Vous êtes sur la page 1sur 18

1

Investigacin de Operaciones II
Ejercicios Procesos de Poisson
Ivn Derpich Contreras


Pregunta N1. Una fabrica de zapatos de exportacin, ha iniciado la
fabricacin de un lote de 1.000 pares, de diferentes modelos y nmeros. Los
tiempos de proceso en cada una de las etapas son variables aleatorias.
Luego el tiempo total de fabricacin del lote es tambin aleatorio, y como
ocurre generalmente en estos casos, los tiempos entre llegadas de pares
terminadas a Envase sigue una distribucin exponencial con tasa promedio
de 100 pares/hora. (Envase es la ltima estacin de la lnea de fabricacin).

Bajo un sistema de turnos la planta trabaja 10 horas seguidas por da. Se
sabe que el lote total se completar antes del trmino de la jornada, ya que
existe capacidad suficiente en la fbrica. Sin embargo hay incertidumbre
respecto a que se pueda producir congestin en envase en algn lapso del
da y se quieren adelantar medidas.

Por esta razn interesa saber

a) Cul es la probabilidad de que lleguen ms de 100 pares por hora?

b) Cul es la probabilidad de que a 2 horas de terminar la jornada hayan
llegado el 80% del lote o ms?

Solucin:

Sea X(t) : cantidad de pares de zapatos que llegan a envase en [0,t] y

Sea Ti : Tiempo entre la transaccin i-sima y la transaccin i-1.

) / 100 exp( hr pares T
i
=

a) ( ) A X X P = = = ?? 1000 ) 10 ( 100 ) 1 (

El enunciado dice que se completa el nmero de 1000 pares al final de la jornada.
Como los pares llegan con tiempos con distribucin exponencial, entonces el
nmero de pares de zapatos es un Proceso de Poisson.

Se sabe que 000 . 1 ) 10 ( = X ) (t X est condicionado
2

Luego ( ) p Binomial t X , 1000 ) ( con 1 , 0
10
1
= = p

( ) [ ]
[ ]


=
=
= = =
= = = = =
99
0
1000
100
1000 ) 10 ( ) 1 ( 1
1000 ) 10 ( ) 1 ( 1000 ) 10 ( 100 ) 1 (
k
k
X k X P
X k X P X X P A


( ) ( )
k k
k
k
A

=

|
|

\
|
=

1000
99
0
1 , 0 1 1 , 0
1000
1

Esta es una respuesta correcta.


El clculo de trmino correspondiente a la sumatoria, es muy difcil de calcular por
la cantidad de trminos que deben sumarse. Por esta razn se aproximar por la
distribucin normal.

La Varianza de la distribucin de Poisson es y la desviacin estndar es
hora pares / 10 =

Sea Y una distribucin normal equivalente a la distribucin de Poisson

) , (
Y Y
N Y
hr pares hr pares
Y Y
/ 10 / 100 = = = =

Construyamos la variable Z normalizada

10
100
=
X
Z

( ) 46 , 0 1 , 0
10
1
10
100 99
10
100
= =
(


=
(

Z P
X
P


54 , 0 ) 1 , 0 ( 1 = = A


b) [ ] B X X P = = = ?? 1000 ) 10 ( 800 ) 8 (

3
[ ] = = = =

=
1000
800
1000 ) 10 ( ) 8 (
k
X k X P B

( ) )
10
8
; 1000 ( 8 Binomial X

( ) ( ) ( ) ( ) =
|
|

\
|
=
|
|

\
|
=

=

=

k k
k
k k
k
k k
B
1000
799
0
1000
1000
800
8 , 0 1 8 , 0
1000
1 8 , 0 1 8 , 0
1000


Utilizando la misma variable Z normalizada. Ahora la media y varianza siguientes:
hr pares t hr pares hr pares t
Y Y
/ 28 , 28 800 / 800 / 8 * 100 = = = = = =

( ) 5141 , 0 4858 , 0 1 035 , 0 1
28 , 28
1
1
100 * 8
800 799
1 = = = |

\
|
=
|
|

\
|
= B

Pregunta N2. Un alumno de Ingeniera Industrial estaciona ilegalmente su
vehculo en los alrededores de la Facultad dos veces al da por el perodo de
una hora cada vez. La pasada de los inspectores municipales o Carabineros
de Trnsito es un Proceso de Poisson con un promedio de pasadas por
hora. Cul es la probabilidad de que no le pasen un parte?

