Escolar Documentos
Profissional Documentos
Cultura Documentos
Processo de Poisson
O Espaço de Estados de um processo estocástico representa o conjunto de todos possíveis valores das
variáveis aleatórias X(t). Cada um desses possíveis valores é denominado estado do processo
Definição 2.
Um processo estocástico contínuo {X(t), t ∈ T} possui incrementos independentes se para todos os inteiros
t0 ≤ t1 ≤ t2 ≤ .... ≤ tn, as variávies aleatórias X(t1 )-X(t0), X(t2 )-X(t1 ), X(t3 )-X(t2), X(tn )- X(tn-1) são independentes.
X(t)
t0 t1 t2 t3 tn-1 tn t
Definição 3.
Um processo estocástico contínuo {X(t), t ∈ T} possui incrementos estacionários se X(t1+s)-X(t1) tem a
mesma distribuição de X(t2+s)-X(t2), para todo t ∈ T.
X(t)
t1 t1+s t2 t2+s t
Processo de Poisson
Um Processo de Poisson com parâmetro (ou taxa de chegada λ) é um processo estocástico contínuo no
tempo {X(t), t ≥ 0 }, satisfazendo as seguintes condições:
a) t = 0, X(0) = 0.
b) Para todo t0 ≤ t1 ≤ t2 ≤ .... ≤ tn, os incrementos em intervalos não sobrepostos X(t1 )-X(t0), X(t2 )-X(t1 ),
X(t3 )-X(t2), X(tn )- X(tn-1) são variáveis aleatórias independentes.
c) Para t ≥ 0, s > 0 e k > 0, os incrementos apresentam Distribuição de Poisson:
P [ X (t + s ) − X (s ) = k ] =
(λ t )k ⋅ e −λ t
k!
t – intervalo de tempo.
k – número de eventos que ocorrem no intervalo de tempo t.
(número de bits; pacotes; chamadas; requisições)
Exemplo 1:
O número de requisições que chegam a um servidor é em média 30 requisições/min. Qual a probabilidade
de chegarem 4 requisições no intervalo [t1, t1+ 10s]?
X(t) t= 10s
λ = 30req / min ≡ 0,5req / s k = 4 req t = 10 s
k = 4 req
P [ X (t1 +10 ) − X (t1 ) = 4 ]=
(0,5 ⋅10) −0,5 ⋅10
4
⋅e =0,1755
4!
t1 t1+10 t
Propriedades do Processo de Poisson
Propriedade 1.
Na condição c, os incrementos são estacionários, pois a equação de Poisson não depende de s.
Os incrementos dependem somente do comprimento do intervalo t.
O valor esperado de uma variável aleatória de Poisson é dado por:
E [ X (t + s ) − X (s ) ] = λ t
Considerando que os incrementos são estacionários a equação acima é válida para qualquer valor de s.
Se s = 0:
E [ X (t ) − X (0 ) ] = λ t
Propriedade 2.
A probabilidade que exatamente um evento ocorre em um intervalo de tempo arbitrariamente pequeno de
comprimento h, dada pela equação de Poisson:
Pr = P [ X (h + s ) − X (s ) = 1 ] = λ h ⋅ e − λ h
Expandindo em série de Taylor:
(− λ h )1 (− λ h )2 (− λ h )3 (− λ h )n
Pr = λ h ⋅ 1 + + + + .... +
1! 2! 3! n!
Pr = λ h + O (h )
Pr = P [ X (h + s ) − X (s ) = 0 ] = e − λ h = 1 − λ h + O(h)
A probabilidade de ocorre mais de um evento no intervalo h:
Pr = P [ X (h + s ) − X (s ) > 1 ] = −2O (h) ≅ O(h)
Exemplo 2:
Uma conversação em uma rede ad-hoc sem fio é severamente perturbada por sinais interferentes de
acordo com o Processo de Poisson de taxa λ = 0,1 interferência/min.
a) Qual a probabilidade que nenhum sinal interferente ocorra nos 2 primeiros minutos de
conversação?
