Professional Documents
Culture Documents
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
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.
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.
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.
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.
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.
2.
3.
10
La distribucin de Poisson
La distribucin de probabilidad de Poisson es un ejemplo de distribucin de probabilidad discreta.
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)=
= 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
Por lo tanto, la probabilidad de tener 3 accidentes laborales en 300 das de trabajo es de 8.9%.
Lic. Gladys Pavan 13
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
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
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
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
3. 4.
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.
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
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.
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.
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