INSTITUTO POLITCNICO NACIONAL CENTRO DE ESTUDIOS TECNOLGICOS No.

1 WALTER CROSS BUCHANAN

UNIDAD DE APRENDZAJE: Probabilidad y Estadstica

GRUPO: 6IV4

PROFESOR: Ornelas Moreno Jos Antonio

INTEGRANTES: Barajas Ramrez Cynthia Viramontes Bocanegra Roberto Carlos

TEMA: DISTRIBUCIN DE POISSON

EQUIPO No. 16

CICLO ESCOLAR: ENERO-JUNIO 2013-2014 B

DISTRIBUCIN DE POISSN 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. Esta distribucin es una de las ms importantes distribuciones de variable discreta. Sus principales aplicaciones hacen referencia a la modelizacin de situaciones en las que nos interesa determinar el nmero de hechos de cierto tipo que se pueden producir en un intervalo de tiempo o de espacio, bajo presupuestos de aleatoriedad y ciertas circunstancias restrictivas. Otro de sus usos frecuentes es la consideracin lmite de procesos dicotmicos reiterados un gran nmero de veces si la probabilidad de obtener un xito es muy pequea.

Proceso experimental del que se puede hacer derivar Esta distribucin se puede hacer derivar de un proceso experimental de observacin en el que tengamos las siguientes caractersticas: Se observa la realizacin de hechos de cierto tipo durante un cierto periodo de tiempo o a lo largo de un espacio de observacin Los hechos a observar tienen naturaleza aleatoria; pueden producirse o no de una manera no determinstica. La probabilidad de que se produzcan un nmero x de xitos en un intervalo de amplitud t no depende del origen del intervalo (Aunque, s de su amplitud)

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. Adems de que 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 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. Nmero de fallas en la superficie de una cermica rectangular Nmero de bacterias en un volumen de un m3 de agua Nmero de accidentes de trabajo que ocurren en una fbrica durante una semana. PROPIEDADES DE UN PROCESO DE POISSON La probabilidad de observar exactamente un xito en el segmento o tamao 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 construccin de la distribucin de Poisson. FRMULA A APLICAR

P (X=x): Es la probabilidad de ocurrencias cuando la variable discreta X toma un valor finito. : Promedio de ocurrencias en un Intervalo. e: Tiene un valor de 2.718 x : Es el nmero de ocurrencias.

EJEMPLOS

1.- Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las probabilidades de que reciba: a) cuatro cheques sin fondo en un da dado, b) 10 cheques sin fondos en cualquiera de dos das consecutivos Solucin: a) x = variable que nos define el nmero de cheques sin fondo que llegan al banco en un da cualquiera = 0, 1, 2, 3, ....., etc, etc. = 6 cheques sin fondo por da e = 2.718

b) x= variable que nos define el nmero de cheques sin fondo que llegan al banco en dos das consecutivos = 0, 1, 2, 3, ......, etc., etc. = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos das consecutivos Nota: l siempre debe de estar en funcin de x siempre o dicho de otra forma, debe hablar de lo mismo que x.

2.- En la inspeccin de hojalata producida por un proceso electroltico continuo, se identifican 0.2 imperfecciones en promedio por minuto. Determine la probabilidad de identificar una imperfeccin en 3 minutos. Solucin: x = variable que nos define el nmero de imperfecciones en la hojalata por cada 3 minutos = 0, 1, 2, 3, etc., etc. = 0.2 x 3 =0.6 imperfecciones en promedio por cada 3 minutos en la hojalata e= 2.781 Sustituyendo:

3.-La produccin de televisores SAMSUNG trae asociada una probabilidad de defecto del 2%, si se toma un lote o muestra de 85 televisores, obtener la probabilidad de que existan 4 televisores con defectos. n=85 P=0.02 (2%) X=4 = (85) (0.02) = 1.7 P(X=4) = ( ( x! = (0.1827) (8.5321) / 24 ) = 4! = 1.5588/24 = 0.06495 ( )

CONCLUSIN: En conclusin pudimos observar que la distribucin de Poisson nos sirve para obtener probabilidades que son muy pequeas o difciles de obtener o difciles de que sucedan cuando el nmero de intentos es muy grande, adems de que es usada cuando los sucesos son impredecibles o no se dan con frecuencia.