Proceso de Poisson

REPÚBLICA BOLIVARIANA DE VENEZUELA
MINISTERIO DEL PODER POPULAR PARA LA DEFENSA

UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA
DE LA FUERZA ARMADA NACIONAL BOLIVARIANA
TUCUPITA, ESTADO DELTA AMACURO.
Facilitador: Realizado por:

Licdo. Melvin Romero TSU. Maryorie Elena González
Montero
C.I. 17.525.406
Tucupita, Mayo de 2022

PROCESO DE POISSON
Se llama proceso Poisson a todo Proceso Puntual:

 Estacionario.
 Donde la probabilidad de que un suceso ocurra en un intervalo muy
pequeño es proporcional a la longitud del intervalo.
 Donde todas las ti son independientes y todas tienen la misma función de
distribución.
Un proceso de Poisson describe la cantidad de veces que ocurre un evento en

un intervalo determinado, ejemplos de fenómenos físicos que constituyen
procesos de este tipo son:
 La iniciación de llamadas en una central telefónica
 La llegada de clientes a una estación de servicio.
Proceso Puntual
Llámese t0 al instante origen de la variable tiempo, y supóngase los instante
t1, t2,…, posteriores a t0, los cuales caracterizan la aparición de eventos. Se dirá
que se está frente a un proceso puntual cuando la duración de cada uno de los
intervalos [t0, t1] , [t1, t2], …, esté dada por un experimento aleatorio (que puede ir
o no cambiando de intervalo a intervalo).
Proceso Puntual
Procesos de Poisson Homogéneos

La distribución de probabilidad de la v.a. de Poisson X, que representa el
número de resultados que ocurren en un intervalo dado o región específicos (t) y
que se puede representar como λt, es:
Donde λ es el número promedio de resultados por unidad de tiempo,
distancia, área o volumen.
Proposición: Consideremos un Proceso de Poisson homogéneo o de tasa

constante y sea Tn el tiempo entre el suceso n-1 y n con n=1,2,… Las Tn son v.a.
independientes e idénticamente distribuidas con distribución exponencial de tasa
λ.
 La función de densidad de las v.a. sería:
 La función de distribución:
 La esperanza 1/ λ y la varianza 1/ λ2
Superposición y descomposición de los procesos de Poisson Homogéneos
Superposición
Si se superponen varios procesos puntuales independientes, el proceso
total que da como resultado será localmente un proceso de Poisson.
El término local indica que se consideran intervalos muy cortos y cada
proceso contribuye como máximo con un evento durante ese intervalo.
Partición (Descomposición)
Si se hace una descomposición aleatoria de un proceso puntual en varios
subprocesos, los procesos individuales convergen a un proceso de Poisson,
siempre que la probabilidad de que un evento pertenezca al mismo subproceso
tienda a cero.
Definición: Supóngase un proceso de Poisson con tasa λ donde los

sucesos se clasifican en dos clases 1 y 2, con probabilidad p y 1-p,
independientemente del resto de los sucesos.
Sea N1 y N2 el número de sucesos de las clases 1 y 2, teniendo en cuenta
que Nt=N1+N2, se tienen dos procesos de Poisson independientes con tasas λp y
λ(1-p) respectivamente.
Procesos de Poisson Compuestos

Un proceso estocástico se dice un proceso de Poisson compuesto si puede
representarse como
donde {N(t), t ≥ 0} es un proceso de Poisson, y las variables {Yi, i ≥ 1} son iid e

independientes de N.
Lema: Sea X(t) un proceso de Poisson compuesto. Si {N(t), t ≥ 0} tiene

intensidad λ y las variables Y tienen esperanza finita, entonces
E[X(t)] = λtE[Y1]
Más aún, si las variables Y tienen varianza finita, entonces,
V(X(t)) = λtE[Y12]
La Distribución de Poisson
Una variable aleatoria X tiene distribución de Poisson de parámetro λ > 0 si
toma valores en el conjunto {0, 1, 2, . . . }, con probabilidad dada por
Calculemos la función generadora de probabilidad de una variable de este tipo:
A partir de esta expresión podemos obtener los momentos de la distribución:
Si X ∼ Pois(λ) e Y ∼ Pois(µ) son independientes entonces la suma tiene f.g.p.
y vemos que X + Y tiene distribución de Poisson con parámetro λ + µ.
EJEMPLOS DE DISTRIBUCION DE POISSON.

