Distribucin Poisson

2-2008 1
Contenido
Modelos de probabilidad discreta:

Poisson
Definicion
Desarrollo de Problemas utilizando Poisson

Aprendizaje Esperado:
Identifican y resuelven problemas relacionados con el modelo de probabilidad de
Poisson.

2-2008 2
Distribucin de Poisson
2-2008 3
Muchos estudios se basan en el conteo de las
veces que se presenta un evento dentro de un
rea de oportunidad dada.

El rea de oportunidad es una variables continua
en donde se puede presentar ms de un evento.
Aprendizaje Esperado:
Identifican y resuelven problemas relacionados con el modelo de probabilidad de
Poisson.

Nmero de clientes que son atendidos
en el banco en una hora
Clientes: Variable discreta
Hora: Rango de tiempo
Variable continua.

S aplica Poisson
2-2008 4
Aprendizaje Esperado:
Identifican y resuelven problemas relacionados con el modelo de probabilidad de
Poisson.

Nmero de personas que viven en Chile
por kilmetro cuadrado

Personas: Variable discreta

Kilometro: Superficie
Variable continua.


S aplica Poisson
2-2008 5
Distribucin de Poisson
La distribucin de Poisson tiene un
parmetro que representa la media.
El smbolo para denotar la distribucin de
poisson es la letra griega Lambda ().
La media es igual que la varianza
2-2008 6
Distribucin de Poisson
!
) (
x
e
x X P
x

= =
2-2008 7
e = 2.71828
La frmula de la distribucin es:
En donde e = 2,71828... es la base de los logaritmos neperianos. La frmula se usa para calcular las
probabilidades de la distribucin denominada con el nombre del autor, Poisson cuyos trminos iniciales son:
Si =4. A qu es igual P(X=2)?
146525 . 0
2
29305 . 0
1 2
) 16 )( 0183156 . 0 (
) 2 (
! 2
4
) 2 (
!
) (
2 4
= = = =
= =
= =

x
X P
e
X P
x
e
x X P
x

2-2008
8
La probabilidad de que x=2 es del 14.65%
Si =2.5. A qu es igual P(X=4)
1336 . 0
24
2064 . 3
1 2 3 4
) 06 . 39 )( 082085 . 0 (
) 4 (
! 4
5 . 2
) 4 (
!
) (
4 5 . 2
= = = =
= =
= =

x x x
X P
e
X P
x
e
x X P
x

2-2008 9
La probabilidad de que x=4 es del 13.36%
En estudios anteriores, en una agencia
bancaria, en promedio llegan 3 clientes a
una ventanilla para ser atendido durante la
hora del almuerzo. Si en la actualidad
queremos hacer modificaciones en la
ventanillas, una de las preguntas que se
pueden hacer los del depto. de Mercadeo
es:

Cul es la probabilidad de que lleguen dos
clientes en un minuto dado.
2-2008 10
En el enunciado el promedio es de 3 clientes por minuto; =3; al
preguntar por la probabilidad de que 2 clientes lleguen en un minuto
dato se quiere calcular x=2
224 . 0
1 2
) 9 )( 049787 . 0 (
) 2 (
! 2
3
) 2 (
!
) (
2 3
= = =
= = = =

x
X P
e
X P
x
e
x X P
x

2-2008 11
La probabilidad que lleguen 2 clientes por minuto es 22.4%
Desigualdades en la Distribucin
Poisson
La probabilidad de que un evento sea menor
o igual que 2, se denota as:



Cuando la poblacin es infinita, la
probabilidad en mayor se convierten en tipo
menor, de la siguiente manera:
) 0 ( ) 1 ( ) 2 ( ) 2 ( = + = + = = s X P X P X P X P
) 2 ( 1 ) 2 ( s = > X P X P
12
Calcular P(X < 2), si =3
199147 . 0 ) 2 (
049787 . 0 14936 . 0 ) 2 (
1
) 1 )( 049787 . 0 (
1
) 3 )( 049787 . 0 (
) 2 (
! 0
3
! 1
3
) 2 (
) 0 ( ) 1 ( ) 2 (
0 3 1 3
= <
+ = <
+ = <
+ = <
= + = = <

X P
X P
X P
e e
X P
X P X P X P
2-2008 13
La probabilidad de que x<2 es de 19.91%
Si =3, calcular P(X 2)
423187 . 0 ) 2 (
049787 . 0 14936 . 0 22404 . 0 ) 2 (
1
) 1 )( 049787 . 0 (
1
) 3 )( 049787 . 0 (
1 2
) 9 )( 049787 . 0 (
) 2 (
! 0
3
! 1
3
! 2
3
) 2 (
) 0 ( ) 1 ( ) 2 ( ) 2 (
0 3 1 3 2 3
= s
+ + = s
+ + = s
+ + = s
= + = + = = s

X P
X P
x
X P
e e e
X P
X P X P X P X P
2-2008 14
La probabilidad de que x 2 es de 42.32%
Si =3 y n=5, calcular P(X > 2)
49289 . 0 ) 2 (
10082 . 0 16803 . 0 22404 . 0 ) 2 (
1 2 3 4
) 243 )( 049787 . 0 (
1 2 3 4
) 81 )( 049787 . 0 (
1 2 3
) 27 )( 049787 . 0 (
) 2 (
! 5
3
! 4
3
! 3
3
) 2 (
) 5 ( ) 4 ( ) 3 ( ) 2 (
5 3 4 3 3 3
= >
+ + = >
+ + = >
+ + = >
= + = + = = >

