P. 1
DISTRIBUCIÓN DE POISSON

DISTRIBUCIÓN DE POISSON

|Views: 408|Likes:

More info:

Published by: Jaffeth Berdugo Arrieta on Sep 06, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

06/01/2014

pdf

text

original

TRABAJO DE PROBABILIDAD Y ESTADÍSTICA DISTRIBUCIÓN DE POISSON Y CONTÍNUAS (NORMAL

)

WILLIAM WOOD VARGAS Docente

JAFFETH DAVID BERDUGO ARRIETA Estudiante

0211110054

FACULTAD DE INGENIERÍAS INGENIERÍA CIVIL SEMESTRE IV

UNIVERSIDAD DE CARTAGENA 3 DE SEPTIEMBRE DEL 2012

DISTRIBUCIÓN DE POISSON. La distribución de Poisson fue desarrollada por Siméon‐Denis Poisson (1781‐1840). Esta distribución de probabilidades es muy utilizada para situaciones donde los sucesos son impredecibles o de ocurrencia aleatoria. En general, la distribución de Poisson se usa como aproximación de experimento binomiales donde el número de pruebas es muy alto (n→∞), pero la probabilidad de éxito muy baja (p→0). Para la distribución de Poisson se platea una probabilidad de un hecho a partir de un valor promedio conocido, estudiado previamente y de un dato a evaluar. Su función de probabilidad viene dada por: ( Donde x debe ser un entero positivo. PROPIEDADES DE LA DISTRIBUCIÓN DE POISSON. 1. El número de resultados que ocurren en un intervalo o región especifica es independiente del número que ocurre en cualquier otro intervalo o región del especio disjunto. De esta forma vemos que el proceso de Poisson no tiene memoria. 2. La probabilidad de que ocurra un solo resultado durante un intervalo muy corto o en una región pequeña es proporcional a la longitud del intervalo o al tamaño de la región y no depende del número de resultados que ocurren fuera de este intervalo o región. 3. La probabilidad de que ocurre más de un resultado en tal intervalo corto o que caiga en tal región pequeña es insignificante. )

EJEMPLOS: 1. Durante un experimento de laboratorio el número promedio de partículas radioactivas que pasan a través de un contador de un milisegundo es cuatro. ¿Cuál es la probabilidad de que seis partículas entren al contador en un milisegundo dado? Solución: al usar la distribución de Poisson con x= 6 y ( ) ∑ ( ) ∑ ( ) =4

2. El número promedio de camiones tanque que llega cada día a cierta ciudad portuaria es 10. Las instalaciones en el puerto pueden manejar a lo más 15 camiones tanque por día. ¿Cuál es la probabilidad de que en un día dado los camiones se tengan que regresar?

Solución: Sea X el número de camiones tanque que llegan. Al usar la distribución de Poisson desde x=0 a x=15 y encontrando el complementario tenemos el resultado: ( ) ∑ ( ) ∑

p=0.95 representa la probabilidad de recibir de 0 a 15 camiones, es decir, no rebasa la capacidad de las instalaciones. El complementario p’=0.05 es la probabilidad de rebasar la capacidad, es decir, de devolver camiones. DISTRIBUCIONES CONTINUAS El soporte de una v.a. continua se define como aquella región de donde su densidad es no nula ( ) . Para las distribuciones que nombraré, podrá ser bien todo ( ) o bien un segmento de la forma DISTRIBUCIÓN NORMAL La distribución normal fue reconocida por primera vez por el francés Abraham de Moivre (1667-1754).Posteriormente, Carl Friedrich Gauss (1777-1855) elaboró desarrollos más profundos y formuló la ecuación de la curva; de ahí que también se la conozca, más comúnmente, como la "campana de Gauss". La distribución de una variable normal está completamente determinada por dos parámetros, su media y su desviación estándar, denotadas generalmente por y . Con esta notación, la densidad de la normal viene dada por la ecuación: ( ) { ( ) }

Propiedades de la distribución normal: La distribución normal posee ciertas propiedades importantes que conviene destacar: 1. Tiene una única moda, que coincide con su media y su mediana. 2. La curva normal es asintótica al eje de abscisas. Por ello, cualquier valor entre y es teóricamente posible. El área total bajo la curva es, por tanto, igual a 1. 3. Es simétrica con respecto a su media . Según esto, para este tipo de variables existe una probabilidad de un 50% de observar un dato mayor que la media, y un 50% de observar un dato menor. 4. La distancia entre la línea trazada en la media y el punto de inflexión de la curva es igual a una desviación típica ( ). Cuanto mayor sea , más aplanada será la curva de la densidad. 5. El área bajo la curva comprendida entre los valores situados aproximadamente a dos desviaciones estándar de la media es igual a 0.95. En concreto, existe un 95% de posibilidades de observar un valor comprendido en el intervalo ( ). 6. La forma de la campana de Gauss depende de los parámetros y . La media indica la posición de la campana, de modo que para diferentes valores de la gráfica es desplazada a lo largo del eje horizontal. Por otra parte, la desviación estándar determina el grado de apuntamiento de la curva. Cuanto mayor sea el valor de , más se dispersarán los datos en torno a la media y la curva será más plana. Un valor pequeño de

este parámetro indica, por tanto, una gran probabilidad de obtener datos cercanos al valor medio de la distribución. EJEMPLOS 1. La media de los pesos de 500 estudiantes de un colegio es 70 kg y la desviación típica 3 kg. Suponiendo que los pesos se distribuyen normalmente, hallar cuántos estudiantes pesan: a. Entre 60 kg y 75 kg. b. Más de 90 kg. c. Menos de 64 kg. d. 64 kg. e. 64 kg o menos. Solución: La media de los pesos de 500 estudiantes de un colegio es 70 kg y la desviación típica 3 kg. Suponiendo que los pesos se distribuyen normalmente, hallar cuántos estudiantes pesan: a. Entre 60 kg y 75kg. ( ( ( b. Más de 90 kg. ( ( ) ( ) ) ( ) ) ( ) ) ( ) ( ) ( )= ( ))

c. Menos de 64 kg. ( ) ( ) ( ) ( )

d. 64 kg. ( ) ( ) ( )

e. 64 kg o menos ( ) (

)

FUENTES CONSULTADAS 1. WALPOLE, Meyers. Probabilidad y estadística. 6° edición. 2. Enciclopedia Encarta 2001. Microsoft Corporation. 3. http://www.vitutor.com/pro/5/a_g.html#cero 4. http://www.vitutor.com/pro/5/a_g.html

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->