Académique Documents
Professionnel Documents
Culture Documents
ISBN 9968-9634-0-3
mpontigo@itcr.ac.cr
MEN 2
Introduccin
2 3
P ( 0) e P (1) e P (2) e P (3)
(2)(3)
e
2
5
Procesos Poisson.
En general, un proceso aleatorio es un procedimiento fsico controlado
completamente o en partes por algn tipo de mecanismo aleatorio. Puede
ser una sucesin de lanzamientos de dados, mediciones de la calidad de
productos que salen de una lnea de produccin, las vibraciones de las alas
del Concorde, el ruido de una seal de radio, el movimiento de partculas en
una solucin o muchos otros fenmenos.
Lo que caracteriza a tales procesos, es su dependencia del tiempo. El hecho
de que ciertos eventos suceden o no, a intervalos regulares o en un intervalo
continuo de tiempo.
Situaciones como: la ocurrencia de imperfecciones en un rollo de casimir, la
medicin de la radiacin de un contador Geiger, el nmero de artculos
defectuosos de una lnea de produccin, las entradas de correos electrnicos
en un computador servidor.
El modelo matemtico que aproxima la distribucin de estos datos es la
Distribucin Poisson.
6
Probabilidad de x xitos en tiempo T.
Problema 1. De Llegadas.
Una empresa que ofrece el servicio de conexiones de
computadoras particulares a la Red Mundial De Computadoras
(INTERNET) tiene muchos problemas con los Virus Cibernticos.
El esfuerzo es de tal magnitud que lo sobreasa y decide contratar
los servicios de una empresa dedicada a la Cacera de Virus
Cibernticos
El primer paso de esta empresa fue determinar el nmero de nuevas
agresiones por da. Despus de 10 das de monitoreo decidi iniciar
el estudio.
Los programadores y analistas de esta empresa dedicada a la
Cacera de Virus, como sistema, suelen hacerse preguntas que
involucran probabilidades, para enfrentar el problema al tenor de
cules son las probabilidades?
a) De que entren cuatro nuevos virus por da.
b) Que entren 10 virus en dos das consecutivos.
8
Obteniendo el Promedio
fx
7 3 21
8 0 0 i i
1 2 0 3 ... 2 10 62
9 0 0 x i 2
6,2
10 2 20 10
1 0 ... 2 10
Suma de Das 10
f
i 2
i
Problema 2. Fallas.
2 1 2
3 0 0 x 0,23
p 0,023
n 10
Suma de Das 100
Suma Total Inperfecciones 23 Estadsticos obtenidos del
Promedio 0,23
Tamao de muestra 10 ejercicio de la empresa.
Proporcin 0,023
Las Respuestas del Problema 2
12
la probabilidad Poisson:
b) Al menos dos imperfecciones en 5 horas. 5 n p 5 0,023 0,069
Primero se obtiene el promedio para 5 P ( x 2) 1
0,1150 e 0,115 0,1151 e 0,115
horas: 0! 1!
1 - 0,8914 0,1025
Al solicitar la probabilidad de 2 o ms 1 - POISSON(1;0,115;1) 0,0061
soldaduras malas es ms fcil obtenerla por
probabilidades complementarias:
15 15 0,023 0,345
c) Para esta debe obtenerse el promedio de
0,3450 e 0, 345 0,3451 e 0,345
fallas en 15 horas: P ( x 2)
0! 1!
Y probabilidad de: 0,8914 0,1025
POISSON(1;0,345;1) 0,9526
13
La Distribucin de Frecuencias
El anlisis de los datos histricos de un ao indic que la entrada de casos
a emergencias puede considerarse aleatoria.
De acuerdo a los mdicos responsables el ingeniero dividi el da
en tres clases: de 6 a 10 de la maana, de las 16 a las 21 horas y el resto del
da. La tabulacin de emergencias se hace en el siguiente cuadro as como
la estimacin de promedios por hora: 4,107; 5,408 y 2,022 emergencias por
hora, para la maana, tarde y resto del da respectivamente.
Emergencias FRECUENCIAS OBSERVADAS EXPANSIN DE TOTALES = f * x
x Maana Tarde Resto Da Maana Tarde Resto Da
0 5 0 48 0 0 0
1 24 5 97 24 5 97
2 44 34 97 88 68 194
3 86 41 70 258 123 210
4 56 66 36 224 264 144
5 61 50 9 305 250 45
6 48 46 8 288 276 48
7 25 48 0 175 336 0
8 10 40 0 80 320 0
9 3 18 0 27 162 0
10 3 17 0 30 170 0
Sumas 365 365 365 1499 1974 738
Promedios 4,107 5,408 2,022
17
Los Promedios de Emergencias por Hora
fx i i
5 0 241 ... 3(10) 1.499
Para la maana: xm i 0
4,107
10
5 24 ... 3 365
f
i 0
i
10
fx i i
0 0 51 ... 17(10) 1.974
Para la tarde: xt i 0
5,408
10
0 5 ... 17 365
f
i 0
i
10
fx i i
48 0 971 ... 0(10) 738
xr i 0
2,022
Resto del da: 10
48 97 ... 0 365
f
i 0
i
18
Prueba de Bondad de Ajuste para la Maana.
En la prueba de Bondad de Ajuste se comparan mediante la prueba de 2
las frecuencias observadas contra las esperadas obtenidas usando la
distribucin Poisson.
Emergencias Frecuencias Prueba
x Observada Esperada Ajuste Chi-Cuadr.
