Está en la página 1de 9

LadistribucinPoisson

Apellidos,nombre MartnezGmez,Mnica(momargo@eio.upv.es) MarBenlloch,Manuel(mamaben@eio.upv.es) Departamento Estadstica,InvestigacinOperativaAplicadasy Calidad Centro UniversidadPolitcnicadeValencia

LadistribucinPoisson

1 Resumendelasideasclave
En este artculo vamos a conocer las caractersticas bsicas de la distribucin Poisson y sus posibles aplicacionesprcticasconlafinalidaddeelaborarunaespeciedecatlogoalqueacudirparadesarrollar unmodelodeprobabilidadquenospermitaestimarlapautadevariabilidadparavariablesdiscretasque sigandichadistribucin.

2 Introduccin
La distribucin Poisson es, junto con la distribucin binomial, una de las ms importantes distribucin deprobabilidadparavariablesdiscretas,esdecir,slopuedetomarlosvalores0,1,2,3,4,...,k. LadistribucindePoissonseempleaparadescribirvariosprocesos,entreotros: 9 El nmero de autos que pasan a travs de un cierto punto en una ruta (suficientemente distantesdelossemforos)duranteunperiododefinidodetiempo. 9 Elnmerodeerroresdeortografaqueunocometealescribirunanicapgina. 9 Elnmerodellamadastelefnicasenunacentraltelefnicaporminuto. 9 Elnmerodeservidoreswebaccedidosporminuto. 9 Elnmerodedefectosenunalongitudespecficadeunacintamagntica. 9 El nmero de mutaciones de determinada cadena de ADN despus de cierta cantidad de radiacin. 9 Elnmerodedefectospormetrocuadradodetela. 9 Elnmerodeestrellasenundeterminadovolumendeespacio. Cada una de estas variables aleatorias representa el nmero total de ocurrencias de un fenmeno durante un periodo de tiempo fijo o en una regin fija del espacio. Expresa la probabilidad de un nmerokdeocurrenciasacaecidasenuntiempofijo,siestoseventosocurrenconunafrecuenciamedia conocidaysonindependientesdeltiempodiscurridodesdelaltimaocurrenciaosuceso. Lafinalidaddelpresenteobjetodeaprendizaje,esadquirirladestrezayconocimientonecesarioparala correcta utilizacin de la distribucin de Poisson en el clculo de probabilidades. Para ello, en primer lugarpresentamoslosobjetivosespecficosquepretendemosconseguir;acontinuacintrabajaremosla definicin y caractersticas de la distribucin de Poisson, haciendo especial relevancia en cmo identificarla y diferenciarla de otras distribuciones discretas y se resuelven algunos ejemplos prcticos

LadistribucinPoisson

para ayudar a su comprensin. Finalmente, destacaremos los conceptos bsicos de aprendizaje con respectoaladistribucindePoissonysusaplicacionesprcticas. Identificar las propiedades de una distribucin Poisson, as como sus parmetros caractersticos,esperanzayvarianza. Estimar el valor promedio, la , caracterstico de las variables de Poisson a partir de la frecuencia o probabilidad de ocurrencia, p, y el nmero de veces que se presenta un suceso,n. EstablecerlasbasesparaelcmputodelasprobabilidadesparavariablesPoisson

3 Definicinycaractersticasdeladistribucinbinomial

3.1 Paraqumepuedeservirladistribucinbinomial?
La distribucin de Poisson fue desarrollada por SimonDenis Poisson (17811840). Esta distribucin de probabilidades es muy utilizada para situaciones donde los sucesos son impredecibles o de ocurrencia aleatoria. En general, utilizaremos la distribucin de Poisson como aproximacin de experimentos binomiales donde el nmero de pruebas es muy alto (n), pero la probabilidad de xito muy baja (p0).

