Vous êtes sur la page 1sur 47

Problemas Resueltos de Modelos Estocsticos

Marzo de 2005
Contenidos
I Proceso de Poisson 1
1 Proceso de Poisson 2
i
Parte I
Proceso de Poisson
1
Captulo 1
Proceso de Poisson
1. Suponga que se desea analizar el proceso de bajada y subida de pasajeros de un tren del metro en la estacin
Salvador, en el andn en direccin a la Escuela Militar. Suponga que el prximo tren pasar en a minutos.
Las personas llegan a ese andn, para tomar el prximo tren, de acuerdo a un Proceso de Poisson a tasa
. Suponga que ese tren traer N pasajeros y que la capacidad mxima del tren es K pasajeros (N < K).
Suponga que cada pasajero que viene en el tren se baja en la estacin Salvador con probabilidad p. Cuando
el tren se detiene, primero se bajan los pasajeros que deben hacerlo y luego se suben los que pueden hacerlo.
Obtenga una expresin para el valor esperado del nmero de pasajeros que no lograr subir al tren.
Solucin:
Sean:
N(t): el proceso de llegada de personas a la estacin.
X: el nmero de personas que vienen en el tren y se bajarn en la estacin.
Z: el nmero de personas que no lograrn subir al metro.
El nmero de personas que no lograrn subir al metro depende de (i) la cantidad de personas que vengan en
el vagn; y (ii) la cantidad de personas que estn en la estacin esperando. Luego, como estas cantidades son
aleatorias, es necesario condicionar en estas variables para conocer la distribucin de Z.
A continuacin se observa el comportamiento de Z dependiendo del valor de N(a) y dado algn valor de X :
(Z / X = k) =
_
0 si N(a) K N +k
N(a) (K N +k) si N(a) > K N +k
Por otra parte, se sabe que N(t) es un proceso de Poisson de parmetro t y adems es fcil observar que X
distribuye binomial de parmetros N y p, es decir:
N(t) Poisson (t)
X Binomial (N, p)
2
CAPTULO 1. PROCESO DE POISSON 3
Por lo tanto:
E{Z / X = k} =

n=0
E{Z / X = k, N(a) = n} Pr {N(a) = n}
=
n=KN+k

n=0
0 Pr {N(a) = n}
+
n=

n=KN+k+1
(n K +N k) Pr {N(a) = n}
=
n=

n=KN+k+1
(n K +N k)
(a)
n
e
a
n!
Y nalmente:
E{Z} =
N

k=0
E{Z / X = k} Pr { X = k}
=
N

k=0
_

n=KN+k+1
(n K +N k)
(a)
n
e
a
n!
_
_
N
k
_
p
k
(1 p)
Nk
2. Suponga que el proceso de llegada de micros a un paradero corresponde a un Proceso de Poisson a tasa .
El proceso de llegada de pasajeros es un Proceso de Poisson a tasa (ambos procesos son independientes).
Asuma que cada pasajero que llega al paradero se sube a la primera micro que pasa y que stas tienen suciente
capacidad para llevar a todos los pasajeros presentes. Obtenga la distribucin de probabilidades del nmero
de pasajeros que viajan en una micro cualquiera.
Solucin:
Debido a la propiedad de incrementos independientes que poseen los procesos de Poisson, que dice que la
cantidad N(t + s) N(t) es independiente de N(u);con u t t, s, es posible analizar la distribucin de
probabilidades del nmero de pasajeros de cualquier micro. En particular se analizar lo que ocurre con la
llegada de la 1
o
micro.
En la gura se muestra un diagrama de tiempos que ayuda a comprender el problema:

Tiempo
Llegada Micros
Llegada Pasajeros
T
1
T
2

X
i
Figura 1.1:
Se observa como llegan los pasajeros de manera aleatoria hasta que llega una micro, luego comienza todo el
proceso de nuevo hasta la llegada de una nueva micro.
CAPTULO 1. PROCESO DE POISSON 4
Sea:
M(t): proceso de llegada de micros al paradero Poisson(t)
N(t): proceso de llegada de pasajeros al paradero Poisson(t)
N: Nmero de personas que se subirn en la prxima micro
Luego,
Pr {N = n} =
_
x
Pr {N = n / T
1
= x} Pr {T
1
= x}
=

_
x=0
Pr {N(x) = n} Pr {T
1
= x}
=

_
x=0
(x)
n
e
x
n!
e
x
dx
Otra manera de resolver el problema es observar los tiempos entre eventos de los procesos de llegada al
paradero. A partir del momento en que llega el primer pasajero (t = X
1
) el tiempo hasta la parada de la
primera micro sigue siendo exponencial a tasa . Luego, subir una segunda persona a la micro si X
2
es
menor que esa variable exponencial a tasa .
En general:
{N = n} n exponenciales a tasa son menores a n exponenciales a tasa y una exponencial a tasa
es mayor a una exponencial a tasa .
Pr {N = n} = [Pr {exp() < exp()}]
n
Pr {exp() > exp()}
Ahora,
Pr {exp() < exp()} =

_
x=0
Pr {exp() < exp() / exp() = x} Pr {exp() = x}
=

_
x=0
Pr {exp() > x} e
x
dx
=

_
x=0
e
x
e
x
dx
=

+
Finalmente,
Pr {N = n} =
_

+
_
n

+
3. Demuestre que:
Pr {S
1
x, S
2
y / N(t) = 2} =
2xy x
2
t
2
donde 0 < x < y < t
y en que S
1
y S
2
son los instantes en que ocurren el primer y segundo evento de un Proceso de Poisson.
CAPTULO 1. PROCESO DE POISSON 5
Solucin:
Directamente usando la denicin de condicionalidad:
Pr {S
1
x, S
2
y | N(t) = 2} =
Pr {S
1
x, S
2
y , N(t) = 2}
Pr {N(t) = 2}
=
Pr {1 N(x) 2, N(y) = 2, N(t) N(y) = 0}
Pr {N(t) = 2}
Ahora:
Pr{1 N(x) 2, N(y) = 2, N(t) N(y) = 0} =
Pr {N(x) = 1, N(y) N(x) = 1, N(t) N(y) = 0}
+ Pr {N(x) = 2, N(y) N(x) = 0, N(t) N(y) = 0}
Ahora, por las propiedades de incrementos independientes y estacionarios se tiene que lo anterior vale:
xe
x
(y x)e
(yx)
e
(ty)
+
(x)
2
2
e
x
e
(yx)
e
(ty)
Finalmente:
Pr {S
1
x, S
2
y / N(t) = 2} =
xe
x
(y x)e
(yx)
e
(ty)
(t)
2
2
e
t
+
(x)
2
2
e
x
e
(yx)
e
(ty)
(t)
2
2
e
t
=
2xy x
2
t
2
Otra forma de hacerlo es utilizando tiempos uniformes de las llegadas del proceso, as:
Pr {S
1
x, S
2
y / N(t) = 2} = Pr{Min(U
1
, U
2
) x
y Max((U
1
, U
2
)) y}
Condicionando en U
1
se tiene que:
Pr {} =
y
_
u=0
Pr { /U
1
= u}
1
t
du
=
x
_
u=0
Pr {U
2
y}
1
t
du +
y
_
u=x
Pr {U
2
x}
1
t
du
=
x
_
u=0
y
t
1
t
du +
y
_
u=x
x
t
1
t
du
=
xy
t
2
+
x(y x)
t
2
=
2xy x
2
t
2
CAPTULO 1. PROCESO DE POISSON 6
4. Considere un Proceso de Conteo con tiempos entre eventos exponenciales. Demuestre que este proceso cumple
la propiedad de orden. (Utilice la serie de Taylor para la funcin exponencial).
Solucin:
Un proceso N(t) cumple con la propiedad de orden si:
Pr {N(h) = 1} = h +o(h)
Pr {N(h) 2} = o(h)
con h 0.
Esto quiere decir que: Pr {N(h) = 0} = 1 h +o(h)
donde o(h) se denomina "o chica de h" y es una funcin que cumple con:
lim
h0
o(h)
h
= 0
Sea N(t) un proceso de conteo con tiempos entre eventos exponenciales, es decir,:
T
i
exp()
Luego:
Pr {N(h) = 1} = Pr {T
1
h, T
1
+T
2
> h}
=
h
_
x=0
Pr {T
1
h, T
1
+T
2
> h / T
1
= x} Pr {T
1
= x}
=
h
_
x=0
Pr {x +T
2
> h } e
x
dx
=
h
_
x=0
e
(hx)
e
x
dx
=
h
_
x=0
e
h
dx = h e
h
expandiendo la funcin e
x
en su serie de Taylor,
e
x
=

n=0
x
n
n!
se tiene que:
e
h
= 1 h +
(h)
2
2

(h)
3
6
+...
h e
h
= h (h)
2
+
(h)
3
2
...
= h +o(h)
por lo tanto:
Pr {N(h) = 1} = h +o(h)
CAPTULO 1. PROCESO DE POISSON 7
Por otra parte:
Pr {N(h) = 0} = Pr {T
1
> h}
= e
h
= 1 h +
(h)
2
2
...
= 1 h +o(h)
con lo queda demostrado que un proceso de conteo con tiempo entre eventos exponenciales cumple con la
propiedad de orden.
5. Un peatn desea cruzar una calle con trco en un solo sentido. El ujo de vehculos por la calle se comporta
como un proceso de Poisson a tasa . Suponga que el peatn necesita de T unidades de tiempo para cruzar
la calle, y que l puede estimar exactamente los tiempos entre pasadas sucesivas de automviles. Sea Z el
tiempo que debe esperar el peatn hasta que pueda empezar a cruzar.
(a) Obtenga una expresin para E(Z).
Indicacin: dena N como el nmero de autos que deben pasar hasta que el peatn comienza a cruzar la
calle; escriba Z como:
Z =
N

i=1
(T
i
/ T
i
< T)
(b) Suponga que = 2 autos/min. y que T = 30 segundos. Calcule E(Z).
(c) Suponga ahora que la persona que va a cruzar la calle es una persona mayor, que requiere de 60 segundos
para cruzar la calle. Calcule por cuantas veces se multiplica E(Z) respecto al caso anterior.
Solucin:
(a) N corresponde a un variable aleatoria que mide el nmero de fracasos antes de un primer xito. El xito
en este caso es que T
i
T. Debido que los tiempos entre pasadas de autos son exponenciales se tiene
entonces que la probabilidad de xito es:
p = Pr {T
i
T} = e
T
Luego:
E{N} =

n=0
n(1 p)
n
p =
1 p
p
= e
T
1
Utilizando la indicacin propuesta y condicionando en el valor de N se tiene que:
E{Z} =

n=0
E{Z / N = n} Pr{N = n}
=

n=0
_
n

i=1
E{T
i
/ T
i
< T}
_
Pr{N = n}
como E{T
i
/ T
i
< T} es independiente de i se tiene que:
E{Z} =

n=0
E{T
i
/ T
i
< T} n Pr{N = n}
= E{T
i
/ T
i
< T}

n=0
n Pr{N = n}
= E{T
i
/ T
i
< T} E{N}
CAPTULO 1. PROCESO DE POISSON 8
Para calcular E{T
i
/ T
i
< T} se necesita:
Pr {T
i
= x / T
i
< T} =
Pr {T
i
= x , T
i
< T}
Pr {T
i
< T}
=
Pr {T
i
= x}
Pr {T
i
< T}
=
e
x
1 e
T
Luego:
E{T
i
/ T
i
< T} =
T
_
x=0
x
e
x
1 e
T
dx
=
1