0 5 6,0 -1,0 0,1690
En donde la frecuencia esperada
1 24 24,7 -0,7 0,0184 se obtiene multiplicando la
2 44 50,7 -6,7 0,8765
3 86 69,4 16,6 3,9941 probabilidad Poisson por el
4 56 71,2 -15,2 3,2484
5 61 58,5 2,5 0,1078 nmero de observaciones
6 48 40,0 8,0 1,5850
7 25 23,5 1,5 0,0974
8 10 12,1 -2,1 0,3511
9 3 5,5 -2,5 1,1378
10 3 3,5 -0,5 0,0767 2
10
foi fei
5 6,0
2
24 24,7
2
...
3 3,5
2
11,6622
111
Sumas 365 365 11,6622 i 0 fei 6,0 24,7 3,5
Probabilidad 0,3083
1 1
11, 6622
La Probabilidad de la prueba indica 11,6622 111
11, 6622
F11,6622; 11-1 Y0 2 e 2
d
0
DISTRIBUCION.CHI(6,2314; 11 1) 0,7955
Probabilidades
3 0,1900 0,1181 0,1824 0,2026 0,20
4 0,1951 0,1597 0,0922 0,1948
5 0,1602 0,1727 0,0373 0,1498 0,15
6 0,1097 0,1557 0,0126 0,0960
0,10
7 0,0644 0,1203 0,0036 0,0527
8 0,0330 0,0813 0,0009 0,0254 0,05
9 0,0151 0,0489 0,0002 0,0108
10 0,0062 0,0264 0,0000 0,0042 0,00
11 0,0023 0,0130 0,0000 0,0015 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
12 0,0008 0,0059 0,0000 0,0005 Emergencias por hora
13 0,0002 0,0024 0,0000 0,0001
14 0,0001 0,0009 0,0000 0,0000 Maanas Tardes R. Da Promedio
15 0,0000 0,0003 0,0000 0,0000
16 0,0000 0,0001 0,0000 0,0000
17 0,0000 0,0000 0,0000 0,0000
0,07
all de la norma al
0,06
0,05
0,04
0,03
0,02
sobrepasar el Lmite
0,01
0,00
Promedio
LIC Superior de Control.
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33
Muestras
La Poisson para Nmero de Fallas. 29
Por estas dos propiedades se ha visto que la distribucin de Poisson es til para
aproximarse al fenmeno cuando el promedio es pequeo, an cuando el valor
de n no est bien definido y an, s los valores n y p se presume que varan de una
muestra a otra.
El ejemplo que ha servido desde hace mucho tiempo para ejemplificar el uso de la
distribucin de Poisson se debe a Ladislaus von Bortkewitch (1.898) que se refiere
al nmero de hombres en la caballera Prusiana que mueren en un ao por coces
de caballos. Si se tienen N = 200 observaciones una por cada 10 batallones en 20
aos, Cualquier da un hombre est expuesto a la pequea probabilidad de que sea
coceado, pero no est claro que valor tiene n y tambin p que puede ser variable
para cada individuo.
Problema 5: Tradicional del Proceso Poisson 32
Frecuencias Esperadas:
x e 0,5806 2 e 0,5806
N Accidentes Probabilidad Frecuencias Bondad fei n ; Ej : fe2 155 14,6
x! 2 !
x Poisson Observada Esperada Ajuste
Y la prueba de 2:
0 0,5595 80 86,7 0,5220
1 0,3249 61 50,4 2,2488
2 0,0943 13 14,6 0,1795 80 86,7 2 61 50,4 2
3 0,0183 1 2,8 1,1831 721 ... 4,5969
86,7 50,4
4 0,0027 0 0,4 0,4108
5 0,0003 0 0,0 0,0477
6 0,0000 0 0,0 0,0046 Y la probabilidad que
7 0,0000 0 0,0 0,0004
Sumas 1,0000 155 155,0 4,5969 determina el estadstico
Probabilidad 0,7090
1 1
4 , 5909
4,5909 81
4, 5909
F 4,5909; 8-1 Y0 2 e 2
d 0,7090
0
i 0
Estimadores 0,5806 0,5806
0,324893(1 0,5806) 2 ... 0,000002(7 - 0,5806) 2
0,5806
x i
9
Promedio: i 1
0,018
N 500
N
x
2
i
Varianza: 2 i 1
p 1 p 0,018
N
El Promedio es Suficiente 37
1.000,5
Zona C
La muestra 26: Alcanza la zona A
1.000,0
Zona C
inferior y hay una observacin
999,5 considerada falla; accin, buscar
999,0
Zona B la causa.
Zona A
998,5 Las muestras 3 y 4 se presentan en
1
11
13
17
19
23
27
29
15
21
25
Desde el primer momento debe imaginar que la charla est preparada para
ser expuesta por el profesor en el aula y que el estudiante cuenta con una
copia del captulo en su computadora personal.
La charla le ir preparando en bases tericas para enfrentar problemas que
en su momento fueron parte de una investigacin y han sido resueltos,
algunos de ellos se han modificado ligeramente con fines didcticos.
El problema que se comenta en la CHARLA se ha resuelto paso a paso en la
Hoja Electrnica que adems le proporcionar un conjunto de resultados
obtenidos mediante modelos de simulacin que el estudiante puede definir
de una manera parcial y con los que puede entrenar el uso de la
herramienta computacional e intentar conclusiones y recomendaciones.
La presentacin y los comentarios estn ligados de manera que puede
interactuar con ellos.
Adems puede obtener una copia impresa del captulo o de todo el libro en
un formato de pantalla que se edita en una hoja tamao carta.
Manuel Pontigo Alvarado:
ITCR, Diciembre 2004.