VARIABLES

ALEATORIAS
INFERENCIA ESTADISTICA
LIC. MIGUEL CANO.
DISTRIBUCIÓN DE POISSON
La distribución de Poisson es una de las
distribuciones discretas más importan-tes,
cuyo nombre se debe al matemático
francés, Simeon Denis Poisson (1781 – 1840),
quien la introdujo en 1837.
Esta distribución se puede deducir de dos
formas:
a)A partir de un proceso Poisson
La característica principal de este proceso
es la ocurrencia de eventos discretos en
espacios o unidades continuas, ejemplos:
número de hilos por cm cuadrado de tela,
número de llamadas telefónicas por hora,
número de bacterias por cm3 de agua,
etc.
Las asunciones de este proceso Poisson
son:
 El número de eventos discretos (éxitos)en
los espacios continuos es grande,
entonces se conoce el promedio
de éxitos que ocurren en dicha
unidad de medida, definida como
λ.
 La ocurrencia de los eventos son
independientes.
 La probabilidad de que ocurra un
evento es pequeña.
La variable aleatoria se define:
X: Número de éxitos por unidad de medida.
X~Poisson (λ), se dice que X sigue una
distribución de Poisson con parámetro λ,
si la función de densidad es como sigue:

Si X: Número de éxitos en t unidades de medida

PROPIEDADES
Ejemplo:
Supongamos que el número de imperfecciones
en un alambre delgado de cobre
tiene una media de 0,7 imperfecciones por
milímetro.
a) Determine la probabilidad de 2
imperfecciones en un milímetro de alambre.
b) Determine la probabilidad de 10
imperfecciones en 5 milímetros de alambre.
c) Determine la probabilidad de que haya a lo
más 4 imperfecciones en 2mm de alambre.
b) Como Límite de la
Distribución Binomial
 Se obtiene como aproximación de una
distribución binomial con la misma media.
 Cuando n es grande (n > 30) y la
probabilidad de éxito p es muy pequeña
(p < 0,1).
Ejemplo:

Una fábrica envía al depósito 500 artículos,

la probabilidad de deterioro de un artículo
es de 0,002. Determine la probabilidad de
que en el camino se deterioren:
 a. Exactamente tres artículos
 b. A lo más tres artículos
Distribución Hipergeométrica
 La distribución hipergeométrica suele
aparecer en procesos muestrales sin
reemplazo,en los que se investiga la
presencia o ausencia de cierta
característica. Esta distribución se puede
ilustrar del modo siguiente:
 Una población finita de N elementos,
particionados en dos clases mutuamente
excluyentes: clase éxito y clase fracaso.
 La clase éxito tiene k elementos y la clase
fracaso (N – k)
 Se extrae de esta población, una muestra
tamaño n.
 Si el experimento consiste en un
muestreo, éste es sin reposición.
 Sea X una variable aleatoria discreta que
se define:
 X: número de elementos de la muestra
extraída que pertenecen a la clase éxito.
La función de probabilidad está dada
por:
Propiedades
Ejemplo:

Se sabe que el 7% de los insumos químicos

en un lote de 100 no cumplen ciertas
especificaciones de calidad. Tomada una
muestra al azar de 10 insumos químicos
sin reemplazo, interesa conocer la
probabilidad de que no más de dos sean
defectuosos.