Anda di halaman 1dari 5

Procesos estocsticos

Unidad 3. La distribucin exponencial y el proceso Poisson


Evidencia de aprendizaje. Resolucin de problemas sobre
procesos de Poisson
Instrucciones: Resuelve cada uno de los problemas que se plantea a
continuacin

1. Un mdico tiene citados a dos pacientes: uno a las 4 y el siguiente a las 4:30. El
tiempo que se tarda el mdico en cada consulta es una variable aleatoria que se
distribuye como exponencial con media de 30 minutos. Si ambos pacientes llegan a
tiempo, determina el tiempo medio que esperar el segundo paciente antes de ser
atendido.

1 1
E ( x )= = =0.0333
30
2. Los defectos en la tela producida en una mquina, se presentan de acuerdo a una
distribucin Poisson de tasa 1.5 por rollo. Calcular la probabilidad de que:
a) No se presenten defectos en los primeros dos rollos producidos un da.
N(2) tiene distribucin Poisson con parmetro 2(1.5)=3, as que
3
P [ N ( 2 )=0 ]=e =0.0497870683679

b) Se presenten al menos dos defectos en los primeros 4 rollos producidos un da s


se sabe que en el primer rollo se present un defecto.
N(4) tiene distribucin Poisson con parmetro 4(1.5)=4.5, as que

Procesos estocsticos
Unidad 3. La distribucin exponencial y el proceso Poisson
P [ N ( 4 ) 2 ] =1

( 0.3 )1 0.3
e
1

c) Sucede simultneamente que hay un defecto en los primeros 3 rollos y hay 4


defectos en los primeros 6 rollos.

P [ N ( 3 ) =1, N ( 6 ) =4 ]=P [ N ( 3 )=1, N ( 6 )N ( 3 )=3 ]


N ( 3 )=1

N (3 )=3
P

][

4.51 4.5 4.5 3 4.5


e
e
1!
3!

0.0084342887981
3. La llegada de clientes a un comercio, ocurre de acuerdo a un proceso Poisson nohomogneo, cuya tasa est dada por

1
, 0 t 8,
8t

donde t representa el nmero de horas transcurridas desde que abre el comercio.


a) Cul es la probabilidad de que el primer cliente llegue en los primeros 20
minutos?
Para el tiempo lo determinamos de la siguiente manera:

20
=1/3
60

1
3

1
1 /3
dt=2 8t| =0.1191
8t
0
0

0.1191

e
1
p N
=1 =
3

(() )

( 0.1191 )1
=0.1057
1!

la probabilidad de que el primer cliente llegue en los primeros 20 minutos es de

0.1057

Procesos estocsticos
Unidad 3. La distribucin exponencial y el proceso Poisson
b) Si en la primera hora llegaron 6 clientes, cul es la probabilidad de que 4 de
ellos hayan llegado en los primeros 40 minutos?

t
X (t) Poisson() con

1
, 0 t 8,
8t

Pregunta: P ( X ( 40 )=4/ X ( 60 ) =6 )
Se puede demostrar que

Luego

[ X ( 40 ) / X ( 60 )=6 ] Binomial

2
P [ X ( 40 ) / X ( 60 )=6 ] = 6
4 3

1
3

( 6, 4060)

6 4

( )( ) ( )

=0.3292181069959

c) Si todos los clientes se demoran exactamente 12 min. dentro del banco,


determina el nmero esperado de clientes dentro del banco en cualquier instante
del da.

1
dt=2 8t|8 = 5.65685
0
8t
8

E (t)=

4. Un cable para luz tiene defectos de acuerdo a un proceso de Poisson de parmetro


l=0.1 por km. Determina:
a) Cul es la probabilidad de que no haya defectos en los primeros 4
kilmetros?
N(4) tiene distribucin Poisson con parmetro 4(0.1)=0.4, as que

P [ N ( 4 )=0 ] =e0.4 =0.6703200460356


b) Cul es la probabilidad de que haya un defecto en los primeros 3
kilmetros?
N(3) tiene distribucin Poisson con parmetro 3(0.1)=0.3, as que

P [ N ( 3 ) =1 ] =

( 0.3 )1 0.3
e =0.2222454662045
1

c) Si no hay defectos en los primeros 2 kilmetros, cul es la probabilidad


de que tampoco lo haya en el cuarto kilmetro?
N(4) tiene distribucin Poisson con parmetro 4(0.1)=0.4, as que

P [ N ( 4 )=0 ] =e

0.4

=0.6703200460356

Procesos estocsticos
Unidad 3. La distribucin exponencial y el proceso Poisson
5. Los autos en una agencia de servicio llegan de acuerdo con un proceso de Poisson de
tasa l=3 por hora. Si la agencia abre a las 9:00am. Cul es la probabilidad de que
exactamente dos clientes hayan entrado antes de las 9:45 am y que un total de 4
autos hayan entrado antes de las 12:00 pm.?

[() ]

( 9/4 )2 9/ 4
3
=2 =
e =0.2667917871722
4
2!

P N

[() () ] [() ]
9
3
6
N
=2 =P N
=2
4
4
4

P N

[() ]

P N

( 18 /4 ) 18 /4
6
=2 =
e
=0.1124785899497
4
2!

6. Supongamos que la muerte de clulas ocurre de acuerdo a un proceso Poisson con


tasa l= 13 por da.
a Calcular el tiempo esperado hasta mueran 35 clulas

n 35
E ( W 35 )= = =2.692
13

Calcular la probabilidad de que despus a los 9 das hayan muerto menos 150
clulas.

P [ N ( 9 ) 150 ]
6. Suponga que la llegada de vacacionistas a Acapulco se puede modelar mediante un
proceso Poisson con tasa = 245 por semana. Si el nmero de personas en cada grupo
de vacacionista es independiente del tamao de las otros vacacionistas y toma los valores
1, 2, 3, 4, 5, 6 con probabilidades 1/12, 1/12, 2/6, 2/6, 1/12, 1/12 respectivamente.
a Calcular el nmero esperado de individuos que llegan a Acapulco durante un
periodo de un mes (4 semanas).
Calculamos los valores esperados de

E [ X i ]=1

Xi

1
1
2
2
1
1 7
+2 + 3 + 4 +5 +6 = =3.5
12
12
6
6
12
12 2
E ( N ( 4 ) )=E ( X i) t=3.5 245 4=3430

Obtener la varianza del nmero de personas que visitan Acapulco en 4 semanas.

E [ X i ]=1

1
83
2 1
22
22
2 1
2 1
+2
+3 + 4 + 5
+6
=
12
12
6
6
12
12 6

Procesos estocsticos
Unidad 3. La distribucin exponencial y el proceso Poisson
Var ( N ( 4 ) ) =E ( X 2i ) t =

83
40670
245 4=
=13556.67
6
3

Referencias que apoyen en la realizacin de estos enunciados:


o http://cfile27.uf.tistory.com/attach/1603DD37508320C5
037C18
o http://www.cimat.mx/~jortega/MaterialDidactico/mode
stoI10/Poisson2.pdf
o http://www.dia.fi.upm.es/~arminda/Archivos-IO/P2.pdf