Revisión Axiomática Probabilística

Ricardo Sepúlveda C.
ricardo.sepulveda@ufrontera.cl
Departamento de Ingeniería de
Sistemas
Universidad de La Frontera
Problema N°1
La duración de vida de una pieza de un motor sigue una distribución exponencial, sabiendo que
la probabilidad de que sobrepase las 100 horas de uso es 0,9. Se pide:
a) Probabilidad de que sobrepase las 200 horas de uso.
b) ¿Cuántas horas se mantiene funcionando con probabilidad 0,95?
Sea t : tiempo de vida de la pieza de un motor, donde t ~ Exp (λ) donde

f(t) = λ e – λt función de densidad de probabilidad F(t) = 1- e – λt para todo x >0

Siendo P(t > 100) = 1 - P( t ≤ 100) = 1- (1- e – 100 λ )= e – 100 λ = 0,9 → λ = - ln 0,9/100 =0,00105

a) Probabilidad de que sobrepase las 200 horas de uso.

•P(t > 200) = 1 - P( t ≤ 200) = 1- (1- e – 200 x 0,00105 ) = 0,81

b) ¿Cuántas horas se mantiene funcionando con probabilidad 0,95?

•1 - P( t ≤ 200) = e – 0,00105 t = 0,95 → t = - ln 0,95/0,00105 =48,85 horas

Problema N°2 En una tela las fallas siguen un proceso de Poisson a razón de 1 falla cada 10
metros. ¿Cuál es la probabilidad de que la distancia entre la cuarta y quinta falla sea mayor a un
metro?
Solución:
En un proceso de Poisson el intervalo entre dos eventos consecutivos es una variable exponencial
Exp(λ) con λ = 1 / 10 = 0,1 falla/metro lineal…. También puede realizarse con distribuciones
acumuladas

Problema N°3 En la Localidad de Lumaco se comunica con la Universidad de la Frontera Sede Angol, a
una taza de 3 autobuses por hora, distribuidos según un proceso de Poisson. ¿Cuál es la probabilidad de
tener que esperar un autobús más de 20 minutos?

Solución:
En un proceso de Poisson el intervalo entre dos eventos consecutivos es una variable exponencial
Exp(λ) con λ = 3 autobuses/hora …. También puede realizarse con distribuciones acumuladas
Problema N°2 El promedio de clientes que llegan a solicitar servicio a un banco es de cinco por
minuto. ¿Cuál es la probabilidad de que dos clientes tarden entre 30 a 45 segundos en solicitar
servicio?
Solución:
En un proceso de Poisson el intervalo entre dos eventos consecutivos es una variable exponencial
Exp(λ) con λ = 1 / 10 = 0,1 falla/metro lineal…. También puede realizarse con distribuciones
acumuladas

Problema N°3 En la Localidad de Lumaco se comunica con la Universidad de la Frontera Sede Angol, a
una taza de 3 autobuses por hora, distribuidos según un proceso de Poisson. ¿Cuál es la probabilidad de
tener que esperar un autobús más de 20 minutos?

Solución:
En un proceso de Poisson el intervalo entre dos eventos consecutivos es una variable exponencial
Exp(λ) con λ = 3 autobuses/hora …. También puede realizarse con distribuciones acumuladas
Problema N°4 : El promedio de clientes que llegan a solicitar servicio a un banco es de cinco por
minuto. ¿Cuál es la probabilidad de que dos clientes tarden entre 30 a 45 segundos en solicitar
servicio?
Solución:
En este caso se busca encontrar la probabilidad de que 2 clientes tarden en llegar entre los 30 a 45 minutos.
Por lo que se hace necesario evaluar :
•T1( tiempo demorado por el 1° cliente )
•T2 ( tiempo demorado por el 1° cliente ) simultáneamente.
En este escenario estamos en presencia de una distribución Gamma , que es la suma de la distribución de 2
intervalos de tiempos independientes e idénticamente distribuidos con parámetro
λ = 5 (clientes / minutos)=1/12 (clientes / segundos)
Problema N°5 : El número promedio de recepción de solicitudes en una ventanilla de atención al
cliente es de tres al día.
a.¿Cuál es la probabilidad de que el tiempo antes de recibir una solicitud exceda cinco días?
b.¿Cuál es la probabilidad de que el tiempo antes de recibir una solicitud sea menor de diez días?
c.¿Cuál es la probabilidad de que el tiempo antes de recibir una solicitud sea menor de diez días,
si ya han pasado cinco días sin recibir solicitudes?

