El ruido de Poisson multiplicado en detección de pulso, partículas y fotones, es una aplicación

de los procesos estocásticos dentro de la ingeniería, el cual nos permite determinar un proceso
puntual, como por ejemplo determinar el flujo de tráfico en un determinado momento.

El proceso de Poisson a diferencia de un proceso Gaussiano que se basa en variables

continuas, este establece un proceso puntual (HPP) que se caracteriza por una sola cantidad,
su taza, que es una constante. Una características de este proceso es que evoluciona en el
tiempo sin efectos secundarios, lo que significa que los tiempos de ocurrencia y el número de
eventos antes de un arbitrario en el tiempo no tiene relación con los tiempos de ocurrencia
posteriores eventos, es decir no tiene memoria, debido estas propiedades simples, el HPP
resulta ser un bloque de construcción adecuado para procesos puntuales más complejos.

Unos de los casos que ha sido ampliamente estudiado es el que se conoce como Doblemente
proceso puntual estocástico de Poisson (DSPP), que difiere del HPP en que la taza ya no es
constante, más bien adquiere un proceso estocástico de naturaleza propia, unos de los usos
aplicados de este proceso en el uso de la tecnología textil, uno de los objetivos del DSPP es
enfatizar que dos tipos de aleatoriedad: La aleatoriedad asociada con el punto de proceso de
Poisson y una aleatoriedad independiente .

En ciertas áreas de estudio, los efectos de multiplicación en punto los procesos juegan un
papel importante; en la mayoría de estos casos, un determinado proceso de puntos (primario)
se multiplica de alguna manera para dar subir a un segundo proceso (subsidiario) de puntos.
Como ejemplo de esto teneos la catodoluminiscencia, que es la responsable que exista la
televisión, el osciloscopio y las imágenes de radar, debido a que cada incidente electrónico en
el fosforo, libera un numero aleatorio de fotones en la pantalla, los cuales forman las imágenes
que observamos. La multiplicación también puede ocurrir en sucesivas etapas, para que cada
generación de partículas produzca una nueva generación, y así sucesivamente. Tales procesos
de ramificación (en cascada) se pueden usar para describir las propiedades de ruido de
dispositivos como detectores de avalanchas y multiplicadores de electrones.

Eventos aleatorios derivados de la multiplicación de procesos

 Multiplicación Instantánea: Se consideran un proceso de puntos primarios dentro de

un intervalo de tiempo [0,T], que es una variable aleatoria discreta m que tiene como
función generadora ( mgf ) ,Q m ( s )=¿ exp (−sm ) >.

Los corchetes angulares representan un promedio de conjunto. Deja que cada evento
primario produce un subsidiario A independiente. Donde A es una variable aleatoria
discreta que tiene un ( mgf ) ,Q A ( s ) =¿ exp (−s A ) >.Donde el número total de eventos
secundario viene dado por:
m
n=∑ Ak (1)
k=1

 Multiplicación con retardo randómico: En muchos sistemas físicos, un retraso de

tiempo puede ser inherente al proceso de multiplicación y ese retraso de tiempo será
en sí mismo aleatorio. los eventos pueden o no ser incluidos en el proceso final de
 puntos. La naturaleza de la aleatoriedad de los tiempos de retraso que separan los
eventos subsidiarios de su evento primario puede tomar diferentes formas.

El factor de multiplicación puede asumir una distribución arbitraria, y los tiempos de

retraso de T 1 , T 2 , … . ,T A , medidos a partir del evento primario, que se supone que
son estadísticamente independientes e idénticamente distribuidos. Este proceso tiene
sido utilizado por Neyman y Scott para describir una amplia variedad de fenómenos de
la distribución de larvas en pequeñas parcelas de aterrizar a la distribución de galaxias
en el espacio.

 El punto de Poisson doblemente estocástico impulsado por el ruido de disparo

Proceso: Se caracteriza la aleatoriedad tanto del factor de multiplicación y los tiempos
de retraso, suponiendo que no son homogéneos, el proceso de Posisson produce los
eventos secundarios. Donde se considera la ocurrencia de un evento primario en t = 0,
donde se genera una función continua h(r) que actua como la taza del proceso de
Poisson no homogéneo.

El factor de multiplicación tiene una distribución de Poisson de la media.

(2)

Los tiempos de retraso T 1 , T 2 , … . ,T A son estadísticamente independientes e idénticamente

distribuido con una función de densidad de probabilidad

(3)
Este proceso es, por lo tanto, un caso especial de Neyman-Scott modelo: un caso en el que A
es Poisson con una media dada por (2), y con una distribución de tiempo de demora dada por
(3). Los tiempos entre eventos no se distribuyen de manera idéntica debido a la no
estacionariedad de la tasa; por lo tanto, este proceso no es especial caso del modelo Bartlett-
Lewis.

PROPIEDADES DEL SHOT-NOISE-DRIVEN DOUBLY PROCESOS DE POISSON STOCHASTIC POINT

 Estadísticas de conteo para el SNDP: El SNDP es un DSPP especial cuya tasa integrada
W se describe por la función de generación de momento dada en:

para determinar las estadísticas (momentos y distribución de probabilidad) para el número de

conteos n registrado en el intervalo de tiempo [O, TI. Consideramos varios casos limitantes y
especiales.

 Los momentos de n: hemos derivado la siguiente relación de recurrencia para el

factorial de orden m momento de n:

donde los coeficientes al son

y el número medio de recuentos (n) es

  Estadísticas de tiempo para el SNDP: determinamos las estadísticas del avance tiempo
de recurrencia y tiempo entre eventos, para el SNDP. Debido a que el SNDP es un caso
especial del DSPP general, el Las densidades de probabilidad P1 (T ) y P2 (T ) se pueden
determinar a partir del mgf de la tasa integrada W usando las fórmulas presentadas,
Como ya hemos obtenido explícito expresiones para Qw (s), el cálculo de P1 (T ) y
P2 (T )es un ejercicio directo usando:

Obteniendo

Commo resultado de esto podemos tener diversas aplicaciones referente a los SNDP, entre las
cuales tenemos:

 Conteo de fotones de centelleo

 Ruido fotomultiplicador inducido por radiación ionizante
 Cathodoluminescence
 Radiografía y electronografía de rayos X
Como conclusión del ruido de Poisson multiplicado en detección de pulso, partículas y
fotones, se tiene que considerar minuciosamente el conteo y estadísticas de tiempo para el
SNDP. Este proceso proporciona un natural Descripción de fenómenos que implican la
multiplicación aleatoria (o reducción) de eventos de puntos de Poisson con un tiempo
aleatorio retrasar. El SNDP es un proceso de clúster particular de Neyman-Scott. El modelo se
ha aplicado a una serie de problemas importantes en ingeniería eléctrica, física y óptica, que
incluyen catodoluminiscencia, ruido de luminiscencia de tubo fotomultiplicador inducida por la
radiación ionizante, el centelleo de fotoncuento detección de partículas nucleares, radiografía
de rayos X y electronografía. Hay otras multiplicaciones aleatorias de un solo escenario
procesos, que implican retraso aleatorio, para los cuales este modelo proporciona una
solución particular.