Solucin: Primero, no le dicen a que hora se estaciona, si no solamente que
estaciona en dos segmentos de dos horas, lo que si sabe, es que un proceso de
Poisson, por lo que, por los incrementos independientes, lo que pase en una hora,
es independiente de lo que pase en el otro intervalo de tiempo.

Sea ) (t N el nmero de partes en el intervalo ] , 0 [ t .

Si llamamos 1
1
= t , el primer intervalo de una hora, y 1
2
= t el de la segunda hora,
la probabilidad buscada es:
( )
2
2 1
) 0 ) ( ( ) 0 ) ( (

= = = = = e e e t N P t N P partes tener No P

Por la misma razn anterior, la solucin es equivalente a calcular cero partes en
dos horas continuas.




Pregunta N3. En un da de verano, los buses con turistas que llegan a Curico
lo hacen segn un proceso Poisson con un promedio de cinco autobuses por
hora. El pueblo de Curico es famoso en el mundo por sus tortas y vinos.
Cada bus espera una hora o dos horas en Curico con probabilidades iguales.
4
Cada autobs trae 50, 75 o 100 turistas con probabilidades respectivas de
, y . Calcule una aproximacin normal para la probabilidad que ms
1000 turistas hayan entrado a Curico hasta las 4 de la tarde, suponga que el
da lo cuenta desde las 00:00 horas. Indicacin: Defina X como el nmero de
turistas, Usted debe calcular .

Solucin:

El Proceso de Poisson est asociado con la llegada de Buses, pero el Nmero de
Turistas no obedece a un proceso de conteo, pero dada la naturaleza de la llegada
de los buses, el proceso que cuenta el nmero de turistas es un proceso
compuesto.

Sea ) (t N el nmero de turistas.

Interesa calcular ) 1000 ) 16 ( ( N P . Dado que es proceso compuesto y nos dicen
que debemos usar una aproximacin normal, para usarla debemos identificar el
promedio y la desviacin estndar de ) (t N .

Sea
i
X el nmero de turistas.

t X E t N E
i
) ( )) ( ( =
t X E t N Var
i
) ( )) ( (
2
=

Calculamos los valores esperados de
i
X :

. 75 100
4
1
75
2
1
50
4
1
) ( = + + =
i
X E
. 5 . 5937 100
4
1
75
2
1
50
4
1
) (
2 2 2 2
= + + =
i
X E

. 6000 16 5 75 16 ) ( )) 16 ( ( = = =
i
X E N E
. 475000 16 5 5 . 5937 16 ) ( )) 16 ( (
2
= = =
i
X E N Var
. 20 . 689 16 ) ( )) 16 ( (
2
= =
i
X E N

Entonces:
( ). 25 . 7 1
20 . 689
5000
1 )
20 . 689
6000 1000
20 . 689
6000 ) 16 (
( = |

\
|
=

N
P



5
Pregunta N4. A un acto eleccionario llegan personas a votar de acuerdo a un
Proceso de Poisson a tasa . Cada persona, independientemente de los
dems, vota con probabilidad 0,5 por el candidato 1 y con probabilidad 0,5
por el candidato 2. Suponga que la votacin comienza en t=0 y que tiene
duracin infinita.

a) Si se sabe que llegaron 1000 personas a votar durante las primeras 5
horas. Cul es la probabilidad de que el candidato 1 reciba n de estos votos
en el mismo perodo de tiempo ?

b) Si se sabe que llegaron 1000 personas a votar en las primeras 5 horas.
Cul es la probabilidad de que el candidato 1 reciba n de estos votos en
las primeras 3 horas de votacin ?

c) Sea H el instante de llegada de la primera persona a votar por el candidato
1. Encuentre la distribucin de probabilidades de H.

d) Encuentre la distribucin de probabilidades del nmero personas que
votan por el candidato 2, antes de que se complete el tiempo promedio en
que llegue la primera persona que vota por el candidato 1.

