Objetivo de la clase
Diagn ostico
Proceso Poisson
Tarea
Desarrollo de la clase
Objetivo de la clase
Diagn ostico
Proceso Poisson
Tarea
1 2 3 4 5
Objetivo de la clase Diagn ostico Procesos en tiempo continuo Proceso Poisson Tarea
Desarrollo de la clase
Objetivo de la clase
Diagn ostico
Proceso Poisson
Tarea
Objetivos
Desarrollo de la clase
Objetivo de la clase
Diagn ostico
Proceso Poisson
Tarea
Necesitamos...
1 2
Si X y Y son independientes a qu e es igual P( X = x, Y = y)? Cu al es la expresi on para medir el incremento del proceso X (t) en el intervalo [t1 , t2 ]?
Desarrollo de la clase
Objetivo de la clase
Diagn ostico
Proceso Poisson
Tarea
Denici on Un proceso estoc astico { X (t)}t0 en tiempo continuo es un proceso de conteo si X (t) representa el total del n umero de eventos que ocurren hasta el tiempo t.
Desarrollo de la clase
Objetivo de la clase
Diagn ostico
Proceso Poisson
Tarea
Ejemplos
Ejemplo
1
Sea X (t) el n umero de personas que han entrado a una tienda hasta el tiempo t. Entonces { X (t)} es un proceso de conteo en el que un evento corresponde a una persona que ha entrado a la tienda. Notemos que si hubieramos denido el proceso { X (t)} como el n umero de personas que se encuentran en la tienda en el tiempo t, entonces no ser a un proceso de conteo. Si decimos que un evento ocurre cuando un ni no nace, entonces { X (t)} es un proceso de conteo cuando X (t) representa el total de personas que han nacido hasta el tiempo t.
Desarrollo de la clase
Objetivo de la clase
Diagn ostico
Proceso Poisson
Tarea
Observaciones
X ( t ) 0. X (t) es un valor entero. Si s < t entonces X (s) X (t). Para s < t, X (t) X (s) es igual al n umero de eventos que ocurren en el intervalo (s, t].
Desarrollo de la clase
Objetivo de la clase
Diagn ostico
Proceso Poisson
Tarea
Incrementos independientes
Denici on Un proceso de conteo { X (t)} en tiempo continuo tiene incrementos independientes si para cualesquiera 0 = t0 < t1 < . . . < tn se cumple que las siguientes variables aleatorias son independientes X (t1 ) X (t0 ), X (t2 ) X (t1 ), ..., X (tn ) X (tn1 ).
Desarrollo de la clase
Objetivo de la clase
Diagn ostico
Proceso Poisson
Tarea
Incrementos estacionarios
Denici on Un proceso de conteo { X (t)} en tiempo continuo tiene incrementos estacionarios si para cada s, la distribuci on de la variable X (s + t) X (t) es la misma para cualquier t T , es decir, las variables tendr an la misma distribuci on si la longitud del tiempo es la misma.
Desarrollo de la clase
Objetivo de la clase
Diagn ostico
Proceso Poisson
Tarea
Proceso Poisson
Denici on Un proceso de Poisson homogeneo con intensidad o tasa > 0, es un proceso estoc astico { X (t)} con t 0 de valores enteros en el que se cumple que:
1 2
Los incrementos son independientes. Para s > 0 y t 0, la variable [ X (s + t) X (s)] Poisson(t), lo que signica que P([ X (s + t) X (s)] = n) =
( t )n ( et ) , n!
X ( 0 ) = 0.
Desarrollo de la clase
Objetivo de la clase
Diagn ostico
Proceso Poisson
Tarea
Caracter sticas
Tiene incrementos estacionarios. Para t > 0 y s 0 X (t + s) X (s) y X (t) tienen la misma distribuci on que es Poisson(t), es decir, ( t )n et P( X (t + s) X (s) = n) = P( X (t) = n) = . n!
