10 Distribucin de Poisson 6775

Distribucin de Poisson
Ing. Julio Carreto

La Distribucin de Poisson
Para entender la Distribucin de

Poisson, vamos analizar un ejemplo
detenidamente.
Ing. Julio Carreto 2

Supongamos que se tiene una tabla rectangular

de madera, de 1 metro por 1 metro, pintada
con un recubrimiento sobre cuya superficie se
presentan aleatoriamente pequeos defectos.

Estos defectos podran ser por ejemplo

partculas muy pequeas de pigmento que no
fueron bien molidas al fabricar la pintura. Se
desea calcular la probabilidad de que aparezcan
estos defectos.

Defectos

Podramos subdividir la superficie en

zonas rectangulares mas pequeas y de
igual tamao:


Ahora tenemos la superficie dividida en 4

zonas rectangulares de igual tamao.
Observamos que en algunas zonas
aparece un defecto superficial y en otras
no.

Vamos a hacer las siguientes

suposiciones:
1) En cada zona slo puede aparecer 1
defecto.
2) Si la probabilidad de que aparezca un
defecto en todo el rea es p, la
probabilidad de que aparezca un defecto
en una zona es p/4.

Entonces, utilizando la Distribucin

Binomial podemos calcular la
probabilidad de que en nuestra superficie
aparezcan 0, 1, 2, 3, 4 defectos:

El promedio de defectos en la
superficie total ser:

Pero sabemos que en realidad en cada

zona podran aparecer ms de 1 defecto.
Esto hace inexacto nuestro clculo.


Podramos hacer el clculo ms

exacto si subdividimos las zonas:


Dividimos cada zona en 4 y ahora

tenemos 16 zonas. La probabilidad de
tener 1 defecto en una zona es:

Podemos entonces calcular la

probabilidad de tener 0, 1, 2, 3, ...., 16
defectos en el rea total:

Y el promedio de defectos en la superficie

resulta ser el mismo que antes:

An as podran aparecer ms defectos

por zona:


Si dividimos nuevamente cada zona en 4

tendramos 64 zonas y ahora la probabilidad
de tener 1 defecto en una zona sera:


La probabilidad de tener 0, 1, 2, 3, .....,

64 defectos en la superficie total sera:

Y nuevamente el promedio de defectos

en la superficie resulta:

Lo que estamos haciendo es ir

aumentando n al mismo tiempo que
disminuye p en igual proporcin. Por lo
tanto el promedio de defectos en la
superficie total n.p se mantiene
constante.

Como vimos, al suponer que en cada

subzona slo puede haber 1 defecto o
ningn defecto estamos cometiendo un
error. Este error se hace cada vez menor,
porque a medida que subdividimos el
area total se hace menos probable que en
una subzona aparezca mas de un defecto.

Si continuamos subdividiendo el rea

indefinidamente, la frmula binomial nos
dar la probabilidad de obtener 0, 1, 2, 3,
... n defectos, con n tendiendo a infinito.

En el lmite, la frmula binomial

tiende a la frmula de Poisson:
x variable aleatoria
parmetro de la Dist. de
Poisson
El producto de n por p, en el lmite, es

igual al parmetro de la distribucin:

El nmero de defectos x en la
superficie total es una variable
aleatoria discreta que puede tomar
valores 0, 1, 2, 3, 4, ... y cuya
distribucin de probabilidades se
conoce como Distribucin de
Poisson.

Distribucin de Poisson
0.20
0.18
0.15
0.13

P(x)
0.10
0.08
0.05
0.03
0.00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Se puede observar que la curva de la funcin

de Poisson es asimtrica, como la binomial.
El promedio de esta variable aleatoria es
igual al parmetro de la distribucin:

Y la varianza tambin es igual al

parmetro de la distribucin:

Por lo tanto, la desviacin standard es:

La distribucin de Poisson tiene una

propiedad cuyas consecuencias son
muy importantes para el Control
Estadstico de Procesos.