Desarrollo:

a) Sea
( ) . 0 : t y entre votar a llegan que personas n t N
y Sea
( ) . 1 , 0 :
1
candidato el por t y entre votar a llegan que personas n t N
( )
( )
1000 ; ?
1000 5
5
1
=
|

\
|
=
=
n
N
n N
P
( ) t N
1
condicionado a ( ) 1000 = t N , es binomial por lo tanto:
( )
( )
) 5 , 0 ; 1000 (
5
5
1
Binomial
N
N

Luego
( )
( )
( ) ( ) 1000 ; 5 , 0 5 , 0
1000
1000 5
5 1000
1

|
|

\
|
=
|

\
|
=
=
n
n
N
n N
P
n n


b)
( )
( )
1000 ; ?
1000 5
3
1
=
|

\
|
=
=
n
N
n N
P

Sea p : probabilidad de que uno de las 1000 personas que llegaran a votar entre 0
y 5, lo hagan en el intervalo [0,3] y adems voten por el candidato 1.

3 , 0
5
3
* 5 , 0 = = p
6

( )
( )
) ; 1000 (
5
5
1
p Binomial
N
N


( )
( )
( ) 1000 ; 1
1000
1000 5
3 1000
1

|
|

\
|
=
|

\
|
=
=
n p p
n
N
n N
P
n n


( )
( )
( ) ( ) 1000 ; 7 , 0 3 , 0
1000
1000 5
3 1000
1

|
|

\
|
=
|

\
|
=
=
n
n
N
n N
P
n n



c) Si ( ) t N es Poisson con tasa , entonces ,... ,
2 1
T T tiempos entre llegadas de
personas a votar, distribuyen exponencial con la misma tasa.

d) Sea
1
1
T tiempo de la primera persona que vota por el candidato 1. Luego

( )
* 5 , 0
1
1
1
= T E
( ) ( ) ( ) 1
* 5 , 0
1
* * 5 , 0
1
1 2
= =

T E N P

Pregunta N 5. Se tiene una central telefnica que recibe llamadas de
acuerdo a un proceso de Poisson a tasa 10 = (llamadas/hora). Se define
( )
2 1
, t t N como el nmero de llamadas que se han recibido entre
1
t y
2
t . El
servicio ha comenzado a operar a las 8:00 de la maana y se sabe que
( ) . 9 10 , 8 = N

a) Si no se ha recibido ninguna llamada desde la 9:45 hrs. Cul es la
probabilidad de que la siguiente llamada ocurra antes de las 10:20hrs. ?

b) Cul es la probabilidad de que no se reciba ninguna llamada por ms de
40 minutos, comenzando a las 9:45 hrs.?

c) Si la telefonista trabaja 8 horas en su turno cuantas llamadas recibir en
promedio ?

d) Cul es la probabilidad de que a las 11:00 hrs. se hayan recibido 30
llamadas en total ?

e) La telefonista ha estado muy ocupada durante las primeras 4 horas de su
turno y le comenta a su compaero de trabajo en su hora de colacin: Este
ser un da muy ocupado, en la maana casi no he podido descansar.
7
Desarrollo:

a) Fijando el t=0 en la hora 9:45 hr.

Sea
1
T el tiempo para el primer evento medido desde el instante t=0, luego:

( ) = =
350 35 *
1
1 1 35 e e T P



b) ( )
400 40 *
40

= = e e T P
i



c) Sea N: n de llamadas que recibe la telefonista en su turno.

