Vous êtes sur la page 1sur 34

La distribución de Poisson

Walter López Moreno, MBA, cDBA

Centro de Competencias de la
Comunicación
Universidad de Puerto Rico en
Humacao

©Todos los derechos son reservados


2006-07
Tabla de contenido

Introducción
Objetivos de la presentación
Instrucciones de cómo usar la presentación
Dato histórico
Utilidad
Propiedades de un proceso de Poisson
La distribución de Poisson
La función
Ejemplos
Tabla de contenido

La tabla de la probabilidad de Poisson


Ejemplos
Ejercicio de redacción
La media y la desviación estándar
Resumen
Ejercicios de prueba
Vídeo de repaso de conceptos
Glosario de términos
Referencias
Introducción

En este módulo se describe el uso de la distribución


de Poisson para obtener la probabilidad de ocurrencia
de sucesos raros cuyo resultado lo representa una
variable discreta.

Se recomienda haber estudiado primero los módulos


de las Reglas de probabilidad, el de Distribución
normal y luego el de Distribución Binomial.
Objetivo general del
módulo

Este módulo va dirigido al estudiantado de


Administración de Empresas en sus distintas
concentraciones.

Esperamos que cuando termines esta presentación


puedas determinar cómo y cuándo se debe utilizar la
distribución de Poisson para obtener las
probabilidades de aquellas situaciones gerenciales
que ocurren de forma impredecible y ocasional. 
Objetivos específicos

Además, esperamos que puedas:

1. Identificar las propiedades de una distribución Poisson.

2. Determinar los valores de frecuencia p y segmento n para


establecer las bases para el cómputo de las probabilidades.

3. Determinar el promedio, la varianza y la desviación estándar


utilizando las variables de la distribución de Poisson.
Instrucciones de cómo usar la
presentación

La presentación inicia con las características que


definen un proceso de Poisson.

Te recomiendo que tengas acceso a Internet mientras


trabajas la presentación.

Siempre que se presente la siguiente figura:


puedes presionarla para navegar adecuadamente
a través de toda la presentación.
Instrucciones de cómo usar la
presentación

Durante la lectura del módulo tendrás la oportunidad de


enlazar el glosario de términos y regresar al lugar de
origen presionando:

También encontrarás comentarios de apoyo y


retroalimentación en recuadros como el siguiente:

Notas de apoyo y
retroalimentación

Luego de leer el material que sirve de introducción,


podrás establecer enlaces que demuestran los
conceptos teóricos.
Dato histórico

La distribución de Poisson se llama así


en honor a su creador, el francés
Simeón Dennis Poisson (1781-1840),
Esta distribución de probabilidades fue
uno de los múltiples trabajos matemáticos
que Dennis completó en su productiva trayectoria.
Utilidad

 La distribución 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 útil cuando la muestra o segmento n es grande y la


probabilidad de éxitos p es pequeña.

 Se utiliza cuando la probabilidad del evento que nos interesa se


distribuye dentro de un segmento n dado como por ejemplo
distancia, área, volumen o tiempo definido.
Ejemplos de la
utilidad
 La llegada de un cliente al negocio durante una hora.

 Las llamadas telefónicas que se reciben en un día.

 Los defectos en manufactura de papel por cada metro producido.

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

La distribución de Poisson se
emplea para describir procesos con
un elemento en común, pueden ser
descritos por una
variable aleatoria discreta.
Propiedades de un
proceso de Poisson

1. La probabilidad de observar exactamente un éxito en el


segmento o tamaño de muestra n es constante.
2. El evento debe considerarse un suceso raro.
3. El evento debe ser aleatorio e independiente de otros
eventos

Si repetimos el experimento n veces podemos


obtener resultados para la construcción de la
distribución de Poisson.
La distribución de Poisson

La distribución de probabilidad de Poisson es un


ejemplo de distribución de probabilidad discreta.
La distribución de Poisson parte de la distribución
binomial.
Cuando en una distribución binomial se realiza el
experimento muchas veces, la muestra n es grande y
la probabilidad de éxito p en cada ensayo es baja, es
aquí donde aplica el modelo de distribución de
Poisson. Se tiene que
cumplir que:
p < 0.10
p * n < 10
La función P(x=k)

A continuación veremos la función de


probabilidad de la distribución de Poisson.

Donde:

P(X=K) es la probabilidad de ocurrencia cuando la variable


discreta X toma un valor finito k.

λ = Lambda es la ocurrencia promedio por unidad


(tiempo, volumen, área, etc.). Es igual a p por el segmento
dado. La constante e tiene un valor aproximado de
2.711828

K es el número de éxitos por unidad


Ejemplo1 de la función
F (x=k)
La probabilidad de que haya un accidente en una compañía
de manufactura es de 0.02 por cada día de trabajo. Si se
trabajan 300 días al año, ¿cuál 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 distribución de Poisson:

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


Por lo tanto, la probabilidad de tener 3 accidentes laborales
en 300 días de trabajo es de 8.9%.
Ejemplo 2 de la función
F(x=k)

La probabilidad de que un producto salga defectuoso es


de 0.012. ¿Cuál 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 distribución de Poisson:

El resultado es P (x = 5) = 0.04602
Por lo tanto, la probabilidad de que haya 5 productos
defectuosos entre 800 recién producidos es de 4.6%.
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 λ.

X es el número de éxitos que buscamos. Este es el valor K.

λ es el número promedio de ocurrencias por unidad (tiempo, volumen,


área, etc.). Se consigue multiplicando a p por el segmento dado n.