Sea t = "días antes de recibir una solicitud", X ∼ Exp(λ = 3)

Con ello se comprueba la Propiedad de Perdida de Memoria

Problema N°6
Sea X la variable aleatoria que describe el número de clientes que llega a un supermercado durante un
día (24 horas). Sabiendo que la probabilidad de que llegue un cliente en un día es equivalente a 100
veces la que no llegue ningún cliente en un día, se pide:
a. Probabilidad de que lleguen al menos 3 clientes al día.
b. Si acaba de llegar un cliente, calcular la probabilidad que pase más de 25 minutos hasta que llegue
el siguiente cliente (o hasta que llegue el primer cliente).
c. En dos semanas, ¿cuál es la probabilidad aproximada de que lleguen como mucho 1300 clientes al
supermercado?

Solución : Se trata de una distribución de Poisson de paramento λ= 100 llegadas/día y t= 1 día

𝜆𝑡 𝑛 −𝜆𝑡
ℙ𝑁 𝑡 =𝑛 = 𝑒
𝑛!
a. Probabilidad de que lleguen al menos 3 clientes al día

ℙ 𝑁 1 ≥3 = 1−ℙ 𝑁 1 ≤2 =1− ℙ 𝑁 1 =0 +ℙ 𝑁 1 = 1 +ℙ 𝑁 1 =2
0 1 2
100 × 1 100 × 1 100 × 1
ℙ 𝑁 1 ≥3 =1− 𝑒 −100×1 + 𝑒 −100×1 + 𝑒 −100×1
0! 1! 2!

ℙ 𝑁 1 ≥ 3 = 1 − 5101 × 𝑒 −100 ≈ 1 Según la U.P.V. si λt ≥ 5 entonces se puede aproximar a una

Distribución de Probabilidad Normal, otros autores dicen λt ≥ 10
Problema N°6
Sea X la variable aleatoria que describe el número de clientes que llega a un supermercado durante un
día (24 horas). Sabiendo que la probabilidad de que llegue un cliente en un día es equivalente a 100
veces la que no llegue ningún cliente en un día, se pide:
a. Probabilidad de que lleguen al menos 3 clientes al día.
b. Si acaba de llegar un cliente, calcular la probabilidad que pase más de 25 minutos hasta que llegue
el siguiente cliente (o hasta que llegue el primer cliente).
c. En dos semanas, ¿cuál es la probabilidad aproximada de que lleguen como mucho 1300 clientes al
supermercado?

Solución : Se trata de una distribución de Poisson de paramento λ= 100 llegadas/día y t= 1 día

𝜆𝑡 𝑛 −𝜆𝑡
ℙ𝑁 𝑡 =𝑛 = 𝑒
𝑛!
a. Probabilidad de que lleguen al menos 3 clientes al día

Esperanza de N = λt = 100 llegadas/día x 1 día = Varianza de N → Desv. Estándar = 10

3 − 100 3 − 100
ℙ𝑁 1 ≥3 =ℙ 𝑧≥ = 1−ℙ 𝑧 ≤ = 1 − ℙ 𝑧 ≤ 9,7 ≈ 1
10 10
Problema N°6
Sea X la variable aleatoria que describe el número de clientes que llega a un supermercado durante un
día (24 horas). Sabiendo que la probabilidad de que llegue un cliente en un día es equivalente a 100
veces la que no llegue ningún cliente en un día, se pide:
a. Probabilidad de que lleguen al menos 3 clientes al día.
b. Si acaba de llegar un cliente, calcular la probabilidad que pase más de 25 minutos hasta que llegue
el siguiente cliente (o hasta que llegue el primer cliente).
c. En dos semanas, ¿cuál es la probabilidad aproximada de que lleguen como mucho 1300 clientes al
supermercado?

Solución : Se trata de una distribución de Poisson de paramento λ= 100 llegadas/día y t= 1 día