3.2 Caractersticas
SedicequeXsigueunadistribucindePoissondeparmetroyqueseobtienedelproducton*p(que nombraremos a partir de aqu como np, por mayor simplicidad), que se representa con la siguiente notacin:

X~Ps()
LadistribucindePoissonsecaracterizaporlassiguientespropiedades: 9 9 9 9 Seaunapoblacindetamao. Seaunamuestradetamaonbastanteelevado(sesuelehablardequetiendea) Lossucesossonindependientesentresi. Sea A un suceso que tiene una probabilidad p de suceder durante un periodo de tiempo, siendo esta probabilidad de ocurrencia durante un periodo de tiempo concretomuypequea(sesuelehablardequetiendea0).

LadistribucinPoisson

El producto n*p, tiende a aproximarse a un valor promedio o nmero medio, al que llamaremos . Por ejemplo, promedio de llamadas recibidas en una centralita por minuto o nmero medio de accidentes producidos en una carretera durante el fin de semana.

9 9

X:nmerodeindividuosdelamuestraquecumplenA. ElconjuntodeposiblesvaloresdeAes,E={0,1,2,3,4....}

Sufuncindeprobabilidadvienedefinidapor:

F ( X = x) = e *

x
x!

Ecuacin1.FuncindeProbabilidaddeladistribucinPoisson. dondexdebeserunenteropositivo. Esta expresin, se obtiene tomando los lmites cuando n tiende a , p tiende a 0 y np permanece constanteeiguala,delafuncindeprobabilidaddeladistribucindeunavariablebinomial:

n x x n x = F ( X = x) = lim * p * ( 1 p ) e * x! n x p 0
np

Ecuacin2.FuncindeProbabilidaddeladistribucinPoisson. Lamediaoesperanzaylavarianza,seobtienenmedianteelmismoprocedimiento,tomandoloslmites cuandontiendea,ptiendea0ynptiendea:

E ( X ) = lim np =
np

Ecuacin3.EsperanzadeladistribucinPoisson.

2 = lim (n * p * (1 p)) =
np

Ecuacin4.VarianzadeladistribucinPoisson. Una propiedad importante de la distribucin de Poisson, es que la suma de n variables de Poisson independientes, Ps(1)+Ps(2)+.+Ps(n), es tambien una variable de Poisson siendo el valor de su parmetro,lasumadelosdelasvariablesquesesuman,Ps(1+2+.+n).

LadistribucinPoisson

En general, la distribucin de Poisson, ofrecer buenas aproximaciones a probabilidades de variables binomialescuandon50yp0,1yenelintervalo,10np100,lasaproximacionessernexcelentes, ya que en muchos casos la aplicacin de la funcin de probabilidad de la binomial puede llegar a ser complicada. Ejemplo

Laprobabilidaddequeenunamascletenfallasunapersonasedesmayeesde0,001.Considerando queacudenunas5000personasaverlamascleteldadeSanJos,caleslaprobabilidaddequese desmayen25personas? Setratadeunabinomialconn=5000yp=0,001. Laprobabilidadsolicitasera:

5000 25 5000 25 F ( X = 25) = 25 * 0,001 * (1 0,001)


queresultacomplejodecalcular.PoresoseprefiereaproximaraunadistribucindePoisson,con =5000*0,001=50,yquedara:

F ( X = 25) = e 50 *

50 25 = 3,70 * 10 5 25!

La distribucin de Poisson se puede expresar de forma grfica, ya que en realidad consiste en un diagrama de barras, similar a los obtenidos en la funcin de probabilidad, pero con forma asimtrica positiva como sucede con la distribucin binomial. Sin embargo al ir aumentando los valores de, va adquiriendo la tpica forma de campana de Gauss, pudiendo a deducirse, que conforme aumenta, las variables de Poisson van a poder aproximarse a la distribucin normal, por el Teorema Central del Lmite. La aproximacin se considera buena para valores de
igualesosuperioresa9.

