Aula 09 Processos Estocásticos de Poisson

Processo de Poisson
Processos Estocasticos
Processos Estocasticos de Poisson
Bruno Barbosa Albert
Universidade Federal de Campina Grande
Centro de Engenharia El
etrica e Inform
atica
Departamento de Engenharia El
etrica
23 de setembro de 2010
Processos Estoc
asticos
Processo de Poisson
Sumario
Processo de Poisson
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Introducao
Tem papel importante em modelos que envolvem a contagem
de eventos.
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Introducao
de eventos.
Aplicacoes em
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Introducao
de eventos.
Aplicacoes em
teoria das filas
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Introducao
de eventos.
Aplicacoes em
teoria das filas
analise de confiabilidade.
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Introducao
de eventos.
Aplicacoes em
teoria das filas
analise de confiabilidade.
Vamos mostrar como o PE de Poisson contnuo no tempo

pode ser obtido como limite de um PE discreto no tempo.
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Definicao
Considere uma situacao
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Definicao
na qual eventos ocorrem em instantes de tempo aleatorios
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Definicao
com uma taxa de eventos por segundo.
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Definicao
Seja N(t) o n
umero de ocorrencias do evento no intervalo de
tempo [0, t].
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Definicao
Seja N(t) o n
umero de ocorrencias do evento no intervalo de
tempo [0, t].
N(t) e portanto um PE contnuo no tempo, com valores
inteiros e nao decrescente.
Processos Estoc
asticos
Processo de Poisson
Processos de Poisson
Uma funcao amostra de N(t), = 0, 8
n(t)
S5
S4
4
S3
3
S2
2
1
0
...
S1
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Definicao
Suponha que o intervalo [0, t] seja dividido em n subintervalos
de muito curta duracao = t/n.
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Definicao
...
0
n
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Definicao
...
n
Suponha que as seguintes condicoes sao verdadeiras:
1
A probabilidade de ocorrer dois eventos no subintervalo e

desprezvel em relacao a ocorrencia de um ou nenhum evento.
A ocorrencia ou nao de um evento em um subintervalo nao
sofre influencia dos outros subintervalos.
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Definicao
A primeira suposicao diz que cada subintervalo pode ser visto
como um experimento de Bernoulli.
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Definicao
A segunda suposicao implica que os experimentos de Bernoulli
sao independentes.
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Definicao
sao independentes.
As duas suposicoes implicam que o processo de contagem
N(t) pode ser aproximado por um processo de contagem
binomial.
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Definicao
sao independentes.
As duas suposicoes implicam que o processo de contagem
N(t) pode ser aproximado por um processo de contagem
binomial.
I1
I2
I3
I4 . . .
...
t
0
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Definicao
Se a probabilidade de ocorrencia de um evento em um
subintervalo for p entao o n
umero esperado de eventos no
intervalo [0, t] sera
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Definicao
intervalo [0, t] sera np.
Como eventos ocorrem a uma taxa de eventos/s, o n
umero
medio de eventos no intervalo [0, t] sera
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Definicao
umero
medio de eventos no intervalo [0, t] sera t, ou seja,
t = np
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Definicao
umero
medio de eventos no intervalo [0, t] sera t, ou seja,
t = np
Fazendo n (i.e. = t/n 0) e portanto p 0

enquanto que t = np permanece fixo (n e p 0 com
a mesma velocidade) entao a distribuicao binomial tende para
uma distribuicao de Poisson com parametro t. (pag 123 eq
3.40)
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Definicao
Conclumos, entao, que o n
umero de ocorrencia de eventos
N(t) no intervalo [0, t] tem uma distribuicao de Poisson com
esperanca t:
P[N(t) = k] =
(t)k t
e
k!
k = 0, 1, . . .
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Definicao
esperanca t:
P[N(t) = k] =
(t)k t
e
k!
k = 0, 1, . . .
Por essa razao N(t) e chamado de processo de Poisson.
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Definicao
esperanca t:
P[N(t) = k] =
(t)k t
e
k!
k = 0, 1, . . .

mN (t) = EN(t) = t
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Definicao
esperanca t:
P[N(t) = k] =
(t)k t
e
k!
k = 0, 1, . . .