(λ ⋅ t )k (0,1 ⋅ 2 )0
P [ X (2 ) − X (0 ) = 0 ] = ⋅ e − λ ⋅t = ⋅ e − 0 ,1 ⋅2 = 0,8187
k! 0!
b) Dado que os 2 primeiros minutos não sofrem interferências qual é a probabilidade que no próximo
minuto, precisamente um sinal interferente ocorrerá?
(0,1 ⋅1)1
P [ X (3) − X (2 ) = 1 / X (2 ) − X (0 ) = 0 ] ≡ P [ X (3) − X (2 ) = 1 ] = ⋅ e − 0 ,1 ⋅1 = 0,0905
1!
Exemplo 3:
Durante um certo intervalo de tempo [t1, t1+10s] chegam ao roteador em média 40 pacotes/s. Um
provedor de serviço de Internet (ISP) quer determinar a probabilidade de chegarem 20 pacotes no intervalo
[t1, t1+ 1s] e 30 pacotes no intervalo [t1, t1+3s]. Considere o processo de chegada Possoniano.
Eventos independentes – a probabilidade conjunta será dada pelo produto das duas:
P0 (t + h ) = P [ N (t + h ) − N (t ) = 0 ] ⋅ P [ N (t ) = 0 ]
P0 (t + h ) = P [ N (h ) = 0 ] ⋅ P [ N (t ) = 0 ]
Temos:
∞ ∞
∑ P [ N (h ) = k ] = 1
k =0
→ P [ N (h ) = 0 ] + ∑ P [ N (h ) = k ]
k =1
=1
∞
P [ N (h ) = 0 ] = 1 − P [ N (h ) = 1 ] − ∑ P [ N (h ) = k ]
k >1
P[ N (h ) = 0 ] = 1 − (λ h + O ( h ) ) + O ( h ) = 1 − λ h
P0 (t + h ) − P0 (t )
P0 (t + h ) = P0 (t ) ⋅ (1 − λh ) ⇒ = − λ ⋅ P0 (t ) Observe a derivada Po´(t)
h
− λ ⋅t
Seja: P0 ( t ) = c ⋅ e . Para determinar o valor de c:
P0 (t ) = P [ N (0 ) = 0 ] = e − λ ⋅t → c = 1.
Por analogia:
P [ X (t + s ) − X (s ) = k ] =
(λ t )k
⋅ e −λ t
k!
Teorema 2
Seja {X(t), t ≥ 0} um processo de Poisson com taxa λ>0 e sejam t0 ≤ t1 ≤ t2 ≤ .... ≤ tn, os tempos de ocorrência
de eventos sucessivos.
Então os intervalos de tempo que separam dois eventos sucessivos (interarrival times) ℑn = tn – tn-1 são
variáveis aleatórias independentes e identicamente distribuídas exponencialmente com média 1/λ.
Prova: Para qualquer s ≥ 0 e qualquer n ≥ 1 o evento {ℑn > s} é equivalente ao evento { X(tn-1+s)– X(tn-1 )= 0},
ou seja, não ocorreram chegadas no intervalo s.
P {ℑ n > s} = P[ X (t n −1 + s ) − X (t n −1 ) = 0] = e − λ ⋅ S
O que implica que qualquer intervalo de chegada tem uma distribuição exponencial:
F X ( x) = P {ℑ n ≤ x} = 1 − e − λ ⋅ X
F ( x)
f X ( x) = X = λ ⋅ e −λ ⋅ X
dx
Teorema 3
Dado que exatamente um evento de um processo de Poisson {X(t), t ≥ 0} tem ocorrido no intervalo [0, t] o
instante de ocorrência deste evento é uniformemente distribuído no intervalo [0, t].
