Scribd
Cargar
26 vistas3 páginas

Resumen I1

Este documento presenta varios teoremas y conceptos relacionados con procesos de Poisson, incluyendo el teorema de Bayes, probabilidades condicionales, esperanzas de procesos de Poisson, distribuciones de tiempos entre eventos, relaciones entre el número de eventos y tiempos de ocurrencia, descomposiciones y sumas de procesos de Poisson, y procesos de Poisson no homogéneos.

Cargado por

vivianne aguilar
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
26 vistas3 páginas

Resumen I1

Este documento presenta varios teoremas y conceptos relacionados con procesos de Poisson, incluyendo el teorema de Bayes, probabilidades condicionales, esperanzas de procesos de Poisson, distribuciones de tiempos entre eventos, relaciones entre el número de eventos y tiempos de ocurrencia, descomposiciones y sumas de procesos de Poisson, y procesos de Poisson no homogéneos.

Cargado por

vivianne aguilar
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 3

Ley de probabilidades totales n

P ( F ) =∑ P ( F|E i)∗P(E i)
i=1

Teorema de Bayes (Simple) P ( F|E )∗P(E)


P ( E|F )=
P (F)
Teorema de Bayes P ( F|E i )∗P(E i)
(Completo) P ( Ei|F )= n

∑ P ( F|E j )∗P(E j)
j=1

Probabilidad condicional P(X ,Y )


P ( X|Y ) =
P (Y )

Incrementos
independientes (i.i.) P ( N ( t+ s )−N ( t )=k , N ( u )=r )
* Cuando hay intervalos
¿ P¿
disjuntos

Incrementos estacionarios
(i.e.) { N ( t+ s )−N ( t ) } { N ( t ' ++ s )−N ( t ' ) }
* La distribución depende
P ( N ( t+ s )−N ( t )=k )=P (N ( t++ s ) −N (t )=k )
del largo del intervalo, no
de la posición

Propiedad de orden (No


pueden ocurrir en eventos
en un intervalo de largo P ( N ( 0 )=0 )=1 ⇒ N ( 0 )=0
cero)

Esperanza de p.p. E ( N ( t ) )=λ∗t


Distribución del tiempo
entre eventos de un p.p con
tasa λ T i exp (λ)
¿

Distribución del tiempo de Sk =T 1 +…+T k Gamma(k , λ)


ocurrencia del k-ésimo
evento
(Tiempo hasta que ocurra el
evento k)
Si ocurre un solo evento en
[0 ,t ], el tiempo de
ocurrencia del evento s
P ( S1 < s|N ( t )=1 )=
dentro del intervalo t
Uniforme (0 , t)

Distribución condicional de Si yo sé exactamente que ocurrieron n eventos, el tiempo de


los tiempos de evento
ocurrencia de cualquiera U (0 ,t)

Sea un pp con tasa λ . Para 0<u< t y 0 ≤ k ≤ n (necesito la prob.


de un intervalo contenido en otro), se tiene:

()( )
k n−k
n! u u
P ( N ( u )=k| N (t )=n )= ∗ ∗ 1−
k ! ( n−k ) ! t k

* No sirve cuando los intervalos se sobrelapan


Relación entre N ( t ) y Sk Sk <t ⇔ N ( t ) ≥ k

Descomposición de un p.p. N ( t ) , tasa λ=N 1( t ) , tasa λ∗p+ N 2 ( t ) ,tasa λ∗(1−p)

Suma de un p.p. N 1 ( t ) , tasa λ 1+ N 2 (t ) , tasa λ2=N ( t ) ,tasa λ=λ1 + λ 2

Paradoja de la Inspección Si uno se para en un punto cualquiera, es más probable que justo
se haya parado en un intervalo largo entre eventos. Por lo tanto,
el tiempo promedio que uno calcula es siempre mayor a si uno lo
midiera desde que empieza un evento hasta que empieza otro.

{
− λx
P ( Z ( t ) ≤ x )= 1−e , x <t
−λx
e , x=t

E (T i )< E ¿
Proceso Poisson compuesto El proceso de conteo { Z ( t ) ,t ≥ 0 } es un p.p. compuesto si se
* No posee propiedad de
representa como:
orden
N(t)
Z ( t )=∑ X i
i=1

Z ( t ) :n ° total de personas que llegan en [0 ,t ]


X i : cantidad de personas que vienen en el grupo i
N ( t ) :cantidad de grupos que llegan en [ 0 , t ] ,tasa λ

Esperanza de Z ( t ) :

E ( Z ( t ) )=E ( X i )∗E ¿

Proceso Poisson no- Si { N ( t ) , t ≥ 0 } es un p.p. no homogéneo con tas λ ( t ) , entonces


homogéneo
se tiene:
(La tasa varía con el tiempo,
n
por tanto, no hay m ( t+ s ) −m ( t ) −( m (t +s )−m (t ))
P ( N ( t+ s )−N ( t )=n )= e
incrementos estacionarios) n!
Donde,
t
m ( t ) =∫ λ ( s )∗ds
0

También podría gustarte