Te
T
1 e
T
Luego:
E{Z} =
_
1


Te
T
1 e
T
_

_
e
T
1
_
=
1

_
e
T
1
_
T
(b) Si = 2/ min T = 30 sec : E(Z) = 0.36 min
(c) Si = 2/ min T = 60 sec : E(Z) = 2.18 min
Luego se debe multiplicar por 2.18/0.63 = 6.11 veces cuando el sujeto tarda 60 sec. en vez de slo 30
sec. en cruzar la calle.
6. Suponga que el sistema de transporte colectivo desde plaza Italia al campus San Joaqun consta de dos lneas
de buses: buses expresos y buses ordinarios. Los buses expresos llegan al paradero de acuerdo a Poisson a
tasa
e
y los buses ordinarios de acuerdo a Poisson a tasa
o
. Ambos procesos son independientes. El tiempo
de viaje de los buses expresos es t
e
y el de los ordinarios es t
o
y el costo del pasaje es c
e
y c
o
respectivamente.
El costo de cada unidad de tiempo del pasajero es c. Obtenga una expresin para el costo esperado total para
las siguientes polticas:
(a) utilizar solo buses ordinarios
(b) utilizar solo buses expresos
(c) tomar el primer bus que pase
Solucin:
Sea CT= Costo Total
(a) Si se utilizan slo buses ordinarios el valor esperado del costo total va a ser:
E{CT} = c
1

o
+c t
o
+c
o
donde
1
o
representa el tiempo esperado hasta que pase el primer bus ordinario, t
o
es el tiempo de viaje
y c
o
es el costo del pasaje.
CAPTULO 1. PROCESO DE POISSON 9
(b) Para el caso de slo tomar buses expresos , el resultado es algo similar:
E{CT} = c
1

e
+c t
e
+c
e
(c) Para este caso se tiene lo siguiente, sean:
T
1
, T
2
, T
3
, T
4
, T
5
, ... : Tiempo entre llegadas de buses ordinarios
X
1
, X
2
, X
3
, X
4
, X
5
, ... : Tiempo entre llegadas de buses expresos
Entonces, se necesita condicionar en el bus que llega primero para poder calcular el costo esperado.
Utilizando el Teorema de Probabilidades Totales:
E{CT} = E{CT / T
1
< X
1
} Pr {T
1
< X
1
} +E{CT / T
1
X
1
} Pr {T
1
X
1
}
Ahora:
E{CT / T
1
< X
1
} = c E{T
1
/ T
1
< X
1
} +c t
o
+c
o
E{CT / T
1
X
1
} = c E{X
1
/ T
1
X
1
} +c t
e
+c
e
Calculando:
E{T
1
/ T
1
< X
1
} =
_
x
x Pr {T
1
= x / T
1
< X
1
}
=
_
x
x Pr {T
1
< X
1
/ T
1
= x} Pr {T
1
= x}
Pr {T
1
< X
1
}
=
_
x
x Pr {X
1
> x} Pr {T
1
= x}
Pr {T
1
< X
1
}
=
_
x
x e
ex

o
e
ox
dx
o

o
+
e
=
1

o
+
e
Del mismo modo se llega a exactamente lo mismo para el otro valor esperado:
E{T
1
/ T
1
X
1
} =
_
x
x Pr {X
1
= x / T
1
X
1
}
=
1

o
+
e
Luego:
E{CT / T
1
< X
1
} = c
1

o
+
e
+c t
o
+c
o
E{CT / T
1
X
1
} = c
1

o
+
e
+c t
e
+c
e
Por lo tanto, de acuerdo a la ecuacin :
E{CT} = E{CT / T
1
< X
1
} Pr {T
1
< X
1
} +E{CT / T
1
X
1
} Pr {T
1
X
1
}
=
_
c
1

o
+
e
+c t
o
+c
o
_

o
+
e
+
_
c
1

o
+
e
+c t
e
+c
e
_

o
+
e
CAPTULO 1. PROCESO DE POISSON 10
Juntando trminos se llega a:
E{CT} = c
1

o
+
e
. .
(i)
+

o

o
+
e
(ct
o
+c
o
)
. .
(ii)
+

e

o
+
e
(ct
e
+c
e
)
. .
(iii)
Este resultado se puede interpretar de acuerdo a las siguientes partes:
i. representa el costo promedio de espera en el paradero hasta que pase el primer bus, que se calcula
como c por el tiempo de espera.
ii. representa el costo si es que se toma el bus ordinario por su respectiva probabilidad.
iii. representa el costo y la respectiva probabilidad de tomar el bus expreso.
7. En el km.d
1
de una autopista de una sola va ingresan vehculos de acuerdo a un Proceso de Poisson a tasa .
Cada auto viaja a velocidad constante V . Encuentre la distribucin de probabilidades del nmero de autos
que se encuentran entre los kms.a y b de la autopista en el instante t, en que d
1
< a < b. Se quiere analizar
tambin el proceso que cuenta el nmero de autos que han pasado el punto a en el instante t. Qu puede
decir de este proceso?
Suponga ahora que existen k accesos independientes; el acceso i se ubica en el km d
i
y por l accesan autos de
acuerdo a un Proceso de Poisson a tasa
i
; d
i
< a. Todos los autos viajan a velocidad V . Repita las preguntas
anteriores.
Solucin:
Tomemos un auto cualquiera que ingresa por el acceso ubicado en el km d
1
. Sea S el instante de ingreso; luego
el vehculo estar entre los kms. a y b en el instante t si:
a d
1
+V (t S) b
Luego,

t1
..
t
b d
1
V
S
t2
..
t
a d
1
V
Por lo tanto, todo auto que ingresa entre los instantes t
1
y t
2
estar entre [a, b] en t. La distribucin de eventos
en el intervalo [t
1
, t
2
] tiene distribucin de Poisson de parmetro (t
2
t
1
).Por lo tanto la distribucin del
nmero de autos en [0, b) es Poisson de par ametro (t
2
t
1
) =
(ba)
V
.
Con respecto al proceso que cuenta los autos que han pasado por el punto a, razonando anlogamente al caso
anterior se tiene que:
d
1
+U(t S) a
Lo que implica:
S t (
a d
1
V
) = t
2
Luego, el nmero de autos en cuestin corresponde al nmero de autos que han ingresado a la autopista entre
0 y t
2
.Este nmero tiene distribucin de Poisson de parmetro t
1
= t (
ad1
V
)
8. A una Biblioteca llegan alumnos a estudiar de acuerdo a un Proceso de Poisson a tasa . Cada alumno
permanece en la biblioteca un tiempo aleatorio con distribucin exponencial a tasa . Suponga que los tiempos
de permanencia de los sucesivos alumnos son independientes entre s, e independientes del proceso de llegada.
(a) Sea X(t) el nmero de alumnos presentes en la Biblioteca en el instante t. Obtenga la distribucin de
probabilidades de X(t). Qu ocurre con esa distribucin cuando t tiende a innito? Cul es el valor
esperado del nmero de alumnos presentes en la Biblioteca en ese caso; puede dar una interpretacin
intuitiva de ese valor?
CAPTULO 1. PROCESO DE POISSON 11
(b) Si se sabe que entre 0 y t llegaron 10 alumnos a la Biblioteca; cul es el valor esperado del nmero de
alumnos presentes en la biblioteca en el instante t?
(c) Considere dos instantes de tiempo t
1
y t
2
tales que t
1
< t
2
. Suponga que se sabe que X(t
1
) = n.
Obtenga una expresin para E[X(t
2
) / X(t
1
) = n].
Indicacin: observe que X(t
2
) se compone de 2 trminos: los alumnos que estaban presentes en la
Biblioteca en el instante t
1
y que seguirn estando presentes en t
2
, y los que llegan entre t
1
y t
2
y estn
presentes en la biblioteca en el instante t
2
.
Solucin:
(a) Sea N(t) el proceso de llegada de estudiantes a la biblioteca. Para calcular la distribucin de X(t) es
necesario condicionar en N(t). Esto es:
Pr {X(t) = n} =

m=n
Pr {X(t) = n / N(t) = m} Pr {N(t) = m}
Si se consideran estas m llegadas en forma desordenada, cada una de ellas llega en un instante que
distribuye uniforme entre 0 y t; por lo que X(t) / N(t) = m es una variable que distribuye Binomial
de parmetros (m, p), donde p es la probabilidad de que un estudiante que haya ingresado antes de t
todava est dentro de la biblioteca.
Para que todava el estudiante est dentro de la biblioteca el tiempo de permanencia debe ser mayor a
t, as la probabilidad p es:
p = Pr {U + exp() > t}
=
t
_
x=0
Pr {U + exp() > t / U = x} Pr {U = x}
=
t
_
x=0
Pr {exp() > t x}
dx
t
=
t
_
x=0
e
(tx)

dx
t
=
1
t
(1 e
t
)
Luego,
Pr {X(t) = n} =

m=n
_
m
n
_
p
n
(1 p)
mn

(t)
m
e
t
m!
=

m=n
m!
n!(mn)!
p
n
(1 p)
mn

(t)
m
e
t
m!
=
p
n
e
t
n!

m=n
1
(mn)!
(1 p)
mn
(t)
m
=
p
n
e
t
(t)
n
n!

m=n
[(1 p)t]
mn
(mn)!
. .
e
(1p)t
=
(pt)
n
e
pt
n!
CAPTULO 1. PROCESO DE POISSON 12
Luego:
X(t) Poisson(pt) con p =
1
t
(1 e
t
)
Cuando t se tiene que pt =

(1 e
t
) que tiende a

.
p 1/t por lo que X(t) ya no depende de t y distribuye Poisson(/) cuyo valor esperado es justamente
el parmetro /.
(b)
E{X(t)/N(t) = m} = m p
Luego:
E{X(t)/N(t) = 10} = 10 p
=
10
t
(1 e
t
)
(c) Dado que en t
1
hay n personas en la biblioteca, el nmero de personas en t
2
va a depender de ese nmero
de personas que todava estn en la biblioteca y de las personas que lleguen despus de t
1
y que todava
no se hayan ido en el instante t
2
. Sea:
Y la variable aleatoria que representa a las personas que estaban en t
1
y todava estn en t
2
.
Z la v.a. que representa a las personas que llegaron despus de t
1
y que todava estn en la biblioteca
en t
2
.
Y distribuye Binomial (n,) donde es la probabilidad de permanecer en la biblioteca. Entonces:
= Pr {Tiempo Permanencia > t
2
t
1
}
= e
(t
2
t
1
)
En la v.a. Z no inuye las personas que hayan llegado en t
1
por lo que esta variable distribuye igual que
X(t) en la parte a) slo que partiendo desde t = t
1
en vez de t = 0. As:
Y Binomial(n, )
Z Poisson(

(1 e
(t
2
t
1
)
)
Luego,
Pr {Y +Z = m} =
n

k=0
Pr {Y +Z = m / Y = k} Pr {Y = k}
=
n

k=0
Pr {Z = mk } Pr {Y = k}
9. A un paradero de taxis colectivos llegan pasajeros de acuerdo a un Proceso de Poisson a tasa . Suponga que
existen sucientes taxis de modo que siempre que llega un pasajero al paradero hay un taxi disponible. La
capacidad de cada taxi es de M personas, y ste inicia su recorrrido cuando ha completado su capacidad.
Sea N(t) el proceso que cuenta el nmero de taxis que han salido del paradero en [0, t]. Se desea analizar
los tiempos entre eventos de este proceso. Son estas variables aleatorias independientes entre s? Tienen
la misma distribucin de probabilidades; es sta exponencial? Es N(t) un Proceso de Poisson? Cul es
el tiempo promedio que deben esperar los pasajeros, desde que llegan al paradero, hasta que sale el taxi
en que viajarn? (dena como W
i
el tiempo de espera del pasajero nmero i, i = 1, 2, .....M. Obtenga:
E
_