b. Si acaba de llegar un cliente, calcular la probabilidad que pase más de 25 minutos hasta que llegue el siguiente
cliente (o hasta que llegue el primer cliente).
Aplicando propiedad de Perdida de Memoria
25
ℙ 𝑡 ≥ 25 𝑚𝑖𝑛. = ℙ 𝑡 ≥ 𝑑𝑖𝑎𝑠 = 1 − ℙ 𝑡 ≤ 0,017361 = 1 − 𝔽 0,017361 = 1 − 𝑒 −100×0,017361 = 0,8238
60 × 24
c. En dos semanas, ¿cuál es la probabilidad aproximada de que lleguen como mucho 1300 clientes al
supermercado?
1300 − 1400
ℙ 𝑁 1 ≤ 1300 = ℙ 𝑧 ≤ 2 = ℙ 𝑧 ≤ −2,67 = ℙ 𝑧 ≥ 2,67 = 0,00379
1400
Problema N°7
El tiempo de revisión del motor de un avión sigue aproximadamente una distribución exponencial,
con media 22 minutos.
a) Hallar la probabilidad de que el tiempo de la revisión sea menor de 10 minutos.
b) El costo de la revisión es de 200 euros por cada media hora o fracción. ¿Cuál es la probabilidad de
que una revisión cueste 400 euros?
c) Para efectuar una programación sobre las revisiones del motor, ¿cuánto tiempo se debe asignar a
cada revisión para que la probabilidad de que cualquier tiempo de revisión mayor que el tiempo
asignado sea solo de 0,1?
Solución : Se trata de una distribución de Poisson de paramento λ= 1/22 revisiones/min
a) Hallar la probabilidad de que el tiempo de la revisión sea menor de 10 minutos

1 −1𝑡 1
−22𝑡
𝑓. 𝑑. 𝑝 → 𝑓(𝑡) ቐ22 𝑒
22 , 𝑥 ≥ 0 𝑑. 𝑝 → 𝔽(𝑡) ൝1 −𝑒 ,𝑥 ≥0
0 ,𝑥 ≤ 0
0 ,𝑥 ≤ 0
1
−22×10
ℙ 𝑡 ≤ 10 = 𝔽 10 = 1 − 𝑒 = 0,365264
Problema N°7
El tiempo de revisión del motor de un avión sigue aproximadamente una distribución exponencial,
con media 22 minutos.

b) El costo de la revisión es de 200 euros por cada media hora o fracción. ¿Cuál es la probabilidad de
que una revisión cueste 400 euros?
Como el costo de la revisión del motor es de 200 euros por cada media hora o menos, para que la
revisión cueste 400 euros la duración de la revisión debe de ser inferior o igual a 60 minutos. Es decir,
se tendrá que calcular P[30 < X ≤ 60]
1 1 1 1
−22×60 −22×30 −22×30 −22×60
ℙ 30 < 𝑡 ≤ 60 = 𝔽 60 − 𝔽 30 = 1 −𝑒 − 1− 𝑒 = 𝑒 −𝑒 = 0,190332

c) Para efectuar una programación sobre las revisiones del motor, ¿cuánto tiempo se debe asignar a
cada revisión para que la probabilidad de que cualquier tiempo de revisión mayor que el tiempo
asignado sea solo de 0,1?
1
− ×𝑇
𝑡 >𝑇 =1−𝔽 𝑇 =1− 1− 𝑒 22 = 0,1 → 𝑇 = 22 × ln 0,1 = 50,6 (51 𝑚𝑖𝑛𝑢𝑡𝑜𝑠)
 Problema N°8
Un sistema esta formado con dos procesadores, los procesadores 1 y 2 funcionan correctamente
durante un tiempo exponencial de media de 5 y 6 años, respectivamente. Se pide:
a) ¿Cuál es la probabilidad de que ambos procesadores funcionen correctamente más de 4 años?
b) ¿Cuál es la probabilidad de que el procesador 1 deje de funcionar correctamente antes que el
procesador 2?
Solución : Sea Xi : tiempo de funcionamiento correcto del procesador i‐ésimo , Xi ∼ Exp(λi) con
parámetros λ1= 1/5 y λ2 = 1/6 respectivamente
a) ¿Cuál es la probabilidad de que ambos procesadores funcionen correctamente más de 4 años?
2
𝑛 1 1
− 5+6 ×4
ℙ 𝑡 > 4 = ℙ 𝑚𝑖𝑛 𝑇1 , 𝑇2 > 4 = ෑ 𝑒 −𝜆𝑖 ×4= 𝑒 − σ𝑖=1 𝜆𝑖 𝑥4 = 𝑒 = 0,2307
1
b) ¿Cuál es la probabilidad de que el procesador 1 deje de funcionar correctamente antes que el procesador 2?

1
𝜆1 5 6
ℙ 𝑇1 < 𝑇2 = = =
𝜆1 + 𝜆2 1 + 1 11
5 6
Problema N°9
Una persona estaciona ilegalmente en un aeropuerto dos veces al día por periodo de una hora cada vez. Si
la pasada de la Policía Municipal es un Proceso de Poisson con un promedio de λ pasadas a la hora, ¿cuál
es la probabilidad de que no le pongan una multa?
Solución :
• No se conoce a que hora se estaciona, solo que se estaciona en dos segmentos de una hora cada uno.
• Se conoce que el suceso de tener multa es un proceso de Poisson, por lo se trata de incrementos
Independientes
• lo que suceda en una hora es independiente de lo que pase en el otro intervalo de tiempo.

