17/07/2010

UNIVERSIDAD MARIANO GALVEZ DE GUATEMALA DIRECCIN DE POSTGRADOS MTODOS CUANTITATIVOS Docente: MSc. Edgar Jurez Seplveda

INTRODUCCIN: La probabilidad de Poisson es otra distribucin de probabilidad discreta y tiene muchas aplicaciones practicadas como por Ej. Nmero de llamadas por hora que llegan al conmutador de una estacin de polica. Nmero de llegadas de carros al da en un puente de peaje. Numero de huelgas industriales importantes al ao en un pas. Nmero de reparaciones que necesitan 10 millas de carretera. Nmero de fugas en 100 millas de tubera.

Nmero de manchas en una yarda cuadrada de tela. Nmero de defectos por lote en un proceso de produccin. Se usa para modelar situaciones en las que el nmero de pruebas es muy grande y el nmero de xitos es muy pequeo. Modelado de tasas de llegadas en situaciones de espera en fila.

17/07/2010

Un proceso de Poisson existe si podemos observar eventos discretos en un rea de oportunidad, un intervalo continuo (de tiempo, longitud, rea, etc.) de tal manera que si acortamos el rea de oportunidad intervalo de manera suficiente:

1)La probabilidad de observar exactamente un xito en el intervalo es estable. 2)La probabilidad de observar exactamente ms de un xito en el intervalo es 0. 3)La ocurrencia de un xito en cualquier intervalo es estadsticamente independiente de aquella en cualquier otro intervalo.

Supongamos que examinamos el nmero de clientes que llegan durante la hora del almuerzo de 12 a 1 PM en un banco localizado en el distrito comercial central de una ciudad grande. Cualquier llegada de un cliente es un evento discreto en un punto particular sobre el intervalo continuo de una hora. Durante tal intervalo de tiempo puede haber un promedio de 180 llegadas. Ahora, si tuviramos que dividir el intervalo de una hora en 3600 intervalo consecutivos de un segundo.

1)

El nmero (o promedio) esperado de clientes que llegan en cualquier intervalo de segundos sera 0.05. La probabilidad de que ms de un cliente llegue en cualquier intervalo de un segundo es 0.

2)

3) La llegada de un cliente en cualquier intervalo de un segundo no tiene efecto sobre (es decir, es estadsticamente independiente) de la llegada de cualquier otro cliente en cualquier otro intervalo de un segundo.

17/07/2010

EL MODELO MATEMATICO
La expresin matemtica para la distribucin de Poisson para obtener X xitos, dado que se esperan xitos es:

P ( X = x ) =

e x x!

Donde: P (X = x ) = Probabilidad de X = dado que se conoce . = Nmero esperado de xitos. e = Constante matemtica aproximada por 2.71828. x = Nmero de xitos por unidad.

Observe que solo se necesita una medida para calcular la probabilidad de un valor dado de x: (nmero esperado de xitos) CARACTERSTICAS Forma: Cada vez que se especfica el parmetro puede generarse una distribucin de probabilidad de Poisson especfica. Una distribucin e Poisson estar sesgada a la derecha cuando es pequea, y se aproxima a la simetra (con un pico al centro) al crecer . La media y la desviacin estandar: Una propiedad interesante de la distribucin de Poisson es que la media y la varianza son iguales al parmetro .

Ejemplo 1: Regresando al ejemplo que estamos manejando, = 0.05 clientes llegan por segundo Cul es la probabilidad de que en un minuto dado lleguen exactamente dos clientes? Para resolver debemos convertir los segundos en minutos. Llegadas por minuto = (0.05) 60 = 3 Usando la ecuacin tenemos:

P ( 2) =

e 3 (3.0) 2 9 = = 0.2240 2! (2.71828) 3 ( 2)

17/07/2010

Ejemplo 2: Un problema que enfrenta Central Motor se refiere a la central de telfonos de la oficina principal. El nmero de personas que operan la central vara mucho durante el da, aun cuando el nmero de llamadas que entra permanece constante durante todo el da. Despus de verificar la aleatoriedad, el gerente decide que las llamadas sin duda son aleatorias. No parece haber ciertas horas en el da en que entren ms llamadas que en otras y no parece haber ningn patrn.

La gerencia decide que la unidad de tiempo a evaluar ser un intervalo de cinco minutos. Para usar la distribucin de Poisson el analista de la central debe calcular la media, o el nmero promedio de ocurrencias por intervalo de cinco minutos durante el da de trabajo. Se seleccionan varios intervalos de cinco minutos al azar durante la siguiente semana. Se encuentra que el nmero promedio de llamadas durante ese intervalo es 4.8. Este valor es la media de la distribucin de Poisson que se usa para calcular las probabilidades.

La distribucin de Poisson se ha resuelto para cientos de valores se ha compilado en tablas, como las que se distribuyeron en clase. Los resultados por esta va sera:
X 0 1 2 3 4 5 6 7 8 9 P (x) 0.0082 0.03995 0.0948 0.1517 0.1820 0.1747 0.1398 0.0959 0.0575 0.0307

17/07/2010

La representacin grfica sera:

Longitud o distancia Ocurrencia de defectos grandes en un tramo de carretera, un mes despus de su entrega. La probabilidad de un defecto en el tramo es igual para los otros dos cualesquiera, de igual longitud. Que la ocurrencia o no ocurrencia de un defecto en cualquier intervalo no depende de lo que pase en el otro intervalo . Bajo estas premisas, se puede utilizar la distribucin de Poisson.

Longitud o distancia Se observa que los defectos grandes se presentan con una frecuencia promedio de dos por milla. Vamos a determinar la probabilidad de que no existan defectos grandes en un tramo de tres millas.
No. De defectos grandes en 3 millas== (2 defectos/milla)(3 millas)= 6

Probabilidad de ningn defecto importante:

P ( 0) = e 6 ( 6) 0 = 0.0025 0!

La probabilidad de al menos 1 defecto grande en 3 millas es de: 1-0.0025=0.9975

17/07/2010

APROXIMACIN DE POISSON A LA BINOMIAL En problemas de distribucin Binomial donde n es grande y la probabilidad de xito (p) es bastante pequea o bastante grande, las probabilidades se pueden aproximar usando la distribucin de Poisson. En este mtodo se supone que las ocurrencias de xitos de la Binomial siguen un proceso de Poisson. Aunque las probabilidades calculadas usando esta aproximacin no son exactas, son bastante cercanas a las probabilidades binomiales verdaderas.

La frmula quedara de la siguiente forma:

P ( x) =

e np (np ) x 2 x!

Y se operara normalmente con la ecuacin para la distribucin de Poisson haciendo uso de la tabla.

Ejemplo: Calcular la probabilidad de obtener exactamente una llamada defectuosa de una muestra de 20 si 8% de las llantas fabricadas en una planta particular son defectuosas.
n = 20 P = 0.08 np = 1.6

De la tabla: p(1) con np = 1.6 = ( ). P(1) = 0.3230 Si se hubiera empleado la verdadera distribucin, la Binomial en vez de la aproximacin, calcularamos: P(1) Binomial con x =20 y p = 0.08 = 0.3282