INSTITUTO TECNOLGICO SUPERIOR DE GUASAVE

PROCESO DE LLEGADA POISSON

DISTRIBUCIN DE POISSON

QU ES?

la distribucin de Poisson es una distribucin de probabilidad discreta.

EXPRESA: la probabilidad de que un correcto nmero de eventos ocurran en un periodo de tiempo .

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.

COMO SE SUMAN VARIABLES ALEATORIAS TOMA LA FORMA DE UNA DISTRIBUCIN NORMAL

C ARACTERSTICAS

Determina la Probabilidad de que un correcto nmero de eventos ocurran en un periodo de tiempo

Ocurren con una tasa media conocida donde cada evento es independiente del tiempo transcurrido desde el ltimo

Son procesos con ocurrencia infinita

PROCESO DE NACIMIENTO Y MUERTE

DEFINICIONES
PROCESO DE NACIMIENTO Y MUERTE

Llegada de un nuevo cliente al sistema de colas

Salida del cliente servido

NACIMIENTO

MUERTE

M ODELOS

DE

NACIMIENTOS PUROS
Se define como
PO(t)=probabilidad de que no haya llegadas durante un espacio de tiempo.

Llegada de un nuevo cliente al sistema de colas

EJEMPLO

PROCESO DE NACIMIENTO PURO

Suponga que los nacimientos en un pas estn separados en el tiempo, de acuerdo con una distribucin exponencial, presentndose un nacimiento cada 7 minutos en promedio. a)Calcule la cantidad de nacimientos que se registrarn en un ao(proceso de nacimiento) b) Calcule la probabilidad de emitir 50 actas de nacimiento en 3 horas cuando ya se emitieron 40 en las primeras 2 horas del periodo de 3horas. n = 0,1,2,3.(nacimiento puro)
Donde es la tasa de llegadas por unidad de tiempo, con el nmero esperado de llegadas durante t igual a t.

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

24 x60 205.7nacimientos / dia 7

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

PROCESO DE MUERTE PURA

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

n= 1,2 N : tasa madia de llegada n MUERTE PURA

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,

(3t )155 e 3t p5 (t ) , (15 5)!

t (das)
t p5(t)

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

P ROCESOS DE LLEGADA P OISSON

P ROCESO DE LLEGADA P OISSON

t) e ( P( X k) k!
k

Probabilista ( hiptesis usual) Suposicin habitual: distribucin de probabilidad exponencial y llegadas de clientes independientes.

PROCESOS POISSON

ENTRE MAS COMPLEJO SEA UN PROCESO SERA MODULADO A POISSON

POBLACIN INFINITA
NUMERO: EL NUMERO DE VENTOS DENTRO DE UN INTERVALO DE LONGITUD FIJA.

SE REPRESENTA POR:

EL INTERVALO: EL INTERVALO DE TIEMPO ENTRE EVENTOS CONSECUTIVOS

CONDICIONES DEL PROCESO POISSON

continuidad

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

La llegada de un cliente no tiene influencia sobre la llegada de otro

P ROCESO DE LLEGADA P OISSON

( t) e P( X k ) k!
k t

Donde:

= esperanza de llegada de un cliente por unidad de tiempo

t = intervalo de tiempo. e = 2.7182818 (base del logaritmo natural). k! = k (k -1) (k -2) (k -3) (3) (2) (1).

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?

Valores de entrada para la Dist. Poisson = 6 clientes por hora.

t = 0.5 horas. t = (6)(0.5) = 3.

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

La cantidad de clientes que entran a una tienda.

El nmero de llamadas que llegan a una central telefnica.

El nmero de coches que pasan por una autopista.

Partculas emitidas por un material radiactivo

La llegada de personas a una fila de espera.

A PLICACIONES

INTEGRANTES

Angulo castro Tedulo

Arrayales Zamora Katia

Bon Verdugo Karen Cervantes Cota Rosario Lpez Arce Ivn Eduardo Median Buena Erika Reyes Cervantes Jaime ngel Rubio Quevedo Venustiano