Investigación Operativa

Unidad 2: Procesos de Poisson

PROFESOR, GABRIEL ORELLANA M.

 PROCESO DE POISSON

• Definición de un proceso de Poisson

• Propiedades de un proceso de Poisson
• Tiempo entre eventos
• Descomposición de un proceso de Poisson
• Suma de un Proceso de Poisson.
• Proceso de Poisson compuesto.
• Proceso de Poisson no homogéneos.
 La distribución de Poisson fue creada por el matemático y filósofo
francés del siglo XVII Simeón-Denis Poisson en su proyecto para
modelar la frecuencia de eventos durante un rango de tiempo
determinado. Esta distribución la hizo pública en el año 1838 en
su trabajo “Investigación sobre la probabilidad de los juicios en
Utilidades del Proceso de Poisson materias criminales y civiles”.

Este tipo de procesos estocásticos se utilizan para modelizar el número de ocurrencias de un evento en un
periodo de tiempo determinado y nos sirven para modelizar situaciones bastante comunes:

• Como las llegadas de clientes a una cola,

• El número de fallos que se producen en una cadena de producción,

• El número de reclamaciones que recibe una compañía de seguros,

• El número de accidentes de tráfico en una carretera,

• El número de pedidos en un sistema de inventarios

Esta distribución es utilizada para calcular
probabilidades de que ocurra un evento en
un periodo concreto, normalmente de
tiempo o espacio, teniendo multitud de
aplicaciones en la vida cotidiana.

Definición de un proceso de Poisson
El proceso de Poisson es una serie temporal construida a
partir de experimentos los cuales su frecuencia puede
aproximarse satisfactoriamente a una distribución de
Bernoulli y depende de un parámetro constante llamado
intensidad. 
En otras palabras, el proceso de Poisson es una secuencia de
experimentos que siguen una distribución de Bernoulli y
depende de un parámetro que indica la intensidad del
proceso. 
Interviene la serie temporal porque la distribución de
Poisson pretende modelar la frecuencia de eventos
durante un intervalo de tiempo fijado. 
PROCESO DE POISSON
Para el estudio de distintas variables al mismo
tiempo, en matemáticas se usan las
distribuciones. En el cálculo de probabilidades
se utiliza la distribución de Poisson a partir de
la cual es posible conocer la probabilidad tan
solo con saber los eventos y su frecuencia.
¿Qué es distribución de Bernoulli y ejemplos?
La distribución Bernoulli es
una distribución discreta que puede tomar dos valores: uno
con probabilidad y otro no. Por ello, esta se utiliza para
describir sucesos que solo tienen dos posibles resultados,
como, por ejemplo, Sí/No, 1/0 o Cara/Cruz.

Dado que la base es una distribución de Bernoulli, se hace

distinción entre éxito y no éxito. Aquí se define éxito cuando
ocurre el evento que queremos controlar y no éxito cuando no
ocurre.
¿Qué es distribución de Bernoulli y ejemplos?
La distribución Bernoulli es una distribución discreta que puede tomar dos valores: uno con probabilidad y otro no. Por ello, esta se
utiliza para describir sucesos que solo tienen dos posibles resultados, como, por ejemplo, Sí/No, 1/0 o Cara/Cruz.

Utilice la distribución de Bernoulli cuando un proceso aleatorio tenga exactamente dos resultados: evento o
no evento. Por ejemplo, en el campo de la calidad, un producto se puede clasificar como bueno o malo.

Las variables de Bernoulli pueden tomar dos valores numéricos, 0 y 1, donde

1 corresponde a un evento y 0 corresponde a un no evento.

Una variable aleatoria X sigue una distribución de Bernoulli si P(X = 1) = p y P(X = 0) = 1 – p, donde p es
la probabilidad de ocurrencia del evento.

