PROCESO DE POISSON

Rosario Romera
Febrero 2009
1. Proceso de Conteo
Un proceso estocstico `
t

t0
es un proceso de conteo si `
t
representa el total de
sucesos ocurridos hasta el tiempo t. Sean un espacio muestral, 1 una probabilidad,
. y t _ 0 `
t
(.) es el nmero de llegadas en el intervalo [0. t] para la realizacin
.. t `
t
(.) es una funcin escaln.
Denicin: El Proceso `
t

t0
es Proceso de Conteo
1. `
0
= 0.
2. `
t
N = `
t
_ 0
3. : < t `
s
_ `
t
4. `
t
`
s
es el nmero de llegadas en el intervalo [:. t].
De todos los procesos de este tipo, el ms importante es el Proceso de Poisson, que
limita los saltos de la funcin a saltos iguales.
Denicin: Sea o(/) el innitsimo de orden /, 1 es o(/) si lm
h!0
f(h)
h
= 0, esto es:
\ 0 o 0 tal que si [/[ < o

f(h)
h

<
Ejemplos:
1. La funcin 1(r) = r = o(/)
2. La funcin cuadrtica 1(r) = r
2
= o(/)
lm
h!0
/
2
/
= lm
h!0
/ = 0
3. La funcin 1(r) = r
r
con : 1 es o(/)
lm
h!0
/
r
/
= lm
h!0
/
r1
= 0
1
4. Las funciones 1, o son o(/), con c, d constantes, entonces la funcin: c1 +do es o(/)
lm
h!0
c1(/) + do(/) = 0
5. Sean c
1
. . . . . c
n
constantes, las funciones 1
1
. . . . . 1
n
son o(/), entonces la funcin:
n

i=1
c
i
1
i
(/) es o(/)
6. Si A es variable aleatoria con distribucin exp(\) y / 0 entonces A tiene la
Propiedad de Markov:
1[A _ t + /A t] = 1[A _ /]
como:
1[A _ /] = 1 c
h
= 1 [1 \/ +
(\/)
2
2!
+ ...]
= \/ (\/)
2
1

n=2
(\/)
n2
:!
= \/ + o(/)
entonces
1[A _ t + /A t] = \/ + o(/)
2. Proceso de Poisson (de tasa o intensidad \ 0)
Es un proceso de conteo `
t

t0
que verica:
1. Es de incrementos independientes y estacionarios
2. 1[`
h
= 1] = \/ + o(/)
1[`
h
_ 2] = o(/)
por tanto 1[`
h
= 0] = 1 \/ + o(/)
Proposicin: Sea ) la variable aleatoria que describe el nmero de llegadas (sucesos)
en cualquier intervalo de longitud t en un proceso de Poisson `
t

t0
de tasa \, entonces
) es variable aleatoria Poisson de parmetro \t.
Demostracin
Sea 1
n
(t) = 1`
t
= : \: `
2
Sea : = 0
1
0
(t + /) = (Incrementos Independientes)
= 10 llegadas en [0. t] 0 llegadas en [t. t + /]
= 1
0
(t).1(`
t+h
`
t
= 0) (Incrementos Estacionarios)
= 1
0
(t).1(`
h
= 0) = 1
0
(t).[1 \/ + o(/)]
lm
h!0
1
0
(t + /) 1
0
(t)
/
= \1
0
(t) + 1
0
(t). lm
h!0
o(/)
/
luego
con

d
dt
1
0
(t) = \1
0
(t)
1
0
(0) = 1 (condiciones iniciales)
Solucin de la ecuacin diferencial de variables separables

1
0
0
(t) = \.1
0
(t)
1
0
(0) = 1
de donde 1
0
(t) = c
t
Sea ahora : 0, entonces en el intervalo t + / ocurren : llegadas (sucesos), esto es
`
t+h
= : si:
1. suceden : en [0. t] y 0 en [t. t + /],
2. suceden : 1 en [0. t] y 1 en [t. t + /],
3. suceden (: /) en [0. t] y / en [t. t + /] con / = 2. . . . . :.
Acumulando las probabilidades asociadas
1
n
(t + /) = 1
n
(t)[1 \/ + o(/)] + \/1
n1
(t) + o(/)
entonces
1
n
(t + /) 1
n
(t)
/
= \1
n
(t) + \1
n1
(t) +
o(/)
/
tomando lmites /
d1
n
(t)
dt
= \1
n
(t) + \1
n1
(t)
esto es la ecuacin diferencial