Supongamos que se tienen m

variables aleatorias de Poisson:
Variable
Parmetro
x1 1
x2 2
x3 3
...
xm m
Si w es una combinacin lineal

de tales variables:

Entonces w es una variable aleatoria de

Poisson con parmetro:

Esto es muy importante porque podemos

imaginar el producto fabricado por un
proceso (Una licuadora, una computadora,
un televisor, etc.) como una superficie en
la que se pueden producir mltiples
defectos, y donde el nmero de cada tipo
de defecto es una variable aleatoria de
Poisson.

Entonces, la propiedad mencionada

nos permite tratar la suma de todos los
tipos de defectos como una variable
aleatoria de Poisson. Esto se utiliza
para el control del Nmero de Defectos
en un producto (Grficos C).

Supongamos ahora que tenemos un

gran lote de artefactos, por ejemplo
licuadoras. Tomamos una muestra de
m = 5 unidades y medimos el nmero
total de defectos en las 5 unidades.

Si obtuvimos x1, x2, x3, ... xm defectos en

cada unidad, el nmero total de
defectos ser:

El nmero promedio de defectos por

unidad ser:

y es una variable aleatoria discreta

que puede tomar valores 0, 1/m, 2/m,
3/m, ..., etc. Cul es la varianza de y?


La varianza de xi es cualquiera que

sea el subindice i, porque todas las xi
tienen la misma distribucin:

Por lo tanto:

Este es un importante resultado que

se utilizar para calcular la varianza
en los Graficos U.

Fin de la
seccin

10 Distribucin de Poisson 6775

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

10 Distribucin de Poisson 6775

Cargado por

Copyright:

Formatos disponibles

Distribucin de Poisson

Ing. Julio Carreto

Para entender la Distribucin de

Ing. Julio Carreto 2

Supongamos que se tiene una tabla rectangular

Ing. Julio Carreto 3

Estos defectos podran ser por ejemplo

Ing. Julio Carreto 4

Ing. Julio Carreto 5

Podramos subdividir la superficie en

Ing. Julio Carreto 6

Ing. Julio Carreto 7

Ahora tenemos la superficie dividida en 4

Ing. Julio Carreto 8

Vamos a hacer las siguientes

Ing. Julio Carreto 9

Entonces, utilizando la Distribucin

Ing. Julio Carreto 10

Ing. Julio Carreto 11

Pero sabemos que en realidad en cada

Ing. Julio Carreto 12

Ing. Julio Carreto 13

Podramos hacer el clculo ms

Ing. Julio Carreto 14

Ing. Julio Carreto 15

Dividimos cada zona en 4 y ahora

Ing. Julio Carreto 16

Podemos entonces calcular la

Ing. Julio Carreto 17

Y el promedio de defectos en la superficie

Ing. Julio Carreto 18

An as podran aparecer ms defectos

Ing. Julio Carreto 19

Ing. Julio Carreto 20

Si dividimos nuevamente cada zona en 4

Ing. Julio Carreto 21

Ing. Julio Carreto 22

La probabilidad de tener 0, 1, 2, 3, .....,

Ing. Julio Carreto 23

Y nuevamente el promedio de defectos

Ing. Julio Carreto 24

Lo que estamos haciendo es ir

Ing. Julio Carreto 25

Como vimos, al suponer que en cada

Ing. Julio Carreto 26

Si continuamos subdividiendo el rea

Ing. Julio Carreto 27

En el lmite, la frmula binomial

El producto de n por p, en el lmite, es

Ing. Julio Carreto 29

Ing. Julio Carreto 30

Ing. Julio Carreto 31

Se puede observar que la curva de la funcin

Ing. Julio Carreto 32

Y la varianza tambin es igual al

Ing. Julio Carreto 33

Por lo tanto, la desviacin standard es:

Ing. Julio Carreto 34

La distribucin de Poisson tiene una

Ing. Julio Carreto 35

Supongamos que se tienen m

Si w es una combinacin lineal

Ing. Julio Carreto 37