M
i=1
W
i
/M
_
)
CAPTULO 1. PROCESO DE POISSON 13
Solucin:
Sean:
T
1
, T
2
, T
3
, T
4
, T
5
, ... : Tiempo entre llegadas de personas al paradero
X
1
, X
2
, X
3
, X
4
, X
5
, ... : Tiempo entre salidas de los taxis
Como un taxi debe esperar hasta completar su capacidad, la relacin entre estas variables es:
X
1
= T
1
+T
2
+T
3
+T
4
+... +T
M
como los T
i
son exponenciales a tasa , los X
i
son de distribucin Gamma(M, ). Estas variables son
independientes e idnticamente distribuidas pero no son exponenciales, por lo que este proceso no puede ser
un proceso de Poisson.
Deniendo a W
i
como el tiempo de espera del pasajero nmero i, se tiene que:
W
1
= T
2
+T
3
+T
4
+... +T
M
W
2
= T
3
+T
4
+T
5
+... +T
M
W
3
= T
4
+T
5
+T
6
+... +T
M
...
W
M1
= T
M
W
M
= 0
Se pide calcular:
M

i=1
W
i
/M =
1
M
[T
2
+ 2T
3
+ 3T
4
+... + (M 1)T
M
]
Como E[T
i
] = 1/,
E
_
M

i=1
W
i
/M
_
=
1
M
[1/ + 2/ + 3/ +... + (M 1)/]
=
1
M
[1 + 2 + 3 +...M 1]
=
1
M

(M 1)M
2
Luego,
E
_
M

i=1
W
i
/M
_
=
(M 1)
2
10. Se ha observado que a la puerta del Estadio Nacional llegan personas de acuerdo a un Proceso de Poisson con
tasa 350 personas/minuto, para presenciar un partido de ftbol. Sin embargo, a los concurrentes no les gusta
estar muy aglomerados. Por lo tanto, las personas al llegar consultan por el nmero de espectadores que ya
han ingresado (suponga que en la puerta se dispone de dicha informacin de forma exacta). Si este nmero
es menor o igual que 40.000, las personas siempre ingresan. Si es mayor a 40.000, con probabilidad 0.25 una
persona cualquiera ingresa; en caso contrario se devuelve a su casa. Para efectos de este problema, suponga
que el Estadio tiene capacidad innita y que el Proceso de llegada de personas se inicia en el momento en que
se abren las puertas del Estadio.
(a) Obtenga una expresin para la probabilidad de que ninguna persona se devuelva a su casa durante la
primera hora del proceso.
CAPTULO 1. PROCESO DE POISSON 14
(b) Cul es la probabilidad de que durante las primeras dos horas se devuelvan 1000 personas?
(c) Suponga que usted observa el proceso luego de las dos primeras horas de operacin y ve que ya hay
en el Estadio 55.000 personas. Dada esta informacin, cul es la probabilidad de que pasen ms de 5
segundos sin que ingrese una nueva persona al Estadio?
(d) Calcule el tiempo esperado que transcurre hasta que han ingresado 75.000 personas al Estadio.
(e) Si se sabe que hasta t = 30 minutos han llegado 15.000 personas cul es la probabilidad de que no haya
llegado nadie en los primeros 8 minutos?
Solucin:
(a) Sea N(t) el proceso de llegada de personas al estadio y M(t) el proceso que cuenta las personas que se
devuelven a sus casas. Se pide Pr {M(1) = 0} .
Para que nadie se haya devuelto a su casa pueden suceder dos hechos excluyentes; (i) han llegado menos
de 40.000 personas al estadio o (ii) han llegado ms de 40.000 personas pero todas las que han llegado
una vez que ya hay ms de 40.000 han ingresado. Esto es:
Pr {M(1) = 0} = Pr {N(1) 40.000} +
Pr {N(1) > 40.000 y las (N(1) 40.000) personas han ingresado}
Luego,
Pr {M(1) = 0} =
40.000

i=0
Pr {N(1) = i}
+

i=40001
Pr {N(1) = i} (0.25)
i40000
(b) Se pide Pr {M(2) = 1000} . Para conocer esta probabilidad se condicionar en N(2). Luego,
Pr {M(2) = 1000} =

n
Pr {M(2) = 1000 / N(2) = n} Pr {N(2) = n}
Dado que Pr {M(2) = 1000 / N(2) = n} = 0 para n 40.000, se tiene que:
Pr {M(2) = 1000} =

n=41.000
Pr {M(2) = 1000 / N(2) = n} Pr {N(2) = n}
Por otra parte, la primera probabilidad distribuye binomial de parmetros [N = n 40.000, p = 0.25].
Luego,
Pr {M(2) = 1000} =

n=41.000
_
n 40000
1000
_
(0.75)
1000
(0.25)
n41000
Pr {N(2) = n}
Cabe mencionar que:
Pr {N(2) = n} =
(2)
n
e
2
n!
donde = 21.000 personas/hora.
(c) Dado que ya hay 55.000 perosnas en el estadio, las nuevas personas que lleguen tendrn 25% de proba-
bilidad de devolverse a sus casas. Para saber cual es la probabilidad de que en los prximos 5 segundos
CAPTULO 1. PROCESO DE POISSON 15
nadie ingrese al estadio, es necesario condicionar en las personas que hayan llegado al estadio en esos 5
segundos. Sea X el nmero de personas que ingresarn en esos 5 segundos; entonces:
Pr {X = 0} =

n=0
Pr {X) = 0 / N(5 sec) = n} Pr {N(5 sec) = n}
=

n=0
(0.75)
n

(5)
n
e
5
n!
= e
5

n=0
(0.75 5)
n
n!
= e
0.255
con = 5.83 personas/seg, esta probabilidad da 0.068%.
Una manera alternativa y ms intuitiva de mirar este problema, es decir que como ya hay ms de 55.000
personas en el estadio, el proceso de llegada N(t) se descompone en 2 procesos, M(t) y X(t), cada uno
con probabilidad p y 1-p. Luego, el proceso X(t), el proceso de entrar al estadio tiene probabilidad 0.25
por lo que X(t) Poisson(0.25 t).
(d) De acuerdo a lo visto anteriormente, el proceso de entrada al estadio puede ser visto como dos procesos
distintos dependiendo de la capacidad del estadio:
X(t) P oisson(t) si es que X(t) 40.000
X(t) P oisson(pt) si es que X(t) > 40.000
Luego, el tiempo hasta completar 75.000 personas el estadio se puede descomponer en el tiempo hasta
completar 40.000 y el tiempo restante para completar 75.000. Por lo tanto:
Tiempo Esperado =
40.000

+
35.000
0.25
=
180.000

= 8.57 horas
(e) Si se sabe que en t = 30 min han llegado 15.000 personas, los instantes de llegada tomados desordenada-
mente distribuyen uniforme en [0, 30]. Luego la probabilidad de que no haya llegado nadie durante los
primeros 8 minuots es:
Pr {T
1
> 8, T
2
> 8, ..., T
15.000
> 8} =
_
22
30
_
15.000
0
11. Considere un Proceso de Poisson a tasa . Sea Z(t) el tiempo desde el ltimo evento antes de t hasta el instante
t; si N(t)=0 dena Z(t)=t. Considere la cantidad Z(t) / N(t)=n; para n 0. es sta aleatoria o determinstica?
Justique su respuesta. Si es aleatoria obtenga su funcin distribucin. Obtenga la distribucin de Z(t)
Solucin:
La cantidad Z(t) / N(t)=n es aleatoria ya que aunque sepamos la cantidad de eventos que ocurrieron entre
0 y t, no se sabe los instantes en que ocurrieron. Ahora:
Pr {Z(t) > x / N(t) = n} =
Pr {Z(t) > x , N(t) = n}
Pr {N(t) = n}
=
Pr {N(t x) = n , N(t) N(t x) = 0}
Pr {N(t) = n}
CAPTULO 1. PROCESO DE POISSON 16
Por incrementos independientes, se tiene que:
=
Pr {N(t x) = n} Pr {N(x) = 0}
Pr {N(t) = n}
=
e
(tx)
[(tx)]
n
n!
e
x
(t)
n
e
t
n!
=
_
t x
t
_
n
=
_
1
x
t
_
n
Por otra parte la distribucin de Z(t), se puede calcular como:
Pr {Z(t) > x} = Pr {N(t) N(t x) = 0}
= Pr {N(x) = 0}
= e
x
Luego,
Pr {Z(t) x} = 1 e
x
para x < t
Volviendo a la denicin de Z(t), se tiene que:
Pr {Z(t) t} = 1
Ahora, para x = t se tiene que:
Pr {Z(t) = t} = Pr {N(t) = 0}
= e
t
Finalmente, la distribucin de Z(t) es:
0
0,2
0,4
0,6
0,8
1
Tiempo
F
(
x
)
t
Figura 1.2:
12. Para la fabricacin de un producto en un proceso de manufactura es necesario ensamblar 2 componentes A y
B. Las componentes tipo A llegan al sistema de acuerdo a un Proceso de Poisson a tasa
1
y las componentes
tipo B llegan al sistema de acuerdo a un Proceso de Poisson a tasa
2
(ambos procesos son independientes
entre s). Las componentes tipo A y tipo B se van utilizando para el ensamblaje del producto nal en orden
de llegada. Inicialmente el sistema comienza vaco. Asuma que el ensamblaje de las componentes no toma
tiempo. Sea N(t) el nmero de productos terminados producidos en [0, t].
CAPTULO 1. PROCESO DE POISSON 17
(a) Indique si el proceso {N(t), t 0} es un Proceso de Poisson. Fundamente su respuesta. Obtenga la
distribucin de probabilidades de N(t), es decir, P{N(t) = n}.
(b) Suponga que durante el intervalo [0, t] llegaron n
a
componentes tipo A y n
b
componentes tipo B. Obtenga
la probabilidad que en el intervalo [t, t +x] no se termine ningn producto.
(c) Suponga ahora que durante el intervalo [0, t] no llegaron componentes de ningn tipo. Obtenga la
probabilidad que en el intervalo [t, t +x] no se termine ningn producto.
(d) Sea T el tiempo (desde T = 0) hasta que se fabrica el primer producto. Obtenga la distribucin de
probabilidades de T. es sta exponencial?
Solucin:
(a) El nmero de productos terminados se puede representar como:
N(t) = Min{N
a
(t), N
b
(t)}
Claramente esta distribucin no es de Poisson, por lo que el proceso N(t) no puede ser de Poisson.
Luego:
Pr {N(t) = n} = Pr {N
a
(t) = n y N
b
(t) = n}
+Pr {N
a
(t) = n y N
b
(t) > n}
+Pr {N
a
(t) > n y N
b
(t) = n}
por la independencia de los procesos, se tiene que:
Pr {N(t) = n} =
(
1
t)
n
e

1
t
n!

(
2
t)
n
e

2
t
n!
+
(
1
t)
n
e

1
t
n!

j=n+1
(
2
t)
j
e

2
t
j!
+

j=n+1
(
1
t)
j
e

1
t
j!

(
2
t)
n
e

2
t
n!
(b) Se pide calcular: Pr {N(t +x) N(t) = 0 / N
a
(t) = n
a
, N
b
(t) = n
b
} . En este problema ya han llegado
cierta cantidad de productos de cada tipo, y hasta el instante t ya han salido min(n
a
, n
b
) productos
ensamblados, por lo que puede haber un stock de min(0, n
a
n
b
) productos tipo a esperando a que
llegue un producto tipo b; o min(0, n
b
n
a
) productos tipo b esperando a que llegue un producto tipo
a; nalmente puede que no existan producto esperando a otros (caso n
a
= n
b
).
Luego, para calcular las probabilidades se tienen que distinguir los siguientes casos:
i. n
a
> n
b
: en este caso hay que calcular la probabilidad de que no llegue ningn producto tipo b.
As:
Pr {N(t +x) N(t) = 0 / N
a
(t) = n
a
, N
b
(t) = n
b
} = Pr {N
b
(t +x) N
b
(t) = 0}
= Pr {N
b
(x) = 0}
= e

2
x
ii. n
b
> n
a
: en este caso hay que calcular slo la probabilidad que no llegue ningn producto tipo a.
As:
Pr {N(t +x) N(t) = 0 / N
a
(t) = n
a
, N
b
(t) = n
b
} = Pr {N
b
(t +x) N
b
(t) = 0}
= Pr {N
b
(x) = 0}
= e

1
x
CAPTULO 1. PROCESO DE POISSON 18
iii. n
a
= n
b
:
Pr {N(t +x) N(t) = 0 / N
a
(t) = n
a
, N
b
(t) = n
b
} = Pr {N(t +x) N(t) = 0}
= Pr {N(x) = 0}
En particular, esta probabilidad es ms fcil de calcular directamente, que aplicando la frmula encon-
trada en la parte a). As,
= Pr {N
a
(x) = 0} Pr {N
b
(x) 0} + Pr {N
a
(x) > 0} Pr {N
b
(x) = 0}
= e

