Professional Documents
Culture Documents
Estocásticos
Otoño 2012
Demostración
Tiempo entre eventos
Demostración
Proceso de Poisson
Finalmente es posible hacer una definición alternativa del proceso
de Poisson:
Definición 3: Un proceso de conteo cuyos tiempos entre eventos
distribuye exponencial a tasa λ es un proceso de Poisson a tasa λ y
viceversa.
Distribución exponencial → propiedad de orden
Falta de memoria → incrementos independientes y estacionarios.
Como conclusión existen 3 maneras de definir un proceso de
poisson, basta demostrar una sola.
Paradoja de la inspección
Suponga que se desea determinar la vida media de una ampolleta
que es reemplazada inmediatamente cuando falla. El tiempo hasta
que la ampolleta falla es exponencial a tasa l y es independiente de
una ampolleta a otra.
El método que se propone para determinar esto es que se observe
una ampolleta en un instante cualquiera t y se registre el tiempo de
vida de esa ampolleta como estimación de la vida media. ¿ Es esto
correcto ?
Paradoja de la Inspección
Suponga que las ampolletas fallan cada 10 minutos en promedio y
sabemos que el tiempo entre llegadas distribuye exponencial. Un
individuo llega a revisar la ampolleta aleatoriamente, ¿Cuánto debe
esperar el individuo hasta que la ampolleta falla?
H E T H h g h dh
h hf h
2 E H dh
t T 1
2 E H
h 2 dh
E H 2
2E H
E H Var H
2 2E H
Distribución condicional de los
Tiempos entre eventos
Ya vimos que los instantes de llegada (Sn) de un proceso de
Poisson distribuyen Gamma (n,l), ¿Afecta esta distribución el
hecho de conocer cuantos eventos ocurrieron entre [0,t]?
Intuitivamente se puede decir que ya no distribuyen Gamma (n,l)
por el sólo hecho de que ninguno de éstos instantes puede ser
mayor que t.
También que son dependientes unos de otros.
Distribución condicional de los
Tiempos entre eventos
Caso n=1:
Por incrementos estacionarios “el” evento puede ocurrir en cualquier instante por
lo que se puede decir que tiene una distribución uniforme.
Demostración
Caso General
Obtendremos la distribución de los instantes de llegada en el caso en que no
nos interese el orden de los eventos.
En el ejemplo de motivación, no nos interesa que pasajero llega ni en que orden
llegan sino que sólo el instante en que llegan.
Distribución condicional de los
Tiempos entre eventos
Si se toman los instantes de llegada de los eventos en forma
desordenada, éstos instantes distribuyen de manera uniforme.
Calculemos la distribución conjunta de los eventos Ui
Cada evento ocurre en [ ti,ti+dsi ]
Ningún evento en el resto del intervalo [0,T]
n n
dS
P ti Si ti dSi N T n n ! i
i 1 i 1 T
Demostración
Demostración
Descomposición de Procesos
de Poisson
Finalmente N1(t) distribuye Poisson a tasa lp. Análogamente, N2(t)
también distribuye Poisson pero a tasa l(1-p).
Hemos demostrado que éstos procesos distribuyen Poisson pero, ¿
son N1(t) y N2(t) procesos de Poisson?
Se tienen que verificar las propiedades de incrementos estacionarios e
independientes.
Dado que N(t) es un proceso de Poisson se verifican estas propiedades
Demostración
N(0)=0
Incrementos independientes
Propiedad de Orden: i) 𝑃 𝑁 𝑡 + ℎ − 𝑁 𝑡 = 1 = 𝜆 𝑡 ℎ + 𝑜 ℎ , 𝜆𝜖ℝ+
ii) 𝑃 𝑁 𝑡 + ℎ − 𝑁 𝑡 ≥ 2 = 𝑜 ℎ
Proceso de Poisson No Homogéneo
Es posible demostrar que:
n
ts t s
l t dt
l t dt
P N t s N t n t e t
n!
Demostración
Demostración