( ) 80 8 * = = N E llamadas

d) ( ) ( ) ( ) ( )
( )
084 , 0
! 21
20
! 21
2 *
21 11 , 9 30 11 , 8
21
20
21
2 *
= = = = = e e N P N P




Pregunta N 6. Usando sus conocimientos del curso responda lo siguiente:

El centro que recibe llamadas de emergencia de una ciudad recibe en
promedio 42 llamadas por hora en la hora punta, comprendida entre las 9 y
13 horas AM. Cada llamada requiere alrededor de 2 minutos de la telefonista
para atender y derivar la llamada al personal correspondiente (bomberos,
carabineros o ambulancia). El centro debe tener un adecuado nmero de
telefonistas, y se ha pedido a un consultor que determine el nmero
adecuado de telefonistas. El consultor asume que las llamadas entran en un
orden completamente aleatorio y por lo tanto aplica el Proceso de Poisson.
Sin embargo, el telefonista actual puntualiza que entre las 10 y las 12 hrs.
llegan muchas ms llamadas que en el resto del tiempo. Qu implica este
hecho para el uso de la distribucin de Poisson ?

Solucin:

No se cumple la propiedad de incrementos estacionarios, por lo tanto es un
proceso de Poisson No Homogeneo. La frmula de la probabilidad del proceso es :
[ ]
!
) , (
} ) , ( {
2 1 ) , (
2 1
2 1
n
t t m
e n t t X P
n
t t m
= = para ,... 2 , 1 , 0 = n
8

( )


+ +
+
+


=
10 10 / 42
12 10 ) 12 ( 42 ) 10 12 ( 10 ( 42
12 10 42 ) 12 ( ) 12 (
12 10 10 ) 10 ( ) 10 ( 42
12 10 /
12 12 / 42
,
2 1
2 1 2 1 1
2 1 2 1 1
2 1 2 1 1
2 1 1
2 1
2 1
t y t si hora llamada
t y t si t t
t y t si t t
t y t si t t
t y t si hora llamadas
t y t si hora llamadas
t t m


Pregunta N 7. En la Bolsa de Comercio de Santiago, se ha estudiado el
comportamiento de las compras y ventas de acciones. En un da normal se
van produciendo transacciones segn un proceso de Poisson a una tasa
promedio de 10 operaciones por hora. Sin embargo un cierto da, una vez
iniciada la jornada pasa una hora sin que se produzcan transacciones. Cul
es la probabilidad de que pase otra hora sin transacciones?

Solucin:

Sea X(t) : cantidad de transacciones en la Bolsa de Comercio en [0,t]

) / 10 ( ) ( hora tr Poisson t X =

Sea Ti : Tiempo entre la transaccin i-sima y la transaccin i-1.

) / 10 exp( hr tr T
i
=

[ ]
[ ]
[ ]
[ ]
00004539 , 0
1
2
1
1 2
1
2
10
2
= =
= =


=
|

\
|

e e
e
e
T P
T P
T P
T T P
T
T
P
i
i
i
i i
i
i




Pregunta 8. Considere una peluquera con dos peluqueras, que estn
desocupadas cuando ingresan simultneamente tres personas desconocidas
entre si X, Y y Z. Las personas X e Y son atendidas y Z espera. Cul es la
probabilidad de que la persona X est an siendo atendida cuando Y y Z se
hayan ido de la peluquera ? si:

a) Los tiempos de servicio son no aleatorios de 10 minutos en cada
atencin.
b) Los tiempos de servicio toman el valor i con probabilidad 4 , 3 , 2 , 1 ;
1
= i
i

c) Los tiempos de servicio son exponenciales con media

1
.
Los tiempos de atencin de cada peluquera son independientes.
9
Desarrollo:
a) Si el tiempo es no aleatorio al minuto 10 se desocupan las dos peluqueras y
una de ellas atiende a Z, por lo tanto la probabilidad pedida es 0.
b) Sea p la probabilidad pedida:

( ) s T P
s T
T T T
P p
X
S
X
X Z Y
=
|

\
|
=
< +
=

=
4
1


En que
Y
T : tiempo de atencin de la persona Y, medido desde la llegada de las
personas a la peluquera.

X
T : tiempo de atencin de la persona X, medido desde la llegada de las
personas a la peluquera.

