DISTRIBUCIN DE POISSON Esta distribucin es una de las ms importantes distribuciones de variable discreta.

Sus principales aplicaciones hacen referencia a la modelizacin de situaciones en las que nos interesa determinar el nmero de hechos de cierto tipo que se pueden producir en un intervalo de tiempo o de espacio, bajo presupuestos de aleatoriedad y ciertas circunstancias restrictivas. Otro de sus usos frecuentes es la consideracin lmite de procesos dicotmicos reiterados un gran nmero de veces si la probabilidad de obtener un xito es muy pequea. Proceso experimental del que se puede hacer derivar Esta distribucin se puede hacer derivar de un proceso experimental de observacin en el que tengamos las siguientes caractersticas Se observa la realizacin de hechos de cierto tipo durante un cierto periodo de tiempo o a lo largo de un espacio de observacin Los hechos a observar tienen naturaleza aleatoria; pueden producirse o no de una manera no determinstica. La probabilidad de que se produzcan un nmero x de xitos en un intervalo de amplitud t no depende del origen del intervalo (Aunque, s de su amplitud) La probabilidad de que ocurra un hecho en un intervalo infinitsimo es prcticamente proporcional a la amplitud del intervalo. La probabilidad de que se produzcan 2 o ms hechos en un intervalo infinitsimo es un infinitsimo de orden superior a dos. En consecuencia, en un intervalo infinitsimo podrn producirse O 1 hecho pero nunca ms de uno Si en estas circunstancias aleatorizados de forma que la variable aleatoria X signifique o designe el "nmero de hechos que se producen en un intervalo de tiempo o de espacio ", la variable X se distribuye con una distribucin de parmetro As : El parmetro de la distribucin es, en principio, el factor de proporcionalidad para la probabilidad de un hecho en un intervalo infinitsimo. Se le suele designar como parmetro de intensidad, aunque ms tarde veremos que se corresponde con el nmero medio de hechos que cabe esperar que se produzcan en un intervalo unitario (media de la distribucin); y que tambin coincide con la varianza de la distribucin. Por otro lado es evidente que se trata de un modelo discreto y que el campo de variacin de la variable ser el conjunto de los nmeros naturales, incluidos el cero: Funcin de cuanta A partir de las hiptesis del proceso, se obtiene una ecuacin diferencial de definicin del mismo que puede integrarse con facilidad para obtener la funcin de cuanta de la variable "nmero de hechos que ocurren en un intervalo unitario de tiempo o espacio "Que sera : . Caractersticas: En este tipo de experimentos los xitos buscados son expresados por unidad de rea, tiempo, pieza, etc, etc,: - # de defectos de una tela por m2 - # de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc, - # de bacterias por cm2 de cultivo

- # de llamadas telefnicas a un conmutador por hora, minuto, etc, - # de llegadas de embarcaciones a un puerto por da, mes, etc, Para determinar la probabilidad de que ocurran x xitos por unidad de tiempo, rea, o producto, la frmula a utilizar sera:

donde: p(x, l) = probabilidad de que ocurran x xitos, cuando el nmero promedio de ocurrencia de ellos es l l = media o promedio de xitos por unidad de tiempo, rea o producto e = 2.718 x = variable que nos denota el nmero de xitos que se desea que ocurra Hay que hacer notar que en esta distribucin el nmero de xitos que ocurren por unidad de tiempo, rea o producto es totalmente al azar y que cada intervalo de tiempo es independiente de otro intervalo dado, as como cada rea es independiente de otra rea dada y cada producto es independiente de otro producto dado. Ejemplos: 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? Solucin: 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. l = 6 cheques sin fondo por da e = 2.718

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. l = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos das consecutivos Nota: l siempre debe de estar en funcin de x siempre o dicho de otra forma, debe hablar de lo mismo que x.

En la inspeccin de hojalata producida por un proceso electroltico continuo, se identifican 0.2 imperfecciones en promedio por minuto. Determine las probabilidades de identificar a) una imperfeccin 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. l = 0.2 x 3 =0.6 imperfecciones en promedio por cada 3 minutos en la hojalata

b) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 5 minutos = 0, 1, 2, 3, ...., etc., etc. l = 0.2 x 5 =1 imperfeccin en promedio por cada 5 minutos en la hojalata

=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. l= 0.2 x 15 = 3 imperfecciones en promedio por cada 15 minutos en la hojalata

= 0.0498026 + 0.149408 = 0.1992106