La distribucin de Poisson

Lic. Gladys Pavan

Tabla de contenido
Introduccin Objetivos de la presentacin Dato histrico Utilidad Propiedades de un proceso de Poisson La distribucin de Poisson La funcin Ejemplos
Lic. Gladys Pavan 2

Tabla de contenido
La tabla de la probabilidad de Poisson Ejemplos Ejercicio de redaccin La media y la desviacin estndar Resumen Ejercicios de prueba Glosario de trminos Referencias

Lic. Gladys Pavan

Introduccin
En este mdulo se describe el uso de la distribucin de Poisson para obtener la probabilidad de ocurrencia de sucesos raros cuyo resultado lo representa una variable discreta.

Lic. Gladys Pavan

Objetivo general del mdulo

Esperamos que cuando termines esta presentacin puedas determinar cmo y cundo se debe utilizar la distribucin de Poisson para obtener las probabilidades de aquellas situaciones gerenciales que ocurren de forma impredecible y ocasional.
Lic. Gladys Pavan 5

Objetivos especficos
Adems, esperamos que puedas:
1. 2.

Identificar las propiedades de una distribucin Poisson. Determinar los valores de frecuencia p y segmento n para establecer las bases para el cmputo de las probabilidades. Determinar el promedio, la varianza y la desviacin estndar utilizando las variables de la distribucin de Poisson.

3.

Lic. Gladys Pavan

Dato histrico

La distribucin de Poisson se llama as en honor a su creador, el francs Simen Dennis Poisson (1781-1840), Esta distribucin de probabilidades fue uno de los mltiples trabajos matemticos que Dennis complet en su productiva trayectoria.

Lic. Gladys Pavan

Utilidad
La distribucin de Poisson se utiliza en situaciones donde los sucesos son impredecibles o de ocurrencia aleatoria. En otras palabras no se sabe el total de posibles resultados. Permite determinar la probabilidad de ocurrencia de un suceso con resultado discreto. Es muy til cuando la muestra o segmento n es grande y la probabilidad de xitos p es pequea. Se utiliza cuando la probabilidad del evento que nos interesa se distribuye dentro de un segmento n dado como por ejemplo distancia, rea, volumen o tiempo definido.

Lic. Gladys Pavan

Ejemplos de la utilidad
La llegada de un cliente al negocio durante una hora. Las llamadas telefnicas que se reciben en un da. Los defectos en manufactura de papel por cada metro producido.

Los envases llenados fuera de los lmites por cada 100 galones de producto terminado.

Lic. Gladys Pavan

Propiedades de un proceso de Poisson

1. La probabilidad de observar exactamente un xito en el segmento o tamao de muestra n es constante.

2.
3.

El evento debe considerarse un suceso poco probable.

El evento debe ser aleatorio e independiente de otros eventos
Si repetimos el experimento n veces podemos obtener resultados para la construccin de la distribucin de Poisson.

Lic. Gladys Pavan

10

La distribucin de Poisson
La distribucin de probabilidad de Poisson es un ejemplo de distribucin de probabilidad discreta.

La distribucin de Poisson parte de la distribucin binomial.

Cuando en una distribucin binomial se realiza el experimento muchas veces, la muestra n es grande y la probabilidad de xito p en cada ensayo es baja, es aqu donde aplica el modelo de distribucin de Poisson.
Se tiene que cumplir que:

p < 0.10
p * n < 10
Lic. Gladys Pavan 11

La funcin P(x=k)
A continuacin veremos la funcin de probabilidad de la distribucin de Poisson.

P(x)=

Donde: P(X) es la probabilidad de ocurrencia de un evento exactamente X veces.

= la media, E(x); Lambda es la ocurrencia promedio por unidad (tiempo, volumen, rea, etc.). Es igual a p por el segmento dado. e = La constante e tiene un valor aproximado de 2.711828
Lic. Gladys Pavan 12

Ejemplo1 de la funcin F (x=k)

La probabilidad de que haya un accidente en una compaa de manufactura es de 0.02 por cada da de trabajo. Si se trabajan 300 das al ao, cul es la probabilidad de tener 3 accidentes? Como la probabilidad p es menor que 0.1, y el producto n * p es menor que 10 (300 * 0.02 = 6), entonces, aplicamos el modelo de distribucin de Poisson:

Al realizar el cmputo tenemos que P(x = 3) = 0.0892

Por lo tanto, la probabilidad de tener 3 accidentes laborales en 300 das de trabajo es de 8.9%.
Lic. Gladys Pavan 13

Ejemplo 2 de la funcin F(x=k)

La probabilidad de que un producto salga defectuoso es de 0.012. Cul es la probabilidad de que entre 800 productos ya fabricados hayan 5 defectuosos? En este ejemplo vemos nuevamente la probabilidad p menor que 0.1, y el producto n * p menor que 10, por lo que aplicamos el modelo de distribucin de Poisson:

El resultado es P (x = 5) = 0.04602
Por lo tanto, la probabilidad de que haya 5 productos defectuosos entre 800 recin producidos es de 4.6%. Lic. Gladys Pavan
14

Tablas de probabilidad de Poisson

Utilizando la tabla de probabilidad de Poisson se pueden resolver los ejemplos anteriores.

Para esto, usted debe saber los valores X y .

X es el nmero de xitos que buscamos. Este es el valor K. es el nmero promedio de ocurrencias por unidad (tiempo, volumen, rea, etc.). Se consigue multiplicando a p por el segmento dado n.
Del ejemplo 1: = 0.02 * 300 = 6
Del ejemplo 2:
Lic. Gladys Pavan

= 0.012 * 800 = 9.6

15

Tabla de probabilidad de Poisson

Obtenga ms informacin de cmo asignar probabilidades utilizando las tablas.