1
0
n
(t) = \1
n
(t) + \1
n1
(t)
1
n
(0) = 0
cuya solucin es 1
n
(t) =
c
t
.(\t)
n
:!
2
Corolario 1: El nmero medio de llegadas en el intervalo [0. t] es \t, y el nmero
medio de llegadas en el intervalo [0. 1] es \.
Corolario 2: Estimacin de \.
3
Por la Ley de los Grandes Nmeros
`
n
:
=
`
1
+ `
2
`
1
+ ...`
n
`
n1
:
si : entonces 1[`
i
] = \
luego lm
t!1
`
t
t
= \
Adems por el Teorema Central del Lmite si \t entonces:
`
t
`(\t. \t)
Vlido para \t 10.
Corolario 3:
1 `
t+s
`
t
= /`
l
. | _ t = 1 `
t+s
`
t
= /
Ejemplo
1`
2;5
= 17. `
3;7
= 22. `
4;3
= 36 en un Proceso Poisson de tasa \ = 8.
1`
2;5
= 17. `
3;7
= 22. `
4;3
= 36 =
= 1(`
2;5
= 17).1(`
3;7
`
2;5
= 5).1(`
4;3
`
3;7
= 14)
= 1(1oi::o:(8 2. 5) = 17).1[1oi::o:(8 1. 5) = 5].1(1oi::o:(8 0. 6) = 14)
=
c
20
.20
17
17!
.
c
9;6
.9. 6
5
5!
.
c
4;8
.4. 8
14
14!
aproximacin Poisson (\t) - `(\t. \t)
Proposicin: `
t

t0
Proceso de Poisson de tasa \. Sea t ~ variable aleatoria tiem-
po entre llegadas consecutivas, entonces t es una variable aleatoria con distribucin
exp(\)
Demostracin
1(t _ t) = 1 1(t t) = 1 1`
t
= 0
= 1
c
t
.(\t)
0
0!
= 1 c
t
= t ~ exp(\) 2
Observacin:
1[ tiempo entre llegadas ] =
1
\
Proposicin: Sea `
t

t0
Proceso de Poisson de tasa \ y en [0. t] se ha producido una
llegada, sea ) ~ variable aleatoria que describe la ocurrencia de esta llegada de Poisson
entonces ) es uniforme [0. t].
Demostracin.
4
Sea 0 < r < t, por denicin de ) :
1[) _ r] = 1[t
1
_ r`
t
= 1] = 1[`
x
= 1. `
t
= 1]
=
1[`
x
= 1. `
t
`
x
= 0]
1[`
t
= 1]
=
\rc
x
.c
(tx)
\tc
t
=
r
t
entonces ) ~ n(0. t). 2
Proposicin: Superposicin de procesos de Poisson
Sean 1
t

t0
y `
t

t0
Procesos de Poisson independientes, de tasas \ y j respectiva-
mente, entonces:
`
t
(.) = 1
t
(.) + `
t
(.)
es proceso de Poisson de tasa (\ + j).
Demostracin
Sea `
B
= nmero de llegadas en el intervalo [0. 1], veamos qu es una variable aleatoria
de Poisson de parmetro (\ + j).1.
1[`
B
= :] =
n

k=0
1[1
B
= /. `
B
= : /]
=
n

k=0
c
B
(\1)
k
/!
.
c
B
.(j1)
nk
(: /)!
=
c
B
.c
B
1
k
1
nk
:!
(\ + j)
n
n

k=0

\
\ + j

k
.

j
nk
\ + j

:!
/!(: /)!
=
c
B(+)
1
n
.(\ + j)
n
:!
n

k=0

:
/

\
\ + j

j
\ + j

nk
=

ya que

\
\ + j
+
j
\ + j

n
1
n

=
c
(+)B
.((\ + j).1)
n
:!
- Poisson (\ + j).1 2
Proposicin: Descomposicin del Proceso de Poisson
Sea `
t

t0
Poisson de tasa \, se consideran:
A
n

n1
Proceso Bernoulli (j) independiente de `
t
o
n

n1
Proceso Sumas de Bernoulli (j) tal que:
o
Nt
= nmero de xitos en [0. t] y
1
t
= `
t
o
Nt
= Nmero de fracasos en [0. t]
Entonces los procesos o
Nt

