Profesor: Ivn Derpich

Ayudante: Paulina Moreno

1 semestre 2010

Modelos Estocsticos
Ayudanta N 3
Proceso de Poisson
1. En un taller de mquinas de control numrico computarizado se procesan varios tipos de piezas, los
cuales van desde pernos, tuercas, planchas de acero, etc. En este taller hay maquinas que pueden
cumplir una tarea para varios tipos de piezas, ste es el caso de la maquina pulidora, la cual elimina
residuos o astillas propios de la fabricacin. La mquina fue programada para procesar tuercas y
tornillos al mismo tiempo. Estudios efectuados al interior de la fbrica mostraron que la fabricacin de
tornillos corresponde a un proceso de Poisson a tasa 1(unid/min) y que las tuercas se fabrican segn
un proceso de Poisson a tasa 2(unid/min). Se le ha encomendado a usted la siguiente tarea ya que el
encargado actualmente se encuentra estudiando otras mquinas al interior de la fbrica.
a. Qu tipo de proceso es el que cuenta el nmero de piezas procesadas en la mquina pulidora?
b. Si en un tiempo t llegaron n piezas correspondientes a tuercas Cul es la probabilidad de que
en ese tiempo t, llegaran k piezas correspondientes a tornillos?
c. Dado que la mquina proces 10 unidades en un tiempo t, cul es la probabilidad que estas 10
unidades sean tornillos?
d. Si la mquina proces un total de 100 unidades durante los primeros 5 minutos de trabajo,
cul es la probabilidad que durante los primeros 7 minutos de operacin procese 150
unidades?
2. En la sala de un hospital llegan pacientes segn un proceso de Poisson a tasa 2 (per./hora). En esta sala
hay un mdico que tiene un turno de 12 horas desde las seis de la maana hasta las seis de la tarde. Se
pide que calcule lo siguiente:
a. Si el mdico ha visitado a 6 pacientes a las 8 de la maana, Cul es la probabilidad de que ve a
un total de 9 pacientes antes de las 10 de la maana?
b. Cul es la probabilidad de que el tiempo entre llegada de pacientes sucesivos sea ms de una
hora?
c. Cul es el tiempo esperado entre desde que el mdico se hizo cargo de su turno hasta que ve
a su primer paciente?, Cul es la probabilidad de que vea a su primer paciente antes de 15
minutos desde que se hizo cargo de su turno?
d. De los pacientes que llegan al hospital, se calcula que el 14% viene por servicios de urgencias
Cmo se distribuye el proceso de conteo que cuenta a los pacientes de urgencia?, Cmo es la
probabilidad de que el mdico vea a seis pacientes de urgencia durante su turno?

3. En pleno invierno como es habitual las salas de emergencias de los hospitales no dan abasto, ya que
aumenta sustancialmente el nmero de enfermos. Las enfermedades respiratorias aumentan en esta
fecha ya sea por los fros, el smog, y la gran humedad que se produce luego de las lluvias. Se realizar
un estudio en una de estas salas de emergencias.
Por esto en la sala de emergencias del hospital Sotero del Ro llegan personas de acuerdo a un proceso
de Poisson a una tasa de 50 personas por hora. Como en invierno ocurren ciertos eventos especiales en
cuanto a salud hay un plan en el hospital que le permite funcionar adecuadamente frente a las crisis.
En el momento de recibir a los pacientes estos son designados a su correspondiente sector, siendo
este: enfermedades respiratorias, accidentes varios (cortes, quemaduras, fracturas, etc.) y emergencias
cardiacas. Las probabilidades asociadas a cada uno de los sectores de subdivisin de emergencias son
0.5, 0.38 y 0.12 respectivamente.
Responda:
a. Han llegado 120 pacientes dentro de la maana (7 a 10 horas) Cul es la probabilidad que
estas llegadas ocurrieran entre las 7 y las 9 horas?
b. Cul es la probabilidad de que dado que han llegado 18 pacientes sean para enfermedades
respiratorias?
c. Se quiere saber cul es la probabilidad de que durante la 1 AM. Y las 4 AM lleguen 10
pacientes a emergencias cardiacas?
d. Cul es la probabilidad que los siguientes 3 pacientes se designe un a cada sector, es decir,
que llegue uno con enfermedad respiratoria, otro con quemaduras y otro con complicaciones
cardiacas?

Desarrollo
1.a) Se tiene el siguiente esquema del proceso

Poisson (1)
N(t)?
Poisson (2)
Sea N1(t): Proceso de Poisson a tasa 1 (unid/min), que cuenta el numero de tornillos que llegan a ser
procesados a la maquina pulidora.
Sea N2(t): Proceso de Poisson a tasa 2 (unid/min), que cuenta el numero de tuercas que llegan a ser
procesados a la maquina pulidora.
Los procesos N1(t) y N2(t) son procesos independientes.
El proceso aqu descrito es una suma de procesos de Poisson, por lo tanto, el proceso N(t) es un proceso de
Poisson a tasa (1 + 2), el cual cumple con las propiedades de Incrementos Estacionarios, Incrementos
Independientes y la Propiedad de Orden.

Poisson (1)
Poisson (1 + 2)
Poisson (2)

b) Si se tiene que N1(t) y N2(t) son procesos de Poisson independientes, la llegada de un determinado
numero de piezas de un producto como la tuerca, no condiciona la llegada de los tornillos. Luego se
tiene que:
e-1t (1t) k
P[N1(t) = k / N(t)2 = n] = P[N(t)1 = k] =

k!
Si se quiere ver por otra forma:
P[N1(t) = k / N(t)2 = n] = P[N(t)1 = k, N(t)2 = n ] =

P[N(t)1 = k, N(t)2 = n ]
P [N(t)2 = n]

Se sabe que ambos procesos son independientes, luego

P[N1(t) = 10 / N(t)2 = 10] =

P[N(t)1 = k] * P[N(t)2 = n] =
P [N(t)2 = n]

P[N(t)1 = 10] * P[N(t)2 = 10] =

P [N(t)2 = 10]

e-1t (1t) k

P[N(t)1 = k] =

k!

c) Se sabe que N(t) = N1(t) + N2(t) y se esta condicionando a que N1(t) = 10 y N2(t) = 0, se tiene que:
P[N(t)1 = 10, N(t) = 10] =
P [N(t) = 10]

P[N(t)1 = 10, N(t)1 = 10, N(t)2 = 0] =

P [N(t) = 10]

P[N(t)1 = 10, N(t)2 = 0] =

P [N(t) = 10]

Se sabe que ambos procesos son independientes, luego:

e-1t (1t) 10
e-1t (2t) 0
10!
0!
P[N(t)1 = 10] * P[N(t)2 = 10] =
P [N(t) = 10]
e-(1+ 2)t (1+ 2) t) 10
10!

e-(1+ 2)t (1t) 10

e ( 1+ 2)t [(1+ 2)t]10

1
1 + 2

d) Se tiene la siguiente situacin:

N(5)=100

N(7)=150

P[N(7) = 150 / N(5) = 100] =

P[N(7) = 150, N(5) = 100] =

P [N(5) = 100]
P[N(2) = 50, N(5) = 100] =
P [N(5) = 100]

P[N(2) = 50] =

P[N(7-5) = 150-100, N(5) = 100] =

P [N(5) = 100]
P[N(2) = 50]*P[N(5) = 100]
P [N(5) = 100]

e-(1+2)t ((1 + 2)t) 50

50!

2.Sea N(t) proceso de Poisson que cuenta el numero de personas que llega al hospital.
a) Se considera como la hora cero a las seis de la maana, por lo tanto se tiene lo siguiente:

N(2)=6

4
N(4)=9

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

P[N(2) = 3] =

P[N(4) = 9, N(2) = 6] =
P [N(2) = 6]
e-2*2 (2*2) 3
3!

P[N(2) = 3, N(2) = 6] =
P [N(2) = 6]

P[N(2) = 3] * P[ N(2) = 6] =
P [N(2) = 6]

= 0.1954

b) Sea Ti el tiempo en que llega el i-simo paciente y Ti+1 el tiempo en que llega el (i+1)-simo paciente a
contar desde que llega el anterior paciente. Luego Ti y Ti+1, son tiempos entre eventos.

Ti

Ti+1

P[Ti+1 < x / Ti = y] Por ser tiempos entre eventos se disminuyen exponencialmente con tasa , luego por la
propiedad de falta de memoria de la distribucin exponencial no es informacin relevante cuanto tiempo tardo
en suceder el evento i, solo interesa desde que ocurri hasta que ocurri el evento i+1. Luego se tiene que
P[Ti+1 <= x / Ti = y] puede ser planteado como:
P[Ti+1 < x] = 1 - P[Ti+1 > x]
P[Ti+1 > x], significa que un periodo x no ocurra ningn evento, es decir:
P[Ti+1 > x]= P[N(x) = 0]= e-x
Finalmente se tiene que:
P[Ti+1 <= x] = 1 - P[Ti+1 > x] = 1 - e-x = e-2*1
c) Se sabe que E[N(t)]= *t, se indica en el enunciado que se tiene una esperanza de recibir una persona, y se
pregunta por la esperanza del tiempo, luego despejando se tiene:
E[N(t)]= 2*t = 1, luego el tiempo es t=1/2 horas.

d) Se tiene que es un descomposicin de procesos de Poisson, esta genera otros procesos de Poisson a tasa p,
donde p es la probabilidad de seguir un camino, dems esta decir que estos procesos tienen las mismas
propiedades que el proceso que los genera.
Poisson (p)
Poisson ()
Poisson ((1-p))
Donde p=0,14, luego se tiene:
P[Nur (12) = 6] =

e-(2*0,14)12 (2*0,14*12) 6
6!

= 0.0694

3.Definir:
N=numero de pacientes que llegan a la sala de emergencia del hospital Sotero del Ro en [0,t]~P(=50)
NR= numero de pacientes que llegan con enfermedades respiratorias [0,t]~P(R=25)
NA= numero de pacientes que llegan con quemaduras, cortadas, etc. [0,t]~P(A=19)
NC= numero de pacientes que llegan con complicaciones cardiacas [0,t]~P(C=6)
NR(t) ~ P(R=25)

N(t) ~ P(=50)

NA(t) ~ P(A=19)
NC(t) ~ P(C=6)

a) P[N(2)=120/N(3)=120] =

P[N(2) = 120, N(3) = 120] = P[N(2) = 120, N(3)-N(2) = 0] =

P [N(3) = 120]
P [N(3) = 120]
P[N(2) = 120]*P{N(1) = 0] =
P [N(3) = 120]

e-50*2 (50*2) 120

120!

P[N(2) = 120, N(1) = 0] =

P [N(3) = 120]

e-50*1 (50*1) 0
0!

= (2/3)120

e-50*3 (50*3) 120

120!
b) P[NR(t)=18/N(t)=18] =

P[NR(t) = 18, N(t) = 18] = P[NR(t) = 18, NC(t) = 0,NA(t)=0] =

P [N(t) = 18]
P [N(t) = 18]

P[NR(t) = 18]*P[NC(t) = 0]* P[NA(t)=0] =

P [N(t) = 18]

c) P[NC(3)=10] =

e-6*3 (6*3) 10 =
10!

d) P[NR(t)=1; NC(t)=1;NA(t)=1;N(t)=3] =

e-25*t (25*t) 1
1!

e-18 (18) 10
10!

e-25*t (25*t) 18
18!

e-6*t (6*t) 0
0!

e-50*t (50*t) 3
3!

= (1/2)18

e-50*t (50*t) 18
18!
= 0.0149

P[NR(t) = 1;NC(t) = 1;NA(t) = 1] =

P [N(t) = 3]
e-6*t (6*t) 1
1!

e-19*t (19*t) 0
0!

e-19*t (19*t) 1
1!

P[NR(t) = 1]*P[NC(t) = 1]*P[NA(t) = 1] =

P [N(t) = 3]

= 3! * 25* 6 * 19
503

= 0.1368