Vous êtes sur la page 1sur 27

La Distribucin de Poisson

Objetivo
Conocer las propiedades y casos de aplicacin de la distribucin de Poisson.

Utilizar la distribucin de Poisson para obtener las probabilidades de situaciones
gerenciales aleatorias.
Evidencia: Los Huracanes en USA
156 years of data
The distribution of counts and a calculated Poisson distribution with an average of 5.25:
We then expect 156*exp(-5.25) = 0.82 years when there were no hurricanes.
No hurricanes observed in 1907 and 1914.
The mean number of hurricanes dropped to 5.25 per year from 6.1 for the period 1944
2006
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.




La distribucin de Poisson se emplea
para describir procesos con un elemento
en comn, pueden ser descritos por una
variable aleatoria discreta.
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. 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 construccin de la
distribucin de Poisson.
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
La funcin P(x=k)


Donde:

P(X=K) es la probabilidad de ocurrencia cuando la variable discreta
X toma un valor finito k.

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

K es el nmero de xitos por unidad
A continuacin veremos la funcin de probabilidad de la
distribucin de Poisson.
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%.
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%.
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: = 0.012 * 800 = 9.6
Tabla de probabilidad de Poisson
Obtenga ms informacin de cmo asignar probabilidades
utilizando las tablas.
Cuando llegue al enlance lea las
pginas 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: = 6 y k = 3 accidentes

Para el Ejemplo 2: = 9.6 y k=5 defectos
Ejemplo 4
uso de calculadora virtual
Compruebe el cmputo utilizando una calculadora
de probabilidad de Poisson
Repase los ejemplos
adicionales
Cuando llegue al enlace, entre los
valores respectivos de cada ejercicio:
K en poisson random variable
en average rate of success
Ejercicio de redaccin
con experiencia interactiva
Observe el cambio de la distribucin variando el parmetro
Cuando llegue al enlance
precione el + y el -
Presente una descripcin escrita de las
observaciones que obtiene al variar el valor de
lambda. Qu caractersticas tiene una
distribucin de Poisson y cundo se aplica?

La media y la varianza
2
17
Caractersticas de la distribucin
Poisson
k = 5 = 0.1
k = 5 = 0.5
Media
= E(X) =
Varianza
=
2
0
.2
.4
.6
0 1 2 3 4 5
X
P(X)
.2
.4
.6
0 1 2 3 4 5
X
P(X)
0
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








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.



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



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.




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



Repaso de conceptos
Observe un vdeo de repaso de la distribucin de probabilidad de Poisson
Cuando llegue al enlace haga clic en la columna izquierda
en Poisson

Nota: en el video el parmetro lo sustituyen en la
frmula por . Como mencionamos anteriormente =
Se conoce que solo el 3% de todos los alumnos de un curso obtuvieron 20. Calcular la probabilidad de que si
tomamos 100 alumnos al azar, 5 de ellos hallan obtenido 20.





Rpta: 0.10081
1) La produccin de televisin de una compaa tiene asociada una probabilidad de
defecto del 2% si se toma un lote de 85 televisores, obtener la probabilidad de que
existan 4 televisores con defectos.
2) El 8% de los registros contables de una empresa presentan algn problema. Si un
auditor toma una muestra de 40 registros calcular la probabilidad de que se encuentren 5
registros con problemas.
Al departamento de reservaciones de aerolineas regionales llegan en promedio 48 llamadas
por hora...

suponga que no hay llamadas esperando. si el agente tarda 5 minutos en atender una
llamada, cuantas llamadas cree que estaran esperando cuando cuelgue la vocina? cual es la
probabilidad de que ninguna este esperando?

c)

=48 llamadas/hora

1 hora = 60 minutos

60 minutos son 12 partes de 5 minutos (60/12=5)

=48/12 llamadas/ cada 5 minutos

=4 llamadas / cada 5 minutos

La probabilidad que no haya ninguna llamada es

P(X=0) = e^(-4)*4^0 / 0! = 0.0183

Por lo que la probabilidad que haya alguna llamada es la contraria que no haya ninguna

P(X>=1) = 1- P(X=0)

P(X>=1) = 1- 0.0183

P(X>=1) = 0.9817

---

Te indico tambin las soluciones a los puntos a) y b)

a)

=4 llamadas / cada 5 minutos

P(X=3) = e^(-4)*4^3 / 3! = 0.1954

b)

=48 llamadas / hora

P(X=10) = e^(-48) * 48^10/10! = 2.5498*10^(-11)