Entonces se tiene que

→ N(t) = número de partes en el intervalo [0, t]
→ Sea t1 = 1 el intervalo de la primera hora y t2 = 1 el intervalo de la segunda y N(t1)=0 y N(t2)=0
Por propiedad de independencia de ambos eventos vistos en el Capitulo de Axiomática Probabilística
𝑛
𝜆𝑡1 × 𝑒 −𝜆𝑡1 𝜆𝑡2 𝑚 × 𝑒 −𝜆𝑡2
ℙ 𝑁 𝑡1 = 𝑛 ∩ 𝑁 𝑡2 = 𝑚 = ℙ 𝑁 𝑡1 = 𝑛 × ℙ 𝑁 𝑡2 = 𝑚 = ×
𝑛! 𝑚!

𝜆×1 0× 𝑒 −𝜆×1 𝜆 × 1 0 × 𝑒 −𝜆×1

ℙ 𝑁1 1 = 0 ∩ 𝑁2 1 = 0 = × = 𝑒 −2𝜆
0! 0!
Problema N°10
Los defectos de un cable submarino siguen un proceso de Poisson de parámetro λ = 0,1 por km. Se pide:
a) ¿ Probabilidad de que no haya defectos en los dos primeros kilómetros de cable?
b) Si no hay defectos en los dos primeros kilómetros de cable, ¿cuál es la probabilidad de que tampoco
los haya en el tercer kilómetro?
Solución :
• N(t) = número de kilómetros de cable en el intervalo [0, t].
• N(t) ~ Poisson (0,1)
a) ¿ Probabilidad de que no haya defectos en los dos primeros kilómetros de cable?

0,1 × 2 0 × 𝑒 −0,1×2
ℙ𝑁 2 =0 = = 𝑒 −0,2 = 0,8187
0!
b) Si no hay defectos en los dos primeros kilómetros de cable, ¿cuál es la probabilidad de que tampoco los haya en el
tercer kilómetro?
Por incrementos independientes
ℙ 𝑁 3 −𝑁 2 =0 ×ℙ 𝑁 2 =0
ℙ 𝑁 3 − 𝑁 2 = 0/𝑁 2 = 0 = =ℙ 𝑁 3 −𝑁 2 =0
ℙ𝑁 2 =0
Por incrementos estacionarios
0,1 × 1 0 × 𝑒 −0,1×1
ℙ 𝑁 3 −𝑁 2 =0 =ℙ 𝑁 1 =0 = = 𝑒 −0,1 = 0,9048
0!
Problema N°11
Los defectos de un cable submarino siguen un proceso de Poisson de parámetro λ = 0,1 por km. Se pide:
a) ¿ Probabilidad de que no haya defectos en los dos primeros kilómetros de cable?
b) Si no hay defectos en los dos primeros kilómetros de cable, ¿cuál es la probabilidad de que tampoco
los haya en el tercer kilómetro?
Solución :
• N(t) = número de kilómetros de cable en el intervalo [0, t].
• N(t) ~ Poisson (0,1)
a) ¿ Probabilidad de que no haya defectos en los dos primeros kilómetros de cable?

0,1 × 2 0 × 𝑒 −0,1×2
ℙ𝑁 2 =0 = = 𝑒 −0,2 = 0,8187
0!
b) Si no hay defectos en los dos primeros kilómetros de cable, ¿cuál es la probabilidad de que tampoco los haya en el
tercer kilómetro?
Por incrementos independientes
ℙ 𝑁 3 −𝑁 2 =0 ×ℙ 𝑁 2 =0
ℙ 𝑁 3 − 𝑁 2 = 0/𝑁 2 = 0 = =ℙ 𝑁 3 −𝑁 2 =0
ℙ𝑁 2 =0
Por incrementos estacionarios
0,1 × 1 0 × 𝑒 −0,1×1
ℙ 𝑁 3 −𝑁 2 =0 =ℙ 𝑁 1 =0 = = 𝑒 −0,1 = 0,9048
0!
Problema N°12
En el aeropuerto de Temuco aterrizan aviones según un proceso de Poisson de tasa λ = 30 aviones a la
hora. Se pide:
a) ¿Cuál es el tiempo esperado hasta que aterriza el décimo avión?
• Si n = 10 y se requiere evaluar la sumatoria de Ti≤ 10 estamos en presencia de la distribución
gamma
• λ = 30 (aviones/hora )= ½ (aviones/minuto )

