Escolar Documentos
Profissional Documentos
Cultura Documentos
Presentado por:
Gustavo A. Holguin
Periodo Agosto Diciembre / 2011
Santiago de Cali
Enero 16 del 2012
DISTRIBUCIN DE POISSON.
Presentado por:
Gustavo A. Holguin
Periodo Agosto Diciembre / 2011
Presentado a:
Hector Sanchez Stepha Ph. D
Materia:
Materiales I
CONTENIDO
Pagina.
1. INTRODUCCIN ----------------------------------------------------------------
4.
4.
5.
7.
8.
9.
7. CONCLUSIONES ---------------------------------------------------------------
10.
8. BIBLIOGRAFIA ------------------------------------------------------------------
10.
1. INTRODUCCIN
La distribucin de Poisson es un mtodo usado en casos especiales para determinar la
probabilidad de ocurrencia de un suceso. Cuyo resultado, es representado por una
variable discreta (variable para la que se dan de modo inherente separaciones entre
valores observables sucesivos) [1].
En el presente trabajo se definir y explicara en qu consiste el mtodo de distribucin
de Poisson, y la diferencia de este respecto a las otras distribuciones probabilsticas.
2. DEFINICIN DE DISTRIBUCIN
Distribucin, es la accin y efecto de distribuir. Este concepto es aplicado en diferentes
campos (Economa, informtica, biologa, etc.). Especficamente en el campo
matemtico estadstico, se refiere a la distribucin de probabilidad [2].
2.1 DISTRIBUCIN DE PROBABILIDAD.
La distribucin de probabilidad est definida para variables aleatorias (Cuyo valores
estn determinados por el azar) [3], y se entiende como una funcin que permite
determinar que tan probable es que un suceso ocurra. Esta funcin est definida sobre el
conjunto de todos los sucesos, cada uno de los sucesos es el rango de valores de la
variable aleatoria, y est completamente especificada por la funcin de distribucin,
cuando la variable aleatoria toma valores en el conjunto de los nmeros reales [4].
2.2 FUNCIN DE DISTRIBUCIN.
La funcin de distribucin es una funcin F: R R que asocia a cada valor de la
variable aleatoria la probabilidad acumulada hasta ese valor [5].
La funcin de distribucin cumple que:
a) F es montona creciente
b) F es continua por la derecha
c) Lm x F(x) = 1 y Lm x F(x) = 0
Dada una funcin de distribucin F, si existe una funcin real f tal que
(1)
Donde f es la funcin de densidad de F, y esta funcin de densidad siempre es positiva y
satisface fdx=1
(3)
3. TIPOS DE DISTRIBUCIONES
Dado que este trabajo se enfoca particularmente en explicar la distribucin de Poisson,
solamente se harn una breve descripcin algunas de las distribuciones comnmente
usadas. Otras solamente sern mencionadas [6].
En el contexto estadstico, las distribuciones de probabilidad comnmente usadas se
observan en la tabla 1.
Tabla 1. Distribuciones probabilsticas comnmente usadas.
Bernoully
Beta
Binomial
Erlang
Lognorma
l
t
de
student
Exponencial
Normal
F
Pareto
Uniforme
(continua)
Uniforme
(discreta)
Binomial
negativa
Gamma
Pascal
Chicuadrada
Geomtrica
Poisson
Weibull
Formula:
Media: p
Varianza: p (1-p)
(4)
Esta distribucin junto con sus derivadas, se puede usar solo si los ensayos son
independientes e idnticamente distribuidos de forma tal que la probabilidad de xito en
cada ensayo sea p y no sea afectada por el resultado en ensayos anteriores [6].
3.2 DISTRIBUCIN BINOMIAL
Esta distribucin se basa en el proceso de Bernoulli. Se denominan procesos de tipo
Bernoulli, a todo experimento consistente en una serie de pruebas repetidas,
caracterizadas por tener resultados que se pueden clasificar en si verifican o no
cierta propiedad o atributo, siendo aleatorios e independientes [6].
Para identificar un proceso Bernoulli en una serie de pruebas repetidas, se deben
verificar tres condiciones [7]:
(a) Resultados dicotmicos: Los resultados de cada prueba se pueden clasificar en
"xito" si verifican cierta condicin, o "fracaso" en el caso contrario.
(b) Independencia de las pruebas: El resultado de una prueba cualquiera es
independiente del resultado obtenido en la prueba anterior, y no incide en el
resultado de la prueba siguiente.
(c) Estabilidad de las pruebas: La probabilidad p de obtener un resultado
considerado como un xito se mantiene constante a lo largo de toda la serie de
pruebas.
Cuando en un proceso del tipo Bernoulli se desea saber la probabilidad de obtener
exactamente r xitos, en una serie de n pruebas, con una probabilidad de xito p, se
puede aplicar la frmula de la probabilidad binomial.
Formula:
Media: np
Varianza: np (1-p)
(5)
6
La probabilidad binomial (Figura 2), se usa para modelar el nmero de xitos en una
secuencia de n ensayos Bernoulli.
El nmero de procesadores que estn funcionando en un sistema multiprocesador.
El nmero de paquetes que alcanzaron su destino sin errores.
El nmero de elementos en una cola que tienen determinada caracterstica [6].
Valor medio:
Desviacin Tpica:
7.
CONCLUSIONES
BIBLIOGRAFIA
[1] http://es.wikipedia.org/wiki/Variable_discreta_y_variable_continua
[2] http://es.wikipedia.org/wiki/Distribuci%C3%B3n
[3] http://es.wikipedia.org/wiki/Variable_aleatoria
[4] http://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidad
[5] Captulo 1. Fundamentos, http://www.mat.puc.cl/~aramirez/clases/parte2.pdf
[6] http://www.ing.ula.ve/~hhoeger/simulacion/PARTE7.pdf
[7] http://www.monografias.com/trabajos27/probabilidades-discretas/probabilidadesdiscretas.shtml
[8] Walter Lpez Moreno, La distribucin de Poisson, Centro de Competencias de la
Comunicacin, Universidad de Puerto Rico en Humacao, www1.uprh.edu
[9] http://es.wikipedia.org/wiki/Simeon_Poisson
[10] http://html.rincondelvago.com/teoria-de-colas_3.html
10