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
l 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
l
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 l1
x2 l2
x3 l3
...
xm lm

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 l 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 Poisson,

Ing. Julio Carreto 2

Supongamos que se tiene una tabla

Ing. Julio Carreto 3

Estos defectos podran ser por ejemplo

Ing. Julio Carreto 4

Ing. Julio Carreto 5

Podramos subdividir la superficie en zonas

Ing. Julio Carreto 6

Ing. Julio Carreto 7

Ahora tenemos la superficie dividida en 4

Ing. Julio Carreto 8

Vamos a hacer las siguientes suposiciones:

Ing. Julio Carreto 9

Entonces, utilizando la Distribucin Binomial

Ing. Julio Carreto 10

El promedio de defectos en la superficie total

Ing. Julio Carreto 11

Pero sabemos que en realidad en cada

Ing. Julio Carreto 12

Ing. Julio Carreto 13

Podramos hacer el clculo ms exacto si

Ing. Julio Carreto 14

Ing. Julio Carreto 15

Dividimos cada zona en 4 y ahora tenemos

Ing. Julio Carreto 16

Podemos entonces calcular la probabilidad

Ing. Julio Carreto 17

Y el promedio de defectos en la superficie

Ing. Julio Carreto 18

An as podran aparecer ms defectos por

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, ....., 64

Ing. Julio Carreto 23

Y nuevamente el promedio de defectos en la

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 tiende a

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

Ing. Julio Carreto 29

El nmero de defectos x en la superficie

Ing. Julio Carreto 30

Ing. Julio Carreto 31

Se puede observar que la curva de la

Ing. Julio Carreto 32

Y la varianza tambin es igual al parmetro

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 variables