1
x
1 + (1 Pr {N
a
(x) = 0}) e

2
x
= e
1x
+ (1 e
1x
) e
2x
= e

1
x
+e

2
x
e
(
1
+
2
)x
(c) Esta parte tiene igual probabilidad que la parte b) caso iii).
(d) Pr {T > x} = Pr {N(x) = 0}. Luego usando la parte b) iii) anterior, se obtiene:
Pr {T > x} = e
1x
+e
2x
e
(1+2)x
Pr {T x} = 1 (e
1x
+e
2x
e
(1+2)x
)
Luego, esta variable no puede distribuir exponencial.
13. Considere el caso de una ampolleta que se usa en una lmpara de la casa. Se ha observado que el proceso
que cuenta el nmero de veces que la amplolleta ha sido encendida en [0, t] es un Proceso de Poisson a tasa
(observe que los tiempos entre eventos de este proceso incluyen el tiempo que la ampolleta estuvo encendida
y el tiempo desde que se apaga hasta que vuelve a encenderse nuevamente). La intensidad de la corriente que
llega a la ampolleta es una v.a. con distribucin F. Asuma que las intensidades de las sucesivas encendidas
son independientes entre s. Se sabe que, al momento de encenderla, la ampolleta se quema si la intensidad
es . Obtenga la distribucin de probabilidades de la vida de la ampolleta.
Solucin:
Sea N(t) el nmero de veces que se enciende la ampolleta en [0, t]. Sea T el tiempo de duracin de la primera
ampolleta. Se pide Pr {T x} .
Suponga que la ampolleta se prendi n veces durante [0, t] y sigue con vida. Esto quiere decir que en la n
encendidas la intensidad de corriente fue menor que . Luego,
Pr {siga con vida depues de n encendidas} = Pr {T > x / N(t) = n}
= q
n
donde q es:
q = Pr {I < } = F()
Luego,
Pr {T > x} =

n=0
Pr {T > x / N(t) = n} Pr {N(t) = n}
=

n=0
F()
n

(x)
n
e
x
n!
= e
x

n=0
(F()x)
n
n!
= e
x
e
F()x
= e
(1F())x
Pr {T x} = 1 e
(1F())x
CAPTULO 1. PROCESO DE POISSON 19
Por lo tanto, T es un variable exponencial de parmetro (1 F()).
Es fcil observar que el tiempo entre la primera y la segunda encendida de la ampolleta tambien ser expo-
nencial con el mismo parmetro e independiente de T.
14. Suponga que a un camping turstico de la cuarta regin llegan familias a buscar un sitio para acampar de
acuerdo un Proceso de Poisson a tasa . El camping cuenta con un total de M sitios de camping. Si al llegar,
una familia observa que hay menos de K sitios ocupados, siempre ingresa (y ocupa un sitio); si hay n sitios
ocupados (en que n es mayor o igual que K y menor que M) ingresa con probabilidad p(n). Si estn todos los
sitios ocupados, las familias no ingresan al camping. Suponga que cada familia permanece en el camping por
un tiempo indenido. Sea N(t) el proceso que cuenta el nmero de sitios que han sido ocupados por familias
entre 0 y t.
(a) Se desea analizar los tiempos entre eventos de este proceso. Obtenga la distribucin de probabilidades
de cada uno de estos tiempos.
(b) Obtenga una expresin para el tiempo esperado hasta que se copa el camping.
Solucin:
(a) Sean T
1
, T
2
, T
3
, ...T
M
, los tiempos entre eventos del proceso N(t). En primer lugar, se observa que hasta
que no hay K sitios ocupados, las tiempos entre eventos son exponenciales a tasa ya que todas las
familias que llegan ingresan al camping.
El problema ocurre cuando ciertas familias deciden no ingresar al camping debido a que hay ms de K
familias en el lugar. Analicemos que pasa con T
K+1
.
Pr {T
K+1
> x} =

j=0
Pr {T
K+1
> x / N(T
K
+x) N(T
K
) = j} Pr {N(T
K
+x) N(T
K
) = j}
=

j=0
Pr {T
K+1
> x / N(x) = j} Pr {N(x) = j}
Dado que llegaron j familias en un intervalo de largo x, la probabilidad que no haya ingresado ninguna
todava es:
Pr {T
K+1
> x / N(x) = j} = [1 p(K)]
j
As,
Pr {T
K+1
> x} =

j=0
[1 p(K)]
j
Pr {N(x) = j}
=

j=0
[1 p(K)]
j

(x)
j
e
x
j!
= e
x

j=0
((1 p(K)) x)
j
j!
= e
x
e
(1p(K))x
= e
p(K)x
Esto corresponde a una distribucin exponencial de parmetro p(K).
Para T
K+2
,se tiene algo similar, es decir,
Pr {T
K+2
> x} = e
p(K+1)x
CAPTULO 1. PROCESO DE POISSON 20
Luego,
T
i
exp() para i=1...K
T
i
exp(p(i 1)) para i=K+1...M
(b) El tiempo hasta que se copa el camping ser la suma de los tiempos entre eventos. As,
T =
M

i=1
T
i
En valor esperado se tiene que:
E[T] =
M

i=1
E[T
i
]
=
K

i=1
E[T
i
] +
M

i=K+1
E[T
i
]
= K
1

+
M

i=K+1
1
p(i 1)
=
1

(K +
M

i=K+1
1
p(i 1)
)
15. El proceso de fabricacin de cartulinas de la planta de CMPC (Compaa Manufacturera de Papeles y Car-
tones) de Maule consiste en un proceso en dos etapas: en la primera existe una mquina papelera que fabrica,
a partir de pulpa de celulosa, rollos de cartulina. En una segunda etapa del proceso existe una sala de
mquinas cortadoras en la que, a partir de un rollo, se cortan trozos rectangulares de cartulina con los cuales
se conforma un lote nal de producto terminado. En la bodega de productos terminados a la cual ingresan
estos lotes se ha observado que el nmero de lotes que ingresan se comporta como un Proceso de Poisson; sin
embargo la tasa del proceso aunque es ja no es conocida por el administrador de la bodega, ya que depende
de la calidad de la celulosa utilizada y de parmetros de control de la mquina papelera. Suponga que la tasa
de este proceso es una v.a. uniforme que se distribuye entre 2 y 5 lotes por hora.
(a) El administrador de la bodega observa que durante la primera hora de operacin del proceso entraron
4 lotes a la bodega. Obtenga una expresin para el nmero esperado de lotes que entrarn a la bodega
durante la siguiente hora.
(b) Suponga ahora que el primer lote ingres a la bodega a los 10 minutos de operacin del proceso. Encuentre
una expresin para el tiempo esperado hasta que ingrese el siguiente lote.
Solucin:
(a) Se pide E[N(2) N(1) / N(1) = 4] . Como la tasa del proceso N(t) es aleatoria, el valor esperado no se
puede calcular directamente. Es necesario condicionar en la tasa para poder realizar el clculo, esto es:
E[N(2) N(1) / N(1) = 4] =
5
_
x=2
E[N(2) N(1) / N(1) = 4, = x] Pr { = x / N(1) = 4}
Sin embargo, cul es la distribucuin de conociendo que durante la primera hora llegaron 4 lotes?
Claramente esta distribucin no es la uniforme debido a que se sabe informacin adicional del proceso.
CAPTULO 1. PROCESO DE POISSON 21
As, utilizando las propiedades de la condicionalidad, se tiene:
Pr { = x / N(1) = 4} =
Pr { = x , N(1) = 4}
Pr {N(1) = 4}
=
Pr {N(1) = 4 / = x} Pr { = x}
Pr {N(1) = 4}
Utilizando el teorema de probabilidades totales, se tiene que:
=
Pr {N(1) = 4 / = x} Pr { = x}
5
_
x=2
Pr {N(1) = 4 / = x} Pr { = x}
=
e
x
(x)
4
4!

1
52
5
_
x=2
e
x
(x)
4
4!
dx
3
Finalmente, se tiene que:
E[N(2) N(1) / N(1) = 4] =
5
_
x=2
E[N(2) N(1) / N(1) = 4, = x] Pr { = x / N(1) = 4}
=
5
_
x=2
x
e
x
(x)
4
4!

dx
3
5
_
x=2
e
x
(x)
4
4!
dx
3
(b) En este caso la informacin tambin altera la distribucin de . As, con T
1
= 10 min (1/6 horas) y
siguiendo un procedimiento similar al de la parte a:
Pr { = x / T
1
= 1/6} =
Pr { = x , T
1
= 1/6}
Pr {T
1
= 1/6}
=
Pr {T
1
= 1/6 / = x} Pr { = x}
Pr {T
1
= 1/6}
=
xe
1/6x
1/3
5
_
x=2
xe
1/6x

dx
3
Ahora:
E[T
2
/ T
1
= 1/6] =
5
_
x=2
E[T
2
/ T
1
= 1/6, = x] Pr { = x / T
1
= 1/6}
=
5
_
x=2
1/x xe
1/6x

dx
3
5
_
x=2
xe
1/6x

dx
3
=
5
_
x=2
e
1/6x
dx
5
_
x=2
xe
1/6x
dx
CAPTULO 1. PROCESO DE POISSON 22
16. Una empresa pesquera est dedicada a la captura de salmones en una cierta zona de pesca. Las investigaciones
efectuadas en este campo permiten concluir que resulta bastante adecuado el supuesto que el nmero de
salmones capturados en el intervalo de tiempo (0, t) se comporta de acuerdo a un Proceso de Poisson N(t)
a tasa . Sin embargo, la tasa a la que se capturan los salmones depende de la poca del ao y de las
condiciones climatolgicas en que se efecta la pesca. Los expertos de la empresa no han podido desarrollar
an un modelo cuantitativo que permita relacionar la poca del ao y el clima con la tasa de pesca. Slo han
podido acumular informacin histrica de las tasas capturadas en pocas anteriores, la que permite concluir
que la tasa de pesca toma dos valores posibles:
1
con probabilidad p y
2
con probabilidad 1 p (estas
probabilidades se han obtenido en base a la frecuencia con que se han observado los valores
1
y
2
en los
aos anteriores).
Suponga que la empresa inicia la pesca en la zona respectiva y que durante el intervalo de tiempo (0, t) se
capturan n salmones.
(a) Interesa obtener la distribucin de probabilidades del nmero de salmones que se captur en el intervalo
(t, t +h).
(b) Interesa obtener la distribucin del tiempo que pasar, a partir del instante t, hasta la siguiente captura
(esto es, la (n + 1) esimacaptura).
Suponga ahora que la tasa promedio de captura puede tomar los valores de 50 o 100 salmones por hora
con igual probabilidad.
(c) Si durante la primera hora de pesca se capturaron 80 salmones, calcule el valor esperado del nmero de
peces que se capturar durante la siguiente hora.
(d) Suponga ahora que se sabe que durante la primera hora se capturaron 90 salmones y que durante
la tercera hora (N(3)-N(2)) se capturaron 40 salmones. Calcule el nmero esperado de peces que se
capturar durante la cuarta hora.
Solucin:
(a) Se pide Pr {N(t +h) N(t) = k / N(t) = n} . Como no se conoce la tasa de proceso se condicionar en
ella:
Pr {N(t +h) N(t) = k / N(t) = n} = Pr {N(h) = k / N(t) = n, =
1
} Pr { =
1
/ N(t) = n}
+ Pr {N(h) = k / N(t) = n, =
2
} Pr { =
2
/ N(t) = n}
Conocer que N(t) = n altera la distribucin de probabilidades de la tasa , luego:
Pr { =
1
/ N(t) = n} =
Pr { =
1
, N(t) = n}
Pr {N(t) = n}
=
Pr {N(t) = n / =
1
} Pr { =
1
}

i=1,2
Pr {N(t) = n / =
i
} Pr { =
i
}
=
(1t)
n
e

1
t
n!
p
(
1
t)
n
e

1
t
n!
p +
(
2
t)
n
e

2
t
n!
(1 p)
=
1
1 +
_
2
1
_
n
e
(12)t
_
1p
p
_
Anlogamente,
Pr { =
2
/ N(t) = n} =
1
1 +
_
1
2
_
n
e
(21)t
_
p
1p
_
CAPTULO 1. PROCESO DE POISSON 23
Finalmente,
Pr {N(t +h) N(t) = k / N(t) = n} =
(
1
t)
k
e
1t
k!