𝑛 10
𝔼 𝑆𝑛 = → 𝔼 𝑆10 = = 20 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
𝜆 ½

b) ¿Cuál es la probabilidad de que el tiempo que transcurre entre el aterrizaje del avión 10 y el avión 11
exceda 5 minutos?
• El tiempo entre eventos es exponencial

∞ ∞
1 1
− 𝑡
1
− ×5
ℙ 𝑡 > 11 = න 𝜆𝑒 −𝜆𝑡 𝑑𝑡 =න 𝑒 2 𝑑𝑡 = 𝑒 2 = 0,082 Por propiedad de Perdida de Memoria
2
5 11
Problema N°13
Los clientes entran a una agencia de viajes de acuerdo a un proceso de Poisson con intensidad de
10 por hora. De forma independiente, cada cliente adquiere un paquete de viajes con probabilidad 0,3.
¿Cuál es la probabilidad de que durante la primera hora nueve clientes entren a la tienda y que tres de
estos clientes adquiera un paquete de viajes?

• N(t) = 10 clientes / hora ….clientes que entran a la agencia de viajes

• N1(t)= 3 clientes / hora ….clientes que adquieren paquete de viajes
• N2(t)= 7 clientes / hora ….clientes que no adquieren paquete de viajes

Con el propósito de satisfacer la independencia de eventos

3
3×1 × 𝑒 −3×1 7 × 1 6 × 𝑒 −6×1
ℙ 𝑁1 1 = 3 ∩ 𝑁2 1 = 6 = ℙ 𝑁1 1 = 3 × ℙ 𝑁2 1 = 6 = ×
3! 6!

ℙ 𝑁1 1 = 3 ∩ 𝑁2 1 = 6 = 0,224 × 0,149 = 0,0334

Problema N°14
Dos equipos en una carrera, independientes uno de otro, siguen un proceso de Poisson, ¿cuál es la
probabilidad de que haya 6 llegadas del equipo 1 antes que 4 llegadas del equipo 2?.

Solución:
El equipo 1 sigue un proceso de Poisson de parámetro λ1 , mientras que el equipo 2 sigue un proceso de
Poisson de parámetro λ2 . El marco general es un proceso de Poisson de parámetro (λ1 + λ2 ).
𝜆1
La probabilidad de llegada del equipo 1 𝑝=
𝜆1 + 𝜆2
𝑛+𝑚−1 𝑘 𝑛+𝑚−𝑘−1
𝑛+𝑚−1 𝜆1 𝜆2
ℙ 𝑆𝑛1 < 𝑆𝑚
2 = ෍ ×
𝑘 𝜆1 + 𝜆2 𝜆1 + 𝜆2
𝑘=𝑛

9 𝑘 9−𝑘
9 𝜆1 𝜆2
ℙ 𝑆61 < 𝑆42 =෍ ×
𝑘 𝜆1 + 𝜆2 𝜆1 + 𝜆2
𝑘=6
Suponiendo que ambos equipos tienen la misma probabilidad de llegada λ1 = λ2
9 𝑘 9−𝑘 9 9
9 1 1 1 9 130
ℙ 𝑆61 < 𝑆42 =෍ × = ෍ =
𝑘 2 2 2 𝑘 512
𝑘=6 𝑘=6
Problema N°15
El número de fallos de la componente de una avión es un proceso de Poisson de tasa λ , que falla en
promedio una vez de cada 500 horas. Por especificaciones de la fábrica, cada componente dura un
máximo de 2500 horas. Sí la componente ha actuado correctamente durante 500 horas. Se pide:
a) Probabilidad de que la componente dure 1000 horas en total.
b) Probabilidad de que la componente dure 1500 horas más.
c) Valor esperado de la vida de la componente.

Solución: sin considerar especificaciones de fabrica

a. Sea Ti el intervalo de tiempos entre la fallai -1 y la fallai
1
−1000×
ℙ 𝑇1 > 1.000, 𝑇1 > 500 ℙ 𝑇1 > 1.000 𝑒 500
ℙ 𝑇1 > 1.000/𝑇1 > 500 = = = 1 = 𝑒 −1 = 0,3678
ℙ 𝑇1 > 500 ℙ 𝑇1 > 500 −500×
𝑒 500

1
−1500×
b. Se aplica perdida de memoria ℙ 𝑇1 > 1.500 = 𝑒 500 = 𝑒 −3 = 0,04978

c. El valor esperado seria

1
𝔼 𝑇𝑖 = + 500 = 1000 ℎ𝑜𝑟𝑎𝑠
1
500
Problema N°15
El número de fallos de la componente de una avión es un proceso de Poisson de tasa λ , que falla en
promedio una vez de cada 500 horas. Por especificaciones de la fábrica, cada componente dura un
máximo de 2500 horas. Sí la componente ha actuado correctamente durante 500 horas. Se pide:
a) Probabilidad de que la componente dure 1000 horas en total.
b) Probabilidad de que la componente dure 1500 horas más.
c) Valor esperado de la vida de la componente.

