PROCESO DE NACIMIENTO Y MUERTE DE POISSON

HECTOR ANDRES MOYA MOSQUERA,

JAIME ALBERTO RICARDO NEIRA

INGENIERIA INDUSTRIAL

PROFESOR. CARLOS LOPEZ

UNIVERSIDAD DE SAN BUENAVENTURA


1. RESUMEN
En éste proyecto se hará una
revisión teórica de la función
Poisson, como distribución de
probabilidad, que asigna a cada
evento definido sobre una variable
aleatoria discreta, la probabilidad
de ocurrencia, bien sea dentro de
un intervalo de tiempo, o dentro de
una región del espacio disjunto.
Será contemplada también dentro
de la revisión, la distribución
exponencial negativa, que es
empleada en el modelamiento del
intervalo de tiempo entre eventos
Poisson, consecutivos e
independientes; expuesto de otra
manera, son eventos en los que, la
probabilidad de ocurrencia de ellos
mismos dentro de un intervalo de
tiempo, no tiene dependencia de
los eventos ocurridos en intervalos
diferentes; es por lo anterior que se
afirma que es una distribución "sin
memoria". El proceso Poisson
relaciona la función de Poisson,
dicha función representa un
conjunto de eventos
independientes que suceden bien
sea en un mismo intervalo de
tiempo, o en una región del
espacio que contiene los tiempos
dados entre la ocurrencia de los
eventos, lo anterior dictaminado
según la distribución exponencial
negativa. Los conceptos expuestos
anteriormente, son usados en la
teoría de colas, una de las ramas de
la investigación de operaciones,
que se encarga de describir y
plantear soluciones a situaciones
en las que, uno, o varios conjuntos
de individuos forman "colas" a la
espera de la prestación de algún
servicio; de lo anterior se
desprende una amplia
ejemplificación de posibles
aplicaciones en el ámbito
ingenieril.
2. ABSTRAC
In this project, a theoretical revision
of the Poisson function will be
made, as a probability distribution,
that assigns to each event defined on
a discrete random variable, the
probability of occurrence, either
within a time interval, or within a
region of the disjoint space. It will
be contemplated also within the
revision, the negative exponential
distribution, which is used in the
modeling of the time interval
between Poisson events,
consecutive and independent;
exposed in another way, are events
in which, the probability of
occurrence of themselves within a
time interval, has no dependence on
events occurred at different
intervals; it is for the foregoing that
it is affirmed that it is a distribution
"without memory". The Poisson
process relates the Poisson function,
this function represents a set of
independent events that happen
either in the same interval of time, or
in a region of the space that contains
the given times between the
occurrence of the events, the
previous thing dictated according to
the negative exponential
distribution. The concepts presented
below are used in queue theory, one
of the branches of operations
research, which is responsible for
describing and proposing solutions
to situations in which one or several
groups of individuals form "tails" to
the wait for the provision of some
service; from the foregoing a broad
exemplification of possible
applications in the engineering field
follows.
3. INTRODUCCIÓN
La distribución de Poisson es una
distribución de probabilidad discreta y
expresa la probabilidad de que un correcto
número de eventos ocurran en un periodo
de tiempo
Conocida como la “Ley de los sucesos
raros”, llamada así por el matemático
Simeon Denis Poisson (1781-1840), es un
proceso estocástico de tiempo que consiste
en “contar” eventos raros (de ahí el nombre
“ley de los eventos raros) que ocurren a lo
largo del tiempo.
Entre las características principales
podemos citar:
Determina la probabilidad de que un
correcto número de eventos ocurran en un
periodo de tiempo.
Ocurren con una tasa media conocida
donde cada evento es independiente del
tiempo transcurrido desde el último.
Son sucesos con ocurrencia infinita.
4. MARCO TEÓRICO
La mayor parte de los modelos
elementales de colas suponen que las
entradas (llegada de clientes) y las salidas
(clientes que se van) del sistema ocurren de
acuerdo al proceso de nacimiento y muerte.
El termino nacimiento se refiere a llegada
de un nuevo cliente al sistema de colas y el
termino muerte se refiere a la salida del
cliente servido. El estado del sistema en el
tiempo t (t 0) denotado por N(t) es el
número de clientes que hay en el sistema de
colas en el tiempo t. El proceso de
nacimiento y muerte describe en términos
probabilísticos como cambia N(t) al
aumentar t. En general, dice que los
nacimientos y muertes individuales ocurren
aleatoriamente, en donde sus tasas medias
de ocurrencia dependen del estado actual
del sistema.
El proceso de muerte del nacimiento es un
caso especial del tiempo continuo proceso
de Markov donde los estados representan la
talla corriente de una población y donde las
transiciones se limitan con nacimientos y
muertes. Los procesos de muerte del
nacimiento tienen muchas aplicaciones en
la demografía, queueing teoría, ingeniería
de rendimiento, o en la biología, por
ejemplo para estudiar la evolución de
bacterias.
Cuando un nacimiento ocurre, el proceso
va del estado n a n + 1. Cuando una muerte
ocurre, el proceso va del estado n para
declarar n − 1. El proceso es
especificado por índices de natalidad e
índices de mortalidad.
Ejemplos
Un proceso de nacimiento puro es un
proceso de muerte del nacimiento donde
para todos.
Un proceso de muerte puro es un proceso
de muerte del nacimiento donde para
todos.
Un proceso de Poisson (homogéneo) es
un proceso de nacimiento puro donde
para todo
El modelo M/M/1 y los modelos M/M/c,
ambos usados en la teoría queueing, son
procesos de muerte del nacimiento
usados para describir a clientes en una
cola infinita.