Z
T : tiempo de Atencin de la persona Z, medido desde que termina el
servicio de la persona Y.

( ) ( )
( ) ( ) 4
4
3
3
2
2
1
1
=
|

\
|
=
< +
+ =
|

\
|
=
< +
+ =
|

\
|
=
< +
+ =
|

\
|
=
< +
=
X
X
X Z Y
X
X
X Z Y
X
X
X Z Y
X
X
X Z Y
T P
T
T T T
P T P
T
T T T
P
T P
T
T T T
P T P
T
T T T
P p



|

\
|
(

\
|
=
= =
+
|

\
|
=
= =
+
|

\
|
=
= =
+ |

\
|
|

\
|
=
= =
+ + =
4
1
4
1 2
4
2 1
4
1 1
4
1
3
1 1
0 0
X
Z Y
X
Z Y
X
Z Y
X
Z Y
T
T T
P
T
T T
P
T
T T
P
T
T T
P p


( ) ( ) ( )
( )
( ) ( ) ( )
( )
( ) ( ) ( )
( )
( ) ( ) ( )
( )
|

\
|
(

=
= = =
+
=
= = =
+
=
= = =
+ |

\
|
=
= = =
=
4
1
4
4 1 2
4
4 2 1
4
4 1 1
4
1
3
3 1 1
X
X Z Y
X
X Z Y
X
X Z Y
X
X Z Y
T P
T P T P T P
T P
T P T P T P
T P
T P T P T P
T P
T P T P T P
p

16
1
4
1
4
1
4
4
1
4
1
4
1
4
1
4
1
2 3 2 2 2 3
= |

\
|
= |

\
|
= |

\
|
(
(

\
|
+ |

\
|
+ |

\
|
+ |

\
|
= p


c) Sea p la probabilidad pedida:

( ) s T P
s T
T T T
P p
X
S
X
X Z Y
=
|

\
|
=
< +
=

=
4
1

( )

=
=
=
|

\
|
=
< +
=
s
s
X
A
X
X Z Y
ds s T P
s T
T T T
P p
0
4 4 4 4 3 4 4 4 4 2 1


10
( ) ( )

=
|

\
|
=
< +
= < + =
s
Z
Z
Z Y
Z Y
dr r T P
r T
s T T
P s T T P A
0


( ) ( )
( )
( )
( )

=

= = = < =
4 43 4 42 1
B
s
r
rs r r r
s
r s
r
z Y
dr e dr e dr e e dr r T P r s T P A
0 0 0
2 2
1


= B

Pregunta N 8. Se tiene una componente, en la cual el nmero de fallas se
designa por ( ) { }
; 0 N t t . El proceso ( ) { }
; 0 N t t es un proceso de Poisson a
tasa . Esta tasa es tal que la componente falla en promedio 1 vez cada 500
horas. La componente ha operado correctamente (sin fallar) 500 horas. Se
sabe, por especificaciones de fabrica, que la componente a lo ms puede
durar un tiempo total 2500 horas.
a) Obtenga la probabilidad de que la componente dure 1000 horas en
total.
b) Obtenga la probabilidad de que la componente dure 1500 horas ms.
c) Obtenga el valor esperado de la vida de la componente.

Desarrollo:
Si no se considera de manera directa el comentario Se sabe, por especificaciones
de fabrica, que la componente a lo ms puede durar un tiempo total 2500 horas la
respuesta es:

a) Sea
i
T el tiempo entre l falla i-sima y la anterior.

) exp(
i
T con
500
1
= fallas/hora

Se pide
( )
( )
( )
( ) 500
1000
500
500 1000
500
1000


=
|

\
|

i
i
i
i i
i
i
T P
T P
T P
T T P
T
T
P

36 , 0
1
500 *
500
1
500 *
500 *
1000 *
= = = =

e e e
e
e



b) ( ) 049 , 0 1500
3
1500 *
500
1
1500 *
1
= = = =

e e e T P



c) ( ) 1000 500 500 500
1
= + = + =

T E horas

II. Si se considera el comentario anterior la respuesta es :

11
a) =
|

\
|

500 2500
1000
i
i
T
T
P

es decir ocurre al menos una falla entre las 500 horas y las 2500 horas, con igual
probabilidad.

