DISTRIBUCIN DE POISSON Esta distribucin lleva el nombre del matemtico francs SIMEN DENIS POISSON(1781-1840).

Esta distribucin es ampliamente usada en medicina,biologa;nmero de clientes que llegan a un establecimiento por unidad de tiempo,nmero de usuarios que llegan a un punto de servicio y van formando una cola,etc.como modelo de probabilidad. Se usa para modelar situaciones en las que el nmero de pruebas es muy grande y el nmero de xitos es muy pequeo. El intervalo de tiempo dado puede ser de cualquier duracin,por ejemplo,un minuto,un da,una semana,etc.As,la v.a. x puede representar el nmero de llamadas telefnicas por hora,el nmero de pacientes fallecidos en un da determinado.El espacio podra ser un segmento de lnea,un rea o volumen,un pedazo de material.As,x podra representar el nmero de bacterias en un determinado campo de cultivo. EL PROCESO DE POISSON: Tiene las siguientes propiedades: 1. La ocurrencia de los eventos son independientes. 2. Tericamente,debe ser posible un nmero infinito de ocurrencias del evento en el intervalo. 3. La probabilidad de una ocurrencia del evento en un intervalo dado es proporcional a la longitud de intervalo. La distribucin de probabilidad de Poisson est dada por:

p(x)=

,x = 0,1,2,.

Donde: X = nmero de ocurrencias cuya probabilidad se desea conocer. e = constante matemtica = 2,71828. = nmero promedio de ocurrencias por unidad de tiempo o espacio. CARACTERISTICAS DE LA DISTRIBUCIN DE POISSON La media y la varianza coinciden,esto es : E(x) = V(x) = EJEMPLO: En una caseta de control llegan aleatoriamente 180 autos por hora.calcular: a.-La probabilidad de que un auto llegue durante un perodo de 3 minutos. b.-Por lo menos dos autos lleguen durante un perodo dado de 3 minutos SOLUCIN: 180 60min. 1-t 3min. = 1.t= =9 autos

a.-

p(x)=

=
entonces p(x

=0.0011
= 1- [ ]

b.- p(x

p(x

-[

]=

-[

]=

p(x EJEMPLO: En Laredo se ha producido 4 apagones mensuales.Hallar la probabilidad de que en los prximos 5 meses no haya ningn apagn. SOLUCIN: 1 mes 4 apagones 5meses 1t 1t= = = 20 apagones.

P(x=0)=

USOS DE LA TABLA DE POISSON

Estas probabilidades estn acumuladas de x=0 hasta X ;es decir de la forma: P(X ) diferente a la binomial que es p(X EJEMPLO: En el estudio de cierta bacteria acutica,se tomaron gran nmero de muestras de un estanque y se cont el nmero de bacterias que haba en cada muestra.Se encontr que el nmero promedio de bacterias por muestra era de 2.Suponiendo que el nmero de bacterias est distribuido segn poisson,encontrar la probabilidad de que la siguiente muestra que se toma: a.-Contenga una o ms bacterias. b.-Contenga exactamente 3 bacterias. c.-Contenga menos de 5 bacterias. SOLUCIN: Sea x=nmero de bacterias de una muestra. = nmero promedio de bacterias. a.-Contenga una o ms bacterias. p(x 1- p(X 1)=1- p(X ) Buscamos en la TABLA =2 X=0 Entonces observamos en la tabla la interseccin de 2 y 0 : Tenemos : p(X )=0.135 Entonces p(x 1-0.135=0.865 La probabilidad de que la muestra contenga 1 o ms bacterias es de 86.5% b.-Contenga exactamente 3 bacterias. P(X=3)=p(X )-p(X )=0.857-0.677=0.180=18% c.-Contenga menos de 5 bacterias. P(X )=p(X =0.947=94.7% La probabilidad que la muestra contenga menos de 5 bacterias es de 94.7%

APROXIMACIN DE POISSON A LA BINOMIAL

Sabemos que la distribucin de Poisson tiene un inters independiente;sin embargo nos da una buena aproximacin a la distribucin binomial. Esta aproximacin es razonable solo en determinadas circunstancias,cuando n es grande y p es pequeo.As,es recomendable usar una distribucin de poisson en vez de una binomial cuando: n 20 y p 0.05 EJEMPLO: Supongamos que el 2%de los objetos fabricados en una empresa sean defectuosos.Calcule la probabilidad de que haya 3 objetos defectuosos en una muestra de 100 objetos. SOLUCIN: Se trata de una distribucin binomial con p=0.02,n=100;pero como p es pequeo y n es grande se puede utilizar poisson donde: X:Nmero de objetos defectuosos=3 =np =100(0.02)=2

Entonces:

p(x)=

=0.180

Por lo tanto,la probabilidad de que haya 3 defectuosos es del 18%. EJEMPLO: En proceso en el cual se producen piezas de vidrio,ocurren defectos o burbujas,ocasionando que la pieza no sea apta para la venta.se sabe que en promedio 1 de cada mil piezas tiene una o ms burbujasCul es la probabilidadde que una muestra aleatoria de 8000 piezas,menos de 7 de ellas tengan burbujas? SOLUCIN: n=8000 p=0.001 (1de cada 1000=1/1000=0.001) Es una binomial,pero p es pequeo y n es grande,aproximamos a la distribucin de poisson. Entonces: =np =8000*0.001=8 Nos piden: P(X )=p(X ) buscamos en la tabla =8 y X=6 Entonces: p(X )=0.313 Por lo tanto la probabilidad de que menos de 7 piezas tengan burbujas es de 31.3%