1
1 +
_

2
1
_
n
e
(
1

2
)t
_
1p
p
_
+
(
2
t)
k
e

2
t
k!

1
1 +
_
1
2
_
n
e
(21)t
_
p
1p
_
(b) Se pide Pr{T
n+1
x / N(t) = n} . As,
Pr {T
n+1
> x / N(t) = n} = Pr {N(t +x) N(t) = 0 / N(t) = n}
De la parte a) con h=x y k=0, se tiene que:
Pr {T
n+1
> x / N(t) = n} =
e
1t
1 +
_
2
1
_
n
e
(12)t
_
1p
p
_
+
e
2t
1 +
_
1

2
_
n
e
(21)t
_
p
1p
_
(c) Se pide:
E[N(2) N(1) / N(1) = 80] = E[N(2) N(1) / N(1) = 80, = 50] Pr { = 50 N(1) = 80}
+ E[N(2) N(1) / N(1) = 80, = 100] Pr { = 100 N(1) = 80}
De la parte a) se tiene que:
Pr { =
1
/ N(t) = n} =
1
1 +
_
2
1
_
n
e
(12)t
_
1p
p
_
Pr { =
2
/ N(t) = n} =
1
1 +
_
1

2
_
n
e
(21)t
_
p
1p
_
Reemplazando valores se tiene que:
Pr { = 50 / N(1) = 80} =
1
1 + (2)
80
e
50
= 0.0043
Pr { = 100 / N(1) = 80} =
1
1 + (1/2)
80
e
50
= 0.9957
Luego,
E[N(2) N(1) / N(1) = 80, = 50] = E[N(2) N(1) / = 50]
= t
= 50
E[N(2) N(1) / N(1) = 80, = 100] = E[N(2) N(1) / = 100]
= 100
Finalmente,
E[N(2) N(1) / N(1) = 80] = 50 0.0043 + 100 0.9957
= 99.78
CAPTULO 1. PROCESO DE POISSON 24
(d) Se deja al lector como ejercicio.
17. A un sistema productivo con dos mquinas en paralelo llegan productos de acuerdo a un Proceso de Poisson
a tasa . Al momento de llegar al sistema se toma una decisin respecto a cul mquina dirigir el producto;
suponga que con probabilidad p se va a la mquina 1, y que estas decisiones son independientes entre s. Los
productos que llegan a este sistema vienen de una mquina previa que desarrolla un primer proceso en estos
productos. Esa mquina puede estar en dos posibles estados de funcionamiento, cada uno de los cuales dene
una tasa distinta. Suponga que no se sabe a priori cul es la tasa que est operando en el proceso de Poisson;
asuma que esta tasa puede tomar valores y con probabilidad q y 1-q respectivamente. Sean N
1
(t) y N
2
(t), los
procesos que cuentan el nmero de productos que han ingresado a la mquina 1 y 2 respectivamente entre 0
y t.
Desarrolle las expresiones que sean necesarias para obtener:
Pr {N
2
(t +h) N
2
(t) = k / N
1
(t) = n}
Solucin:
En primer lugar cabe mencionar que los procesos N
1
(t) y N
2
(t) son independientes entre s cuando la tasa del
proceso de llegada de productos es conocida. Sin embargo, como la tasa es desconocida, conocer informacin
acerca de un proceso s modica la distribucin de probabilidades del otro proceso. Luego,
Pr {N
2
(t +h) N
2
(t) = k / N
1
(t) = n} =
Pr{N
2
(t +h) N
2
(t) = k / N
1
(t) = n, =
1
} Pr { =
1
/ N
1
(t) = n}
+Pr{N
2
(t +h) N
2
(t) = k / N
1
(t) = n, =
2
} Pr { =
2
/ N
1
(t) = n}
El resto se deja como ejercicio al lector.
18. Una empresa pesquera ha salido a alta mar con uno de sus barcos pesqueros a pescar jurel. Se sabe que el
proceso que cuenta el nmero de toneladas que se capturan es un Proceso de Poisson; sin embargo la tasa
de pesca es desconocida. Suponga que se sabe a priori que esta tasa puede ser de 5 o 10 toneladas por hora
con igual probabilidad. Por cada tonelada capturada la empresa obtiene un ingreso neto de US$10.000. Cada
hora de operacin del barco tiene un costo de operacin de US$90.000. Para desarrollar la faena, la empresa
ha decidido utilizar el siguiente procedimiento: pescar durante una hora y en base a la captura obtenida,
decidir si conviene pescar o no en las prximas 10 horas.
(a) Suponga que durante la primera hora se capturaron 8 toneladas; indique si le conviene o no a la empresa
seguir pescando.
(b) Cul tendra que haber sido la pesca mnima durante la primera hora para que hubiese sido rentable
seguir pescando?
Solucin:
(a) A la empresa le conviene seguir pescando si es que el valor esperado de las utilizades es mayor que cero.
As,
E[U / N(1) = 8] > 0
Este valor esperado se calcula como:
E[U / N(1) = 8] = 10 E[T / N(1) = 8] 900
= 10 E[T / N(1) = 8] 900
En que T es la captura en una cualquiera de las 10 prximas horas. Luego:
E[U / N(1) = 8] > 0 E[T / N(1) = 8] > 90
CAPTULO 1. PROCESO DE POISSON 25
Ahora,
E[T / N(1) = 8] = E[T / N(1) = 8, = 5] Pr { = 5 / N(1) = 8}
+ E[T / N(1) = 8, = 10] Pr { = 10 / N(1) = 8}
= 50 Pr { = 5 / N(1) = 8} + 100 Pr { = 10 / N(1) = 8}
As, slo falta calcular las probabilidades de que las tasas sean 5 o 10. Estas se calculan como:
Pr { = 5 / N(1) = 8} =
Pr { = 5, N(1) = 8}
Pr {N(1) = 8}
=
Pr {N(1) = 8 / = 5} Pr { = 5}

i=1,2
Pr {N(1) = 8 / =
i
} Pr { =
i
}
=
5
8
e
5
8!
5
8
e
5
8!
+
10
8
e
10
8!
=
1
1 + 2
8
e
5
=
1
1 + 1.725
= 0.367
Similarmente,
Pr { = 5 / N(1) = 8} =
10
8
e
10
8!
5
8
e
5
8!
+
10
8
e
10
8!
= 0.633
Luego,
E[T / N(1) = 8] = 50 0.367 + 100 0.633
= 81.65
Finalmente, como 81.65 < 90 no conviene seguir pescando.
(b) El nmero mnimo de toneladas que se deben pescar durante la primera hora para que convenga seguir
pescando, se puede calcular de:
E[T / N(1) = 8] = 50 p + 100 (1 p)
= 90
p = 1/5
Luego,
p = Pr { = 5 / N(1) = 8}
=
1
1 + 2
n
e
5
donde n es la cantidad de toneladas pescadas durante la primera hora. As,
0.2 =
1
1 + 2
n
e
5
n = log
2
(4 e
5
)
= 9.213
Finalmente, si la pesca durante la primera hora es mayor que 9.213 conviene seguir pescando.
CAPTULO 1. PROCESO DE POISSON 26
19. En el instante t = 0 un archivo de una base de datos es cargado con b registros. Nuevos registros sern
agregados en instantes posteriores de acuerdo a un Proceso de Poisson a tasa r. La vida de cada registro del
archivo tiene una distribucin exponencial con parmetro L (esta vida mide el tiempo desde que se graba el
registro hasta la ltima vez que ser ledo para alguna aplicacin; despus de ese tiempo, el registro pierde
relevancia para las aplicaciones para las que fue concebido). De este modo, en cada instante de tiempo t, el
archivo mantiene dos tipos de registros: registros muertos y registros vivos. Sean M(t) y N(t) la cantidad de
cada uno de ellos en el instante t. El nmero total de registros en el instante t es entonces: X(t) = M(t)+N(t).
La proporcin f(t) = E[X(t)]/E[N(t)] representa el tiempo medio de bsqueda por cada registro vivo, y es
una medida del grado de deterioro del archivo debido a la existencia de registros muertos (al acceder a un
registro vivo, el computador debe recorrer tambin una cierta proporcin de registros muertos). Encuentre la
funcin f(t).
Solucin:
Sea Z(t) el proceso de llegada de registros Poisson(rt).
Se escribir el proceso N(t) como una suma de procesos independientes:
N(t) = N
1
(t) +N
2
(t)
en que N
1
(t) es el nmero de registros vivos de entre los b registros iniciales y N
2
(t) es nmero de registros
vivos de entre los nuevos que han llegado. El tiempo de vida de los registros distribuye exponencial a tasa L.
El valor esperado de N
1
(t) se calcula como b por la proporcin de registros que logran vivir ms que t, es
decir:
E{N
1
(t)} = b Pr {V ida > t} = be
Lt
Por otro lado, para calcular el valor esperado de N
2
(t) se necesita saber el tiempo en que estos registros
llegaron. Para esto se condicionar en Z(t); usando la tcnica de desordenar los instantes de llegada de estos
registros, se obtiene:
E{N
2
(t) / Z(t) = n} = n p
donde p es la probabilidad de que un registro cualquiera est vivo en t. Esta probabilidad se calcula como:
p = Pr {U + exp(L) > t}
donde U es el tiempo de llegada de un registro cualquiera (distribuye uniforme [0, t]). Luego condicionando
en U, se tiene que:
p =
t
_
x=0
Pr {U + exp(L) > t / U = x} Pr {U = x}
=
t
_
x=0
Pr {exp(L) > t x} Pr {U = x}
=
t
_
x=0
e
L(tx)

1
t
dx =
1
Lt
(1 e
Lt
)
obteniendo as:
E{N
2
(t) / Z(t) = n} = n p
=
n
Lt
(1 e
Lt
)
CAPTULO 1. PROCESO DE POISSON 27
Ahora:
E{N
2
(t)} =

n=0
E{N
2
(t) / Z(t) = n} Pr {Z(t) = n}
=
1
Lt
(1 e
Lt
)

n=0
n Pr {Z(t) = n}
=
1
Lt
(1 e
Lt
) rt =
r
L
(1 e
Lt
)
Con lo que se obtiene:
E{N(t)} = E{N
1
(t)} +E{N
2
(t)}
= be
Lt
+
r
L
(1 e
Lt
)
Por otra parte, el nmero de registros totales, es decir, X(t) = M(t) + N(t) tiene como valor esperado los
registros iniciales ms el valor esperado de los registros que han llegado de acuerdo al proceso Z(t):
E{X(t)} = b +rt
Finalmente se tiene que:
f(t) =
E{X(t)}
E{N(t)}
=
b +rt
be
Lt
+
r
L
(1 e
Lt
)
20. La llegada de buses al Museo de Arte del Parque Forestal se comporta como un Proceso de Poisson a tasa
a. Cada bus trae i pasajeros con probabilidad b(i); i=1,2,...M. El tiempo que pasa un pasajero en el museo
es aleatorio y tiene distribucin G. Sea X(t) el nmero de pasajeros presentes en el museo en el instante t.
Obtenga E{X(t)}.
Solucin:
Sea N(t) = Procesi de llegada de buses al Museo. Entonces:
E{X(t)} =

n
E{X(t) / N(t) = n} Pr {N(t) = n}
Si se desordenan los instantes de llegada de estos n buses, cada uno llega en un instante distribuido U(0, t).
Consideremos ahora uno cualquiera de estos buses y un pasajero cualquiera de un bus. La probabilidad que
un pasajero est presente en el Museo en el instante t es:
p = Pr {U +Y > t} ; en que Y distrib ye G
Luego:
p =
t
_
x=0
Pr {U +Y > t / U = x} Pr {U = x}
=
1
t
t
_
x=0
G(t x) dx
CAPTULO 1. PROCESO DE POISSON 28
Por lo tanto, el numero esperado de pasajeros de un bus que estaran presentes en el instante t, dado que
llegaron i pasajeros en ese bus es: p i
Luego,
E{pasajeros en el museo, en el ins tante t, de ese bus} =
M

