on de Procesos
Poisson y Distribuciones Multivariadas
Norman Giraldo G
omez
Escuela de Estadstica. Universidad Nacional de Colombia
ndgirald@unalmed.edu.co
Marzo, 2008
1.
Introducci
on
Este trabajo consiste de dos puntos: uno de la seccion sobre el Proceso Poisson
y otro de la seccion de Multivariadas. Cada estudiante tiene asignados estos puntos
de la lista a continuacion. Las notas siguientes son para aclarar algunos puntos del
trabajo.
1. (Manejo del proceso Poisson no homogeneo) Si Nt es un proceso Poisson No
Homogeneo (PPNH) con intensidad (t), t [0, T ] entonces se cumple:
Z t2
E(Nt2 Nt1 ) =
(s)ds, t1 < t2 < T,
t1
P (Nt2 Nt1 = k) = e
R t2
t1
(s)ds
Z
t2
k
(s)ds /k!, k = 0, 1, . . . .
t1
2.
Preguntas
2.1.
Proceso Poisson
Recordar que la definicion concreta de (t) es uno de los tres casos mencionados.
1. Suponga que los clientes de un almacen llegan seg
un un proceso PPNH Nt con
funcion de intensidad (t), con t en horas. Despues de un tiempo T no se permite
la entrada de mas clientes. Asumimos T = 48 horas.
a) Calcule el promedio de clientes que llegan en la primera hora, en la u
ltima
hora y durante el perodo de 48 horas.
b) Simule el proceso Nt durante el perodo [0, T ], usando el algoritmo de
adelgazamiento (ver Ross, [3], pag. 77), tomando como valor tal que
(t) el valor del parametro l. Reporte el algorimo o su programa.
c) Reporte las graficas de la trayectoria simulada de Nt , de la funcion (t)
y del correspondiente proceso Poisson homogeneo de tasa = l. Comente
sobre el resultado: se observo el efecto de la forma de (t) en el n
umero de
llegadas promedio?.
2. Suponga que los pasajeros de una lnea de buses llegan seg
un un proceso PPNH
Nt con funcion de intensidad (t), con t en minutos. Un bus salio en el tiempo
t = 0 sin dejar pasajeros esperando. Sea W el tiempo de llegada del proximo
bus. Entonces el n
umero de pasajeros que estaran esperando es NW . Suponga
que W es aleatorio con densidad uniforme en el intervalo (5, 15), W U (5, 15),
y que ademas Nt y W son independientes.
2
2.2.
Distribuciones Multivariadas
R=
1
1
1
1
1 1 1
2 3 4
3 6 10
4 10 20
(1)
R=
1
1
1
1
3
1 1 1
2 3 4
3 6 10
4 10 20
(2)
Referencias
[1] Harrell, F. E., Jr.(2001) Regression Modeling Strategies. Springer.
[2] Johnson, R. A., Evans, J. W. and Green, D.W. (1999). Some Bivariate Distributions for Modeling the Strength Properties of Lumber. Res. Paper FPL-RP-575,
Madison, WI: US Department of Agriculture, Forest Service, Forest Products
Laboratory.
[3] Ross, S. M. (1999). Simulaci
on. Segunda Edicion. Prentice Hall. Mexico.