Solución: considerando especificaciones de fabrica

Se tiene que ocurre al menos un fallo entre las 500 horas y las 2500 horas con igual probabilidad.

0 , 𝑡 < 500
𝑡−500
a. Sea Ti ∼ U(500 , 2500) con función de distribución 𝑓 𝑡 = ൞2500−500 , 500 ≤ 𝑡 ≤ 2500
1 𝑡 > 2500

ℙ 𝑇1 > 1.000 ∩ 500 ≤ 𝑇1 ≤ 2.500 ℙ 1000 < 𝑇1 ≤ 2.500

ℙ 𝑇1 > 1.000/500 ≤ 𝑇1 ≤ 2.500 = =
ℙ 500 ≤ 𝑇1 ≤ 2.500 ℙ 500 ≤ 𝑇1 ≤ 2.500
500
ℙ 𝑇1 > 1.000/500 ≤ 𝑇1 ≤ 2.500 ℙ 1000 < 𝑇1 ≤ 2.500 = 𝔽 2500 − 𝔽 1000 = 1 − = 0,75
2000
Problema N°15
El número de fallos de la componente de una avión es un proceso de Poisson de tasa λ , que falla en
promedio una vez de cada 500 horas. Por especificaciones de la fábrica, cada componente dura un
máximo de 2500 horas. Sí la componente ha actuado correctamente durante 500 horas. Se pide:
a) Probabilidad de que la componente dure 1000 horas en total.
b) Probabilidad de que la componente dure 1500 horas más.
c) Valor esperado de la vida de la componente.

Solución: considerando especificaciones de fabrica

b. El componente dure 1500 o mas

1000
ℙ 𝑇1 > 1.000/500 ≤ 𝑇1 ≤ 2.500 = 𝔽 2500 − 𝔽 1500 = 1 − = 0,50
2000

c. Valor esperado de la vida de la componente.

2500 − 500
𝔼 𝑇𝑖 = = 1000 ℎ𝑜𝑟𝑎𝑠
2
Problema N°16
Un estudiante compra un PC que se bloquea frecuentemente, deduciendo que el número de veces que
se bloquea sigue un proceso de Poisson con una media de tres bloqueos a la hora. Se pide:
a. Probabilidad de que el PC siga funcionando sin bloquearse durante al menos una hora después de
encenderlo.
b. Si el PC no se ha bloqueado después de una hora, ¿cuál será la probabilidad de que no se bloquee
después de (t + 2) horas.

Sea N(t): Número de veces que un PC se bloquea N(t) ~ Poisson ( 3 Bloqueos/hora)

a. Probabilidad de que el PC siga funcionando sin bloquearse. ( cual es la probabilidad que durante el
transcurso de 1 hora el PC no se bloquee)
0
3×1 × 𝑒 −3×1
ℙ𝑁 1 =0 = = 𝑒 −3 = 0,0497871
0!
Probabilidad de que el PC siga funcionando sin bloquearse. ( cual es la probabilidad que el tiempo
transcurrido hasta el primer bloqueo sea mas de una hora )
∞
∞
ℙ 𝑡 > 1 = න 3𝑒 −3𝑡 𝑑𝑡 = −𝑒 −3𝑡 ቚ = − 0 + 𝑒 −3 = 0,0497871
1
1
Problema N°16
Un estudiante compra un PC que se bloquea frecuentemente, deduciendo que el número de veces que
se bloquea sigue un proceso de Poisson con una media de tres bloqueos a la hora. Se pide:
a. Probabilidad de que el PC siga funcionando sin bloquearse durante al menos una hora después de
encenderlo.
b. Si el PC no se ha bloqueado después de una hora, ¿cuál será la probabilidad de que no se bloquee
después de (t + 2) horas.

Sea N(t): Número de veces que un PC se bloquea N(t) ~ Poisson ( 3 Bloqueos/hora)

b. ¿cuál será la probabilidad de que no se bloquee después de (t + 2) horas.