i=1
p i b(i)
As se obtiene:
E{X(t) / N(t) = n} = n p
M

i=1
i b(i)
E{X(t)} =

n
_
n p
M

i=1
i b(i) Pr(N(t) = n)
_
= p
M

i=1
i b(i)

n
n Pr {N(t) = n}
= p
M

i=1
i b(i) at
21. A un proceso productivo llegan piezas a ser procesadas, de acuerdo a un Proceso de Poisson a tasa .
(a) Si en el intervalo [0, t] llegan n piezas, cul es la probabilidad que en el intervalo [t
1
, t
2
], en que 0 < t
1
<
t
2
< t, hayan llegado exactamente m de ellas ? (m n)
(b) Si se sabe que en el intervalo [0, t
1
] llegaron al menos m piezas, cul es la probabilidad que en el intervalo
[0, t], en que t
1
< t, lleguen exactamente n piezas ? (m n)
(c) Si se sabe que en el intervalo [0, t] llegarn exactamente n piezas, cul es la probabilidad que en el
intervalo [0, t
1
], en que t
1
< t, hayan llegado al menos m piezas ? (m n)
Solucin:
Sea N(t) el proceso de llegada de piezas.
(a) Dado que se sabe que llegaron n piezas en el intervalo [0,t], los instantes de llegada tomados desorde-
nadamente distribuyen uniforme dentro del intervalo. Luego la cantidad de piezas X que hayan llegado
dentro de cualquier subintervalo distribuyen binomial de parmetros (n,p) donde p es la proporcin que
representa un sub-intervalo respecto al intervalo total, en este caso:
p =
t
2
t
1
t
Luego,
Pr {X = m / N(t) = n} =
_
n
m
_

_
t
2
t
1
t
_
m

_
1
t
2
t
1
t
_
nm
(b) Se pide calcular Pr {N(t) = n / N(t
1
) m} .
Utilizando la propiedad de incrementos independientes se tiene que:
Pr {N(t) = n / N(t
1
) m} =

n
j=m
Pr {N(t t
1
) = n j} Pr {N(t
1
) = j}
Pr {N(t
1
) m}
=

n
j=m
[(tt1)]
nj
[t1]
j
e
t
(nj)!j!
Pr {N(t
1
) m}
CAPTULO 1. PROCESO DE POISSON 29
(c) Al igual que en a), los instantes de llegada distribuyen uniforme. Luego,
Pr {al menos m hayan llegado antes de t
1
}
=
nm

j=1
Pr {hayan llegado m+j antes de t
1
}
=
nm

j=1
_
n
m+j
_

_
t
1
t
_
m+j

_
1
t
1
t
_
nmj
22. En Valparaso existe un barco que da paseos tursticos por la baha de dicha ciudad. Los potenciales turistas
llegan de acuerdo a Poisson a tasa . El barco inicia el paseo a las T unidades de tiempo. Un pasajero
potencial que llega al puerto espera el barco con probabilidad e
x
y no lo espera con probabilidad1 e
x
,
en que x es el tiempo que falta para que el barco inicie su recorrido.
Suponga que entre 0 y T llegaron n pasajeros al puerto:
(a) obtenga una expresin para la probabilidad que el primero de ellos haya viajado en el barco
(b) obtenga el nmero esperado de pasajeros que viajaron en el barco.
Solucin:
(a) La probabilidad de que el primer pasajero que haya llegado al puerto viaje efectivamente en el barco
depende del instante en que haya llegado ese individuo. As, se condiciona en el instante de llegada,
p = Pr {1
o
pasajero que llega viaje}
=
T
_
x=0
Pr {1
o
pasajero que llega viaje /T
1
= x}
. .
e
(Tx)
Pr {T
1
= x}
Sin embargo, cunto valePr {T
1
= x}?
Dado que llegaron n pasajeros entre 0 y T, es sabido que los instantes de llegada, tomados desordenada-
mente, distribuyen uniforme. As,
Pr {T
1
> x} = Pr {todos los ins tantes de llegada > x}
=
_
1
x
t
_
n
Pr {T
1
x} = 1
_
1
x
t
_
n
Esto es as ya que se pide que el 1
o
instante sea menor que x luego todos los otros instantes tambin
deben ser mayores que x. Sin embargo, se necesita Pr {T
1
= x} . Esto es:
Pr {T
1
= x} =
d
dx
[Pr {T
1
x}]
=
d
dx
_
1
_
1
x
t
_
n
_
= n
_
1
x
t
_
n1

1
T
=
n
T

_
1
x
t
_
n1
CAPTULO 1. PROCESO DE POISSON 30
Finalmente,
p =
T
_
x=0
e
(Tx)

n
T

_
1
x
t
_
n1
dx
=
n
T
e
T
T
_
x=0
e
x
_
1
x
t
_
n1
dx
(b) Dado que llegaron n pasajeros al puerto, se pide el valor esperado del nmero de pasajeros que viajarn
nalmente. Este nmero distribuye binomial de parmetros (n,p) donde p es la probabilidad de que un
pasajero viaje efectivamente.
Para el clculo de p se sabe que los instantes de llegada distribuyen uniforme y son independientes entre
s por lo que:
p = Pr {pasajero viaje en barco}
=
T
_
y=0
Pr {pasajero viaje en barco / lleg en y} Pr {lleg en y}
=
T
_
y=0
e
(Ty)

dy
T
=
e
T
T

T
_
y=0
e
y)
dy
=
1 e
T
T
Luego, como el valor esperado de una binomial es np, el nmero esperado de pasajeros que viajar es:
E[n
o
pasajeros / N(t)=n] = n
1 e
T
T
23. A la penitenciara de Santiago llegan personas a cumplir condenas de acuerdo a los dictmenes de los diversos
tribunales de la ciudad. Asuma que estas personas llegan a la penitenciara de acuerdo a un Proceso de
Poisson a tasa de personas por ao. El tiempo que una persona permanece en la penitenciara es una
v.a. con distribucin exponencial con media 1/ aos. Sea N(n) el nmero de personas presentes en la
penitenciara al principio del ao n.
(a) Obtenga una expresin para E[N(n)]. qu sucede con esta expresin cuando n ?
(b) Demuestre que:
E[N(n) / N(n 1) = k] = ke

(1 e

)
A partir de la expresin anterior encuentre una expresin para E[N(n)] en funcin de E[N(n 1)].
Suponga que en largo plazo, ambos valores son iguales. Puede obtener de ah una expresin para
E[N(n)] cuando n ?
Solucin:
CAPTULO 1. PROCESO DE POISSON 31
(a) Sea M(t), el proceso de llegada de personas a la penitenciara. Para saber cuntas personas estn en la
penitenciara hay que determinar los instantes de llegada de estas personas. Una manera de conocer la
distribucin de los instantes de llegada es condicionar en el nmero de personas que han llegado. As,
E[N(n)] =

k=0
E[N(n) / M(n 1) = k] Pr {M(n 1) = k}
La distribucin de N(n) / M(n 1) = k es una binomial. La probabilidad de xito, p, est dada por
(asumiendo que se desordenan las llegadas):
p = Pr {U + exp() > n 1}
=
n1
_
x=0
Pr {exp() > n 1 x}
dx
n 1
=
1 e
(n1)
(n 1)
As, el valor esperado de una binomial es n p. Luego,
E[N(n)] =

k=0
E[N(n) / M(n 1) = k] Pr {M(n 1) = k}
=

k=0
kp Pr {M(n 1) = k}
= p E[M(n 1)]
= p (n 1)
=

(1 e
(n1)
)
Cuando n se tiene que:
E[N(n)] =

(b) Se tiene que la cantidad [N(n)/N(n 1) = k] = X +Y , donde:


i. X: nmero de personas que estaban en la crcel al principio del ao n-1 y que continuarn en la
crcel al principio del ao n.
Esta variable distribuye binomial de parmteros (k,p) donde p es la probabilidad de seguir estando
en la crcel. As
p = Pr {seguir en la c arcel}
= Pr {exp() > 1}
= e

donde se ha utilizado la propiedad de falta de memoria de la exponencial. Luego,


E[X] = kp = ke

ii. Y: nmero de personas, de las que llegaron durante el ao n-1, que estarn en la crcel al principo
del ao n.
CAPTULO 1. PROCESO DE POISSON 32
Para conocer el valor esperado de esta variable es necesario condicionar en las llegadas ocurridas en
el ao n, y desordenar las llegadas. As,
q = Pr {U + exp() > 1}
=
1
_
x=0
Pr {exp() > 1 x} dx
=
1 e

Luego,
E[Y ] = 1 q =

(1 e

)
Por lo tanto, se demuestra que:
E[N(n)/N(n 1) = k] = ke

(1 e

)
Ahora,
E[N(n)] =

k=0
E[N(n) / N(n 1) = k] Pr {N(n 1) = k}
=

k=0
_
ke

(1 e

)
_
Pr {N(n 1) = k}
= e

k=0
k Pr {N(n 1) = k} +

(1 e

k=0
Pr {N(n 1) = k}
. .
1
= e

E[N(n 1)] +

(1 e

)
Si E[N(n)] = E[N(n 1)], se tiene que:
E[N(n)] (1 e

) =

(1 e

)
E[N(n)] =

24. Al hospital clnico de la Universidad Catlica llegan pacientes a solicitar atencin de acuerdo a un Proceso
de Poisson a tasa . Se sabe que una proporcin de estos pacientes slo enfrentan males menores, por lo
que son atendidos en la posta del hospital y luego son despachados a sus hogares. El resto de los pacientes
sufre enfermedades mayores y deben ser hospitalizados. El tiempo que permanece hospitalizado un paciente
es una v.a. Asuma que los tiempos de hospitalizacin de los distintos pacientes son v.a. i.i.d. con distribucin
exponencial a tasa y que el hospital tiene capacidad ilimitada.
(a) Sea M(t) el nmero de pacientes hospitalizados en el instante t. Obtenga la densidad de probabilidades
de M(t).
(b) Si se sabe que en el intervalo (0,t) llegaron n pacientes al hospital (de cualquier tipo), cul es la
probabilidad que ninguno de ellos tenga una enfermedad mayor?
(c) Si se sabe que entre 0 y t llegaron m pacientes leves, cul es la probabilidad que en ese intervalo hayan
llegado n pacientes con enfermedades menores?
CAPTULO 1. PROCESO DE POISSON 33
Solucin:
(a) En primer lugar se observa que el proceso de llegada de pacientes graves es Poisson ((1 )t), debido
a que corresponde a un proceso de descomposicin. Llamemos N(t) a este proceso.
Tambin se observa que para conocer el nmero de personas hospitalizadas en el instante t se requiere
conocoer el instante de llegada de las personas al hospital. Podemos condicionar en el nmero de llegadas
y desordenar los instantes de llegada. As:
Pr {M(t) = n} =

m=n
Pr {M(t) = n / N(t) = m} Pr {N(t) = m}
Es sabido que M(t) / N(t) = m distribuye binomial de parmetros (m,p) donde p es la probabilidad de
que la persona est en el hospital en el instante t. As,
p = Pr {T > t}
= Pr {U + exp() > t}
=
t
_
y=0
Pr {exp() > t y}
dy
t
=
1 e
t
t
Luego,
Pr {M(t) = n} =

m=n
_
m
n
_
p
n
(1 p)
mn

((1 )t)
m
e
(1)t
m!
=

m=n
m!
n!(mn)!
p
n
(1 p)
mn

((1 )t)
m
e
(1)t
m!
=
p
n
e
(1)t
n!

m=n
1
(mn)!
(1 p)
mn
((1 )t)
m
=
p
n
e
t
((1 )t)
n
n!

