DistribucióN De Poisson
Upcoming SlideShare
Loading in...5
×
 

DistribucióN De Poisson

on

  • 46,712 views

Fundamentos de la Distribución de Poisson

Fundamentos de la Distribución de Poisson

Statistics

Views

Total Views
46,712
Views on SlideShare
46,629
Embed Views
83

Actions

Likes
9
Downloads
1,019
Comments
2

5 Embeds 83

http://www.slideshare.net 56
http://miaulageometrica.blogspot.mx 18
http://miaulageometrica.blogspot.com 6
http://webcache.googleusercontent.com 2
http://miaulageometrica.blogspot.de 1

Accessibility

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel

12 of 2

  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
  • Te las mandaste con este aporte! aprendi como nunca!
    Are you sure you want to
    Your message goes here
    Processing…
  • Muy bueno el aporte. Como sugerencia seria poner otra diapositiva donde coloques los resultados y así saber si trabajamos los ejercicios correctamente. De resto todo muy claro. Gracias
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    DistribucióN De Poisson DistribucióN De Poisson Presentation Transcript

    •  
      • 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 .
      • Además, esperamos que puedas:
      • Identificar las propiedades de una distribución P oisson .
      • Determinar los valores de frecuencia p y segmento n para establecer las bases para el cómputo de las probabilidades.
      • Determinar el promedio, la varianza y la desviación estándar utilizando las variables de la distribución de Poisson .
      • La distribución de Poisson se llama así
      • en honor a su creador, el francés
      • Simeón Dennis Poisson (1781-1840),
      • Esta distribución de probabilidades fue
      • uno de los múltiples trabajos matemáticos
      • que Dennis completó en su productiva trayectoria.
      • 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.
      • 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 .
      • La probabilidad de observar exactamente un é xito en el segmento o tama ñ o de muestra n es constante.
      • El evento debe considerarse un suceso raro.
      • 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.
    • La distribución de probabilidad de Poisson es un ejemplo de distribución de probabilidad discreta. La distribuci ó n de Poisson parte de la distribuci ó n binomial. Cuando en una distribuci ó n binomial se realiza el experimento muchas veces, la muestra n es grande y la probabilidad de é xito p en cada ensayo es baja, es aqu í donde aplica el modelo de distribuci ó n de Poisson. Se tiene que cumplir que: p < 0 . 10 p * n < 10
    • 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.
    • 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? C omo 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%.
    • 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%.
    • 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
    • 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.
    • 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 est é defectuoso, b) uno salga defectuoso, c) al menos dos salgan defectuosos d) más de tres estén con defectos
    • 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.
    • 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
      • 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.
       
      • 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.