ℙ 𝑇 >𝑡+2 ∩𝑇 >1 ℙ 𝑇 >𝑡+2 1 − 𝔽(𝑡 + 2)

ℙ 𝑇 > 𝑡 + 2 /𝑇 > 1 = = =
ℙ 𝑇>1 ℙ 𝑇>1 1−𝔽 1

𝑒 −3× 𝑡+2 −3× 𝑡+1 = ℙ 𝑇 > 𝑡 + 1

ℙ 𝑇 > 𝑡 + 2 /𝑇 > 1 = = 𝑒
𝑒 −3×1
Problema N°16
Los clientes que llegan al puesto de información de un aeropuerto sigue una distribución de Poisson.
Entre 09:00 y 10: 00 han llegado cuatro clientes. Calcular la probabilidad de que el tercer cliente haya
llegado entre 09:20 y 09:30 , y el tiempo esperado de llegada de este cliente.

Solución:
• Se calcula la distribución condicional de tiempo de llegada del tercer cliente S3 , sabiendo que han
llegado 4 clientes en una hora.
• P(S3 < x /N(1) = 4) es la probabilidad de que lleguen 3 clientes en el intervalo (0, x) y un cliente en
(x, 1) o que lleguen los cuatro clientes en el intervalo (0, x) y ninguno en (x, 1) .

ℙ 𝑆3 < 𝑥 ∩ 𝑁(1) = 4
𝔽 𝑥 = ℙ 𝑆3 < 𝑥/𝑁(1) = 4 =
ℙ 𝑁(1) = 4

ℙ 𝑁 𝑥 =3 ×ℙ 𝑁 1−𝑥 =1 +ℙ 𝑁 𝑥 =4 ×ℙ 𝑁 1−𝑥 =0
𝔽 𝑥 = ℙ 𝑆3 < 𝑥/𝑁(1) = 4 =
ℙ 𝑁(1) = 4
𝜆𝑥 3 𝑒 −𝜆𝑥 −𝜆 1−𝑥 𝜆𝑥 4 𝑒 −𝜆𝑥 −𝜆 1−𝑥
× 𝜆 1 − 𝑥 𝑒 + × 𝑒
𝔽 𝑥 = ℙ 𝑆3 < 𝑥/𝑁(1) = 4 = 3! 4! = 4𝑥 3 − 3𝑥 4
4
𝜆 𝑒 −𝜆
4!
Problema N°16
Los clientes que llegan al puesto de información de un aeropuerto sigue una distribución de Poisson.
Entre 09:00 y 10: 00 han llegado cuatro clientes. Calcular la probabilidad de que el tercer cliente haya
llegado entre 09:20 y 09:30 , y el tiempo esperado de llegada de este cliente.

Solución: Sí x ≥ 1 F(x) = 1 porque llegan 4 clientes en una hora.

4𝑥 3 − 3𝑥 4 , 0≤𝑥≤1 12𝑥 2 − 12𝑥 3 , 0≤𝑥≤1

𝔽 𝑥 =ቊ 𝑓 𝑥 =ቊ
1, 𝑥>1 1, 𝑥>1
La probabilidad de que el tercer cliente haya llegado entre 09:20 y 09:30 , será:
3 4 3 4
30 20 1 1 1 1 1 1 29
𝔽 𝑥 =𝔽 −𝔽 =𝔽 −𝔽 = 4 −3 − 4 −3 = = 0,2013
60 60 2 3 2 2 3 3 144

El tiempo esperado de llegada del tercer cliente, dado que han llegado 4 clientes entre las 09:00 y 10:00, viene
dado por la esperanza condicional de (S3 < x /N(1) = 4)
1
12 5 1 3
𝔼 𝑆3 < 𝑥/𝑁(1) = 4 = න 𝑥𝑓 𝑥 𝑑𝑥 = 3𝑥 4 − 𝑥 ቤ = ℎ𝑜𝑟𝑎𝑠 = 36 𝑚𝑖𝑛𝑢𝑢𝑡𝑜𝑠
5 0 5
0
→ 𝑠𝑒 𝑒𝑠𝑝𝑒𝑟𝑎 𝑞𝑢𝑒 𝑙𝑙𝑒𝑔𝑢𝑒 𝑎 𝑙𝑎𝑠 09: 36 ℎ𝑜𝑟𝑎𝑠
Problema N°16
Los clientes que llegan al puesto de información de un aeropuerto sigue una distribución de Poisson.
Entre 09:00 y 10: 00 han llegado cuatro clientes. Calcular la probabilidad de que el tercer cliente haya
llegado entre 09:20 y 09:30 , y el tiempo esperado de llegada de este cliente.

Solución: Sí x ≥ 1 F(x) = 1 porque llegan 4 clientes en una hora.

