La distribución de Poisson


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

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

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

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

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. El evento debe considerarse un suceso raro. 2.Propiedades de un proceso de Poisson  1. . 3. La probabilidad de observar exactamente un éxito en el segmento o tamaño de muestra n es constante.

Se tiene que cumplir que: p < 0.La distribución de Poisson  La distribución de probabilidad de Poisson es un ejemplo de distribución de probabilidad discreta. 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.10 p * n < 10 . La distribución de Poisson parte de la distribución binomial. Cuando en una distribución binomial se realiza el experimento muchas veces.

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

02 = 6). y el producto n * p es menor que 10 (300 * 0.1.0892 Por lo tanto. entonces.02 por cada día de trabajo. 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. ¿cuál es la probabilidad de tener 3 accidentes? Como la probabilidad p es menor que 0. . la probabilidad de tener 3 accidentes laborales en 300 días de trabajo es de 8.9%. Si se trabajan 300 días al año.

. ¿Cuál es la probabilidad de que entre 800 productos ya fabricados hayan 5 defectuosos? En este ejemplo vemos nuevamente la probabilidad p menor que 0.04602 Por lo tanto.6%. por lo que aplicamos el modelo de distribución de Poisson: El resultado es P (x = 5) = 0. y el producto n * p menor que 10.Ejemplo 2 de la función F(x=k)  La probabilidad de que un producto salga defectuoso es de 0. la probabilidad de que haya 5 productos defectuosos entre 800 recién producidos es de 4.1.012.

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

pues. Con esta moneda la probabilidad de obtener cara es del 30%. del 70%.9894 . Lanzamos la moneda 10 veces de manera consecutiva. x=6. Si queremos calcular la probabilidad de que observemos 6 caras o menos nos fijamos en la tabla: localizamos n=10.3 y buscamos la intersección: 0.Tabla de probabilidad de Poisson ¿Cómo utilizar la tabla de la distribución Binomial? Supongamos que lanzamos al aire una moneda trucada. La probabilidad que salga cruz será. p=0.

¿Cómo utilizar la tabla de la distribución Binomial? .

6 .4 .1 X 1 2 3 4 5 Varianza λ = σ2 P(X) .La media μ y la varianza σ2  Características de la distribución Poisson Media = E(X) = λ P(X) .2 0 0 k = 5 λ = 0.4 .2 0 0 k=5 λ = 0.6 .5 X 1 2 3 4 5 17 .

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