X P
X P
x x x x x x x x x
X P
e e e
X P
X P X P X P X P
15
La probabilidad de que x 2 es de 42.32%
Problema 1. De Llegadas.
16
Una empresa que ofrece el servicio de conexiones de
computadoras particulares a la Red Mundial De Computadoras
(INTERNET) tiene muchos problemas con los Virus Cibernticos.
El esfuerzo es de tal magnitud que lo sobreasa y decide contratar
los servicios de una empresa dedicada a la Cacera de Virus
Cibernticos
El primer paso de esta empresa fue determinar el nmero de nuevas
agresiones por da. Despus de 10 das de monitoreo decidi iniciar
el estudio.
Los programadores y analistas de esta empresa dedicada a la
Cacera de Virus, como sistema, suelen hacerse preguntas que
involucran probabilidades, para enfrentar el problema al tenor de
cules son las probabilidades?
a) De que entren cuatro nuevos virus por da.
b) Que entren 10 virus en dos das consecutivos.
Obteniendo el Promedio
17
En la tabla se presentan los resultados de los 10 primeros das
de monitoreo en la entrada de virus. El primer paso es
encontrar el promedio mediante cuadro de frecuencias. El
evento mnimo es de 2 y el mximo es de 10 virus en 24 horas.
La Distribucin de Frecuencias se presenta a continuacin:
Evento Frecuencia Frecuencia
x Observada por evento
2 1 2
3 0 0
4 2 8
5 1 5
6 1 6
7 3 21
8 0 0
9 0 0
10 2 20
Suma de Das 10
Suma Total de Virus 62
Promedio 6,2
2 , 6
10
62
2 ... 0 1
10 2 ... 3 0 2 1
10
2
10
2
= =
+ + +
+ + +
= =

=
=
i
i
i
i i
f
x f
x
En donde el promedio se
obtiene mediante,
Las Respuestas.
18
En la primera pregunta el evento que se quiere
explorar se refiere a la entrada de exactamente 4
virus en un da cualquiera. La respuesta se consigue
aplicando la ecuacin Poisson para x = 4 y la media
6,2. La probabilidad es de 12,49%.
En la segunda el nmero de observaciones se
duplica. Por una de las propiedades de la
distribucin Poisson, la proporcin se mantiene
dando una media de 12,4 sucesos en 48 horas. La
probabilidad de que entren 10 virus se estima en
9,75%.
Se puede comprobar que la proporcin de entradas
de virus por da se obtiene promediando las 24 10
= 240 observaciones obteniendo 12,4 virus en 48
horas.
0,1249
! 4
2 , 6
) 4 (
2 , 6 4
= = =

e
x P
0,2583
240
240
1
= =

= i
i
x
p
0,0975
! 10
12,4
) 10 (
4 , 12 10
= = =

e
x P
12,4 2583 , 0 48
48
= = = np x
Problema 2. Fallas.
19
Una empresa dedicada a la fabricacin de envases de hojas de lata ha
comprado una mquina que suelda las latas con estao usando
un proceso electroltico.
La empresa vendedora asegura 0,02 imperfecciones por hora y la
capacidad de fabricar 1.000 envases de galn en la misma
cantidad de tiempo.
El instructivo de la mquina muestra las respuestas a las siguientes
preguntas. Las probabilidades de encontrar imperfecciones:
-Una imperfeccin en 3 horas;
-Al menos dos imperfecciones en 5 horas;
-Cuando ms una imperfeccin en 15 horas.
El sistema de control de la empresa toma 10 muestras tres veces al
da. Los resultados de 100 muestras se presentan en la HE. Las
respuestas a las preguntas con estos datos son:
Promedio de fallas en la Soldadura
20
En los procesos industriales mecanizados la cantidad de
producto fabricado es muy regular y podra usarse como
variable x la cantidad de envases en lugar del tiempo y decir
3.000 envases, 5.000 envases o la produccin de 15.000 envases,
aunque sea preferible usar el tiempo como unidad.
La tabla de frecuencias, promedios y proporciones es:
Evento Frecuencia Frecuencia
x Observada por Evento
0 78 0
1 21 21
2 1 2
3 0 0
Suma de Das 100
Suma Total Inperfecciones 23
Promedio 0,23
Tamao de muestra 10
Proporcin 0,023
23 , 0
100
23
1 21 78
3 0 2 1 1 21 0 78
3
0
3
0
= =
+ +
+ + +
= =

=
=
i
i
i
i i
f
x f
x
023 , 0
10
23 , 0
= = =
n
x
p
Estadsticos obtenidos del
ejercicio de la empresa.
Las Respuestas del Problema 2
21
a) Si la proporcin de fallas es de 0,023 por
hora, en 3 horas se espera un promedio de:
Se quiere saber la probabilidad de obtener
una falla en ese tiempo. Para esto se aplica la
probabilidad Poisson:
b) Al menos dos imperfecciones en 5 horas.
Primero se obtiene el promedio para 5
horas:
Al solicitar la probabilidad de 2 o ms
soldaduras malas es ms fcil obtenerla por
probabilidades complementarias:
c) Para esta debe obtenerse el promedio de
fallas en 15 horas:
Y probabilidad de:
069 , 0 023 , 0 3
3
= = = p n
069 , 0 023 , 0 5
5
= = = p n
0,345 023 , 0 15
15
= =
( )
0,0061 0,115;1) POISSON(1; - 1
0,1025 0,8914 - 1
! 1
115 , 0
! 0
0,115
1 ) 2 (
0,115 1 115 , 0 0
= =
= + =
=
|
|
.
|

\
|
+ = >

e e
x P
( )
0,9526 0,345;1) POISSON(1;
0,1025 0,8914
! 1
345 , 0
! 0
0,345
) 2 (
0,345 1 345 , 0 0
= =
= + =
=
|
|
.
|

\
|
+ = <

e e
x P
0,0644 0,069;0) POISSON(1;
1
069 , 0
1!

) 1 (
069 , 0 1 1
= =
= = = =

e e
x P