P. 1
Ley de Poisson

Ley de Poisson

|Views: 3.699|Likes:
Publicado porAnys Canela

More info:

Published by: Anys Canela on Mar 10, 2012
Copyright:Attribution Non-commercial

Availability:

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

07/23/2013

pdf

text

original

La distribución de Poisson


INTEGRANTES: Alexandra Cevallos Danilo Ramón Semestre: Cuarto Sistemas Fecha: 11 de Enero del 2012

el francés Simeón Dennis Poisson (1781-1840). Esta distribución de probabilidades fue uno de los múltiples trabajos matemáticos que Dennis completó en su productiva trayectoria. .Dato histórico  La distribución de Poisson se llama así en honor a su creador.

En otras palabras no se sabe el total de posibles resultados.  . volumen o tiempo definido.  Es muy útil cuando la muestra o segmento n es grande y la probabilidad de éxitos p es pequeña.  Permite determinar la probabilidad de ocurrencia de un suceso con resultado discreto.  Se utiliza cuando la probabilidad del evento que nos interesa se distribuye dentro de un segmento n dado como por ejemplo distancia. área.Utilidad  La distribución de Poisson se utiliza en situaciones donde los sucesos son impredecibles o de ocurrencia aleatoria.

 La distribución de Poisson se emplea para describir procesos con un elemento en común. .  Los defectos en manufactura de papel por cada metro producido.  Los envases llenados fuera de los límites por cada 100 galones de producto terminado.Ejemplos de la utilidad  La llegada de un cliente al negocio durante una hora.  Las llamadas telefónicas que se reciben en un día. pueden ser descritos por una variable aleatoria discreta.

.Propiedades de un proceso de Poisson  1. La probabilidad de observar exactamente un éxito en el segmento o tamaño de muestra n es constante. El evento debe considerarse un suceso raro. El evento debe ser aleatorio e independiente de otros eventos Si repetimos el experimento n veces podemos obtener resultados para la construcción de la distribución de Poisson. 3. 2.

es aquí donde aplica el modelo de distribución de Poisson. la muestra n es grande y la probabilidad de éxito p en cada ensayo es baja. Cuando en una distribución binomial se realiza el experimento muchas veces.La distribución de Poisson  La distribución de probabilidad de Poisson es un ejemplo de distribución de probabilidad discreta. Se tiene que cumplir que: p < 0.10 p * n < 10 . La distribución de Poisson parte de la distribución binomial.

711828 K es el número de éxitos por unidad .).La función P(x=k)  A continuación veremos la función de probabilidad de la distribución de Poisson. volumen. λ = Lambda es la ocurrencia promedio por unidad (tiempo. área. etc. La constante e tiene un valor aproximado de 2. Es igual a p por el segmento dado. Donde: P(X=K) es la probabilidad de ocurrencia cuando la variable discreta X toma un valor finito k.

02 = 6).9%. aplicamos el modelo de distribución de Poisson:  Al realizar el cómputo tenemos que P(x = 3) = 0.Ejemplo1 de la función F (x=k) La probabilidad de que haya un accidente en una compañía de manufactura es de 0. y el producto n * p es menor que 10 (300 * 0.02 por cada día de trabajo. Si se trabajan 300 días al año. la probabilidad de tener 3 accidentes laborales en 300 días de trabajo es de 8.0892 Por lo tanto. . entonces. ¿cuál es la probabilidad de tener 3 accidentes? Como la probabilidad p es menor que 0.1.

1. y el producto n * p menor que 10.012. ¿Cuál es la probabilidad de que entre 800 productos ya fabricados hayan 5 defectuosos? En este ejemplo vemos nuevamente la probabilidad p menor que 0.6%. . por lo que aplicamos el modelo de distribución de Poisson: El resultado es P (x = 5) = 0.04602 Por lo tanto. la probabilidad de que haya 5 productos defectuosos entre 800 recién producidos es de 4.Ejemplo 2 de la función F(x=k)  La probabilidad de que un producto salga defectuoso es de 0.

Para esto.6 .02 * 300 = 6 λ = 0. usted debe saber los valores X y λ.012 * 800 = 9. etc. λ es el número promedio de ocurrencias por unidad (tiempo. volumen. Se consigue multiplicando a p por el segmento dado n. Del ejemplo 1: Del ejemplo 2: λ = 0. área. Este es el valor K.).Tablas de probabilidad de Poisson  Utilizando la tabla de probabilidad de Poisson se pueden resolver los ejemplos anteriores. X es el número de éxitos que buscamos.

Lanzamos la moneda 10 veces de manera consecutiva.9894 . pues. La probabilidad que salga cruz será.3 y buscamos la intersección: 0. del 70%. Si queremos calcular la probabilidad de que observemos 6 caras o menos nos fijamos en la tabla: localizamos n=10. x=6. p=0. Con esta moneda la probabilidad de obtener cara es del 30%.Tabla de probabilidad de Poisson ¿Cómo utilizar la tabla de la distribución Binomial? Supongamos que lanzamos al aire una moneda trucada.

¿Cómo utilizar la tabla de la distribución Binomial? .

6 .4 .1 X 1 2 3 4 5 Varianza λ = σ2 P(X) .6 .4 .5 X 1 2 3 4 5 17 .2 0 0 k=5 λ = 0.2 0 0 k = 5 λ = 0.La media μ y la varianza σ2  Características de la distribución Poisson Media = E(X) = λ P(X) .

La distribución de Poisson se forma de una serie de experimentos de Bernoulli. . λ. μ o valor esperado en la distribución de Poisson es igual a 3. La media 2. La varianza (σ2 ) en la distribución de Poisson también es igual a λ.En resumen  1. 4. La desviacion estándar es la raíz de λ.

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)//-->