Upload
norman-luna
View
213
Download
0
Embed Size (px)
DESCRIPTION
un ejemplo aplicado
Citation preview
Métodos Cuantitativos I
«Distribución de Poisson»
Una aplicación práctica…
Norman Luna 1020 – 93 -32515
Evy Eugenia Turcios 1020 – 04 -269
Fue descubierta por:
Siméon-Denis Poisson, que la dio
a conocer en 1838 en su trabajo
Recherches sur la probabilité des
jugements en matières criminelles
et matière civile (Investigación
sobre la probabilidad de los juicios
en materias criminales y civiles).
Distribución de Poisson
es una distribución de probabilidad
discreta que expresa la
probabilidad que un determinado
número de eventos ocurran en un
determinado periodo de tiempo,
dada una frecuencia media
conocida e independientemente del
tiempo discurrido desde el último
evento
Su fórmula es:
donde
•k es el número de ocurrencias del evento o fenómeno (la función nos da la probabilidad de que el evento suceda precisamente
k veces).
•λ es un parámetro positivo que representa el número de veces que se espera que ocurra el fenómeno durante un intervalo
dado. Por ejemplo, si el suceso estudiado tiene lugar en promedio 4 veces por minuto y estamos interesados en la probabilidad
de que ocurra k veces dentro de un intervalo de 10 minutos, usaremos un modelo de distribución de Poisson con λ = 10×4 = 40
•e es la base de los logaritmos naturales (e = 2,71828 ...)
Tanto el valor esperado como la varianza de una variable aleatoria con distribución de Poisson son iguales a λ. Los momentos
de orden superior son polinomios de Touchard en λ cuyos coeficientes tienen una interpretación combinatorio. De hecho,
cuando el valor esperado de la distribución de Poisson es 1, entonces según la fórmula de Dobinski, el n-ésimo momento
iguala al número de particiones de tamaño n.
La moda de una variable aleatoria de distribución de Poisson con un λ no entero es igual a , el mayor de los enteros menores
que λ (los símbolos representan la función parte entera). Cuando λ es un entero positivo, las modas son λ y λ − 1.
La función generadora de momentos de la distribución de Poisson con valor esperado λ es
Ejemplo
El número de enfermos que solicitan atención de urgencia en un hospital
durante un periodo de 24 horas tiene una media de m = 43,2 pacientes.
Unas obras en las instalaciones mermarán las capacidades de atención del
servicio, el cual se sabe que colapsará si el número de enfermos excede de
50. ¿Cual es la probabilidad de que colapse el servicio de urgencias del
hospital?
Bajo las condiciones del modelo de Poisson, se trata de una distribución
P(43,2). La probabilidad solicitada es
Pr{X > 50} = 1 - Pr{X <= 50} = 1 - F(50) = 0.13.
El responsable del servicio deberá valorar si esta probabilidad es lo
suficientemente alta como para reforzar la atención de urgencias con más
efectivos, materiales, espacios, etc.
Ejemplo
Cierta enfermedad tiene una probabilidad muy baja de ocurrir, p=1/100.000. Calcular
la probabilidad de que en una ciudad con 500.000 habitantes haya más de 3 personas
con dicha enfermedad.
Calcular el número esperado de habitantes que la padecen.
Consideramos la v.a. X que contabiliza el número de personas que padecen la
enfermedad, es claro que sigue un modelo binomial, pero que puede ser muy bien
aproximado por un modelo de Poisson, de modo que
Así el número esperado de personas que padecen la enfermedad es
Existe una gran dispersión, y no sería extraño encontrar que en realidad hay muchas más
personas o menos que están enfermas. La probabilidad de que haya más de tres personas
enfermas es:
P=0.7365