Professional Documents
Culture Documents
0.7758750916
DISTRIBUCIN DE POISSON
SE UTILIZA EN LAS SIGUIENTES CONDICIONES:
1) Cuando n > 30 y P: probabilidad de xito es pequea, la distribucin binomial s
a una distribucin de Poisson con parametro landa:
2) Cuando la variable de estudio esta en funcin al tiempo, espacio, unidad de me
que sigue una distribucin de poisson
Carcteristicas de la Distribucin de Poisson
Esperanza matemtica o promedio: E(X) :
Varianza: V(X) =
Ejemplos:
Nmero de articulos defetuosos por lote
Nmero de llamadas telefonicas por da
etc
Ejercicio
Sea X una variable aleatoria discreta con distribucin Binomial y parametros n = 1
Calcular e interpretar: = n * P = 1000*0.006 =
1) P(X = 0) =
2) P(X = 1) =
3) P(X = 3) =
4) P(X = 4) =
5) P(X 2) =
6) P(X 5) =
7) P(X 9) =
8) P(X 1) =
9) P(X 6) =
10) P(X < 5) =
11) P(X < 8) =
12) P(X < 3) =
13) P(X < 9) =
14) P(X < 1) =
15) P(X 2) =
16) P(X 8) =
17) P(X 6) =
18) P(X 4) =
19) P(X 7) =
20) P(X > 2) =
21) P(X > 4) =
22) P(X > 6) =
23) P(X > 5) =
24) P(X > 7) =
25) P(2 X 4) =
26) P(0 X 3) =
27) P(5 X 7) =
28) P(3 X 8) =
29) P(5 X 9) =
30) P(5 < X < 9) =
31) P(3 < X < 8) =
32) P(0 < X < 3) =
33) P(1 < X < 7) =
a distribucin binomial se aproxima
=n*P
o, espacio, unidad de medida; se afirma
3 Los informes recientes relacionados con el crimen indican que cada minuto
Suponga que la distribucin de los robos por minuto se puede aproximar po
a) Calcule el porcentaje de que ocurran exactamente cuatro robos en un m
b) Cul es el porcentaje de que no haya robos en un minuto?
c) Cul es la probabilidad de que por lo menos haya un robos en un minut
ntalla grande?
lla grande?
s de pantalla grande?
rimen indican que cada minuto ocurren 3.1 robos de vehiculos motorizados en Estados Unidos.
r minuto se puede aproximar por medio de una distribucin de Poisson.
ctamente cuatro robos en un minuto
bos en un minuto?
nos haya un robos en un minuto?
doras en Safeway Supermarket, en el rea de South Strand, revel que entre las 4 y 7 de la tarde de los fines d
es la probabilidad de que al visitar Safeway en este horario encuentre lo siguiente:
se reportan.
stados Unidos.
9 n
0.9 p
Acumulative
X P(X) P(Xx) P(Xx)
0 0.00000 0.00000 1
1 0.00000 0.00000 1.00000
2 0.00000 0.00000 1.00000
3 0.00006 0.00006 1.00000
4 0.00083 0.00089 0.99994
5 0.00744 0.00833 0.99911
6 0.04464 0.05297 0.99167
7 0.17219 0.22516 0.94703
8 0.38742 0.61258 0.77484
9 0.38742 1.00000 0.38742
1.00000
X
a) Las nueve tengan pantalla grande ?
P(X=9) = 39% Existe un 39% de exactitud de encontrar 9 familias con televisores de pantalla grande.
P(X 5) = P(X 4) = 0.1% Existe un 0.1% de exactitud de encontrar menos de 5 familias con te
P(X 5) = 99.9% Existe un 99.9% de exactitud de encontrar mas de 5 familias con televisores de pantal
P(X = 7) = 17% Existe un 17% de exactitud de encontrar al menos 7 familias con televisores de pantall
9)
9
visores de pantalla grande.
15 n
0.7 p
cumulative
X P(X) X.P(X) P(X x) P(X x)
0 0.00000 0 0.00000
1 0.00000 5.02211745E-007 0.00000
2 0.00001 1.64055837E-005 0.00001
3 0.00008 0.000248818 0.00009
4 0.00058 0.0023223015 0.00067
5 0.00298 0.0149014347 0.00365
6 0.01159 0.0695400286 0.01524
7 0.03477 0.2433901 0.05001
8 0.08113 0.6490402666 0.13114
9 0.14724 1.3251238777 0.27838
10 0.20613 2.0613038098 0.48451
11 0.21862 2.4048544447 0.70313
12 0.17004 2.0404825592 0.87317
13 0.09156 1.1902814929 0.96473
14 0.03052 0.4272805359 0.99525
15 0.00475 0.0712134226 1.00000
1.00000 10.50000
0.20
0.15
P(X)
0.10
0.05
0.00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
X
a) Cuntos problemas esperaria que se resolvieran el da de hoy? . Cul es la desviacin estnda
3 14 15
la desviacin estndar? Interprete
Poisson distribution
cumulative
X P(X) probability
0 0.04505 0.04505
1 0.13965 0.18470
2 0.21646 0.40116
3 0.22368 0.62484
4 0.17335 0.79819
5 0.10748 0.90567
6 0.05553 0.96120
7 0.02459 0.98579
8 0.00953 0.99532
9 0.00328 0.99860
10 0.00102 0.99962
11 0.00029 0.99990
12 0.00007 0.99998
13 0.00002 1.00000
14 0.00000 1.00000
15 0.00000 1.00000
16 0.00000 1.00000
17 0.00000 1.00000
1.00000
0.20
0.15
P(X)
0.10
0.05
0.00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
X
14 15 16
Poisson distribution
cumulative
X P(X) probability
0 0.01832 0.01832
1 0.07326 0.09158
2 0.14653 0.23810
3 0.19537 0.43347
4 0.19537 0.62884
5 0.15629 0.78513
6 0.10420 0.88933
7 0.05954 0.94887
8 0.02977 0.97864
9 0.01323 0.99187
10 0.00529 0.99716
11 0.00192 0.99908
12 0.00064 0.99973
13 0.00020 0.99992
14 0.00006 0.99998
15 0.00002 1.00000
16 0.00000 1.00000
17 0.00000 1.00000
18 0.00000 1.00000
19 0.00000 1.00000
1.00000
Poisson distribution ( = 4)
0.25
0.20
0.15
P(X)
0.10
0.05
0.00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
X
5 16 17 18