Prova: Representando por s o instante de ocorrência do evento, 0 ≤ s ≤ t, devemos calcular a probabilidade
[{ℑ1 ≤ s}I{X (t) = 1}] = [{X (s) = 1}I{X (t) = 1}] = [{X (s) = 1}I{X (t) − X (s) = 0}]
Aplicando a independência de incrementos sobre intervalos não sobrepostos, resulta:
P [ X ( s ) = 1]⋅ P [ X (t ) − X ( s ) = 0 ]
P [ℑ 1 ≤ s / X (t ) = 1] =
P [ X (t ) = 1]
Teorema 4
Se X(t) e Y(t) são dois processos de Poisson independentes com taxas λx e λy, então Z(t) = X(t) + Y(t)
também é Poisson com taxa λz = λx + λy.
Prova.
Exemplo 4:
Seja X(t) = X1(t) + X2(t) a soma de dois processos de Poisson independentes com taxas λ1 e λ2. Se o processo
X(t) tiver uma chegada qual a probabilidade que esta chegada venha do processo X1(t)?
P [{X 1 (t) = 1} ∩ {X(t) = 1}] P [{X 1 (t) = 1} ∩ {X 2 (t) = 0}]
P [ X 1 (t) = 1 / X(t) = 1] = ≡
P [X(t) = 1] P [ X(t) = 1]
b) Qual a probabilidade de chegarem mais que 10 pacotes VoIP durante o período de upgrade?
c) Se durante o upgrade chegar 1 pacote qual é o minuto mais provável em que o pacote chegou?
A distribuição é uniforme, qualquer intervalo possui a mesma probabilidade.
Exemplo 6:
Uma série de seqüências de teste com um número variável de N bits todos iguais a 1 são transmitidos em
um canal de comunicação. Devido aos erros de transmissão, cada bit 1 pode ser corrompido
independentemente dos outros e chegar corretamente com probabilidade p. O comprimento N das
seqüências é uma variável aleatória de Poisson com comprimento médio de λ bits. Neste teste, a soma Y
dos bits na seqüência é analisada para determinar a qualidade do canal. Calcule a fdp de Y.
Y – variável aleatória binomial de parâmetros (N, p)
∞ p – probabilidade de não ocorrer erros
P [Y = k ] = ∑ P [Y = k / N = n ] ⋅ P [N = n ] q = 1- p – probabilidade de ocorrer erros
n=0
k – quantidade de bits com erro
∞
n λn −λ n – seqüência de bits
P[Y = k ] = ∑ ⋅ p k ⋅ q (n − k ) ⋅ ⋅e Binomial – quantas combinações poderão existir para
n =0 k n!
representar bits errados.
p k ⋅ e − λ ∞ q ( n − k ) ⋅ λ n p k ⋅ e − λ ∞ q (n − k ) ⋅ λ n λ − k p k ⋅ e − λ ∞ q ( n − k ) ⋅ λ ( n − k )
P[Y = k ] = ⋅∑ = ⋅ ∑⋅ ⋅ = ⋅ ∑⋅
k! n = 0 ( n − k )! k! n=0 ( n − k )! λ − k k!⋅λ− k n =0 ( n − k )!
Mudança de variáveis:
n=k →m=0
m=n−k
n = ∞ → m = ∞
p k ⋅ λk ⋅ e −λ ∞ q m ⋅ λm p k ⋅ λk ⋅ e −λ qλ ( p ⋅ λ )
k
P[Y = k ] = ⋅ ∑⋅ = e = ⋅ e −λp
k! m =0 m! k! k!
Exemplo 7:
Num roteador são suportadas quatro classes de QoS. Cada classe possui pacotes chegando de acordo com
um processo de Poisson com taxas λj (j = 1, 2, 3, 4). Suponha que o roteador falhe no instante t1 e
permaneça durante um intervalo de tempo T.
Qual é a função densidade de probabilidade do número total de pacotes das quatro classes que chegam no
intervalo T?
