0 evaluări0% au considerat acest document util (0 voturi)
215 vizualizări47 pagini
Este documento describe cómo usar la distribución de Poisson para modelar eventos discretos que ocurren en el tiempo. Explica que se debe usar cuando la probabilidad de ocurrencia de un evento es constante y los eventos son independientes. Proporciona fórmulas, instrucciones para usar tablas de Poisson, y un ejemplo numérico para ilustrar cómo calcular probabilidades usando esta distribución.
Este documento describe cómo usar la distribución de Poisson para modelar eventos discretos que ocurren en el tiempo. Explica que se debe usar cuando la probabilidad de ocurrencia de un evento es constante y los eventos son independientes. Proporciona fórmulas, instrucciones para usar tablas de Poisson, y un ejemplo numérico para ilustrar cómo calcular probabilidades usando esta distribución.
Este documento describe cómo usar la distribución de Poisson para modelar eventos discretos que ocurren en el tiempo. Explica que se debe usar cuando la probabilidad de ocurrencia de un evento es constante y los eventos son independientes. Proporciona fórmulas, instrucciones para usar tablas de Poisson, y un ejemplo numérico para ilustrar cómo calcular probabilidades usando esta distribución.
• Útil para la ocurrencia de eventos por unidad de tiempo:
errores/mes, quejas/semana, defectos/día. • Para su aplicación, la probabilidad de ocurrencia del evento debe ser constante en tiempo o espacio y debe haber independencia de ocurrencia de eventos. • También se puede usar como una aproximación de la distribución binomial, cuando el valor de n*p es menor que 5 lo que implica tener muestras grandes y valores de p pequeños. • Cuando está en función del tiempo se debe multiplicar ese valor de por el número de unidades de tiempo, sea que se habla en este caso de =t. FORMULAS Función densidad Funcion densidad x ( t ) x p ( x, ) *e p ( x, t ) * e t x! x! Función acumulada Funcion acumulada X X P ( x, ) p ( xi , ) P ( x, t ) p ( xi , t ) i 1 i 1
Valor esperado de la media Valor esperado de la media
t Valor esperado de la var ianza Valor esperado de la var ianza 2 2 t ¿Cómo usar las tablas? Para usar las tablas se sigue este procedimiento: • Asegurar que la variable sigue un comportamiento Poisson (prueba de bondad de ajuste). • Se identifican los valores de n, p y x o el valor de si este es dado. • Se determina el valor de multiplicando n por p, en el caso de una aproximación a la binomial. • En el caso de probabilidades puntuales, se localiza el valor de x en la columna de la izquierda y el valor de o (media de la distribución de Poisson) en la parte superior de la tabla. ¿Cómo usar las tablas? • En el caso de probabilidades acumuladas, se localiza el valor de en la columna de la izquierda y el valor de x en la parte superior de la tabla. • El valor de la probabilidad es el valor que interseca al valor de x con el valor de . Esto se muestra en el siguiente segmento de la tabla. Por ejemplo si =3.2, x=7, la respuesta es 0.0278. EJEMPLO Una compañía vende productos en metros y se ha caracterizado por tener una tasa promedio de 4 defectos por cada 200 metros. Si se compran 80 metros, ¿cuál es la probabilidad de que haya: 1. dos defectos? 2. más de cuatro defectos? SOLUCION 1. dos defectos? P(x=2) para n=80. El valor de es (4/200)*80 = 1.6 defectos. Se usa la tabla densidad de Poisson con x=2, por lo que el resultado es: P(x=2)=p(2,1.6)=0.2584 Se puede usar también la tabla Poisson acumulada con =1.6 defectos. P(x=2)= P(x2) – P(x1) = P(2,1.6)- P(1,1.6) P(X=2)=0.783-0.525 = 0.258 La probabilidad de que haya dos defectos es 0.2584. EJEMPLO Una compañía vende productos en metros y se ha caracterizado por tener una tasa promedio de 4 defectos por cada 200 metros. Si se compran 80 metros, ¿cuál es la probabilidad de que haya: 1. dos defectos? 2. más de cuatro defectos? SOLUCION • También a manera de ejemplo se puede usar la fórmula correspondiente, así: 2 1.6 p(2,1.6) * e 1.6 0.2584 2!
La probabilidad de que haya dos defectos es 0.2584.
EJEMPLO Una compañía vende productos en metros y se ha caracterizado por tener una tasa promedio de 4 defectos por cada 200 metros. Si se compran 80 metros, ¿cuál es la probabilidad de que haya:
SOLUCION b) más de cuatro defectos?
P(x>4) = 1- P(x4)= 1- P(4,1.6)= 1-0.8748=0.1252
Se usa la tabla de Poisson acumulada con =1.6 defectos. P(x4)= 0.8748 La probabilidad de que haya más de cuatro defectos es 0.1252. EJEMPLO 4 Una compañía de ventas por teléfono recibe llamadas a razón de 5 por segundo. ¿Cuál es la probabilidad de que reciba: 1. tres llamadas en un segundo? 2. más de cuatro llamadas en dos segundos? SOLUCION 1. El valor de es 5 llamadas por segundo y el de x es 3 llamadas en un segundo. Se usa la tabla densidad. Así: P(x=3)=p(3,5)=0.0056 Se puede usar también la tabla Poisson acumulada de =5 llamadas por segundo. 2. El valor de es 5*2=10 llamadas por segundo y el de x>4 llamadas por segundo. Se usa la tabla Poisson acumulada de =10 llamadas por segundo. P(x>4)= 1- P(x4) = 1- 0.0012 = 0.9988 La probabilidad de que haya dos defectos es 0.9988.