El desarrollo de los modelos de

nacimiento y muerte se basa en las
siguientes hipótesis:

 Si el número de clientes en el
sistema es igual a n, la distribución
de probabilidad del tiempo que falta
ver el próximo nacimiento, sigue una
ley exponencial de parámetro λn.
 Si el número de clientes en el
sistema es igual a n, la distribución
de probabilidad del tiempo que falta
para la próxima muerte sigue una ley
exponencial de parámetro µn.
 Las variables aleatorias son
independientes. Dependiendo de que
variable resulte ser más pequeña.
Cuando trabajamos con más de dos
variables nominales estaremos ante el
denominado Análisis de correspondencias
múltiples.

El análisis de correspondencias reduce los

datos analizados en dos, tres dimensiones,
donde sitúa las categorías de las variables
analizadas y los sujetos que intervienen en
el análisis, para ello:

Considera los n casos (sujetos) como las

filas de una tabla en la que cada una de sus
columnas Vi es una variable analizada.

Cada una de las casillas de esta tabla puede

considerarse como un punto dotado de una
masa obtenida a partir de las frecuencias
que en ella aparecen.

PROCESO DE NACIMIENTO PURO

Y MUERTE PURA

En esta sección consideraremos dos

procesos especiales. En el primer proceso,
los clientes llegan y nunca parten y en el
segundo proceso los clientes se retiran de
un abasto inicial. En ambos casos los
procesos de llegada y retiro ocurren de
manera aleatoria. Las dos situaciones se
denominan proceso de nacimiento puro y
proceso de muerte pura.

MODELO DE NACIMIENTO PURO

Considere la situación de emitir actas de

nacimiento para bebes recién nacidos.
Estas actas se guardan normalmente en una
oficina central de Registro Civil. Hay
razones para creer que el nacimiento de
bebes y, por ello, la emisión de las actas
correspondientes es un proceso
completamente aleatorio que se puede
describir por medio de una distribución de
Poisson. p n (t) (t) n n! e t n = 0,1,2,3.
(nacimiento puro) Donde λ es la tasa de
llegadas por unidad de tiempo, con el
número esperado de llegadas durante t
igual a λ t
µ unidades por día y que el proceso de
demanda es completamente aleatorio, la
probabilidad asociada de tener n artículos
en el almacén después de un tiempo t, la da
la siguiente distribución truncada de
Poisson