Desarrollo de la clase
Objetivo de la clase
Diagn ostico
Proceso Poisson
Tarea
Ejercicio
Ejemplo Supongamos que los defectos a lo largo de un cable submarino ocurren de acuerdo con un proceso Poisson de intensidad = 0.1 por milla. Determina:
1
La probabilidad de que ning un defecto aparezca en las primeras dos millas de cable. La probabilidad condicional de que no hayan defectos entre las millas dos y tres dado que no hay defectos en las primeras dos millas.
Desarrollo de la clase
Objetivo de la clase
Diagn ostico
Proceso Poisson
Tarea
Soluci on inciso 1
Desarrollo de la clase
Objetivo de la clase
Diagn ostico
Proceso Poisson
Tarea
Soluci on inciso 2
Por los incrementos independientes y estacionarios tenemos que
P ( X (3) X (2) = 0 | X (2) = 0) P( X (3) X (2) = 0, X (2) = 0) P ( X (2) = 0) P( X (3) X (2) = 0, X (2) X (0) = 0) P ( X (2) = 0) P ( X (3) X (2) = 0) P ( X (2) X (0) = 0) P ( X (2) = 0) P ( X (3) X (2) = 0) P ( X (2) = 0) P ( X (2) = 0) P ( X (3) X (2) = 0)
= = = =
= = P ( X (1) = 0) = e0.1 .
Ernesto Guerrero Unidad IV: Proceso Poisson
Desarrollo de la clase
Objetivo de la clase
Diagn ostico
Proceso Poisson
Tarea
Otro ejemplo
Ejemplo Los clientes llegan a una cierta tienda de acuerdo con un proceso Poisson de tasa = 4 por hora. Dado que la tienda abre a las 9:00 A.M. Cu al es la probabilidad de que exactamente un cliente haya llegado hasta las 9:30 A.M. y que un total de cinco clientes hayan llegado hasta las 11:30 A.M.?
Desarrollo de la clase
Objetivo de la clase
Diagn ostico
Proceso Poisson
Tarea
Soluci on
Por los incrementos independientes y estacionarios tenemos que P( X (0.5) = 1, X (2.5) = 5)
= P( X (0.5) X (0) = 1, X (2.5) X (0.5) = 4) = P( X (0.5) X (0) = 1) P( X (2.5) X (0.5) = 4) = P( X (0.5) = 1) P( X (2) = 4) [4(0.5)]1 e4(0.5) [4(2)]4 e4(2) = 1! 4! 1024 10 = e . 3
Desarrollo de la clase
Objetivo de la clase
Diagn ostico
Proceso Poisson
Tarea
Funci on de orden h
Denici on La funci on f se dice que es de orden m as peque no que h y lo denotamos por o (h), si lim f (h) = 0. h
h 0
Supongamos que { X (t)} es un proceso de Poisson homog eneo con intensidad > 0. La probabilidad de que un evento ocurra una vez en un intervalo (t, t + h) es
P ( X ( t + h ) X ( t ) = 1)
( h )1 ( e h ) 1! = heh = = h [1 h + ( h )2 ( h )3 +] 2 3!
Facultad de Matem aticas
Desarrollo de la clase
Objetivo de la clase
Diagn ostico
Proceso Poisson
Tarea
Si R(h) =
n =2
( 1 ) n +1
h 0
( h)n entonces ( n 1) !
lim
es decir, R(h) es una funci on o (h). Luego P( X (t + h) X (t) = 1) = h + o (h), lo que nos dice que es la constante de proporcionalidad que un evento ocurra durante un intervalo de tiempo arbitrariamente peque no.
Desarrollo de la clase
Objetivo de la clase
Diagn ostico
Proceso Poisson
Tarea
Demuestren que si un proceso cumple las condiciones de dos entonces la variable X (t) tiene distribuci on Poisson t (15 puntos) Unidad 4: Ejercicio 3 (10 puntos)