Por lo tanto ( ) 2500 , 500 U T
i


( ) 5 , 0
2
1
1
500 2500
1000
1 1000 = =

=
i
T P

b) 25 , 0
4
3
1
2000
1500
1
500 2500
1500
= = =
|

\
|

i
i
T
T
P

c) ( ) 1000
2
500 2500
=

= T E

Pregunta N9. Histricamente, una empresa industrial ha experimentado 0,85
accidentes laborales mensuales en el taller. Un ao atrs el administrador de
planta, instaur nuevas medidas de seguridad para reducir el nmero de
trabajadores accidentados. Durante el ao pasado, hubo 7 accidentes
laborales en el taller. es esta suficiente evidencia para concluir que el
nmero promedio de accidentes laborales, ha disminuido despus de la
implementacin de las nuevas medidas de seguridad ?

Solucin:
La tasa histrica es de 0,85 accidentes/mes lo que da al ao
0,85*12= 10,2 accidentes/ao
Suponiendo que el nmero de accidentes distribuye Poisson con tasa media de
10,2 acc/ao.
Sea X(t) : n de accidentes entre 0 y t expresado el tiempo en aos.
Calculemos la probabilidad del evento que ha ocurrido, es decir que X(1)=7
{ } 066 , 0
! 7
2 , 10
! 7
) 1 * (
7 ) 1 (
7
2 , 10
7
1 *
= = = =

e e X P


Adems se pueden calcular las siguientes probabilidades
x P(X(1)=x) F(x)
0 0,00003 0,00003
1 0,00038 0,00042
2 0,00197 0,00239
3 0,00671 0,0091
4 0, 0,01711 0,02622
5 0,0349 0,06113
12
De este cuadro se puede concluir que con un 95% de probabilidad los valores de
X(t) , estarn sobre 4. Por lo tanto el valor X(1)=7 entonces cae dentro de este
criterio y por lo tanto no es significativo para aceptar la hiptesis de cambio en la
tasa media.

Pregunta N 10. Se ha estudiado el comportamiento de fallas de un equipo
electrgeno, que da servicio a una empresa. Se ha determinado que el tiempo
sin fallar del equipo sigue una distribucin exponencial, con tiempo medio
entre fallas de 14,5 horas. Desde la ltima vez que fall, el equipo lleva 10
horas en servicio normal. Cul es la probabilidad de que supere el tiempo
medio de falla sin fallar ?

Solucin: Sea hora llamadas horas T / 06896552 , 0
5 , 14
1
5 , 14 = = =
Sea
i
T T T ,..., ,
2 1
los tiempos entre fallas correspondientes a la primera falla, la
segunda, etc. Entonces lo que se pregunta es : ????
10
5 , 14
1
1
=
(

T
T
P

[ ]
[ ]
[ ]
[ ]

5 , 4
10
5 , 14
1
1
1
1 1
1
1
10
5 , 14
10
10 5 , 14
10
5 , 14

= =


=
(

e
e
e
T P
T P
T P
T T P
T
T
P

733 , 0
10
5 , 14 3103 , 0 5 , 14
1
5 , 4
5 , 4
1
1
= = = =
(

\
|

e e e
T
T
P



Pregunta N 15. A un cine llegan personas a ver una pelcula, de acuerdo a un
proceso de Poisson a tasa 15 personas por minuto.
a) Durante los primeros 40 minutos llegaron 200 personas Cul es la
probabilidad de que la cuarta parte de estas haya llegado en los primeros 10
minutos?
b) Se sabe que durante los primeros 10 minutos llegaron al menos 40
personas. Cul es la probabilidad de que durante los primeros 20 minutos
llegue un total de 75 personas ?

