Professional Documents
Culture Documents
SEMANA
6
PROCESOS DE POISSON
[ PROGRAMACIN ESTOCSTICA ]
SEMANA
SEIS
LECTURA
DOS:
EJEMPLOS
DE
DISTRIBUCIN
EXPONENCIAL
Y
PROCESOS
DE
POISSON
Ejemplo
1:
Suponga
que
los
clientes
llegan
a
una
tienda
de
acuerda
a
un
Proceso
de
Poisson
(PP)
con
tasa
! = 10 !"#$%&$' !"#
a.
Cul
es
el
nmero
esperado
que
clientes
que
visitan
la
tienda
durante
8
horas?
Respuesta:
Teniendo
en
cuenta
que
por
notacin
N(t)
es
el
nmero
de
eventos
que
ocurren
durante
un
intervalo
de
tiempo
(0,
t].
Entonces,
se
debe
definir
la
variable
poisson
N(t)
y
se
debe
calcular
el
valor
esperado
de
N(8
horas),
tal
como
se
presenta
a
continuacin:
N(t)
=
nmero
de
clientes
que
visitan
la
tienda
durante
un
intervalo
de
tiempo
t.
El
valor
esperado
de
una
variable
aleatoria
poisson
se
define
de
la
siguiente
manera:
! ! ! = ! !
Por
lo
tanto,
10 !"#$%&$'
! ! ! = ! ! 8 = ! ! =
8 !"#$ = 80 !"#$%&$'
!"#
b.
Cul
es
la
probabilidad
de
que
ninguna
persona
llegue
a
la
tienda
entre
la
1:00
pm
y
la
1:06
pm?
Respuesta:
Haciendo
regla
de
tres,
pasamos
los
minutos
a
horas.
6
minutos:
0.1
horas
e!!! (f)!
P N 1: 00PM 1: 06PM = P N(0.1 = 0) =
k!
e!!"!.! (10 0.1)!
=
= e!!"!.! = e!! = 0.367
0!
Ejemplo
2:
El
periodo
de
vida
en
aos
de
un
televisor
de
cierta
marca
tiene
una
distribucin
exponencial
con
un
promedio
de
6
aos.
a) Cul
es
la
probabilidad
de
que
un
televisor
falle
antes
del
tercer
ao
de
uso?
T = tiempo de vida del televisor en aos
!
[ POLITCNICO GRANCOLOMBIANO ]
b) Suponga
que
se
analizan
5
televisores
de
esa
marca,
cul
es
la
probabilidad
de
que
al
menos
3
de
los
5
televisores
fallen
antes
del
segundo
ao
de
uso?
T = tiempo
!
!!! !!!
!!!
!
P(T > 5; T > 2)
P(T > 5) e! !
P T > 5\T > 2 =
=
= ! = e! !
P(T > 2)
P(T > 2)
e! !
!
= P T > 3 = e! ! = 0,606
Ejemplo
3:
Una
empresa
de
fabricacin
de
bolsas
plsticas
tiene
una
mquina
que
cumple
el
proceso
de
sellado.
Por
ser
mquinas
que
continuamente
estn
trabajando
tienen
un
desgaste
continuo
y
por
ende
su
tiempo
de
vida
promedio
es
de
10
meses
siguiendo
una
distribucin
exponencial.
Si
el
ltimo
cambio
de
mquina
que
se
hizo
fue
hace
10
meses,
cul
es
la
probabilidad
que
deba
cambiarse
la
mquina
antes
de
los
prximos
ocho
meses?
Compruebe
la
propiedad
de
no
memoria
de
la
distribucin
exponencial.
P T 18\T 10 =?
P(10 T 18) F 18 F(10)
=
=
P(T 10)
1 F(10)
!"
1 e!!"/!" (1 e!" )
e!!/! + e!!
e!! e!!/!
=
=
=
= !!
1 (1 e!"/!" )
e!!
e!!
e
!
= 1 e!! = 0.55
[ PROGRAMACIN ESTOCSTICA ]
Comprobando
la
propiedad
de
no
memoria:
!
!,!
[ POLITCNICO GRANCOLOMBIANO ]
ln (e!!" ) = 0.1
t
lne = ln 0.1 t = 1.5 ln 0.1 = 34.54 = 35 das
15
Ejemplo
5:
A
un
determinado
puerto
llegan
barcos
de
acuerdo
a
un
Proceso
de
Poisson
con
tasa
de
4
barcos
por
hora.
a) Cul
es
el
valor
esperado
y
la
desviacin
estndar
del
nmero
de
barcos
que
llegan
al
puerto
en
una
semana?
El
Valor
esperado
(promedio),
de
una
Distribucin
de
Poisson
es
la
misma
tasa
de
llegada
! !"#$%&
!"# !"#$%
E(N(t))=t = !"#$ = !"#$%$
1
semana=
168
horas
7 das 24horas
semana
1 da
672 horas
=
semana
Desviacin
estndar
= N t = 672 = 25.92
b) Cul
es
la
probabilidad
de
que
pasen
ms
de
5
horas
entre
la
llegada
de
2
barcos
consecutivos?
[ PROGRAMACIN ESTOCSTICA ]
T:tiempo
hasta
el
primer
xito.
En
ste
caso
el
xito
se
obtiene
cuando
llegan
dos
barcos
consecutivos.
Por
lo
tanto,
la
variable
discreta
queda
definida
como:
T:
tiempo
hasta
la
llegada
de
2
barcos
consecutivo
T~esperado(4
barcos/
hora)
P(t
>5)=e!!! = e!!" = 2,06 10!!
c) El
13
de
noviembre
llegaron
4
barcos
entre
la
1:00
am
y
las
6:00
am.
Calcule
el
nmero
esperado
de
barcos
que
llegaron
entre
las
10:00
am,
y
las
2:00
pm.
!"#$%&'
E(N(10:00
am
-2:00pm))=t = !"#$ 4horas = 16 barcos
d) Cul
es
la
probabilidad
de
que
entre
las
6:00
am
y
las
10:00
am
del
13
de
noviembre
lleguen
5
barcos
si
se
conoce
que
entre
la
1:00
am
y
las
6:00
am
del
13
de
noviembre
llegaron
4
barcos?
=P(N(6
am-10
am)=5/N(1
am-6
am)=4)=????
=
P(N(6
am-10
am)=5=
P(N(4)=5=
!!!! (!!)!
!!
= 9.8 10!!
e) El
13
de
noviembre
llegaron
4
barcos
entre
la
1:00
am
y
las
6:00
am.
Cul
es
la
probabilidad
que
2
de
ellos
hayan
llegado
entre
las
4:00
am
y
las
6:00
am?
=
P(N(4-6am)=2/N(1-6am)=4???
=
P(N(4-6am)=2
;
N(4-6am)=2
!!!!
!!!! (!!)!
=
P(N(3)=2)*P(N(2)=
!!
!!
=
(4,42*10!! )*(0.0107)
=
4.72*10!!
[ POLITCNICO GRANCOLOMBIANO ]