La distribución de Bernoulli es una distribución discreta que está relacionada con muchas distribuciones,
 PROCESO DE POISSON

Definición de un proceso de Poisson

Parámetro 
Se utiliza la letra griega “lambda” para identificar la intensidad o ratio
de llegada del proceso de Poisson. este parámetro es constante y
estrictamente positivo, es decir, siempre mayor que cero. 

Fórmula
Dado un intervalo de tiempo de longitud, t, y la ratio de llegada de los
eventos, lambda, el número esperado de eventos durante ese intervalo
de tiempo es

Qué es la distribución de Poisson

La distribución de Poisson es una distribución de
probabilidad discreta que se aplica a las ocurrencias de
algún evento durante un periodo determinado. Es decir, es
una distribución de probabilidad discreta en la que solo es
necesario conocer los eventos y cuál es su frecuencia
media de ocurrencia para poder conocer la probabilidad
de que ocurran.
Una distribución es discreta cuando se toma un número
de valor finito, mientras que las continuas usan un número
infinito de valores.

Definición de un proceso de Poisson
Para que el proceso de Poisson sea factible, se tienen que
cumplir los siguientes supuestos: 
1.La probabilidad de éxito durante un período muy
pequeño de tiempo es el parámetro lambda multiplicado
por ese período de tiempo.  que se emplee.
PROCESO DE POISSON
Para que una distribución sea considerada como distribución de Poisson debe
cumplir con tres requisitos:
1. La variable discreta “x” es el número de ocurrencias de un evento durante un
intervalo determinado (de tiempo, espacio, etc.).
2. Las ocurrencias deben ser aleatorias y no contener ningún factor que
favorezca unas ocurrencias en favor de otras.
3. Las ocurrencias deben estar uniformemente distribuidas dentro del intervalo
Una propiedad importante de la distribución de Poisson es que, la suma de “n”
variables de Poisson independientes tendrán como resultado también una
variable de Poisson, siendo su parámetro la suma del valor de los parámetros
originales.
 PROCESO DE POISSON

Definición de un proceso de Poisson

2.La probabilidad de que ocurra más de un suceso de éxito en el intervalo de tiempo fijado es no significativa.

En otras palabras, la probabilidad de que más de un experimento sea éxito en un intervalo de tiempo
fijado es muy pequeña, y por tanto, no importante o no significativa. 

3.La probabilidad de que ocurra un suceso de éxito durante un intervalo de tiempo fijado no depende de
lo que ha ocurrido anteriormente.

Es decir, cada experimento de éxito es independiente del experimento anterior. Por ejemplo, en el caso
de lanzar una moneda durante 1 minuto, la probabilidad de que salga cara no depende de lo que haya
salido en el lanzamiento anterior. 
Ejemplo

Estamos interesados en estudiar la dinámica de la llegada de llamadas telefónicas a un centro de llamadas.

Para describir este proceso consideremos una colección de variables aleatorias   , donde cada
variable aleatoria  , para un t dado, denota el número acumulado de llamadas que llegan al centro hasta
el momento t. Como estas llamadas registran un recuento, el espacio de estado es el conjunto de números
naturales con el cero, S={0,1,2,...}. En otras palabras, la llegada de llamadas telefónicas puede modelarse
como un proceso estocástico de tiempos (parámetros) continuos con un espacio de estados contable.
PROCESO DE POISSON
 Si esto se cumple, entonces se dicde que X (t),
• Definición; tiene una distribución de Poisson con
• Una variable aleatoria que depende del tiempo X(t) parámetro Lambda cero.
Se dice que es un proceso de Poisson que satisface los siguientes supuestos;
X (t) ~ P (λ t)
1. Cantidad de eventos CUANDO COMIENZA A CORRER EL TIEMPO es cero.

X (0) = 0
2. Q eventos en cualquier intervalo de tiempo tiene una función de cuantía de Poisson.

3. Los Incrementos son independientes

Es Decir, para cada intervalo de tiempo, tiene una distribución de Poisson con parámetro Lamda t
Para X perteneciente a los naturales incluido el 0
 Demostración;

Finalmente λ, representa el numero esperado de

Ahora Bien, Si S=0 entonces X(0) = 0 eventos, que ocurren en un tiempo unitario.