4
Exemplo 8:
Pacientes chegam a um consultório de acordo com um Processo de Poisson de taxa = 0,1 pacientes/min. O
doutor não irá atender um paciente até que pelo menos três pacientes estejam na sala de espera.
a) Encontre o tempo médio de espera até que o primeiro paciente seja admitido pelo doutor.
E [N ] = λT ⋅ T → 3 = 0,1 ⋅ T → T = 30 min
b) Qual é a probabilidade de que ninguém seja atendido na primeira hora?
Não haverá atendimento se houver menos de 3 pessoas na sala de espera na primeira hora:
2
P [ NaoAtend .] = ∑ P [ X (60 ) = k ] =
(0,1 ⋅ 60)0 ⋅ e −0,1⋅60 + (0,1 ⋅ 60)1 ⋅ e −0,1⋅60 + (0,1 ⋅ 60)2 ⋅ e −0,1⋅60 =25e −0,6
k =0 0! 1! 2!
Exemplo 9:
Pacotes de dados transmitidos por um modem sobre uma linha telefônica formam um processo de Poisson
de taxa 15 pacotes/segundo. Usando Mk para denotar o número de pacotes transmitidos na k-ésima hora,
encontre a fmp conjunta de M1e M2: p m1,m 2 (m1 , m2 ) .
Teorema 8.2 (apostila): Para um processo de Poisson N(t) de taxa λ, a fmp conjunta é dada por:
E [N ] = λT ⋅ T = 160 pedidos/dia
b) Qual a probabilidade que em 20 minutos exatamente três pedidos cheguem relativos a problemas
de hardware?
P [ X 1 ( 13 ) = 0, X 2 ( 13 ) = 3, X 3 ( 13 ) = 0 ] = P [ X 1 ( 13 ) = 0 ] ⋅ P [ X 2 ( 13 ) = 3] ⋅ P [ X 3 ( 13 ) = 0 ]
3
1 1 1 1
6 ⋅
=e
⋅t
− λ1
⋅
(λ2 t )3 − λ ⋅t − λ ⋅t
⋅e 2 ⋅e 3 = e 3
−8⋅
⋅
3
− 6⋅ − 6⋅
⋅ e 3 ⋅ e 3 = 1,7 × 10 −8
3! 3!
c) Qual a probabilidade que nenhum pedido chegue nos últimos 15 minutos de funcionamento?
1
− 20⋅
⋅t
P [ X T ( 14 ) = 0 ] = e
− λT 4 = 6,7 × 10 −3
⋅e
d) Qual a probabilidade que exatamente um pedido chegue entre 10:00 e 10:12 e dois pedidos
cheguem entre 10:06 e 10:30?
0 6 12 30 60 t 0 6 12 30 60 t
0 0,1 0,2 0,5 1 0 0,1 0,2 0,5 1
1
2 k −2 21−k −6 61+k
= ∑ e −2 ⋅ ⋅e ⋅ e ⋅ = 2,18 × 10 −3
k =0 k! ( 1 − k)! ( 1+ k)!
e) Se no instante t+s existem k+m pedidos, qual é a probabilidade que k pedidos foram recebidos até o
instante t?
X(t) K+m k m
X(t)
k
0 t t+s t 0 t t+s t
(λ(t + s )) ⋅ e −λ (t + s ) (t + s )
k +m
k! m! t + s t + s
(k + m)! (k + m )!
k + m t s
k m
P [ X (t ) = k / X (t + s ) = k + m ] = ⋅ ⋅
m t + s t + s
Exemplo 11:
Em uma linha de produção de resistores de 1000, a resistência real de cada resistor é uma variável aleatória
R com distribuição uniforme entre 950 e 1050. Assuma que os valores das resistências dos diferentes
resistores são independentes. A companhia tem uma encomenda de resistores de 1% de tolerância
(resistências entre 990 e 1010). Um testador automático toma um resistor por segundo e mede sua
resistência exata (este teste demora 1 segundo). O processo estocástico N(t) denota o número de resistores
com tolerância de 1% encontrados em t segundos. A variável aleatória Tr segundos é o tempo decorrido até
encontrarmos r resistores com tolerância de 1%.