mN (t) = EN(t) = t
var(N(t)) = t
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Definicao
O processo de Poisson herda as propriedades dos incrementos
independentes e estacionarios do processo binomial do qual foi
derivado.
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Definicao
derivado.
Isso permite calcular as fmp conjuntas de N(t) para quaisquer
n
umeros de pontos.
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Definicao
derivado.
n
umeros de pontos.
Para t1 < t2 ,
P[N(t1 ) = i, N(t2 ) = j] = P[N(t1 ) = i, N(t2 ) N(t1 ) = j i]
= P[N(t1 ) = i]P[N(t2 ) N(t1 ) = j i]
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Definicao
derivado.
n
umeros de pontos.
Para t1 < t2 ,
= P[N(t1 ) = i]P[N(t2 ) N(t1 ) = j i]
= P[N(t1 ) = i]P[N(t2 t1 ) = j i]
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Definicao
derivado.
n
umeros de pontos.
Para t1 < t2 ,
= P[N(t1 ) = i]P[N(t2 ) N(t1 ) = j i]
= P[N(t1 ) = i]P[N(t2 t1 ) = j i]
=
(t1 )i t1 [(t2 t1 )]ji (t2 t1 )

e
e
.
i!
(j i)!
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Autocovariancia
A autocovariancia do processo de Poisson pode ser calculada
de modo semelhante ao que foi realizado para o processo
soma.
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Autocovariancia
soma.
Considere inicialmente que t1 t2 ,
CN (t1 , t2 ) = E [(N(t1 ) EN(t1 ))(N(t2 ) EN(t2 ))]
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Autocovariancia
soma.
= E [(N(t1 ) t1 )(N(t2 ) t2 )]
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Autocovariancia
soma.
= E [(N(t1 ) t1 )(N(t2 ) t2 )]
= E [(N(t1 ) t1 )
{(N(t2 ) t2 ) + (N(t1 ) t1 ) (N(t1 ) t1 )}]
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Autocovariancia
soma.
= E [(N(t1 ) t1 )(N(t2 ) t2 )]
= E [(N(t1 ) t1 )
{(N(t2 ) t2 ) + (N(t1 ) t1 ) (N(t1 ) t1 )}]
= E [(N(t1 ) t1 )2 ]
+ E [(N(t1 ) t1 ){N(t2 ) N(t1 ) (t2 t1 )}]
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Autocovariancia (continuacao)
Continuando para t1 t2 ,
CN (t1 , t2 ) = var(N(t1 ))
+ E [(N(t1 ) t1 )]E [N(t2 ) N(t1 ) (t2 t1 )]
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
CN (t1 , t2 ) = var(N(t1 ))
+ E [(N(t1 ) t1 )]E [N(t2 ) N(t1 ) (t2 t1 )]
= var(N(t1 )) = t1 .
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
CN (t1 , t2 ) = var(N(t1 ))
+ E [(N(t1 ) t1 )]E [N(t2 ) N(t1 ) (t2 t1 )]
= var(N(t1 )) = t1 .
Usando o mesmo raciocnio para t2 t1 , obteramos
CN (t1 , t2 ) = var(N(t2 )) = t2 .
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
CN (t1 , t2 ) = var(N(t1 ))
+ E [(N(t1 ) t1 )]E [N(t2 ) N(t1 ) (t2 t1 )]
= var(N(t1 )) = t1 .
Usando o mesmo raciocnio para t2 t1 , obteramos
CN (t1 , t2 ) = var(N(t2 )) = t2 .
Generalizando
CN (t1 , t2 ) = min(t1 , t2 ).
Processos Estoc
asticos
Processo de Poisson
Gravador de mensagens
Um dispositivo gravador de mensagens de uma empresa de
telefonia recebe mensagens a uma taxa de 15 mensagens por
minuto de acordo com um processo de Poisson. Ache a
probabilidade de que em 1 minuto 3 mensagens cheguem durante
os 10 primeiros segundos e 2 mensagens cheguem durante os
u
ltimos 15 segundos.
Processos Estoc
asticos
Processo de Poisson
Solucao.
A taxa de chegada em segundos e = 15/60 = 1/4 msgs/s
Processos Estoc
asticos
Processo de Poisson
Solucao.
A taxa de chegada em segundos e = 15/60 = 1/4 msgs/s A
probabilidade de interesse e
P[N(10) = 3 e N(60) N(45) = 2].
Processos Estoc
asticos
Processo de Poisson
Solucao.
P[N(10) = 3 e N(60) N(45) = 2].
Aplicando primeiro a propriedade dos incrementos independentes e
depois dos incrementos estacionarios, temos,
Processos Estoc
asticos
Processo de Poisson
Solucao.
P[N(10) = 3 e N(60) N(45) = 2].
P[N(10) = 3 e N(60) N(45) = 2]
Processos Estoc
asticos
Processo de Poisson
Solucao.
P[N(10) = 3 e N(60) N(45) = 2].
P[N(10) = 3 e N(60) N(45) = 2]
= P[N(10) = 3]P[N(60) N(45) = 2]
Processos Estoc
asticos
Processo de Poisson
Solucao.
P[N(10) = 3 e N(60) N(45) = 2].
P[N(10) = 3 e N(60) N(45) = 2]
= P[N(10) = 3]P[N(60) N(45) = 2]
= P[N(10) = 3]P[N(60 45) = 2]
Processos Estoc
asticos
Processo de Poisson
Solucao.
P[N(10) = 3 e N(60) N(45) = 2].
P[N(10) = 3 e N(60) N(45) = 2]
= P[N(10) = 3]P[N(60) N(45) = 2]
= P[N(10) = 3]P[N(60 45) = 2]
=
(10/4)3 10/4 15/4 15/4