Del ejemplo 1: λ = 0.02 * 300 = 6

Del ejemplo 2: λ = 0.012 * 800 = 9.6


Tabla de probabilidad de
Poisson
Obtenga más información de cómo asignar probabilidades
utilizando las tablas.

Cuando llegue al enlance lea


las páginas 4 a la 6. Estudie
los ejemplos y luego
practique con los ejercicios
2.1 y 2.2
Ejemplo 3
uso de tablas
Busque en los tres enlaces las tablas de probabilidad de
Poisson
Resuelva el ejercicio 1 y el 2 por medio de
las tablas.

Para el Ejemplo 1: λ=6yk=


3 accidentes

Para el Ejemplo 2: λ = 9.6 y


k=5 defectos
Ejemplo 4
uso de calculadora virtual
Compruebe el cómputo utilizando una calculadora
de probabilidad de Poisson

Cuando llegue al enlace,


entre los valores
respectivos de cada
ejercicio:
K en “poisson random
variable”
λ en “average rate of
success” Repase los ejemplos
adicionales
Ejercicio de redacción
con experiencia interactiva
Observe el cambio de la distribución variando el parámetro
λ
Presente una descripción escrita de las
observaciones que obtiene al variar el valor
de lambda. ¿Qué características tiene una
distribución de Poisson y cuándo se aplica?

Cuando llegue al enlance


precione el “+” y el “ - ”
La media μ y la varianza σ
2

Ca
En resumen

En este módulo hemos determinado la probabilidad de Poisson mediante el


uso de la función de Poisson, las tablas de distribución y la calculadora del
enlace. Además, aprendimos que:

1. La distribución de Poisson se forma de una serie de experimentos de


Bernoulli.

2. La media μ o valor esperado en la distribución de Poisson es igual a λ.

3. La varianza (σ2 ) en la distribución de Poisson también es igual a λ.

4. La desviacion estándar es la raíz de λ.


Ejercicios de prueba

Los siguientes ejercicios de prueba fueron resueltos


utilizando la distribución binomial en el módulo con
ese mismo nombre. Refiérase a los ejercicios en
ambos módulos y compare la diferencia de cada
pregunta.

¿Puede responder por qué se resuelven esta vez


utilizando la distribución de Poisson?

Demuestre su razonamiento.
Ejercicio de prueba #1

Un comerciante de verduras tiene conocimiento de


que el 3% de la caja está descompuesta. Si un
comprador elige 100 verduras al azar, encuentre la
probabilidad de que,
a) las 4 estén descompuestas.
b) de 1 a 3 estén descompuestas

Para resolver la pregunta “b” repase el


módulo 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
Ejercicio de prueba #2

En pruebas realizadas a un amortiguador para automóvil se


encontró 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) más de 5 tengan fuga de aceite.
c) de 3 a 6 amortiguadores salgan defectuosos.
d) Determine el promedio y la desviación estándar 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).
Ejercicio de prueba #3

Un ingeniero que labora en el departamento de control de


calidad de una empresa eléctrica, inspecciona una muestra
al azar de 200 alternadores de un lote. Si el 2% de los
alternadores del lote están defectuosos. Cuál es la
probabilidad de que en la muestra,
a) ninguno esté defectuoso,
b) uno salga defectuoso,
c) al menos dos salgan defectuosos
d) más de tres estén con defectos
Para la pregunta “d” puede realizar
la siguiente operación:

1 – [P(x=0) + P(x=1) + P(x=2)]


Ejercicio de prueba #4

La probabilidad de que un CD de música dure al menos un


año sin que falle es de 0.95, calcular la probabilidad de que
en una muestra de 15,
a) 12 duren menos de un año,
b) a lo más 5 duren menos de un año,
c) al menos 2 duren menos de un año.
Ejercicio de prueba #5

Si 8 de 100 viviendas violan el código de construcción.


¿cuál 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 código de
construcción
b) una viola el código de construcción
c) dos violan el código de construcción
d) al menos tres violan el código de construcción
Repaso de conceptos

Observe un vídeo de repaso de la distribución de


probabilidad de Poisson
Cuando llegue al enlace haga clic en la columna izquierda
en “Poisson”

Nota: en el video el parámetro λ lo sustituyen en la


fórmula por μ. Como mencionamos
anteriormente λ=μ
Glosario de términos

 Aleatorio – que ocurre al azar.

 Distribución de Poisson – Distribución discreta que se


aplica cuando se realizan más de una vez y de forma
independiente el experimento de Bernoulli.

 Éxitos – Es la ocurrencia del evento de interés 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.
Glosario de términos

 Resultado discreto – Son resultados con un número finito


de valores (3 defectos, menos de 8, hasta 5, etc.)

 Suceso raro – Un evento que ocurre con poca frecuencia.

 Segmento - es un intervalo, porción, fragmento o tamaño


de muestra, ya sea en unidades de distancia, área,
volumen, tiempo o cualquier otra medida.

 Variable Aleatoria Discreta - Variable que puede obtener


un número finito de valores de forma impredecible o al
azar.

 Variable Discreta – Variable que puede obtener un


número finito de valores como 0, 1, 2, 3.
Referencias

Anderson, S. (2006). Estadísticas para administración y


economía. (8tva ed.). México: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
Referencias

 http://www.udc.es/dep/mate/estadistica2/documentos-pdf/
dmtablas.pdf

 http://karnak.upc.es/teaching/estad/MC/taules/com-usar-taules.pdf

 http://www.capdm.com/demos/software/html/capdm/qm/poissondist
/usage.html

 http://www.uv.es/zuniga/09_La_distribucion_de_Poisson.pdf

 http://www.matematicas.net/paraiso/download.php?id=formula/
fr_poisson.zip