(a) Calcule p, a probabilidade de um resistor ter tolerância de 1%.
P [RTol = 1% ] =
20
950 990 1010 1050 = 0,20
100
(b) Qual é a fmp de N(t)?
t
p N ( t ) (n) = p n ⋅ (1 − p ) t −n , n = 0,1,..., t
n
(c) Calcule E[T1], o tempo esperado para encontrar o primeiro resistor com tolerância de 1%.
V.A. com Distribuição Binomial: E[N (t )] = t ⋅ p E [T1 ] =
1 1
= = 5 seg
p 0,20
(d) Qual a probabilidade do primeiro resistor com tolerância 1% ser encontrado em exatamente 5 segundos.
t 5
p N ( t ) (n) = ⋅ p n ⋅ (1 − p ) t −n ⇒ p N ( t ) (1) = ⋅ 0,21 ⋅ (1 − 0,2) 5−1 = 5 ⋅ 0,08192
n 1
(e) E[T2|T1 = 10], a esperança condicional do tempo necessário para encontrar o segundo resistor com
tolerância de 1%, dado que o primeiro foi encontrado em 10 segundos.
E[T2 ] = E [T1 ] +
1
= 10 + 5 = 15seg
p
Exemplo 12:
A chegada de ataques de vírus em um PC pode ser modelada por um processo de Poisson com taxa λ=6
ataques/h.
a) Qual a probabilidade que exatamente um ataque irá ocorrer entre 1 PM e 2 PM?
P [ X ( 2) − X (1) = 1 ] =
(λ ⋅ t )k ⋅ e − λ ⋅t =
(6 ⋅ 1)1 ⋅ e − 6 = 6 ⋅ e − 6
k! 1!
b) Suponha que no momento em que o PC é ligado não houve ataque, mas ao desligá-lo 60 ataques
ocorreram. Qual o valor médio do tempo em que o PC ficou ligado?
E [ X (t ) ]
E [ X (t ) ] = λ ⋅ t → t =
60
= = 10 h
λ 6
c) Dado que ocorreram 6 ataques entre 1 PM e 2 PM qual é a probabilidade de que o quinto ataque
chegou entre 1:30 PM e 2 PM?
Vamos representar o instante de chegada do quinto ataque por T.
P [ X (T ) < t / X (1) = 6 ] = FT (t )
FT (t ) =
P [ {X (t ) = 5} I {X (1) = 6} ] + P [ {X (t ) = 6} I {X (1) = 0} ]
P [ X (1) = 6 ]
P [ X (t ) = 5] ⋅ P [ X (1) − X (t ) = 1] + P [ X (t ) = 6 ] ⋅ P [ X (1) − X (t ) = 0 ]
FT (t ) = = 6 t 5 − 5t 6
P [ X (1) = 6 ]
FT ( 1 ) − FT ( 1 / 2 ) = 57 / 64 = 0,890625
d) Qual é o valor esperado do instante em que o quinto ataque ocorra?
Dado uma variável aleatória T o seu valor esperado:
E [T ] = T =
0 5 ataque 1h
∫xf T ( x ) dx
f T (t) = 30 ⋅ (t 4 − t 5 )
dF T (t )
Def. f T (t ) =
dt
( )
1
E [T ] = T = ∫ t ⋅ fT (t)dt = ∫ 30 ⋅ t 5 − t 6 = 0,714286 h ⇒ 42,85714 min
0
Exercícios
Resp. 0,029253
2. Seja Xt, o nº de partículas emitidas em t horas por uma fonte radioativa, dado por uma distribuição
de Poisson com parâmetro 20t. Qual será a probabilidade de que exatamente 5 partículas sejam
emitidas durante um período de 15 min?
Resp. 0,175467
3. A chegada de ônibus em um terminal acontece a razão de 3 por minuto. Supondo que tenha uma
distribuição de Poisson, determine a probabilidade de: