Documentos de Académico
Documentos de Profesional
Documentos de Cultura
EXPONENCIAL Y NORMAL
Distribución de Probabilidad II
Semana 3
2
Distribución de Poisson
e x
f ( x) x 0,1,...
x!
np
np
3
DISTRIBUCION DE POISSON
¿Cuándo usar esta distribución?
• Útil para la ocurrencia de eventos por unidad de
tiempo: errores/mes, quejas/semana, defectos/día.
• Para su aplicación, la probabilidad de ocurrencia del
evento debe ser constante en tiempo o espacio y debe
haber independencia de ocurrencia de eventos.
• También se puede usar como una aproximación de la
distribución binomial, cuando el valor de n* es menor
que 5 lo que implica tener muestras grandes y valores
de pequeños.
• Cuando está en función del tiempo se debe
multiplicar ese valor de por el número de unidades
de tiempo, sea que se habla en este caso de =t.
4
DISTRIBUCION DE POISSON
FORMULAS
Función densidad Funcion densidad
x ( t ) x t
p ( x, ) * e p ( x, t ) *e
x! x!
Función acumulada Funcion acumulada
X X
P ( x, ) p ( xi , ) P ( x, t ) p ( xi , t )
i 1 i 1
Forma de
la curva
6
DISTRIBUCION DE POISSON
¿Cómo usar las tablas?
Para usar las tablas se sigue este procedimiento:
• Asegurar que la variable sigue un comportamiento
Poisson (prueba de bondad de ajuste).
• Se identifican los valores de n, y x o el valor de
si este es dado.
• Se determina el valor de multiplicando n por ,
en el caso de una aproximación a la binomial.
• En el caso de probabilidades puntuales, se localiza
el valor de x en la columna de la izquierda y el
valor de o (media de la distribución de
Poisson) en la parte superior de la tabla.
7
DISTRIBUCION DE POISSON
¿Cómo usar las tablas?
• En el caso de probabilidades acumuladas, se
localiza el valor de en la columna de la izquierda
y el valor de x en la parte superior de la tabla.
• El valor de la probabilidad es el valor que interseca
al valor de x con el valor de . Esto se muestra en
el siguiente segmento de la tabla. Por ejemplo si
=3.2, x=7, la respuesta es 0.0278.
8
DISTRIBUCION DE POISSON
EJEMPLO
Una compañía vende productos en metros y
se ha caracterizado por tener una tasa
promedio de 4 defectos por cada 200
metros. Si se compran 80 metros, ¿cuál es
la probabilidad de que haya:
1. dos defectos?
2. más de cuatro defectos?
9
DISTRIBUCION DE POISSON
SOLUCION
1. dos defectos?
P(x=2) para n=80. El valor de es (4/200)*80 =
1.6 defectos. Se usa la tabla densidad de Poisson
con x=2, por lo que el resultado es:
P(x=2)=p(2,1.6)=0.2584
Se puede usar también la tabla Poisson acumulada
con =1.6 defectos.
P(x=2)= P(x2) – P(x1) = P(2,1.6)- P(1,1.6)
P(X=2)=0.783-0.525 = 0.258
La probabilidad de que haya dos defectos es
0.2584. 10
DISTRIBUCION DE POISSON
SOLUCION
• También a manera de ejemplo se puede usar la
fórmula correspondiente, así:
2
1.6
p(2,1.6) * e 1.6 0.2584
2!
11
DISTRIBUCION DE POISSON
SOLUCION
2. más de cuatro defectos?
P(x>4) = 1- P(x4)= 1- P(4,1.6)= 1-0.976=0.024
Se usa la tabla de Poisson acumulada con =1.6
defectos.
P(x4)= 0.976
La probabilidad de que haya más de cuatro
defectos es 0.024.
12
DISTRIBUCION DE POISSON
EJEMPLO 2
Una compañía de ventas por teléfono recibe llamadas
a razón de 5 por segundo. ¿Cuál es la
probabilidad de que reciba:
1. tres llamadas en un segundo?
2. más de cuatro llamadas en dos segundos?
13
DISTRIBUCION DE POISSON
SOLUCION
1. El valor de es 5 llamadas por segundo y el de x es 3
llamadas en un segundo. Se usa la tabla densidad. Así:
P(x=3)=p(3,5)=0.1404
Se puede usar también la tabla Poisson acumulada de
=5 llamadas por segundo.
