DISTRIBUCIN DE POISSON
QU ES?
Q UIN
LA FORMUL ?
"Ley de los sucesos raros" llamado as por el matemtico Simen Denis Poisson (17811840) es un proceso estocstico de tiempo continuo que consiste en "contar" eventos raros (de ah el nombre "ley de los eventos raros") que ocurren a lo largo del tiempo.
C ARACTERSTICAS
Ocurren con una tasa media conocida donde cada evento es independiente del tiempo transcurrido desde el ltimo
DEFINICIONES
PROCESO DE NACIMIENTO Y MUERTE
NACIMIENTO
MUERTE
M ODELOS
DE
NACIMIENTOS PUROS
Se define como
PO(t)=probabilidad de que no haya llegadas durante un espacio de tiempo.
EJEMPLO
RESOLVIENDO
Como el tiempo promedio entre arribos (entre nacimientos) es de 7 minutos, la tasa de nacimiento en el pas se calcula como:
HAY QUE MULTIPLICAR LA TASA DE LLEGADAS POR UNIDAD DE TIEMPO
RESOLVIENDO
CONVERTIMOS EL NUMERO DE NACIMIENTOS AL AO
t = 205.7 x 365 = 75080 nacimientos/ao La probabilidad de emitir las 10 actas en la hora restante. 10 0 = 8 1 81 10! Po= 0.0992
En el modelo de muertes pura el sistema comienza con N clientes cuando el tiempo es cero, y no se permiten mas llegadas, las frecuencias se hacen con clientes por unidad de tiempo.
( t ) N n e t pn (t ) ( N n)!
p 0 (t ) 1 p n (t )
n 1 N
P ROCESO DE MUERTE
EJEMPLO
PURA
Al inicio de la semana, se almacenan 15 unidades de un artculo de inventario para utilizarse durante la semana. Solo se hacen retiros del almacenamiento durante los primeros 6 das, y sigue una distribucin de Poisson con la media de 3 unidades/da. Cuando el nivel de existencia llega a 5 unidades, se coloca un nuevo pedido de 15 unidades para ser entregado al principio de la semana entrante. Debido a la naturaleza del artculo, se desechan todas las unidades que sobran al final de la semana
RESOLVIENDO
Podemos analizar esta situacin en varias formas. Primero, reconocemos que la tasa de calculo es = 3 unidades por da. Supngase que nos interesa determinar la probabilidad de tener 5 unidades (el nivel de nuevo pedido) al da t; es decir,
t= 1,2,,6
1
3
0.0008
2
6
0.0413
3
9
0.1186
4
12
0.1048
5
15
0.0486
6
18
0.015
0.14
0.12
0.1 0.08 0.06 0.04 dia 1 dia 2 dia 3 dia 4 dia 5
0.02
0 unidad unidad unidad unidad unidad unidad 3 6 9 12 15 18
dia 6
t) e ( P( X k) k!
k
Probabilista ( hiptesis usual) Suposicin habitual: distribucin de probabilidad exponencial y llegadas de clientes independientes.
PROCESOS POISSON
POBLACIN INFINITA
NUMERO: EL NUMERO DE VENTOS DENTRO DE UN INTERVALO DE LONGITUD FIJA.
SE REPRESENTA POR:
Al menos un cliente debe llegar a la cola en un intervalo de tiempo. Para un intervalo de tiempo dado, la probabilidad de que llegue un cliente es la misma que para todos los intervalos de la misma longitud.
estacionario
independencia
Donde:
EJEMPLO
HARDWARE HANKS
-Los clientes llegan a Hanks de acuerdo a una distribucin Poisson, Entre las 8:00 y las 9:00 a.m. llegan en promedio 6 clientes al local comercial.
- Cul es la probabilidad que k = 0,1,2... clientes lleguen entre las 8:00 y las 8:30 de la maana?
3 t) e ( P( X 3 k) k! 3!
k
3t
0 1 2 3 4 5 6 7 8
0.224042
D IFERENCIA
Distribucin
ENTRE LAS
Aplicacin
DISTRIBUCIONES
exponencial Tiempo entre legadas de llamadas., cuando el trafico es generado por seres humanos. Tiempo que transcurri para que llegaran k llamadas.
Numero de llamadas en un sistema telefnico.
Erlang-k
Poisson
A PLICACIONES
INTEGRANTES