m=n
[(1 p)(1 )t]
mn
(mn)!
. .
e
(1p)(1)t
=
((1 )pt)
n
e
(1)pt
n!
Por lo tanto:
M(t) Poisson((1 )pt) con p =
1
t
(1 e
t
)
(b) Sea N
1
(t) llegada de pacientes leves y N
2
(t) la llegada de pacientes graves. Se pide:
Pr {N
2
(t) = 0 / N(t) = n}
Esto es equivalente a decir que slo hayan llegado pacientes con enfermedades menores, por lo que:
Pr {N
2
(t) = 0 / N(t) = n} =
n
CAPTULO 1. PROCESO DE POISSON 34
(c) Se pide Pr {N
2
(t) = n / N
1
(t) = m} .
La descomposicin de un proceso de Poisson, como en este caso, da como origen a 2 procesos de Poisson
independientes entre s. Luego:
Pr {N
2
(t) = n / N
1
(t) = m} = Pr {N
2
(t) = n}
=
((1 )t)
n
e
(1)t
n!
25. La empresa EMOS tiene una planta de tratamiento de agua potable en Las Vizcachas. Una parte importante
del proceso es el ltrado del agua de ro, previamente decantada, con ltros de arena y carbn. En el proceso
de ltrado, el lodo del agua decantada se va adhiriendo a estos ltros, haciendo necesario limpiarlos cada vez
que se ha acumulado demasiado lodo. Esto no afecta la produccin debido a que la planta dispone de un gran
nmero de ltros.
Despus de analizar los datos histricos, se ha concluido que el proceso que cuenta el nmero de ltros que
salen de funcionamiento para ser limpiados es Poisson a tasa . Tambin se ha visto que el tiempo que
demora la limpieza de un ltro es una variable aleatoria con distribucin exponencial a tasa (independiente
del nmero de ltros que salen de operacin).
Sea L(t) el nmero de ltros fuera de funcionamiento en el instante t, debido a una limpieza.
(a) Obtenga una expresin para la distribucin de probabilidades de L(t).
(b) Si se sabe que durante (0,t) salieron de funcionamiento n ltros, Cul es la probabilidad que permanezcan
menos de m ltros en el proceso de limpieza, en el instante t?
(c) Suponga que existe un empleado que lleva un registro de los instantes en que salen de funcionamiento
cada uno de los ltros. Calcule la probabilidad de que el primer ltro sacado de funcionamiento no est
operando en el instante T.
Solucin:
(a) Sea N(t) el proceso de llegada de ltros al proceso de limpieza. Para calcular la distribucin de L(t) es
necesario condicionar en N(t). Esto es:
Pr {L(t) = n} =

m=n
Pr {L(t) = n / N(t) = m} Pr {N(t) = m}
Se sabe que N(t) es un proceso de Poisson de parmetro , por lo que slo resta calcular Pr{L(t) =
n / N(t) = m}. Los instantes de las llegadas al proceso de limpieza, tomados desordenadamente al estar
condicionado en N(t), distribuye uniforme entre [0, t] por lo que L(t) / N(t) = m es una variable que
distribuye Binomial de parmetros (m, p), donde p es la probabilidad de que un ltro que haya llegado
a limpieza antes de t todava est siendo limpiado.
Para que todava el ltro est siendo atendido, el tiempo de permanencia debe ser mayor a t, as la
CAPTULO 1. PROCESO DE POISSON 35
probabilidad p es:
p = Pr {U + exp() > t}
=
t
_
x=0
Pr {U + exp() > t / U = x} Pr {U = x}
=
t
_
x=0
Pr {exp() > t x}
dx
t
=
t
_
x=0
e
(tx)

dx
t
=
1
t
(1 e
t
)
Luego,
Pr {L(t) = n} =

m=n
_
m
n
_
p
n
(1 p)
mn

(t)
m
e
t
m!
=

m=n
m!
n!(mn)!
p
n
(1 p)
mn

(t)
m
e
t
m!
=
p
n
e
t
n!

m=n
1
(mn)!
(1 p)
mn
(t)
m
=
p
n
e
t
(t)
n
n!

m=n
[(1 p)t]
mn
(mn)!
. .
e
(1p)t
=
(pt)
n
e
pt
n!
Por lo tanto:
L(t) Poisson(pt) con p =
1
t
(1 e
t
)
(b) Lo que se pide es: Pr {L(t) < m/ N(t) = n} . Luego,
Pr {L(t) < m/ N(t) = n} =
m1

i=0
Pr {L(t) = i / N(t) = n}
=
m1

i=0
_
n
i
_
p
i
(1 p)
ni
(c) Sea T
1
el tiempo desde t=0 hasta que el primer ltro vuelve a operar. Es decir:
Pr {T
1
> t} =

n=0
Pr {T
1
> t / N(t) = n} Pr {N(t) = n}
Pero:
Pr {T
1
> t / N(t) = 0} = 1
CAPTULO 1. PROCESO DE POISSON 36
Luego:
Pr {T
1
> t} = Pr {N(t) = 0} +

n=1
Pr {T
1
> t / N(t) = n} Pr {N(t) = n}
Para calcular Pr {T
1
> t / N(t) = n} tomamos los instantes de llegada de forma desordenada. Sea
U
1
, U
2
, ...U
n
estos tiempos. Entonces:
Pr {T
1
> t / N(t) = n} = e
t
+ Pr {T
1
> t / N(t) > 0} (1 e
t
)
dado que lleg al menos un ltro a limpiarse, el instante de llegada de ese ltro distribuye uniforme
[0, t].Luego,
Pr {T
1
> t / N(t) > 0} = Pr {U
i
+ exp() > t, i = 1...n}
= p
n
Por lo tanto:
Pr {T
1
> t} = e
t
+

n=1
p
n

(t)
n
e
t
n!
= e
t
+

n=0
p
n

(t)
n
e
t
n!
e
t
= e
pt
e
t
= e
(1p)t
26. Un trabajador sigue la siguiente poltica para tomar locomocin colectiva al ir a su trabajo. Cada maana
se dirige a un paradero por el cual los buses que a l le sirven pasan de acuerdo a un Proceso de Renovacin
con tiempos Ti entre pasadas (Ti son v.a.i.i.d. con funcin de densidad de probabilidades f()). Dado que
los buses pasan bastante llenos, suponga que el trabajador puede subirse a un bus con probabilidad p. La
probabilidad de que se pueda subir a un bus es constante e independiente para cada bus que llega al paradero.
Los tiempos entre pasadas de buses son independientes de la probabilidad de que el trabajador pueda subirse.
Derive una expresin para el valor esperado del tiempo que transcurre desde que el trabajador llega al paradero
hasta que toma locomocin siguiendo esta poltica. (Por simplicidad, suponga que el trabajador llega al
paradero justo en el momento en que pasa un bus que le sirve, y que no alcanza a subirse).
Solucin:
Cabe observar que como no es un proceso de Poisson, el tiempo en que llegue el sujeto al paradero no da lo
mismo ya que los tiempo entre eventos no cumplen con la propiedad de falta de memoria de la distribucin
exponencial.
Sea el tiempo hasta que el trabajador toma el bus. Para calcular el valor esperado, se condicionar en el
nmero del bus que el trabajador nalmente se sube. As,
E() =

i=1
E( / se sube en el bus n
o
i) Pr {se sube en el bus n
o
i}
=

i=1
iE[T
i
] (1 p)
i1
p
Como E[T
i
] es independiente de i y conocido es

_
t=0
t f
T
(t)dt,
CAPTULO 1. PROCESO DE POISSON 37
se tiene que:
E() = E[T
i
]

i=1
i (1 p)
i1
p
= E[T
i
] p
1
(1 (1 p))
2
=
E[T
i
]
p
Otra manera es la siguiente: Sea el tiempo desde el paso del primer bus hasta que el trabajador logra tomar
locomocin.
Se tiene que es una variable aleatoria que puede ser denida de acuerdo a la siguiente expresin:
=
_
T
1
con probabilidad p
T
1
+

con probabilidad 1-p


As, se tiene que:
E[] = pE[T
1
] + (1 p)E[T
1
+

]
= pE[T
1
] + (1 p)(E[T
1
] +E[

])
= E[T
1
] + (1 p)E[

]
Pero E[

] = E[] pues el proceso de pasada de los buses que le sirven al trabajador es un Proceso de
Renovacin. Por lo tanto, se obtiene que:
E[] = E[T
1
] + (1 p) E[]
Despejando E[] de la ecuacin anterior, se obtiene:
E[] =
E[T
i
]
p
27. A una central de abastecimiento llegan rdenes de compra por un cierto artculo de acuerdo a un Proceso de
Poisson a tasa de 8 rdenes/hora. El nmero de artculos solicitados en una orden puede ser 2, 3 4 con
probabilidades 0.2, 0.5 y 0.3, respectivamente. Asuma que el nmero de artculos en las distintas rdenes son
variables aleatorias independientes entre s, e independientes del proceso de llegada de las rdenes.
(a) Considere el proceso que cuenta el nmero de artculos solicitados en (0, t). Tiene este proceso incre-
mentos estacionarios? Posee este proceso la propiedad de orden?
(b) Se sabe que durante la primera hora de operacin del sistema se recibieron rdenes por un total de 20
artculos, obtenga el nmero medio (valor esperado) de artculos que se solicitarn en la siguiente media
hora.
(c) Considere el proceso que cuenta el nmero de rdenes recibidas en (0, t). Si se sabe que durante las
primeras cuatro horas se recibieron 30 rdenes, cul es la probabilidad de que durante la tercera hora
no se hayan recibido rdenes?
(d) Si durante el intervalo (0, x) de operacin del proceso no se recibi ninguna orden, cul es la probabilidad
de observar al menos una orden en el intervalo (x+y, x+y+z)? (x, y, z > 0)
(e) Cul es la distribucin de probabilidades del tiempo que debe transcurrir desde el inicio del proceso
hasta que se observe una orden por 4 artculos?
CAPTULO 1. PROCESO DE POISSON 38
(f) Suponga que por limitaciones de personal y costos de operacin, la central de abastecimiento puede
atender hasta un mximo de C rdenes al da. Cul es el tiempo esperado (en horas) que transcurrira
desde el inicio de la operacin de la central hasta alcanzar el mximo de rdenes para un da?
(g) Suponga que en la primera media hora de operacin del sistema se recibi slo una orden, cul es la
probabilidad de que haya sido recibida en los ltimos diez minutos (de la media hora en cuestin)?
Solucin:
(a) Sea N(t) el proceso que cuenta la llegada de rdenes a la central. Sea X(t) el proceso que cuenta el
nmero de articulos solicitados. Entonces,
X(t) =
N(t)

i=1

i
donde
i
es la v.a. que mide cuntos artculos son pedidos en cada orden.
La propiedad de incrementos estacionarios se cumple ya que X(t+s)-X(t) depende de s pero no de t.
Esto se comprueba ya queel proceso N(t) es Poisson y que los
i
son independientes de t. Sin embargo,
este proceso no cumple la propiedad de orden ya que existe la probabilidad de que ocurran eventos
simultneos en el proceso.
(b) De acuerdo a la relacin entre N(t) y X(t), y usando la propiedad de incrementos estacionarios de N(t),
se tiene que:
E[X(t)] =

j=0
E[X(t) / N(t) = j] Pr {N(t) = j}
=

j=0
_
j

i=1
E[
i
]
_
Pr {N(t) = j}
Como,
E[
i
] = 0.2 2 + 0.5 3 + 0.3 4
= 3.1
Luego,
E[X(t)] = 3.1

j=0
j Pr {N(t) = j}
= 3.1 t
Como t=0.5 horas,
E[X(t)] = 3.1 8 0.5
= 12.4
(c) Se sabe que N(4)=30 rdenes, por lo que los instantes de llegada tomados desordenadamente distribuyen
uniforme [0,4]. Luego, la probabilidad de que una orden no ocurra en la 3
o
hora es igual a 3/4. Luego,
Pr {ning una orden durante la 3
o
hora } = (3/4)
30
CAPTULO 1. PROCESO DE POISSON 39
(d) Debido a la propiedad de incrementos estacionarios de los procesos de Poisson, las probabilidaddes de
algn suceso slo dependen del largo del intervalo en cuestin. Luego,
Pr {N(x +y +z) N(x +y) > 0} = Pr {N(z) > 0}
= 1 Pr {N(z) = 0}
= 1 e
z
(e) Sea Y, el tiempo que transcurre hasta que se pide una orden por 4 artculos. Se pide Pr {Y > t} .Luego,
Pr {Y > t} =