Solucin:

Sea X(t): cantidad de personas que llegan al cine en el intervalo [0,t]
) ( ) ( Poisson t X con 15 = personas/minuto
a) Lo que se pregunta es ??
200 ) 40 (
50 ) 10 (
=
(

=
=
X
X
P
Se puede demostrar que ( )
40
10
, 200
200 ) 40 (
) 10 (
Binomial
X
X

=


Luego ( ) ( ) 065029 , 0
4
3
4
1
50
200
200 ) 40 (
50 ) 10 (
50 200 50
=
|
|

\
|
=
(

=
=

X
X
P
13

b) Se pregunta ??
40 ) 10 (
75 ) 20 (
=
(

=
X
X
P Este trmino debe desarrollarse
asi:

[ ] k X P
k X
X
P
X
X
P
k
=
(

=
=
=
(

=
) 10 ( *
) 10 (
75 ) 20 (
40 ) 10 (
75 ) 20 (
75
40


Llamemos A al trmino
(

=
=
k X
X
P
) 10 (
75 ) 20 (
entonces :

[ ] [ ] k X P k X X P
k X
X
P A = = = =
(

=
=
= 75 ) 10 ( 75 ) 10 ( ) 20 (
) 10 (
75 ) 20 (

Reemplazando el termino anterior:

[ ] [ ] k X P k X P
X
X
P
k
= = =
(

=
) 10 ( * 75 ) 10 (
40 ) 10 (
75 ) 20 (
75
40


ahora basta reemplazar en cada probabilidad la formula de Poisson.

( )
( )
( )
( )
( )

=

=

=

=
(

=
75
40
75 20 10
75
10
75
40
! ! 75
1
10
!
10
*
! 75
10
40 ) 10 (
75 ) 20 (
k
k k
k
k k
e
k
e
k
e
X
X
P



14
15
EJERCICIOS PROPUESTOS

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 ste taller hay mquinas que pueden cumplir una tarea para varios tipos de
piezas, ste es el caso de la mquina pulidora, la cul 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
( )
min
2
1
unid
= y que las tuercas se fabrican segn un proceso de Poisson a tasa
( )
min
1
2
unid
= . 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 los primeros 120 minutos llegaron 100 piezas correspondientes a
tuercas, Cul es la probabilidad de que en ese tiempo, llegaran k piezas
correspondientes a tornillos?
c) Dado que la mquina proces 10 unidades en un tiempo de10 minutos,
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.- Dos individuos A y B esperan un rin para ser trasplantados. Se sabe que una
persona en la situacin de A puede vivir un tiempo exponencial, y que en promedio
tiene un tiempo de vida
A
t , similarmente se sabe que una persona en la situacin
de B puede durar en promedio sin trasplante un tiempo
B
t . Las llegadas de riones
para ser trasplantados llegan segn un proceso de Poisson con parmetro . Se ha
decidido que primer rin ser para A (o para B si B vive y A no) y el siguiente para
B (si an vive).
a) Cul es la probabilidad de que A obtenga un rin ?
b) Cul es la probabilidad de que B obtenga un rin ?

3.- Se tiene una componente de un equipo de fuerza. El n de fallas del equipo
sigue una distribucin de Poisson a tasa .

a) Se sabe que la componente lleva T unidades de tiempo sin fallar. Cul es
la probabilidad de que falle antes de t unidades de tiempo (medido desde el
instante T).
b) Cual es el valor esperado de la duracin de la componente ?

16

4.- A una tienda comercial en un Mall, llegan clientes segn un Proceso de Poisson
a tasa de 100 personas por hora. Los clientes ingresan por un acceso desde donde
pueden ir a la Seccin Nios con probabilidad 0,6 o a la Seccin Zapatera con
probabilidad 0,4. Los clientes que se dirigen a la Seccin Nios despus de pasar
por esta seccin siempre se retiran de la tienda. Sin embargo, los clientes que se
dirigen a la Seccin Zapatera al salir de sta, se dirigen a la Seccin Nios con
probabilidad 0,6; o vuelven a ingresar a la Seccin Zapatera con probabilidad 0,4.

a) Calcule el flujo neto de clientes por unidad de tempo en cada seccin.
b) Obtenga la distribucin de probabilidades del nmero de personas que
llegan a la Seccin Nios.