Lic. Gladys Pavan

16

La media y la varianza 2
Caractersticas de la distribucin Poisson
Media
= E(X) =
P(X) .6 .4 .2 0 0

k = 5 = 0.1
X 1 2 3 4 5

Varianza = 2

P(X) .6 .4 .2 0 0

k=5

= 0.5
X

5
17

Lic. Gladys Pavan

17

En resumen
En este mdulo hemos determinado la probabilidad de Poisson mediante el uso de la funcin de Poisson y las tablas de distribucin. Adems, aprendimos que: 1. La distribucin de Poisson se forma de una serie de experimentos de Bernoulli.

2.

La media

o valor esperado en la distribucin de Poisson es igual a

3. 4.

La varianza (2 ) en la distribucin de Poisson tambin es igual a . La desviacion estndar es la raz de .

Lic. Gladys Pavan 18

Ejercicio de prueba #1
Un comerciante de verduras tiene conocimiento de que el 3% de la caja est descompuesta. Si un comprador elige 100 verduras al azar, encuentre la probabilidad de que, a) las 4 estn descompuestas. b) de 1 a 3 estn descompuestas
Para resolver la pregunta b repase el mdulo de las reglas de probabilidad. En este caso se resuelve sumando las probabilidades P(x=1) + P(x=2) + P(x=3) = 0.1494 + 0.2240 + 0.2240
Lic. Gladys Pavan 19

Ejercicio de prueba #2
En pruebas realizadas a un amortiguador para automvil se encontr que el 0.04 presentaban fuga de aceite. Si se instalan 150 de estos amortiguadores, hallar la probabilidad de que, a) 4 salgan defectuosos, b) ms de 5 tengan fuga de aceite. c) de 3 a 6 amortiguadores salgan defectuosos. d) Determine el promedio y la desviacin estndar de amortiguadores con defectos.
La pregunta b debe sumar las probabilidades desde P(x=6) en adelante. En la c debe sumar P(x=3) + P(x=4) + P(x=5) + P(x=6).
Lic. Gladys Pavan

20

Ejercicio de prueba #3
Un ingeniero que labora en el departamento de control de calidad de una empresa elctrica, inspecciona una muestra al azar de 200 alternadores de un lote. Si el 2% de los alternadores del lote estn defectuosos. Cul es la probabilidad de que en la muestra, a) ninguno est defectuoso, b) uno salga defectuoso, c) al menos dos salgan defectuosos d) ms de tres estn con defectos
Para la pregunta d puede realizar la siguiente operacin: 1 [P(x=0) + P(x=1) + P(x=2)] Lic. Gladys Pavan 21

Ejercicio de prueba #4
La probabilidad de que un CD de msica dure al menos un ao sin que falle es de 0.95, calcular la probabilidad de que en una muestra de 15, a) 12 duren menos de un ao, b) a lo ms 5 duren menos de un ao, c) al menos 2 duren menos de un ao.

Lic. Gladys Pavan

22

Ejercicio de prueba #5
Si 8 de 100 viviendas violan el cdigo de construccin. cul es la probabilidad de que un inspector de viviendas, que selecciona aleatoriamente a 50 de ellas, descubra que: a) ninguna de las casas viola el cdigo de construccin

b) una viola el cdigo de construccin

c) dos violan el cdigo de construccin d) al menos tres violan el cdigo de construccin

Lic. Gladys Pavan

23

Glosario de trminos
Aleatorio que ocurre al azar.
Distribucin de Poisson Distribucin discreta que se aplica
cuando se realizan ms de una vez y de forma independiente el experimento de Bernoulli.

xitos Es la ocurrencia del evento de inters como cantidad de

defectos, llamadas recibidas, servicios completados.

Experimento independiente Cuando el resultado de un

experimento no tiene influencia en el resultado de otro experimento.

Lic. Gladys Pavan

24

Glosario de trminos
Resultado discreto Son resultados con un nmero finito de
valores (3 defectos, menos de 8, hasta 5, etc.)

Suceso raro Un evento que ocurre con poca frecuencia. Segmento - es un intervalo, porcin, fragmento o tamao de
muestra, ya sea en unidades de distancia, rea, volumen, tiempo o cualquier otra medida.

Variable Aleatoria Discreta - Variable que puede obtener un

nmero finito de valores de forma impredecible o al azar.

Variable Discreta Variable que puede obtener un

nmero finito de valores como 0, 1, 2, 3.
Lic. Gladys Pavan 25

Referencias

Anderson, S. (2006). Estadsticas para administracin y economa. (8tva ed.). Mxico:Thomson. Newbold P. (2003). Statistics for Business And Economics. (2003). (5ta. Ed.). New Jersey: Prentice Hall. Bluman, A. G. (2007). Statistics. (6ta ed.). New York: Mc Graw Hill.

http://cyber.gwc.cccd.edu/faculty/jmiller/Binom_Tab.pdf
http://stattrek.com/Tables/poisson.aspx#calculator
Lic. Gladys Pavan 26

Referencias
http://www.udc.es/dep/mate/estadistica2/documentospdf/dmtablas.pdf http://karnak.upc.es/teaching/estad/MC/taules/com-usartaules.pdf http://www.capdm.com/demos/software/html/capdm/qm/poi ssondist/usage.html http://www.uv.es/zuniga/09_La_distribucion_de_Poisson.pd f

http://www.matematicas.net/paraiso/download.php?id=form ula/fr_poisson.zip
Lic. Gladys Pavan 27