1.- Si un banco recibe en promedio 6 cheques sin fondo por día, ¿cuáles son las probabilidades
de que reciba,
a) cuatro cheques sin fondo en un día dado,
b) 10 cheques sin fondos en cualquiera de dos días consecutivos?
Solución:
a) x = variable que nos define el número de cheques sin fondo que llegan al banco en un día
cualquiera = 0, 1, 2, 3, etc.
λ = 6 cheques sin fondo por día
b) x= variable que nos define el número de cheques sin fondo que llegan al banco en dos días
consecutivos = 0, 1, 2, 3, ......, etc., etc.
λ = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos días
consecutivos
Nota: λ siempre debe de estar en función de x siempre o dicho de otra forma, debe “hablar” de
lo mismo que x.
2.- En la inspección de hojalata producida por un proceso electrolítico continúo, se identifican 0.2
imperfecciones en promedio por minuto. Determine las probabilidades de identificar
a) una imperfección en 3 minutos,
b) al menos dos imperfecciones en 5 minutos
Solución:
a) x = variable que nos define el número de imperfecciones en la hojalata por cada 3
minutos = 0, 1,2, 3, etc., etc.
λ = 0.2 x 3 =0.6 imperfecciones en promedio por cada 3 minutos en la hojalata.
b) x = variable que nos define el número de imperfecciones en la hojalata por cada 5 minutos
= 0, 1,2, 3, ...., etc., etc.
λ = 0.2 x 5 =1 imperfección en promedio por cada 5 minutos en la hojalata
Experimento de Poisson
En una distribución de Poisson, se cumplen siempre los siguientes
supuestos:
1) La variable aleatoria es el número de veces que ocurre un evento durante un
intervalo definido. El intervalo puede ser tiempo, distancia, área, volumen o alguna
unidad similar.
X = número de veces que ocurre un evento durante un intervalo definido
2) La probabilidad de ocurrencia es la misma para cualesquiera 2 intervalos de
igual longitud.
3) La ocurrencia o no ocurrencia en cualquier intervalo es independiente de la
ocurrencia o no ocurrencia en cualquier otro intervalo.
4) Dos eventos no pueden ocurrir exactamente al mismo tiempo.
Si se cumplen esas condiciones, la variable aleatoria discreta X sigue una
distribución de Poisson y podemos aplicar la fórmula de la distribución de Poisson.
Aquí algunos ejemplos típicos de variables aleatorias que siguen una

distribución de Poisson:
 El número de clientes que ingresan a un supermercado en un día.
 El número de accidentes registrados en una fábrica durante una semana.
 El número de llamadas que recibe una central telefónica en el período de un
minuto.
 El número de bacterias en un volumen de un litro de agua.
 El número de vehículos que llegan a una gasolinera en una hora.
 El número de fallas en la superficie de una pieza de cerámica rectangular.
 El número de toxinas en partes por millón encontradas en un litro de agua
de un río.
Distribución de Poisson
Se dice que una variable aleatoria discreta X tiene una distribución de
Poisson con parámetro μ (μ>0) si la función de probabilidad de X es:
Donde:
 f(x) = P(X=x) : probabilidad de x ocurrencias en un intervalo.
 μ: valor esperado o media de X.
 e: base de los logaritmos naturales. Su valor es 2,71828…
Además, en una distribución de Poisson:
 La media de X es igual a μ.
 La varianza de X es igual a μ.
Ejemplo:
La veterinaria de Jorge recibe un promedio de μ = 4 pacientes por día.
Sabiendo que el número de pacientes que llegan en un día sigue una
distribución de Poisson, calcular:
a) la probabilidad de que lleguen 3 pacientes en un día.

- Primero definimos nuestra variable aleatoria:
X = número de pacientes que llegan en un día.
- Además, nos indican que esta variable aleatoria X sigue una distribución de
Poisson, entonces podemos aplicar la fórmula:
- Calculamos la probabilidad de que lleguen 3 pacientes en un día, es decir, f(3).

Además, el enunciado nos indica que llegan en promedio 4 pacientes por día, es
decir, μ = 4.
- La probabilidad de que lleguen 3 pacientes en un día es de 0,1954 o 19,54 %.

b) la probabilidad de que lleguen 5 pacientes en un día.
- Calculamos la probabilidad de que lleguen 5 pacientes en un día, es decir, f(5).
Además, el enunciado nos indica que el enunciado que llegan en
promedio 4 pacientes por día, es decir, μ = 4.
- La probabilidad de que lleguen 5 pacientes en un día es de 0,1563 o 15,63 %.

Proceso de Poisson

Cargado por

Copyright:

Formatos disponibles

Proceso de Poisson

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Proceso de Poisson

Cargado por

Copyright:

Formatos disponibles

REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA DEFENSA

Facilitador: Realizado por:

Tucupita, Mayo de 2022

Se llama proceso Poisson a todo Proceso Puntual:

Un proceso de Poisson describe la cantidad de veces que ocurre un evento en

Procesos de Poisson Homogéneos

Proposición: Consideremos un Proceso de Poisson homogéneo o de tasa

Superposición y descomposición de los procesos de Poisson Homogéneos

Definición: Supóngase un proceso de Poisson con tasa λ donde los

Procesos de Poisson Compuestos

donde {N(t), t ≥ 0} es un proceso de Poisson, y las variables {Yi, i ≥ 1} son iid e

Lema: Sea X(t) un proceso de Poisson compuesto. Si {N(t), t ≥ 0} tiene

A partir de esta expresión podemos obtener los momentos de la distribución:

Si X ∼ Pois(λ) e Y ∼ Pois(µ) son independientes entonces la suma tiene f.g.p.

y vemos que X + Y tiene distribución de Poisson con parámetro λ + µ.

EJEMPLOS DE DISTRIBUCION DE POISSON.

Aquí algunos ejemplos típicos de variables aleatorias que siguen una

a) la probabilidad de que lleguen 3 pacientes en un día.

- Calculamos la probabilidad de que lleguen 3 pacientes en un día, es decir, f(3).

- La probabilidad de que lleguen 3 pacientes en un día es de 0,1954 o 19,54 %.

- La probabilidad de que lleguen 5 pacientes en un día es de 0,1563 o 15,63 %.

También podría gustarte