n=0
Pr {Y > t / N(t) = n} Pr {N(t) = n}
dado que han llegado n rdenes, el tiempo hasta la primera orden por 4 artculos ser mayor que t si y
slo si no se ha pedido ninguna orden de 4. Luego,
Pr {Y > t / N(t) = n} = Pr {(1
o
orden fue de 2 o 3) y (2
o
orden fue de 2 o 3) y...hasta n}
= (0.2 + 0.5) (0.2 + 0.5) ...
= (0.7)
n
As,
Pr {Y > t} =

n=0
(0.7)
n

(t)
n
e
t
n!
= e
0.3t
por lo que el tiempo distribuye exponencial a tasa 0.3.
(f) Sean T
1
, T
2
, ...T
i
los tiempos entre llegadas de las rdenes. Queremos calcular:
E(
C

i=1
T
i
) = C E(T
i
)
=
C

(g) El instante de llegada de esa nica orden se distribuye uniforme entre 0 y 30 minutos. Luego la proba-
bilidad pedida es 10/30 = 1/3
28. Considere un Proceso de Poisson No Homogneo en que la tasa es igual a 2t para t 4, y es igual a 8 para
t > 4.
(a) Obtenga la funcin distribucin de T
1
(b) Obtenga una expresin para la funcin distribucin de T
2
/ T
1
= 5
(c) Suponga que el tiempo se mide en horas y que se sabe que en las primeras 4 horas se produjeron 8
eventos; calcule la probabilidad que 4 de ellos se hayan producido durante la primera hora.
Solucin:
(a) Se pide calcular Pr {T
1
x} As,
Pr {T
1
> x} = Pr {N(x) = 0}
En los procesos no homogneos, se tiene que:
Pr {N(t
1
) N(t
2
) = n} =
[m(t
1
, t
2
)]
n
e
m(t1,t2)
n!
CAPTULO 1. PROCESO DE POISSON 40
donde m(t
1
, t
2
) =
t2
_
t=t1
(t)dt.
En este caso se necesita m(0, x) por lo que:
para x 4,
m(0, x) =
x
_
t=0
2tdt
= x
2
Pr {N(x) = 0} = e
x
2
Pr {T
1
x} = 1 e
x
2
para x > 4,
m(0, x) =
4
_
t=0
2tdt +
x
_
t=4
8dt
= 8x 16
Pr {N(x) = 0} = e
(8x16)
Pr {T
1
x} = 1 e
(8x16)
Por lo tanto,
Pr {T
1
x} =
_
1 e
x
2
para x 4
1 e
(8x16)
para x > 4
(b)
Pr {T
2
> x / T
1
= 5} = Pr {N(5 +x) N(5) = 0}
Por lo que se necesita m(5, 5 +x).
m(5, 5 +x) =
5+x
_
t=5
8dt
= 8x
Luego,
Pr {N(5 +x) N(5) = 0} = e
8x
Pr {T
2
x / T
1
= 5} = 1 e
8x
(c)
Pr {N(1) = 4 / N(4) = 8} =
Pr {N(1) = 4, N(4) = 8}
Pr {N(4) = 8}
=
Pr {N(1) = 4, N(4) N(1) = 4}
Pr {N(4) = 8}
Por incrementos independientes, se tiene que:
Pr {N(1) = 4 / N(4) = 8} =
Pr {N(1) = 4} Pr {N(4) N(1) = 4}
Pr {N(4) = 8}
CAPTULO 1. PROCESO DE POISSON 41
Luego, basta calcular estas probabilidades. As,
Pr {N(1) = 4} =
e
1
4!
Pr {N(4) N(1) = 4} =
e
15
(15)
4
4!
Pr {N(4) = 8} =
e
16
(16)
8
8!
Finalmente:
Pr {N(1) = 4 / N(4) = 8} =
(15)
4
8!
(16)
8
4!4!
29. A una central telefnica llegan llamadas de acuerdo a un Proceso de Poisson no homogneo con tasa t, en
que t se mide en minutos.
(a) Obtenga la probabilidad que durante el primer minuto llegue al menos una llamada a la central
(b) Si se sabe que durante los primeros 2 minutos llegaron 40 llamadas a la central, cunto tiempo pasar
hasta que llegue la llamada nmero 41?
Solucin:
(a) Se pide:
Pr {N(1) > 0} = 1 Pr {N(1) = 0}
Como se tiene un proceso de poisson no homogneo, se debe calcular m(t
1
, t
2
). As,
m(t
1
, t
2
) = m(0, 1)
=
1
_
t=0
tdt
=

2
Luego,
Pr {N(1) > 0} = 1
_

2
_
0
e
/2
0!
= 1 e
/2
(b) Sea T el tiempo medido desde el minuto 2 hasta que llegue la llamada nmero 41. Entonces:
Pr {T > x} = Pr {N(2 +x) N(2) = 0}
= e
m(2,2+x)
Ahora:
m(2, 2 +x) =
t=2+x
_
t=2
t dt =
t
2
2

2+x
2
=

2
_
(2 +x)
2
4

=

2
_
4x +x
2

Luego:
Pr {T > x} = e

2
(4x+x
2
)
CAPTULO 1. PROCESO DE POISSON 42
30. Sean los tiempos entre eventos de un Proceso de Poisson no homogneo con tasa (t)
(a) Encuentre una expresin para la distribucin de T
1
(b) Encuentre una expresin para la distribucin de T
n+1
condicionada en T
1
, T
2
, ..., T
n
(c) Son los T

i
s independientes? son idnticamente distribuidos?
(d) Considere 2 intervalos contiguos: [0, t
1
] y [t
1
, t
2
]. Suponga que en el primer intervalo ocurrieron n
1
eventos; cul es la probabilidad que en el segundo intervalo ocurran n
2
eventos?
(e) Suponga que (t) = 5625t e
3t
; encuentre la distribucin de probabilidades del tiempo hasta que ocurra
el primer evento. Cunto vale esa distribucin evaluada en ?
Solucin:
(a)
Pr {T
1
> x} = Pr {N(x) = 0}
= e

x
_
t=0
(t)dt
(b)
Pr {T
n+1
> x / T
1
= y
1
, ...T
n
= y
n
} = Pr {N(y
n
+x) N(y
n
) = 0}
= e

yn+x
_
t=yn
(t)dt
(c) En la parte b) se puede ver que la probabilidad de un T
i
depende directamente de T
i1
por lo que no
pueden ser independientes y tampoco pueden ser identicamente distribuidos ya que la tasa est en
funcin del tiempo.
(d) Los procesos de Poisson no homogneos cumplen con la propiedad de incrementos independientes por lo
que:
Pr {N(t
2
) N(t
1
) = n
2
/ N(t
1
) = n
1
} = Pr {N(t
2
) N(t
1
) = n
2
}
=
_
t2
_
t=t1
(t)dt
_
n2
e

t
2 _
t=t
1
(t)dt
n
2
!
(e) Primero se calcular la integral:
m(0, x) =
x
_
t=0
5625t e
3t
dt
= 5625
_
_
_
_
t e
3t
3
x
0
+
x
_
t=0
e
3t
dt
3
_
_
_
_
= 5625
_
x e
3x
3

_
e
3x
1
_
9
_
Reemplazando en a), se tiene que:
Pr {T
1
x} = 1 e
5625
_
xe
3x
3

(
e
3x
1
)
9
_
CAPTULO 1. PROCESO DE POISSON 43
Cuando x ,
Pr {T
1
x} 1
como es de esperar.
31. Suponga que a un contador electrnico llegan pulsos elctricos de acuerdo a un Proceso de Poisson a tasa .
Las amplitudes de los pulsos son aleatorias e independientes entre s y se distribuyen uniformemente en el
intervalo [a, b]. Se asume que la amplitud de cada pulso decrece exponencialmente con el tiempo; esto es, si
un pulso tiene amplitud A al llegar, su amplitud t unidades de tiempo ms tarde es Ae
t
. Suponga que las
amplitudes son aditivas. Obtenga una expresin para el valor esperado de la amplitud total registrada en el
contador en el instante t.
Solucin:
Se desea calcular E[A(t)] donde A(t) =
N(t)

j=1
A
j
e
(tSj)
donde N(t) es el proceso que cuenta el nmero de de
pulsos que han llegado, A
j
es la amplitud de cada pulso j y S
j
es el instante en que lleg el pulso j. Luego se
condicionar en la llegada de los pulsos como se muestra a continuacin:
E[A(t)] =

i=1
E[A(t) / N(t) = i] Pr {N(t) = i}
Ahora:
{A(t) / N(t) = i} =
i

j=1
A
j
e
(tSj)
Adems se sabe que:
A
j
U[a, b]
y que los S
j
tomados desordenadamente, distribuyen U[0, t].
Aplicando E() a la ecuacin anterior, se tiene que:
E[A(t) / N(t) = i] = E
_
_
i

j=1
A
j
e
(tSj)
_
_
=
i

j=1
E
_
A
j
e
(tSj)
_
por linealidad de E[]
=
i

j=1
E[A
j
] E
_
e
(tSj)
_
por independencia entre Aj y tj
= e
t
i

j=1
E[A
j
] E
_
e
Sj

Ahora,
E[A
j
] =
a +b
2
E
_
e
tj

=
t
_
x=0
e
x

dx
t
=
1
t
_
e
t
1
_
CAPTULO 1. PROCESO DE POISSON 44
As,
E[A(t) / N(t) = i] = e
t
i

j=1
a +b
2

1
t
_
e
t
1
_
=
a +b
2

1
t
_
1 e
t
_

j=1
1
=
a +b
2

1
t
_
1 e
t
_
i
Finalmente,
E[A(t)] =

i=1
E[A(t) / N(t) = i] Pr {N(t) = i}
=

i=1
a +b
2

1
t
_
1 e
t
_
i Pr {N(t) = i}
=
a +b
2

1
t
_
1 e
t
_

i=1
i Pr {N(t) = i}
. .
t
=
a +b
2

_
1 e
t
_
32. En una calle, el ujo de autos que pasan por un cierto punto se comporta de acuerdo a un Proceso de
Renovacin (tiempos entre eventos son v.a.i.i.d. con funcin de distribucin de probabilidades F). Un peatn
ubicado en la vereda, desea cruzar la calle. Para ello, el peatn requiere de T unidades de tiempo con la calle
libre de autos. l observa sucesivamente el paso de los autos. Suponga que, una vez que pasa un auto, l
puede medir o conocer el tiempo hasta que pasar el prximo auto (por observacin de ujo). Cunto tiempo
se espera que pase hasta que el peatn logre cruzar la calle?
Solucin:
Sea L el tiempo que esperar el peatn para cruzar la calle;
Sea T
1
el tiempo de pasada del primer auto.
Se pide calcular E[L].
Condicionando respecto del tiempo en que pasar el primer auto, se tiene:
E[L] =

_
x=0
E[L/ T
1
= x] Pr {T
1
= x}
Sin embargo, el valor de E[L / T
1
= x] depende de si el peatn puede cruzar o no. Es decir:
E[L / T
1
= x] =
_
0 si x T
x +E[L] si x < T
CAPTULO 1. PROCESO DE POISSON 45
Luego:
E[L] =

_
x=0
E[L/ T
1
= x] Pr {T
1
= x}
=
T
_
x=0
(x +E[L]) f(x)dx
=
T
_
x=0
x f(x)dx +
T
_
x=0
E[L] f(x)dx
=
T
_
x=0
x f(x)dx +E[L] F(T)
Resolviendo para E[L], se obtiene:
E[L] =
1
1 F(T)
T
_
x=0
x f(x)dx

Vous aimerez peut-être aussi