1

UNIDAD 5:

Procesos de vida
y muerte

UNIDAD 5: Procesos de Vida y Muerte

2
INTRODUCCION:

Los procesos de vida y muerte nos entregaran la base para entender la
teora de lneas de espera que se ver en la prxima unidad.
Tanto los procesos de vida como de muerte estudian la evolucin del
sistema al incorporar un evento o al eliminar un evento.
En la unidad anterior estudiamos las cadenas de markov de tiempo
continuo , donde descubrimos que la nica distribucin de probabilidades
continua que representa el tiempo de permanencia del proceso en un estado,
es la distribucin exponencial. Esta distribucin, junto con la distribucin de
probabilidad discreta de Poisson sern las que definirn los procesos de vida
y muerte, y posteriormente las lneas de espera.

UNIDAD 5: Procesos de vida y muerte
3
FUNCIONES DE LAS DISTRIBUCIONES
DE POISSON Y EXPONENCIAL

Consideremos la situacin de espera en la cual el nmero de llegadas y
salida (a las que se da un cierto servicio), durante un intervalo de tiempo es
controlado por las siguientes condiciones:

Condicin 1: La probabilidad de que un evento (llegada o salida) ocurra
entre los tiempos t y t+h, depende nicamente de la longitud de h.
Tcnicamente estamos diciendo que la funcin de probabilidad tiene
incrementos independientes estacionarios.

Condicin 2: La probabilidad de que ocurra un evento durante un intervalo
de tiempo muy pequeo h es positiva pero menor a 1

Condicin 3: Cuando mucho puede ocurrir un evento durante un intervalo de
tiempo muy pequeo h

UNIDAD 5: Procesos de vida y muerte
4
FUNCIONES DE LAS DISTRIBUCIONES
DE POISSON Y EXPONENCIAL

La implantacin de estas condiciones puede estudiarse deduciendo en
trminos matemticos la probabilidad de n eventos que ocurran durante un
intervalo de tiempo t. Sea:

P
n
(t) = probabilidad de que ocurran n eventos durante el tiempo t.

La condicin 1 especifica que P
n
(t) tiene incrementos independientes
estacionarios.
Para n=0 P
o
(t+h) = P
o
(t)P
o
(h)

Por la condicin 2 tenemos que 0 < P
o
(h) < 1 para h muy pequeo.
Matemticamente se demuestra que la solucin a esta ecuacin corresponde
a :
P
o
(t) = e
-t
, t>=0

UNIDAD 5: Procesos de vida y muerte
5
FUNCIONES DE LAS DISTRIBUCIONES
DE POISSON Y EXPONENCIAL


P
o
(t) = e
-t
, t>=0

De esta expresin , es una constante , la cual corresponde a la tasa de
llegadas (salidas) por tiempo unitario cuando los eventos representan
llegadas (salidas).

El proceso que describe P
n
(t) es completamente aleatorio en el sentido que
el intervalo de tiempo restante hasta que ocurra el evento siguiente es
completamente independiente del tiempo que transcurri desde la incidencia
del evento inmediatamente anterior

UNIDAD 5: Procesos de vida y muerte
6
FUNCIONES DE LAS DISTRIBUCIONES
DE POISSON Y EXPONENCIAL

Sea:
f(t) = funcin de densidad de probabilidades del intervalo de tiempo t entre la
incidencia de eventos sucesivos, t>=0
F(t) = funcin de densidad acumulada de t

Si T es el intervalo de tiempo desde la incidencia del ltimo evento, se tiene
que F(T) cumple que :

1- F(T) = e
-T
que al diferenciar ambos trminos se obtiene:

f(T) = e
-T
, T>0 que es una distribucin exponencial

UNIDAD 5: Procesos de vida y muerte
7
FUNCIONES DE LAS DISTRIBUCIONES
DE POISSON Y EXPONENCIAL

f(T) = e
-T
, T>0

Este resultado genera tres conclusiones:

1. Para el proceso que describe las probabilidades P
n
(t), el tiempo entre la
incidencia de eventos sucesivos debe seguir una distribucin
exponencial.
2. El valor esperado de la distribucin exponencial 1/ unidades de tiempo
representa el intervalo de tiempo promedio entre la incidencia sucesiva
de eventos.
3. Por lo tanto debe representar la tasa (por tiempo unitario) a la cual se
generan los eventos.

UNIDAD 5: Procesos de vida y muerte
8
PROCESOS DE LLEGADAS (NACIMIENTOS PUROS)

Para describir el proceso de llegadas, primero reemplazaremos la tasa de
generacin de eventos () por la tasa de llegadas (), por consiguiente:

P
o
(t) = e
-t

Al realizar el calculo diferencial se obtiene la distribucin de probabilidades
para el proceso de llegadas:





La distribucin tiene media y varianza iguales a t . Como conclusin se tiene
que, mientras el tiempo entre llegadas sigue una exponencial de media 1/
, el nmero de llegadas durante el intervalo de tiempo t es una Poisson
de media t.

UNIDAD 5: Procesos de vida y muerte
P
n
t = (t)
n
e
-t
n=0,1,2....
n
9
PROCESO DE SALIDA (FALLECIMIENTO PURO)

El proceso de salida supone que el sistema comienza con un nmero N de
eventos que salen del sistema a una tasa despus de ser atendidos. No se
permite que ingresen al sistema nuevos eventos. Las situaciones de
inventarios se pueden modelar a travs del proceso de fallecimiento puro,
donde al inicio de un periodo de planeacin se pone a disposicin un grupo
de N artculos de inventario. Los artculos de inventario se retiran de
existencia a la tasa de unidades por tiempo unitario.
La distribucin de probabilidades de la cantidad de eventos que salen
durante un periodo t, tambin corresponde a una Poisson, pero de media t.

UNIDAD 5: Procesos de vida y muerte
q
n
t = ( t)
n
e
-

t
n=0,1,2....,N-1
n
q
N
t = 1 - q
n
(t) n=N
n=0
N - 1
10
PROCESO DE SALIDA (FALLECIMIENTO PURO)

Tambin ser til obtener la probabilidad de que queden n eventos
despus de un intervalo de tiempo t. Para esto defnase:
Pn(t) = Probabilidad de que queden n clientes despus de t.

Como el sistema empieza inicialmente con N clientes, el hecho de que
queden n clientes despus de t, es equivalente a que salgan N-n clientes
durante t; esto es,
P
n
(t) = q
N-n
(t) por lo tanto:

UNIDAD 5: Procesos de vida y muerte
P
n
t = ( t)
N-n
e
-

t
n=0,1,2....,N
(N-n)
P
o
t = 1 - P
n
(t)
n=1
N