e
e
0, 0353.
3!
2!
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Tempo entre eventos
Considere o tempo T entre ocorrencias de eventos em um
processo de Poisson.
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Tempo entre eventos
Novamente divida o intervalo [0, t] em n subintervalos
= t/n.
...
0
n
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Tempo entre eventos
Novamente divida o intervalo [0, t] em n subintervalos
= t/n.
...
n
A probabilidade de que o tempo T entre eventos exceda t
segundos e equivalente a nao ocorrencia de nenhum evento
em t segundos:
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Tempo entre eventos
P[T > t] = P[Nenhum evento em t segundos]
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Tempo entre eventos
= (1 p)n
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Tempo entre eventos
= (1 p)n
t
= (1 )n
n
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Tempo entre eventos
= (1 p)n
t
= (1 )n
n
t
e
quando n .
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Tempo entre eventos
= (1 p)n
t
= (1 )n
n
t
e
quando n .
Usando Poisson
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Tempo entre eventos
= (1 p)n
t
= (1 )n
n
t
e
quando n .
Usando Poisson
= P[N(t) = 0]
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Tempo entre eventos
= (1 p)n
t
= (1 )n
n
t
e
quando n .
Usando Poisson
= P[N(t) = 0]
=
(t)0 t
e
= e t
0!
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Tempo entre eventos
Portanto T e uma v.a. exponencial com parametro .
FT (t) = P[T t] = 1 P[t > 1] = 1 e t .
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Tempo entre eventos
FT (t) = P[T t] = 1 P[t > 1] = 1 e t .
Defina Tn como o intervalo de tempo entre a ocorrencia do
(n 1)-esimo evento e o n-esimo evento.
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Tempo entre eventos
FT (t) = P[T t] = 1 P[t > 1] = 1 e t .
Tn e chamada de intervalo entre chegadas.
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Tempo entre eventos
FT (t) = P[T t] = 1 P[t > 1] = 1 e t .
Tn e chamada de intervalo entre chegadas.
Seja t1 , t2 , . . . os instantes de tempo em que os eventos
ocorreram entao
Tn
T1
T2
...
t
... t
t1 t2
tn
0
n1
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Teorema
A sequencia Tn e uma sequencia de v.as. exponenciais iid, com
parametro .
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Demonstracao.
A prova de que Tn e uma v.a exponencial foi realizada acima. A
seguir provaremos a independencia entre as v.as da sequencia.
Considere a probabilidade condicional,
t
0
T1
t1
T2
t2
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Demonstracao.
t
0
T1
t1
T2
t2
P[T2 > t|T1 = t1 ] = P[N(t1 + t) = 1|N(t1 ) = 1]
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Demonstracao.
t
0
T1
t1
T2
t2
P[T2 > t|T1 = t1 ] = P[N(t1 + t) = 1|N(t1 ) = 1]

= P[N(t1 + t) N(t1 ) = 0]
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Demonstracao.
t
0
T1
t1
T2
t2
P[T2 > t|T1 = t1 ] = P[N(t1 + t) = 1|N(t1 ) = 1]

= P[N(t1 + t) N(t1 ) = 0]
= P[N(t) = 0] = e t = P[T2 > t].
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Demonstracao.
t
0
T1
t1
T2
t2
P[T2 > t|T1 = t1 ] = P[N(t1 + t) = 1|N(t1 ) = 1]

= P[N(t1 + t) N(t1 ) = 0]
= P[N(t) = 0] = e t = P[T2 > t].
Logo T2 e independente de T1 , podemos estender esse resultado
para qualquer Tn e Tk , n 6= k.
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Tempo do n-esimo evento, Sn
Uma outra v.a de interesse e o tempo de ocorrencia do
n-esimo evento
Sn = T1 + T2 + . . . + Tn
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
n-esimo evento
Sn = T1 + T2 + . . . + Tn
Sn e a soma de n v.as. exponenciais iid e portanto tem uma
distribuicao de Erlang com parametro n e , (pag 363,
exemplo 7.5), definida por
fSn (y ) =
(y )n1
e y
(n 1)!
para y 0
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
n-esimo evento
Sn = T1 + T2 + . . . + Tn
Sn e a soma de n v.as. exponenciais iid e portanto tem uma
distribuicao de Erlang com parametro n e , (pag 363,
exemplo 7.5), definida por
fSn (y ) =
(y )n1
e y
(n 1)!
para y 0
Sn e chamado de processo de chegada.
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Exemplo
Ache a esperanca e a variancia do tempo ate a chegada da decima
mensagem do exemplo anterior.
Solucao.
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Exemplo
Solucao.
A taxa de chegada em segundos e = 1/4 msgs/s, os tempos
entre chegadas sao v.as. exponenciais iid com parametro logo
mT (n) = ETn = 1/ e var(Tn ) = 1/2 , assim
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Exemplo
Solucao.
ES10 = E
10
X
Tn = 10ETn = 10/ = 40s
n=1
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Exemplo
Solucao.
ES10 = E
10
X
Tn = 10ETn = 10/ = 40s
n=1
10
X
Tn ) = 10 var(Tn ) = 10/2 = 160s2
var(S10 ) = var(
n=1
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Nas aplicacoes do processo de Poisson para modelar os tempos
entre chegadas de clientes se diz que as chegadas ocorrem
aleatoriamente. O lema a seguir esclarece essa afirmacao.
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Lema
Suponha que exatamente uma chegada ocorreu no intervalo [0, t].
Entao o instante de chegada X desse cliente e uniformente
distribudo no intervalo [0, t].
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Lema
Demonstracao
Para 0 < x < t, N(x) representa o n
umero de eventos ate o tempo
x e N(t) N(x) representa o incremento no intervalo (x, t].
N(x)
x
N(t)
t
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Lema
Demonstracao
Para 0 < x < t, N(x) representa o n
umero de eventos ate o tempo
x e N(t) N(x) representa o incremento no intervalo (x, t].
N(x)
x
N(t)
N(t) N(x)
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Demonstracao (continuacao)
A fdc de X sera
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
A fdc de X sera
FX (x) = P[X x]
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
A fdc de X sera
FX (x) = P[X x]
= P[N(x) = 1|N(t) = 1]
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
A fdc de X sera
FX (x) = P[X x]
= P[N(x) = 1|N(t) = 1]
= P[N(x) = 1, N(t) = 1]/P[N(t) = 1]
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
A fdc de X sera
FX (x) = P[X x]
= P[N(x) = 1|N(t) = 1]
= P[N(x) = 1, N(t) = 1]/P[N(t) = 1]
= P[N(x) = 1, N(t) N(x) = 0]/P[N(t) = 1]
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
A fdc de X sera
FX (x) = P[X x]
= P[N(x) = 1|N(t) = 1]
= P[N(x) = 1, N(t) = 1]/P[N(t) = 1]
= P[N(x) = 1, N(t) N(x) = 0]/P[N(t) = 1]
= P[N(x) = 1]P[N(t) N(x) = 0]/P[N(t) = 1]
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
A fdc de X sera
FX (x) = P[X x]
= P[N(x) = 1|N(t) = 1]
= P[N(x) = 1, N(t) = 1]/P[N(t) = 1]
= P[N(x) = 1, N(t) N(x) = 0]/P[N(t) = 1]
= P[N(x) = 1]P[N(t) N(x) = 0]/P[N(t) = 1]
= P[N(x) = 1]P[N(t x) = 0]/P[N(t) = 1]
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
A fdc de X sera
FX (x) = P[X x]
= P[N(x) = 1|N(t) = 1]
= P[N(x) = 1, N(t) = 1]/P[N(t) = 1]
= P[N(x) = 1, N(t) N(x) = 0]/P[N(t) = 1]
= P[N(x) = 1]P[N(t) N(x) = 0]/P[N(t) = 1]
= P[N(x) = 1]P[N(t x) = 0]/P[N(t) = 1]
=
xe x e (tx)
te t
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
A fdc de X sera
FX (x) = P[X x]
= P[N(x) = 1|N(t) = 1]
= P[N(x) = 1, N(t) = 1]/P[N(t) = 1]
= P[N(x) = 1, N(t) N(x) = 0]/P[N(t) = 1]
= P[N(x) = 1]P[N(t) N(x) = 0]/P[N(t) = 1]
= P[N(x) = 1]P[N(t x) = 0]/P[N(t) = 1]
xe x e (tx)
te t
x
0<x <t
=
t
=
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Demonstracao (continuacao).
FX (x)
...
1
0
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Demonstracao (continuacao).
FX (x)
...
1
t
fX (x) = dFx (x)/dx = 1/t para 0 < x < t e 0 cc.

fX (x)
1/t
0
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Generalizando para k chegadas

Suponha que exatamente k chegadas ocorreram no intervalo [0, t].
Pode-se mostrar que os tempos de chegada individuais sao
distribudos independentes e uniformemente no intervalo [0, t].
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Generalizando para k chegadas

Suponha que exatamente k chegadas ocorreram no intervalo [0, t].
Pode-se mostrar que os tempos de chegada individuais sao
distribudos independentes e uniformemente no intervalo [0, t].
Exemplo
Suponha que dois clientes chegam a uma loja no perodo de dois
minutos. Ache a probabilidade de que ambos cheguem no primeiro
minuto.
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Solucao.
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Solucao.
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Solucao.
P[N(1) = 2|N(2) = 2] =
P[N(1) = 2, N(2) = 2]
P[N(2) = 2]
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Solucao.
P[N(1) = 2, N(2) = 2]
P[N(2) = 2]
P[N(1) = 2, N(2) N(1) = 0]
=
P[N(2) = 2]
P[N(1) = 2|N(2) = 2] =
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Solucao.
P[N(1) = 2, N(2) = 2]
P[N(2) = 2]
P[N(1) = 2, N(2) N(1) = 0]
=
P[N(2) = 2]
P[N(1) = 2]P[N(2 1) = 0]
=
P[N(2) = 2]
P[N(1) = 2|N(2) = 2] =
Processos Estoc
asticos
Processo de Poisson
Processo de Poisson
Solucao.
P[N(1) = 2, N(2) = 2]
P[N(2) = 2]
P[N(1) = 2, N(2) N(1) = 0]
=
P[N(2) = 2]
P[N(1) = 2]P[N(2 1) = 0]
=
P[N(2) = 2]
2
1
e e 2!
= .
=
4
2!(2)2 e 2
P[N(1) = 2|N(2) = 2] =
Processos Estoc
asticos

Aula 09 Processos Estocásticos de Poisson

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Aula 09 Processos Estocásticos de Poisson

Transféré par

Droits d'auteur :

Formats disponibles

Processo de Poisson

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Vamos mostrar como o PE de Poisson contnuo no tempo

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

A probabilidade de ocorrer dois eventos no subintervalo e

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Fazendo n (i.e. = t/n 0) e portanto p 0

Bruno Barbosa Albert

Por essa razao N(t) e chamado de processo de Poisson.

Bruno Barbosa Albert

Por essa razao N(t) e chamado de processo de Poisson.

Bruno Barbosa Albert

Por essa razao N(t) e chamado de processo de Poisson.

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

(t1 )i t1 [(t2 t1 )]ji (t2 t1 )

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

(10/4)3 10/4 15/4 15/4

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert

Bruno Barbosa Albert