18

DistribucióN De Poisson

Embed Size (px)

DESCRIPTION

Fundamentos de la Distribución de Poisson

Citation preview

Page 2: DistribucióN De Poisson

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.

Page 3: DistribucióN De Poisson

Además, esperamos que puedas:

3. Identificar las propiedades de una distribución Poisson.

5. Determinar los valores de frecuencia p y segmento n para establecer las bases para el cómputo de las probabilidades.

7. Determinar el promedio, la varianza y la desviación estándar utilizando las variables de la distribución de Poisson.

Page 4: DistribucióN De Poisson

La distribución de Poisson se llama así en honor a su creador, el francésSimeón Dennis Poisson (1781-1840),Esta distribución de probabilidades fue uno de los múltiples trabajos matemáticosque Dennis completó en su productiva trayectoria.

Page 5: DistribucióN De Poisson

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.

Page 6: DistribucióN De Poisson

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.

Page 7: DistribucióN 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.

Page 8: 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

Page 9: 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

A continuación veremos la función de probabilidad de la distribución de Poisson.

Page 10: DistribucióN De Poisson

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%.

Page 11: DistribucióN De Poisson

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%.

Page 12: DistribucióN De Poisson

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) 4 estén descompuestas.

b) de 1 a 3 estén descompuestas

Page 13: DistribucióN De Poisson

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.

Page 14: DistribucióN De Poisson

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

Page 15: DistribucióN De Poisson

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.

Page 16: DistribucióN De Poisson

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

Page 17: DistribucióN De Poisson

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.

 

Page 18: DistribucióN De Poisson

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.