5.- Se sabe que un total de N estudiantes que han sido aceptados en la Carrera de
Ingeniera de la Universidad de Santiago de Chile, se acercarn a la Oficina de
Admisin para realizar su trmite de matrcula. Suponga que los alumnos llegan a
la oficina segn un Proceso de Poisson a tasa y que la oficina estar abierta entre
las 9 y las 18 horas y no cierra al medioda. Sea X(t) el nmero de personas que
llegan a la oficina de Admisin entre la hora de apertura y el instante t.

a) Obtenga la distribucin de probabilidades de X(t)
b) Obtenga el valor esperado del nmero de personas que llagan entre las 9 y
las 13 horas.

6.- Sean los eventos 1 y 2, dos eventos independientes, cada uno se comporta
segn un proceso de Poisson con tasas 1

y 2

respectivamente.

a) Encuentre la probabilidad de que el evento 1 ocurra antes del evento 2.
b) Encuentre el valor esperado del tiempo para que ocurra un evento
cualquiera.

7. Una empresa de transportes ofrece el siguiente servicio para transporte de
empleados a diferentes empresas a travs del corredor las Condes Centro. Los
buses salen desde la Escuela Militar y termina su recorrido en la estacin Moneda
en un sistema circular, es decir no se detienen. La empresa dispone de dos tipos
de buses, expresos y ordinarios. El pasajero debidamente acreditado puede usar
cualquiera de los buses. Los buses de ambos tipos pasan segn una distribucin
de Poisson.

Los buses expresos pasan cada media hora en promedio y demoran un tiempo fijo
de 10 minutos, mientras que los buses lentos pasan cada 10 minutos promedio y
demoran un tiempo fijo de 30 minutos.
17

a) Cul es la probabilidad de que pase antes un bus expreso que un ordinario?
b) Si usted toma el primer bus que pasa cual es el valor esperado de su tiempo
de viaje ?
c) Si usted sigue la estrategia de tomar el bus ordinario Cual es su tiempo de
viaje ?

8.Se juega un partido de ftbol por las clasificatorias, entre la seleccin chilena y
otra seleccin de un pas vecino. Las personas llegan a la boletera de una cierta
tribuna segn un proceso de Poisson a tasa de 200 personas/minuto. Se debe
suponer que la capacidad de la tribuna es infinita, sin embargo a los hinchas no les
gusta quedar muy aglomerados en la tribuna. Por esta razn preguntan en la
boletera por el nmero de personas que ya han ingresado (supongamos que el
boletero dispone de la informacin exacta).

Si este nmero es menor a 20.000 las personas siempre ingresan. Si es mayor o
igual a 20.000, con probabilidad 0,25 ingresan ; en caso contrario se devuelven a
su casa.

a) Obtenga una expresin para la probabilidad de que ninguna persona se
devuelva a su casa durante la primera hora de operacin del proceso.
b) Cul es la probabilidad de que durante las primeras dos horas se
devuelvan 1.000 personas?
c) Suponga que se define el proceso de conteo M(t) como el nmero de
personas que se han devuelto a sus casa durante las primeras t unidades
de tiempo. Tiene este proceso incrementos independientes ?
Incrementos estacionarios?
d) Suponga que ud. observa el proceso en un instante t especifico y se
informa que hay ya en el estadio 25.000 personas. Cul es la probabilidad
de que pasen mas de 5 segundos sin que ingrese un nuevo individuo al
estadio ?
e) Cul es el tiempo esperado que transcurre hasta que han ingresado
80.000 personas al estadio ?

9. Llegan inmigrantes a un territorio de acuerdo a un proceso de poisson a tasa 10
personas/semana. Cada inmigrante es de raza amarilla con probabilidad 1/12
Cul es la probabilidad de que no lleguen inmigrantes de raza amarilla al
territorio durante un mes ?
18