t0
y 1
t

t0
son Procesos de Poisson independientes de
tasas \j y \(1 j) respectivamente.
5
Idea de la prueba.
Se demuestra que:
1o
N
t+s
o
Nt
= :. 1
t+s
1
t
= /o
Nu
. 1
u
. n _ t =
c
ps
(\j:)
m
:!
.
c
qs
(\:)
k
/!
\/. : = 0. 1 . . . :. t _ 0
Ejemplo
Los vehculos llegan a un aparcamiento segn un Proceso de Poisson de tasa \ = 20
por hora. Las probabilidades de que un vehculo lleve 1, 2, 3, 4, 5 personas son 0,3 0,3
0,2 0,1 y 0,1 respectivamente. Calcular el nmero esperado de personas que llegan al
aparcamiento en una hora.
Solucin.
`
1
, `
2
. . . . . `
5
son el nmero de vehculos que llegan con 1, 2, . . . 5 personas en una
hora sus distribuciones son:
`
1
~ Poisson (20 x 0,3) 1[`
1
] = 6
`
2
~ Poisson (20 x 0,3) 1[`
2
] = 6
`
3
~ Poisson (20 x 0,2) 1[`
3
] = 4
`
4
~ Poisson (20 x 0,1) 1[`
4
] = 2
`
5
~ Poisson (20 x 0,1) 1[`
5
] = 2
1[) : nmero de personas que llegan en 1 hora] =
= 1[`
1
+ 2`
2
+ 3`
3
+ 4`
4
+ 5`
5
]
= 1 1[`
1
] + 2 1[`
2
] + 3 1[`
3
] + 4 1[`
4
] + 5 1[`
5
]
= 6 + 2 6 + 3 4 + 4 2 + 5 2 = 48
Probabilidad de que en 3 horas lleguen 6 vehculos con 5 personas:
1[1
0
(3 20 0.1) = 6] = 1[1
0
(6) = 6]
3. Generalizacin del Proceso de Poisson: Proceso de
Nacimiento y Muerte
Relajando la hiptesis sobre la tasa \ (intensidad) constante, a una situacin ms
realista, en la que la tasa de llegadas \ depende del estado en que se encuentra el proceso
(\
n
) se tiene el Proceso de Nacimiento Puro que se caracteriza como
- Proceso de Conteo.
- Proceso de incrementos independientes y estacionarios
- Vericando
1(A
t+h
= : + 1A
t
= :) = \
n
/ + o(/)
1(A
t+h
_ : + 2A
t
= :) = o(/)
6
de donde
1(A
t+h
= :A
t
= :) = 1 \
n
/ + o(/)
Admitiendo adems la existencia de posibles transiciones a estados anteriores segn
tasa dependiente del estado del proceso (j
n
), se obtiene el Proceso de Nacimiento y
Muerte:
- Proceso de incrementos independientes y estacionarios
- Vericando
1(A
t+h
= : + 1A
t
= :) = \
n
/ + o(/)
1(A
t+h
= : 1A
t
= :) = j
n
/ + o(/)
1(A
t+h
= :A
t
= :) = o(/) si [::[ 1
de donde
1(A
t+h
= :A
t
= :) = 1 (\
n
+ j
n
)0(/) + 0(/)
En forma matricial, en trminos de la matriz ( (generador innitesimal del proceso)
o matriz de tasas
( =

\
0
\
0
0 0 . . .
j
1
\
1
j
1
\
1
0 . . .
0 j
2
\
2
j
2
\
2
. . .
. . . . . . . . . . . . . . .

Ecuaciones diferenciales del Proceso Nacimiento y Muerte

denotando
1
n
(t) = 1(A
t
= :)
1
n
(t + /) = 1(A
t
= :).1(0 llegadas en (t. t + /]A
t
= :)
+1(A
t
= : 1).1(1 llegada en (t. t + /]A
t
= : 1) +
+1(A
t
= : + 1).1(1 abandono en (t. t + /]A
t
= : + 1) +
+1( resto de los casos )
= 1
n
(t).(1 (\
n
+ j
n
)/ + o(/) + 1
n1
(t).(\
n1
/ + o(/)) +
+ 1
n+1
(t)(j
n
/ + o(/)) + o(/)
el cociente incremental
j
n
(t + /) j
n
(t)
/
= (\
n
+ j
n
)j
n
(t) + j
n
o(/)
/
+ j
n1
(t).\
n1
+ j
n1
(t)
o(/)
/
+
+j
n+1
(t)j
n+1
+ j
n+1
(t) + j
n+1
(t)
o(/)
/
+
o(/)
/
tomando lmites, con / 0
lm
h!0
j
n
(t + /) j
n
(t)
/
= (\
n
+ j
n
)j
n
(t) + \
n1
j
n1
(t) + j
n
j
n+1
(t)

