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. 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. .

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

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

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

Se tiene que cumplir que: p < 0. La distribución de Poisson parte de la distribución binomial.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 . 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. λ = Lambda es la ocurrencia promedio por unidad (tiempo. La constante e tiene un valor aproximado de 2. etc.711828 K es el número de éxitos por unidad . Es igual a p por el segmento dado.). área. Donde: P(X=K) es la probabilidad de ocurrencia cuando la variable discreta X toma un valor finito k. volumen.

Si se trabajan 300 días al año.0892 Por lo tanto. ¿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 8.02 = 6).9%. entonces.02 por cada día de trabajo.1.Ejemplo1 de la función F (x=k) La probabilidad de que haya un accidente en una compañía de manufactura es de 0. aplicamos el modelo de distribución de Poisson:  Al realizar el cómputo tenemos que P(x = 3) = 0. . y el producto n * p es menor que 10 (300 * 0.

y el producto n * p menor que 10. la probabilidad de que haya 5 productos defectuosos entre 800 recién producidos es de 4. ¿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%.1.04602 Por lo tanto. por lo que aplicamos el modelo de distribución de Poisson: El resultado es P (x = 5) = 0.Ejemplo 2 de la función F(x=k)  La probabilidad de que un producto salga defectuoso es de 0.012. .

área. λ es el número promedio de ocurrencias por unidad (tiempo. Del ejemplo 1: Del ejemplo 2: λ = 0. volumen.012 * 800 = 9. Este es el valor K.Tablas de probabilidad de Poisson  Utilizando la tabla de probabilidad de Poisson se pueden resolver los ejemplos anteriores. Se consigue multiplicando a p por el segmento dado n. X es el número de éxitos que buscamos.). etc. Para esto. usted debe saber los valores X y λ.02 * 300 = 6 λ = 0.6 .

9894 . p=0. 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. x=6. Con esta moneda la probabilidad de obtener cara es del 30%. del 70%.Tabla de probabilidad de Poisson ¿Cómo utilizar la tabla de la distribución Binomial? Supongamos que lanzamos al aire una moneda trucada. Lanzamos la moneda 10 veces de manera consecutiva. La probabilidad que salga cruz será. pues.

¿Cómo utilizar la tabla de la distribución Binomial? .

4 .2 0 0 k = 5 λ = 0.2 0 0 k=5 λ = 0.6 .1 X 1 2 3 4 5 Varianza λ = σ2 P(X) .4 .La media μ y la varianza σ2  Características de la distribución Poisson Media = E(X) = λ P(X) .5 X 1 2 3 4 5 17 .6 .

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

Sign up to vote on this title
UsefulNot useful