𝑒−¿ 𝜆 𝑡 ( 𝜆𝑡 ) 𝑥 La gracias es que tiene el proceso es que te

𝑃 [[ 𝑋 ( 𝑡 +𝑠 ) − 𝑋 ( 𝑠 ) ] = 𝑥 ] = permite calcular probabilidades futuras;
𝑥!
Por tanto, cuando s=0 entonces es este Por ejemplo
resultado, Si λ, es la cantidad de vehículos que pasan por
minuto, entonces al multiplicar por t se podría
La probabilidad es: calcular la cantidad de autos que pasan por hora.

𝑒 − ¿ 𝜆 𝑡 ( 𝜆 𝑡 )𝑥
𝑃 [[ 𝑋 ( 𝑡 ) ] = 𝑥 ]=
𝑥!
SUPUESTOS
 PROCESO DE POISSON
EJERCICIO 1

En Un hospital de una importante ciudad, se está estudiando los nacimientos de bebes

varones. Se sabe que en una semana nacen una media de siete varones.
Calcular:

a) Probabilidad de que nazcan 3 varones en una semana

b) Probabilidad de que nazcan menos de 3 varones a la semana.
EJERCICIO 2

Una Consulta Medica, recibe en promedio de 4 pacientes al día, sabiendo que el numero de
pacientes que llegan en un día presenta una distribución de Poisson, calcular:

1. La probabilidad de que lleguen 3 pacientes en un día.

2. La Probabilidad que lleguen 5 pacientes en un día.
 PROCESO DE POISSON

EJERCICIO 3
Suponemos que queremos calcular el número total
de veleros que salen a pescar en media hora.
Sabemos que, en promedio, salen 4 veleros cada 5
minutos. 

Entonces, podemos igualar lo siguiente: 

El número esperado de veleros que saldrán a pescar en media

hora serán: 

24 veleros saldrán a pescar en total durante media hora

teniendo en cuenta que se esperan que salgan 4 veleros
cada 5 minutos.
 PROCESO DE POISSON
EJERCICIO 4
 PROCESO DE POISSON
PROBLEMA
Considere una sala de cine con capacidad para 200 personas. La entrada a la función es de p [$] por persona. Sin
embargo, si el cliente es “socio” del cine se le hace un 20 % de descuento.

Asuma que las personas llegan al cine de acuerdo a un proceso de Poisson a comprar las entradas y que cada
persona compra sólo una entrada. Las entradas para la función de las 22:00 horas comienzan a venderse durante el
mismo día desde las 16:00 horas, y la boletería se cierra a las 22:00.

Las tasa de llegada es de 40 personas/hora, y cada una persona posee tarjeta de socio con una probabilidad de un
25 %.
a) Si usted sabe que se vendieron n entradas ¿Cuál es la probabilidad de que i entradas se hayan vendido a
“socios” del cine?.
b) ¿Cuál es la probabilidad de que se vendan n entradas (n ∈ {0, 1, 2, ...})?.
c) ¿Cuál es la utilidad esperada por función?.
d) Suponga que la administración del cine ha decidido no vender más de 50 entradas a precio rebajado para cada
función. Una vez alcanzado este límite, se rechazará a los “socios” del cine (asuma que los clientes a los que se
les rechace la entrada rebajada no optarán por pagar el valor completo, sino que se retirarán). ¿Cuál es la
probabilidad que se vendan 50 entradas a precio rebajado?.
 PROCESO DE POISSON
El problema también puede ser visto como una división de un proceso de Poisson.

Sean:
N(t) = número de personas que han llegado a comprar entradas desde 0 hasta t.
Nn(t) = número de personas que han llegado a comprar entradas sin ser socios desde 0 hasta t.
Nm(t) = número de personas que han llegado a comprar entradas siendo socios desde 0 hasta t.
PROCESO DE POISSON
PROCESO DE POISSON