j
0
n
(t) = (\
n
+ j
n
)j
n
(t) + \
n1
j
n+1
(t) + j
n
j
n+1
(t) : _ 1
j
0
0
(t) = \
0
j
0
(t) + j
1
j
1
(t)
7
La solucin de esta ecuacin diferencial se establece para las condiciones en las que el
sistema est en equilibrio:

j
n
(t) = j
n
dpn(t)
dt
= 0
que proporciona la solucin siguiente sujeta a la condicin de normalizacin

n
j
n
= 1

j
n+1
j
n+1
\
n
j
n
= j
n
j
n
\
n1
j
n1
: _ 1
j
1
j
1
\
0
j
0
= 0
equivalente a
j
n
j
n
= \
n1
j
n1
: _ 0
iterando

j
n
= j
0

n
j=1
(\
j1
j
j
) : _ 1
con j
0
=

1 +

1
n=1

n
j=1

j1

3.1. Ejemplos de Procesos de Nacimiento y Muerte

Cola tipo M/M/1
Sea A
n
= nmero de usuarios en el sistema con \
n
= \, j
n
= j \: _ 0. La
distribucin estacionaria se obtiene como

j
n
= j
0
.

\
j

n
j
0
=

1 +

1
n=1

n
j=1

1
=

1 +

1
n=1

1
=

1 +
=
1=

1
=
= (1 \j) si

< 1
j
n
= (1 \j)

\
j

n
~ Geomtrica

\
j

si
\
j
< 1
Cola tipo M/M/s
Sea A
n
= nmero de usuarios en el sistema, siendo \
n
= \ y
j
n
=

:j si 1 _ : _ :
:j si : :
Modelo de crecimiento lineal con inmigracin (reproduccin biolgica)
j
n
= :j con : _ 1
\
n
= :\ + o con : _ 0
o : tasa de inmigracin
\ : tasa exp. de reproduccin por individuo.
j : tasa muerte por individuo.
8
4. Proceso de Poisson Compuesto
Un proceso de Poisson compuesto (A
t
)
t0
es un proceso estocstico que puede ser
representado en la siguiente forma:
A
t
=
Nt

i=1
)
i
. t _ 0
donde (`
t
)
t0
es un proceso de Poisson y )
n
: : _ 0 es una familia de variables
aleatorias independientes e igualmente distribuidas las cuales adems son independientes
de (`
t
)
t0
.
Observacin 1: Si )
i
= 1 para todo i entonces A
t
= `
t
es decir, obtenemos el proceso
ordinario de Poisson.
Observacin 2: En la teora del riesgo el proceso de Poisson compuesto tiene la siguiente
interpretacin: La v.a `
t
representa el nmero de reclamaciones que se hacen a una
compaa en el intervalo de tiempo (0. t], )
i
representa la cantidad del i-simo reclamo y
A
t
representa la cantidad total reclamada en el intervalo de tiempo (0. t].
Observacin 3:
1A
t
= \t1)
1
n \ c:A
t
= (\t)1)
2
1
En efecto:
1A
t
= 1(1(A
t
[ `
t
)) como 1(A
t
[ `
t
= :) = 1(
n

i=1
)
i
) = :1)
1
Entonces 1(A
t
[ `
t
) = `
t
1)
1
Por otra parte \ c:A
t
= 1(\ c:(A
t
[ `
t
)) + \ c:(1(A
t
[ `
t
))
(recuerde: \ c:(A [ ) ) := 1((A 1(A [ ) ))
2
[ ) ).
De ah \ c:A = 1(\ c:(A [ ) )) + \ c:(1(A [ ) )))
Por consiguiente:
\ c:A
t
= 1(`
t
\ c:)
1
) + \ c:(`
t
1)
1
)
= \t\ c:)
1
+ (1()
1
))
2
.\ c:`
t
= \t\ c:)
1
+ (1()
1
))
2
.\t
= \t1()
2
1
).
9