P(x=3)= P(x3) – P(x2) = 0.265-0.125 = 0.14
La probabilidad de que haya dos defectos es 0.1404.
2. El valor de es 5*2=10 llamadas por segundo y el
de x>4 llamadas por segundo. Se usa la tabla Poisson
acumulada de =10 llamadas por segundo.
P(x>4)= 1- P(x4) = 1- 0.029 = 0.971
La probabilidad de que haya dos defectos es 0.971.
14
15
16
DISTRIBUCION
DE POISSON
DENSIDAD
TABLAS
PARA P(X=…)
17
DISTRIBUCION
DE POISSON
ACUMULADA
TABLAS
18
FUNCIÓN DE DENSIDAD DE UNA V.A. CONTINUA:
La función de densidad de una v.a. continua cumple las siguientes
condiciones:
Sólo toma valores no negativos, f(x) ≥ 0.
El área encerrada bajo la curva es igual a 1.
[1] es.wikiversity.org
[2] revistapetroleoygas.co
Función de densidad de probabilidad Valor esperado:
exponencial: 1
µ = E[x] = λ
F(x) = λ𝑒 −λ𝑥 (x>0)
Varianza:
Función de distribución acumulada:
1
𝜕2 =
P(X≤ x) = 1-𝑒
−λ
𝑥 λ2
Sirve para…
Calcular el tiempo transcurrido en un
callcenter hasta recibir la primera llamada
del día.
0.6988-0.3297 = 0.3691
En estadística y probabilidad se
llama distribución normal, distribución
de Gauss o distribución gaussiana, a una
de las distribuciones de probabilidad
de variable continua que con más
frecuencia aparece aproximada en
fenómenos reales
VARIABLES REPRESENTADAS POR UNA
DISTRIBUCION NORMAL
[1] www.crecerfeliz.es
[2alumnos.cobachbcs.edu.mx
VARIABLES REPRESENTADAS POR UNA
DISTRIBUCION NORMAL
[1] sasasapp.blogspot.com
[2alumnos.cobachbcs.edu.mx
CARACTERISTICAS DE LA DISTRIBUCION
NORMAL
La media aritmética, la
mediana y la moda son
Forma de campana
iguales y se localizan en
el pico
Es simétrica alrededor de
su media
La distribución normal o gaussiana
Hay muchas v.a. continuas cuya función de densidad tiene forma de
campana.
Ejemplos:
• La variable peso en una población de personas de la misma edad y sexo.
• La variable altura de la población citada.
• Las notas de una asignatura (mito urbano).
Para expresar que una v.a. continua X, tiene una distribución normal de
media y desviación típica , escribimos:
X ~ N(,2)
La distribución normal estándar
De las infinitas distribuciones normales, tiene especial interés la que tiene
media igual a 0 y desviación típica igual a 1, es decir, N(0,1). Esta
distribución recibe el nombre de normal estándar o tipificada.
Por ello cuando tenemos una v.a. X que sigue una distribución normal de
media y desviación típica pasamos a otra variable Z que sigue una
distribución N(0,1) mediante la siguiente transformación:
X
Z
DISTRIBUCION NORMAL
[1] proteux.com
DISTRIBUCION NORMAL
La forma de campana de Gauss depende de los parámetros µ y σ. La media
indica la posición de la campana en el eje horizontal y la desviación estándar
determina el grado de apuntamiento de la curva, a mayor valor σ la curva
será mas plana.
f(X)
μ X
FUNCION DENSIDAD
La probabilidad de que una variable aleatoria X tome un valor entre dos
números reales a y b coincide con el área encerrada por la función densidad de
probabilidad de la distribución normal, N(µ,σ) siendo µ la media y σ la
desviación estándar.
𝑥−𝜇 2
𝑒 −12( 𝜎 )
𝑓 𝑥 =
𝜎√2𝜋
𝑏
P (a ≤ x ≤ b)= 𝑎
𝑓 𝑥 𝑑𝑥
FAMILIA DE DISTRIBUCIONES NORMALES
𝑋 −𝜇
𝑍=
𝜎
Z= Desviación normal