Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Poisson PDF
Poisson PDF
POISSON
Características
P(x I λ) = λx * e-λλ
x!
P (x I λ) = la probabilidad de que ocurran X éxitos cuando el número promedio de ocurrencia de ellos
es λ
e es la constante 2.7183, base de los logaritmos naturales, en tanto que los valores de e-λλ pueden
obtenerse de tablas.
X señala un valor específico que la variable pueda tomar (el número de éxitos que deseamos ocurran)
Por definición, el valor esperado (media en el intervalo o región de interés) de una distribución de
probabilidad de Poisson es igual a la media de la distribución.
E(X) = λ
La varianza del número de eventos de una distribución de probabilidad de Poisson también es igual a la
media de la distribución λ. De este modo, la desviación estándar es la raíz cuadrada de λ.
V(X) = λ
σ = √λ
Ejemplos
P(x I λ) = λx * e-λλ
x!
Supóngase que estamos investigando la seguridad de un crucero muy peligroso. Los archivos de la policía
indican una media de cinco accidentes por mes en él. El número de accidentes está distribuido conforme a la
distribución de Poisson, y la división de seguridad en carreteras quiere calcular la probabilidad de
exactamente 0,1,2,3 y 4 accidentes en un mes determinado.
Aplicando la fórmula anterior:
Para saber cual es la probabilidad en 3 o menos (X ≤ 3), sumaremos las probabilidades de 0,1,2,3 lo que
será igual a :
Dado que la probabilidad de que haya 3 o menos accidentes es de 0.26511 entonces la probabilidad de que
ocurran más de tres (X > 3) debe ser = 1 –0.26511 = 0.73489.
En una tienda de telas, un promedio de 12 personas por hora le hacen preguntas a un decorador. La
probabilidad de que 3 ó más personas se acerquen al decorador para hacerle preguntas en un periodo de 10
minutos.
Promedio por hora =12
λ = promedio por 10 minutos = 12/6 = 2.0
Solución 1 Solución 2
P (X=3 I λ = 2) = 0.1804 P (X= 0 I λ = 2) = 0.1353
P (X=4 I λ = 2) = 0.0902 P (X= 1 I λ = 2) = 0.2707
P (X=5 I λ = 2) = 0.0361 P (X= 2 I λ = 2) = 0.2707
P (X=6 I λ = 2) = 0.0120
P (X=7 I λ = 2) = 0.0034 P (X ≥ 3 I λ = 2) = 0.3232
P (X=8 I λ = 2) = 0.0009
P (X=9 I λ = 2) = 0.0002
P (X ≥ 3 I λ = 2) = 0.3232
Aproximación de la distribución
binomial por una de Poisson
Algunas veces, si se desea evitar el tedioso trabajo de calcular las distribuciones binomiales, sobre todo
si n (ensayos) es muy grande y p o q (éxito y fracaso) es muy pequeña, se puede usar a cambio la de
Poisson, pero debe cumplir con ciertas condiciones como :
n ≥ 30
np ó nq < 5
En los casos en que se satisfacen tales condiciones, podemos sustituir la media de la distribución
binomial en lugar de la media de la distribución de Poisson de modo:
λ=np
Ejemplo: Se sabe que 1% de los artículos de un gran embarque de transistores procedente de un proveedor
son defectuosos. Si se selecciona aleatoriamente una muestra de 30 transistores, la probabilidad de que
dos o más de ellos sean defectuosos.
Así la diferencia entre la aproximación de Poisson y el valor de probabilidad binomial real es de sólo 0.0007