LadistribucinPoisson

Imagen1.LafiguraeslagrficadelafuncindeprobabilidaddevariablesPoisson
Fuente:http://www.matematicasypoesia.com.es/Estadist/ManualCPE04p4.htm

Imagen2.LafigurarepresentalagrficadelafuncindeprobabilidaddevariablesPoisson
Fuente:http://www.google.es/imgres?imgurl=http://prof.usb.ve/ejmarque/cursos/ea2181/core/figs/figdesp04.gif&imgrefu rl=http://prof.usb.ve/ejmarque/cursos/ea2181/core/desp04.html&h=299&w=480&sz=4&tbnid=0DrUw_upFQvrWM:&tbnh =80&tbnw=129&prev=/images%3Fq%3Ddistribucion%2B%2Bpoisson&hl=es&usg=__jyhDrPjuyLN7mQYXrab213eHH4U=&ei =BBP4SqTLJob7_AbBtpmyAw&sa=X&oi=image_result&resnum=6&ct=image&ved=0CBgQ9QEwBQ

Veamosalgunosejemplos:

Ejemplo1.

Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las probabilidades de que reciba, a) cuatro cheques sin fondo en un da dado, b) 10 cheques sin fondos en cualquiera de dos das consecutivos?
LadistribucinPoisson

Solucin: a) x = variable que nos define el nmero de cheques sin fondo que llegan al banco en un da cualquiera=0,1,2,3,.....,etc,etc. =6chequessinfondoporda =2.718

p( x = 4 , = 6 ) =

( 6 )4 ( 2.718 )6 ( 1296 )( 0.00248 ) = = 0.13392 4! 24

b) X= variable que nos define el nmero de cheques sin fondo que llegan al banco en dos das consecutivos=0,1,2,3,......,etc.,etc. =6x2=12chequessinfondoenpromedioquelleganalbancoendosdasconsecutivos

( 12 )10 ( 2.718 )12 ( 6.191736410 )( 0.000006151 ) p( x = 10 , = 12 ) = = = 0.104953 10! 3628800

Ejemplo2.

En la inspeccin de hojalata producida por un proceso electroltico continuo, se identifican 0.2 imperfeccionesenpromedioporminuto.Determinelasprobabilidadesdeidentificara)unaimperfeccin en 3 minutos, b) al menos dos imperfecciones en 5 minutos, c) cuando ms una imperfeccin en 15 minutos. Solucin: a) X= variable que nos define el nmero de imperfecciones en la hojalata por cada 3 minutos = 0,1,2,3,....,etc.,etc. =0.2x3=0.6imperfeccionesenpromedioporcada3minutosenlahojalata

p( x = 1, = 0.6 ) =

( 0.6 )1( 2.718 )0.6 ( 0.6 )( 0.548845 ) = = 0.329307 1! 1

b) X= variable que nos define el nmero de imperfecciones en la hojalata por cada 5 minutos = 0, 1,2,3,....,etc.,etc. =0.2x5=1imperfeccinenpromedioporcada5minutosenlahojalata

LadistribucinPoisson

( 1 )0 ( 2.718 )1 ( 1 )( 2.718 )1 + p( x = 2,3,4,etc.... = 1 ) = 1 p( x = 0,1, = 1 ) = 1 = 0 ! 1 !


=1(0.367918+0.367918)=0.26416 c) X = variable que nos define el nmero de imperfecciones en la hojalata por cada 15 minutos = 0,1,2,3,.....,etc.,etc. =0.2x15=3imperfeccionesenpromedioporcada15minutosenlahojalata

( 3 )0 ( 2.718 )3 ( 3 )1( 2.718 )3 + = p( x = 0,1, = 3 ) = p( x = 0 , = 3 ) + p( x = 1, = 3 ) = 0! 1!


