10 CEP - Distribución de Poisson

La Distribucin de Poisson
Para entender la Distribucin de Poisson, vamos analizar un ejemplo detenidamente. Supongamos que se tiene una tabla rectangular de madera, de 1 metro por 1 metro, pintada con un recubrimiento sobre cuya superficie se presentan aleatoriamente pequeos defectos. Estos defectos podran ser por ejemplo partculas muy pequeas de pigmento que no fueron bien molidas al fabricar la pintura. Se desea calcular la probabilidad de que aparezcan estos defectos.
Defectos
Estos defectos podran ser por ejemplo partculas muy pequeas de pigmento que no fueron bien molidas al fabricar la pintura. Se desea calcular la probabilidad de que aparezcan estos defectos.
Podramos subdividir la superficie en zonas rectangulares mas pequeas y de igual tamao: Ahora tenemos la superficie dividida en 4 zonas rectangulares de igual tamao. Observamos que en algunas zonas aparece un defecto superficial y en otras no.
Vamos a hacer las siguientes suposiciones: 1) En cada zona slo puede aparecer 1 defecto. 2) Si la probabilidad de que aparezca un defecto en todo el rea es p, la probabilidad de que aparezca un defecto en una zona es p/4.
Entonces, utilizando la Distribucin Binomial podemos calcular la probabilidad de que en nuestra superficie aparezcan 0, 1, 2, 3, 4 defectos:
El promedio de defectos en la superficie total ser:
Pero sabemos que en realidad en cada zona podran aparecer ms de 1 defecto. Esto hace inexacto nuestro clculo.
Podramos hacer el clculo ms exacto si subdividimos las zonas:
Dividimos cada zona en 4 y ahora tenemos 16 zonas. La probabilidad de tener 1 defecto en una zona es:
Podemos entonces calcular la probabilidad de tener 0, 1, 2, 3, ...., 16 defectos en el rea total:
Y el promedio de defectos en la superficie resulta ser el mismo que antes:
An as podran aparecer ms defectos por zona:
Si dividimos nuevamente cada zona en 4 tendramos 64 zonas y ahora la probabilidad de tener 1 defecto en una zona sera:
La probabilidad de tener 0, 1, 2, 3, ....., 64 defectos en la superficie total sera:
Y nuevamente el promedio de defectos en la superficie resulta:
Lo que estamos haciendo es ir aumentando n al mismo tiempo que disminuye p en igual proporcin. Por lo tanto el promedio de defectos en la superficie total n x p se mantiene constante. Como vimos, al suponer que en cada subzona slo puede haber 1 defecto o ningn defecto estamos cometiendo un error. Este error se hace cada vez menor, porque a medida que subdividimos el area total se hace menos probable que en una subzona aparezca mas de un defecto.
Si continuamos subdividiendo el rea indefinidamente, la frmula binomial nos dar la probabilidad de obtener 0, 1, 2, 3, ... n defectos, con n tendiendo a infinito.
En el lmite, la frmula binomial tiende a la frmula de Poisson:
x variable aleatoria parmetro de la Dist. de Poisson
El producto de n por p, en el lmite, es igual al parmetro de la distribucin:
El nmero de defectos x en la superficie total es una variable aleatoria discreta que puede tomar valores 0, 1, 2, 3, 4, ... y cuya distribucin de probabilidades se conoce como Distribucin de Poisson.
Distribucin de Poisson
0.20 0.18 0.15 0.13
P(x)
0.10 0.08 0.05 0.03 0.00

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Se puede observar que la curva de la funcin de Poisson es asimtrica, como la binomial. El promedio de esta variable aleatoria es igual al parmetro de la distribucin:
Y la varianza tambin es igual al parmetro de la distribucin:
Por lo tanto, la desviacin standard es:
La distribucin de Poisson tiene una propiedad cuyas consecuencias son muy importantes para el Control Estadstico de Procesos.
Supongamos que se tienen m variables aleatorias de Poisson:
Variable x1 x2 x3 ... xm Parmetro 1 2 3 m
Si w es una combinacin lineal de tales variables:
Entonces w es una variable aleatoria de Poisson con parmetro:
Esto es muy importante porque podemos imaginar el producto fabricado por un proceso (Una licuadora, una computadora, un televisor, etc.) como una superficie en la que se pueden producir mltiples defectos, y donde el nmero de cada tipo de defecto es una variable aleatoria de Poisson.
Entonces, la propiedad mencionada nos permite tratar la suma de todos los tipos de defectos como una variable aleatoria de Poisson. Esto se utiliza para el control del Nmero de Defectos en un producto (Grficos C). Supongamos ahora que tenemos un gran lote de artefactos, por ejemplo licuadoras. Tomamos una muestra de m = 5 unidades y medimos el nmero total de defectos en las 5 unidades.
Si obtuvimos x1, x2, x3, ... xm defectos en cada unidad, el nmero total de defectos ser:
El nmero promedio de defectos por unidad ser:
y es una variable aleatoria discreta que puede tomar valores 0, 1/m, 2/m, 3/m, ..., etc. Cul es la varianza de y?
La varianza de xi es cualquiera que sea el subindice i, porque todas las xi tienen la misma distribucin:
Por lo tanto:
Este es un importante resultado que se utilizar para calcular la varianza en los Graficos U.
Fin del Curso

10 CEP - Distribución de Poisson

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

10 CEP - Distribución de Poisson

Enviado por

Direitos autorais:

Formatos disponíveis

La Distribucin de Poisson

Podramos hacer el clculo ms exacto si subdividimos las zonas:

An as podran aparecer ms defectos por zona:

x variable aleatoria parmetro de la Dist. de Poisson

0.10 0.08 0.05 0.03 0.00

Y la varianza tambin es igual al parmetro de la distribucin:

Entonces w es una variable aleatoria de Poisson con parmetro:

El nmero promedio de defectos por unidad ser:

Fin del Curso

Você também pode gostar