Ejemplo
5. OBJETIVO GENERAL
Suponga que los nacimientos en un país
están separados en el tiempo, de acuerdo
con una distribución exponencial,  Reconocer los conceptos básicos
presentándose un nacimiento cada 7 concernientes a la teoría de colas.
minutos en promedio. Como el tiempo
promedio entre arribos (entre
nacimientos) es de 7 minutos, la tasa de
nacimiento en el país se calcula como:
λ =24x60/7=205.7 nacimiento s / día

El número de nacimientos en el país por

año está dado por λt=205,7x365 = 75080
nacimientos/año 6. OBJETIVOS ESPECÍFICOS
La probabilidad de ningún nacimiento en
cualquier día es  Conocer los conceptos básicos del
proceso de nacimiento y muerte
Po=(205.7x1) ^0 e^205.7x1/0! =0
 A través de un ejemplo, conocer el
método de aplicación del proceso
Suponga que nos interesa la probabilidad de nacimiento y muerte.
de emitir 45 actas de nacimiento al final
de un periodo de 3 horas, si se pudieron
emitir 35 actas en las primeras 2 horas.
Observamos que debido a que los
nacimientos ocurren según un proceso de
Poisson, la probabilidad requeridas
reduce a tener 45-35=10 nacimientos en
una hora (=3-2). Dado λ=60/7=8.57
nacimientos/hora, obtenemos.

RESULTADO

P10(19)=((8.57x1)^10e^857x1)/10!=0,1
1172

MODELO DE MUERTE PURA

Considere la situación de almacenar N
unidades de artículo al inicio de la
semana, para satisfacer la demanda de los
clientes durante la semana. Si suponemos
que la demanda se presenta a una tasa de
 Reconocer la importancia en la
industria y en los negocios de los
procesos de nacimiento y muerte

7. CONCLUSION

La ciencia de la matemática se
convierte para la teoría de
colas en una herramienta que
permite construir modelos que
ayudan a predecir el
comportamiento de las
medidas de desempeño, con el
fin obtener de manera oportuna
información que permita
encontrar un equilibrio entre la
prestación de un servicio y el
costo que este acarrea. Las
medidas de desempeño para los
procesos de colas pueden
representarse a través de
diferentes distribuciones de
probabilidad, de acuerdo a la
medición de los resultados
obtenidos con la realización del
experimento. Los modelos de
Poisson permiten abordar
situaciones propias de la teoría
de colas, caracterizadas por la
llegada aleatoria e
independiente de los clientes,
con tiempos de servicio
exponenciales que evidencian
la falta de memoria respecto al
tiempo empleado por algún
cliente anterior en el proceso
de atención. La teoría de colas
se hace evidente en múltiples
escenarios del quehacer
habitual de las personas y en el
desarrollo de procesos
operativos de instalaciones
industriales y tecnológicas. En
la gran mayoría de los casos de
la teoría de colas la llegada de
los clientes ocurre de manera
aleatoria, esto facilita su
 desarrollo teórico; sin
embargo, existen otras
situaciones en que la llegada de
los clientes al sistema puede
ser programada. La
complejidad de la
determinación de resultados
analíticos a partir de la
construcción de modelos
admite una distribución de
probabilidad diferente a la
exponencial negativa, pero
exige entonces la
implementación de procesos de
simulación

8. REFERENCIAS

[ Ruiz, S , Proceso de nacimiento y muerte,

1 Investigación de Operaciones, 2002
] Jiménez, G, Proceso de nacimiento y
muerte, Revista Universidad Nacional de
Colombia, 2014
[ Aplicación de colas de Poisson en procesos de
‘toma de decisiones’ en la gestión de servicios
2
médicos Diego Fernando Cardona Madariaga
] Javier Leonardo González Rodríguez Miller
Rivera Lozano Jesús Andrés Romero Dávila
Facultad de Administración No. 138, ISSN:
0124-8219 Mayo de 2012 Universidad del
Rosario

[
3