo hayan
llegado n pacientes graves?
Solucion:
a) Estamos trabajando con un proceso de descomposicion de Poisson, luego denimos
M(t) = n umero de pacientes hospitalizados en t
y sabemos que M(t) P((1 )t). Luego,como conocemos la cantidad de personas que llegaron al
hospital, condicionamos en N(t) = m.
P(M(t) = n) =

m=n
P(M(t) = n|N(t) = m)P(N(t) = m)
M(t) = n|N(t) = m Bin(m, p), con p = probabilidad de que un paciente este en el hospital en el
instante t. Sabemos que, si desordenamos las llegadas, estas distribuyen uniforme. Ademas, el tiempo
que un paciente permanece hospitalizado distribuye exponencial a tasa . Luego, sean U y Z variables
aleatorias que distribuyen uniforme y exponencial, respectivamente. Luego,
p = P(T > t) = P(U +Z > t)
=
t

0
P(U +Z > t|U = y)f
y
(y)dy
=
t

0
P(Z > t y)
1
t
dy
=
t

0
e
(ty)
t
dy
=
1 e
t
t
P(M(t) = n) =

m=n

m
n

p
n
(1 p)
mn
((1 )t)
m
e
(1)t
m!
=

m=n
m!
n!(mn)!
p
n
(1 p)
mn
((1 )t)
m
e
(1)t
m!
=
p
n
e
(1)t
((1 )t)
n
n!

m=n
[(1 p)((1 )t)]
mn
(mn)!
Se sabe que

n=0
x
n
n!
= e
x
, luego
P(M(t) = n) =
(p(1 )t)
n
e
p(1)t
n!
Es decir, M(t) P(p(1 )t), con p =
1e
t
t
.
b) Sea
N
1
(t) : llegada de pacientes leves
N
2
(t) : llegada de pacientes graves
Queremos P(N
2
(t) = 0|N(t) = n), lo que es equivalente a que solo hayan llegado pacientes leves:
P(N
2
(t) = 0|N(t) = n) =
n
c) Queremos encontrar P(N
2
(t) = n|N
1
(t) = m). Como la tasa de llegada de pacientes esta ja, la
descomposicion de Poisson da origen a dos procesos independientes, luego
P(N
2
(t) = n|N
1
(t) = m) = P(N
2
(t) = n)
=
((1 )t)
n
e
(1)t
n!