=0.0498026+0.149408=0.1992106

4 Cierre

LadistribucinPoisson

ElmodelodedistribucindePoissonsirveparadefinirvariablesaleatoriasdiscretasX,

X~Ps()
querepresentanelnmeropromediodeocurrenciasdeunfenmenoduranteunperiodode tiempo fijo o une regin fija del espacio. Por lo general se asemejan a variables binomiales con un elevado valor de n y un valor muy bajo de p y vendrn caracterizadas un valor promedio,np,alquesedenomina.

EnesteartculodocentesehavistoelusodelafuncindePoisson, lautilizacindetablas paraelclculodeprobabilidades.Ademssehandefinidolossiguientesparmetros 1. 2. 3. LamediaovaloresperadoenladistribucindePoissonesiguala. Lavarianza(2)enladistribucindePoissontambinesiguala. Ladesviacinestndareslarazde.

La distribucin Binomial representada por B (n,p) puede aproximarse a una distribucin de Poisson Ps(=np), siempre que n 50 o p 0,1, facilitando as el clculo de probabilidades acumuladas,alpoderhacerusodelbacodePoisson. Finalmente, cuando se cumpla que 9, podemos, por el Teorema Central del Lmite, se puedeaproximarladistribucinbinomialaunadistribucinnormal.

5 Bibliografa
5.1 Libros:
[1]DeGroot,M.H.(1988).ProbabilidadyEstadstica.(2Ed.).AddisonWesleyIberoamericana.ISBN 0201644053. [2] Martn Pliego, F.J. (2004). Introduccin a la Estadstica Econmica y Empresarial. (Ed.) Thomson. Madrid. [3] Mendenhall, W.; Reinmuth, J.E. (1978). Estadstica para administracin y economa. (Ed.) Grupo EditorialIberoamericana.ISBN9687270136. [4] Montiel, A.M.; Rius, F.; Barn F.J. (1997). Elementos bsicos de Estadstica Econmica y Empresarial.(2Ed.)PrenticeHall,Madrid. [5] Pea, D. (2001). Fundamentos de Estadstica. (Ed.) Alianza Editorial, S.A. Madrid. ISBN: 84206 86964. [6]Romero,RyZnica,L.R.(2000).IntroduccinalaEstadstica.(Ed.)SPUPV4071. [7] Ua Jurez, I; Tomero, V; San Martn, J. (2003). Lecciones de clculo de probabilidades. (Ed.) ThomsonEditoresSpain.ISBN8497321936.

5.2 Referenciasdefuenteselectrnicas:
[8] http://foros.emagister.com/temadistribucion+de+poisson12873395042.htm [9] http://www.fing.edu.uy/iimpi/academica/grado/ctrlcalidad/ejercicios/EjerciciosDeDistribucion esDeProbabilidadFinal2008.pdf [10] www1.uprh.edu/.../La%20distribucion%20Poisson/Modulo%20Sobre%20La%20Distribucion%2 0de%20Poissonl [11] http://www.google.es/imgres?imgurl=http://prof.usb.ve/ejmarque/cursos/ea2181/core/figs/fi gdesp04.gif&imgrefurl=http://prof.usb.ve/ejmarque/cursos/ea2181/core/desp04.html&h=299 &w=480&sz=4&tbnid=0DrUw_upFQvrWM:&tbnh=80&tbnw=129&prev=/images%3Fq%3Ddistri bucion%2B%2Bpoisson&hl=es&usg=__jyhDrPjuyLN7mQYXrab213eHH4U=&ei=BBP4SqTLJob7_A bBtpmyAw&sa=X&oi=image_result&resnum=6&ct=image&ved=0CBgQ9QEwBQ [12] http://www.itch.edu.mx/academic/industrial/sabaticorita/_private/05Distr%20Poisson.htm [13] http://www.itch.edu.mx/academic/industrial/sabaticorita/_private/05Distr%20Poisson.htm [14] https://polimedia.upv.es/visor/?id=71b449010a4e3b4893333f7524321f09 [15] www3.uji.es/~porcu/problemas.doc

LadistribucinPoisson