4𝑥 3 − 3𝑥 4 , 0≤𝑥≤1 12𝑥 2 − 12𝑥 3 , 0≤𝑥≤1

𝔽 𝑥 =ቊ 𝑓 𝑥 =ቊ
1, 𝑥>1 1, 𝑥>1
La probabilidad de que el tercer cliente haya llegado entre 09:20 y 09:30 , será:
3 4 3 4
30 20 1 1 1 1 1 1 29
𝔽 𝑥 =𝔽 −𝔽 =𝔽 −𝔽 = 4 −3 − 4 −3 = = 0,2013
60 60 2 3 2 2 3 3 144

El tiempo esperado de llegada del tercer cliente, dado que han llegado 4 clientes entre las 09:00 y 10:00, viene
dado por la esperanza condicional de (S3 < x /N(1) = 4)
1
12 5 1 3
𝔼 𝑆3 < 𝑥/𝑁(1) = 4 = න 𝑥𝑓 𝑥 𝑑𝑥 = 3𝑥 4 − 𝑥 ቤ = ℎ𝑜𝑟𝑎𝑠 = 36 𝑚𝑖𝑛𝑢𝑢𝑡𝑜𝑠
5 0 5
0
→ 𝑠𝑒 𝑒𝑠𝑝𝑒𝑟𝑎 𝑞𝑢𝑒 𝑙𝑙𝑒𝑔𝑢𝑒 𝑎 𝑙𝑎𝑠 09: 36 ℎ𝑜𝑟𝑎𝑠
Problema N°17 PROCESO DE POISSON COMPUESTO
En una compañía constructora la cantidad de accidentes mensuales sigue un proceso de Poisson de
intensidad 4, mientras que la cantidad de trabajadores damnificados en cada accidente es una variable
aleatoria independiente con distribución uniforme U[1, 3] e independiente de la cantidad de
accidentes ocurridos. ¿Cuál es la media y la varianza de la cantidad anual de trabajadores
damnificados?
Solución:
𝑁(𝑡)
• N(t) "Cantidad de accidentes en t meses"
• Yi = "Número de trabajadores damnificados en el i‐ésimo accidente" Yi ∼ U[1, 3] 𝑋 𝑡 = ෍ 𝑌𝑖
• X(t): Cantidad de damnificados en t meses
𝑖=1
𝐷𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑈𝑛𝑖𝑓𝑜𝑟𝑚𝑒 𝐷𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑃𝑜𝑖𝑠𝑠𝑜𝑛
1 𝜆𝑡 𝑛 −𝜆𝑡
𝑓 𝑥 = ℙ𝑁 𝑡 =𝑛 = 𝑒
𝑏−𝑎 𝑛!
𝑏+𝑎 𝔼 𝑥 = 𝜆𝑡
𝔼 𝑥 =
2
𝑏−𝑎 2
𝜎2 𝑥 = 𝜎 2 𝑥 = 𝜆𝑡
12
Problema N°17 PROCESO DE POISSON COMPUESTO
En una compañía constructora la cantidad de accidentes mensuales sigue un proceso de Poisson de
intensidad 4, mientras que la cantidad de trabajadores damnificados en cada accidente es una variable
aleatoria independiente con distribución uniforme U[1, 3] e independiente de la cantidad de
accidentes ocurridos. ¿Cuál es la media y la varianza de la cantidad anual de trabajadores
damnificados?
Solución:
𝑁(𝑡)
• N(t) "Cantidad de accidentes en t meses"
• Yi = "Número de trabajadores damnificados en el i‐ésimo accidente" Yi ∼ U[1, 3] 𝑋 𝑡 = ෍ 𝑌𝑖
• X(t): Cantidad de damnificados en t meses
𝑖=1

𝑏+𝑎 3+1 𝐷𝑎𝑚𝑛𝑖𝑓𝑖𝑐𝑎𝑑𝑜𝑠ൗ

𝔼𝑋 𝑡 = 𝔼 𝑌𝑖 ∙ 𝔼 𝑁 𝑡 = × 𝜆𝑡 = × 4 × 12 = 96 𝐴ñ𝑜
2 2

2 2
𝑏−𝑎 3−1 𝐷𝑎𝑚𝑛𝑖𝑓𝑖𝑐𝑎𝑑𝑜𝑠ൗ
𝜎2 𝑋 𝑡 = 𝜎2 𝑌𝑖 ∙ 𝜎2 𝑁 𝑡 = × 𝜆𝑡 = × 4 × 12 = 16 𝐴ñ𝑜
12 12