La distribucin de Poisson

MARIO BERMEO Mster en Administracin de Empresas (MBA) Mster en Calidad Total

Todos los derechos son reservados 2012

Introduccin
En este mdulo se describe el uso de la distribucin de Poisson para obtener la probabilidad de ocurrencia de sucesos raros cuyo resultado lo representa una variable discreta.

Se recomienda haber estudiado primero los mdulos de las Reglas de probabilidad, el de Distribucin normal y luego el de Distribucin Binomial.

Dato histrico

La distribucin de Poisson se llama as en honor a su creador, el francs Simen Dennis Poisson (1781-1840), Esta distribucin de probabilidades fue uno de los mltiples trabajos matemticos que Dennis complet en su productiva trayectoria.

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. 2. La probabilidad de observar exactamente un xito en el segmento o tamao de muestra n es constante. 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 Poisson parte de la distribucin binomial.
Cuando en una distribucin binomial se realiza el experimento muchas veces, la muestra n es grande n >>50 y la probabilidad de xito p en cada ensayo es baja p <<0,1, es aqu donde aplica el modelo de distribucin de Poisson. Se tiene que cumplir que: p << 0.10 n>>50

p * n < 10
A esto se lo considera un fenmeno raro

La funcin P(x=k)
A continuacin veremos la funcin de probabilidad de la distribucin de Poisson.

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.).
La constante e tiene un valor aproximado de 2.711828

K es el nmero de xitos por unidad

La distribucin de Poisson
Entonces = u ( la media)
y= La distribucin de poisson puede aproximarse a la binomial cuando es un fenmeno raro, esto es cuando

( n>>50, p<<0,1, np <10)

np = P(x) = e
X! x -

p(x)= (np) e
X!

- np

En la distribucin binomial en fenmenos raros u = np

= np

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:
x -np

P(x=3) = np e
X!

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%.

Ejemplo 3 de la funcin F(x=k)

Cada hora se producen 2,5 teclados defectuosos de promedio, proveer criterios adecuados para el proceso de poisson y determinar la probabilidad que ms de 4 teclados defectuosos sean producidos en la siguiente hora. Debemos calcular la probabilidad de x=0, x=1, X=2, x=3, x=4

= 2,5
X= 4 P(x) = 2,5 e
4! 4 -2,5

P(x=4) = 0,133

La probabilidad de (x 4) P(4) = 1 (P(x=0) +P(x=1) +P(x=2) +P(x=3) +P(x04)) P(4) = 1 (0,082 +0,205+0,256+0,214+0.133) = 1 - 0,895 =0,1095

Ejemplo 3 de la funcin F(x=k)

Un 10% de productos producidos en un proceso de fabricacin resulta defectuoso hallar la probabilidad de que en una muestra de 50 unidades elegidas al azar sean exactamente 2 defectuosas. a) Mediante binomial b) Mediante poisson P= 10%= 0,1 n=10 X=2 Binomial : P(x) = 50! (0,1) (0,9) = 0,078 = 7,8% 2!(50-2)! Poisson: p(x)= (50*0,1) e = 2!
2 -(50*0,1) 4! 2 48

0,0842 = 8,42%

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: Del ejemplo 2:

= 0.02 * 300 = 6
= 0.012 * 800 = 9.6

Tabla de probabilidad de Poisson

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

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
Caractersticas de la distribucin Poisson
Media
= E(X) =
P(X) .6 .4 .2 0 0

k = 5 = 0.1
X 1 2 3 4 5

Varianza = 2

P(X) .6 .4 .2 0 0

k=5

= 0.5
X

5
17

En resumen
En este mdulo hemos determinado la probabilidad de Poisson mediante el uso de la funcin de Poisson, las tablas de distribucin y la calculadora del enlace. Adems, aprendimos que: 1. La distribucin de Poisson se forma de una serie de experimentos de Bernoulli. La media

2.

o valor esperado en la distribucin de Poisson es igual a

3. 4.

La varianza (2 ) en la distribucin de Poisson tambin es igual a . La desviacion estndar es la raz de .

Ejercicios de prueba
Los siguientes ejercicios de prueba fueron resueltos utilizando la distribucin binomial en el mdulo con ese mismo nombre. Refirase a los ejercicios en ambos mdulos y compare la diferencia de cada pregunta. Puede responder por qu se resuelven esta vez utilizando la distribucin de Poisson?

Demuestre su razonamiento.

Ejercicio de prueba #1
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
Para resolver la pregunta b repase el mdulo 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 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.
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 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
Para la pregunta d puede realizar la siguiente operacin: 1 [P(x=0) + P(x=1) + P(x=2)]

Ejercicio de prueba #4

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.

Ejercicio de prueba #5

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

Glosario de trminos
Aleatorio que ocurre al azar. Distribucin de Poisson Distribucin discreta que se aplica cuando se realizan ms de una vez y de forma independiente el experimento de Bernoulli. xitos Es la ocurrencia del evento de inters 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 trminos
Resultado discreto Son resultados con un nmero finito de valores (3 defectos, menos de 8, hasta 5, etc.) Suceso raro Un evento que ocurre con poca frecuencia. Segmento - es un intervalo, porcin, fragmento o tamao de muestra, ya sea en unidades de distancia, rea, volumen, tiempo o cualquier otra medida. Variable Aleatoria Discreta - Variable que puede obtener un nmero finito de valores de forma impredecible o al azar.

Variable Discreta Variable que puede obtener un nmero finito de valores como 0, 1, 2, 3.

Referencias

Anderson, S. (2006). Estadsticas para administracin y economa. (8tva ed.). Mxico: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/documentospdf/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