Вы находитесь на странице: 1из 6

JAVIER LEANDRO NARANO

COD. 7179108

ESTUDIO DE CASO 4

La distribucin de probabilidad de Poisson describe el nmero de veces que se presenta


un evento durante un intervalo especfico. El intervalo puede ser de tiempo, distancia,
rea o volumen. La distribucin se basa en dos supuestos. El primero consiste en que la
probabilidad es proporcional a la longitud del intervalo. El segundo supuesto consiste en
que los intervalos son independientes. En otras palabras, cuanto ms grande sea el
intervalo, mayor ser la probabilidad; adems, el nmero de veces que se presenta un
evento en un intervalo no influye en los dems intervalos.

Esta distribucin posee diversas aplicaciones. Se le utiliza como modelo para describir la
distribucin de errores en una entrada de datos, el nmero de rayones y otras
imperfecciones en las cabinas de automviles recin pintados, el nmero de partes
defectuosas en envos, el nmero de clientes que esperan mesa en un restaurante, el
nmero de accidentes en una carretera en un periodo determinado.

La compaa de aviacin Delta Airlines, se caracteriza por su responsabilidad y cuidado


con el equipaje de sus pasajeros, por lo que pocas veces se pierde equipaje. En la
mayora de los vuelos no se pierden maletas; en algunos se pierde una; en unos cuantos
se pierden dos; pocas veces se pierden tres, etc. Suponga que una muestra aleatoria de 1
000 vuelos arroja un total de 300 maletas perdidas. De esta manera, el nmero promedio
de maletas perdidas por vuelo es de 0.3.

Prepare un informe en el que como mnimo, incluya:

1.- Esta situacin cumple con los supuestos de la distribucin Poisson? Identifquelos

2.- Determine cul es la probabilidad de que en un vuelo no se pierda ninguna maleta

3.- Determine cul es la probabilidad de que en un vuelo se pierda exactamente una


maleta

4.- Determine cul es la probabilidad de que en un vuelo se pierdan entre dos y cuatro
maletas

5.- Podra establecer cul es la probabilidad de que se pierdan en un vuelo ms de cuatro


maletas

6.- En qu momento debe sospechar el supervisor de la Aerolnea que en un vuelo se


estn perdiendo demasiadas maletas?
DESARROLLO

1.- Esta situacin cumple con los supuestos de la distribucin Poisson?


Identifquelos

La situacin si cumple con los dos supuestos de la distribucin de Poisson,

Primer supuesto es el cual afirmamos que la probabilidad es proporcional a la longitud


del intervalo, de acuerdo a este caso de 1.000 vuelos se perdieron 300 maletas, es decir
que puede existir un promedio de 0.3 maletas que se pierden en cada uno de los vuelos. Es
decir a una mayor cantidad de vuelos tendremos una mayor cantidad de prdida de
maletas

En el segundo supuesto, afirmamos que al tomar intervalos distintos no se afecta la


proporcionalidad de la probabilidad con respecto a la extensin, por lo cual decimos que
el nmero de veces que representa un evento en un intervalo si influye en los dems
intervalos, ya que es una muestra aleatoria y los intervalos son independientes, es decir si
es ms grande el intervalo tendr mayor probabilidad.

X = Nmero de veces que se presenta un evento

Por lo que pocas veces se pierde equipaje. En la mayora de los vuelos no se pierden
maletas; en algunos se pierde una; en unos cuantos se pierden dos; pocas veces se
pierden tres, etc.

= se muestra como la medida de la cantidad de veces que se presentan un evento o


intervalo.

e = Se da a conocer como la constante de 2.17828, base al sistema de logaritmos.

X = Es el nmero de las veces que se logra presentar un evento.

P (x) esta es la probabilidad que se da para un valor especificado de la X

A lo cual expresamos;

X e
(X)
x!
2.- Determine cul es la probabilidad de que en un vuelo no se pierda ninguna
maleta.

300
A =0,3=0,3 lasmaletas perdidas
1000

La probabilidad de que no se pierda una maleta.

De los 1000 vuelos las 300 maletas perdidas = 700 maletas no se pierden

Maleta que no se pierden 700


PA= = =0,7=0,7
Total Vuelos 1000

La probabilidad de que no se logre perder ninguna maleta en un vuelo es de un 0,7 %

X
e
X
( )
x!

( 0.3 )0 e3
(X)
0!

( 1 ) ( 0.74081 )
(X)
1

( 0.74081 )
(X)
1

( 0.3 )0 e3
(X) =7408
0!

De acuerdo a esto la probabilidad es de un 74% de los vuelos lo cuales no habr maletas


perdidas.
3.- Determine cul es la probabilidad de que en un vuelo se pierda exactamente una
maleta.

X e
(X)
x!

( 0.3 )1 e3
(X)
1!

( 0.3 ) ( 0.74081 )
(X)
1

( 0.222243 )
(X)
1

( X )=222

( 0.3 )1 e3
(X) =222243
1!

La probabilidad de que en un vuelo se pierda exactamente una maleta es de un 22 %

4.- Determine cul es la probabilidad de que en un vuelo se pierdan entre dos y


cuatro maletas

p ( 2 x 4 )= p ( 4 ; 0,3 ) + p (3 ; 0.3 )+ p ( 2 ; 0,3 )=0,0369=3,7

La probabilidad de que se pierda entre dos y cuatro maletas es de 3,7%

5.- Podra establecer cul es la probabilidad de que se pierdan en un vuelo ms de


cuatro maletas

( X 4 ) =1 p ( x 4 )=1 [ p ( x=0 )+ p ( x=1 )+ p ( x=2 ) + p ( x=3 ) + p ( x=4 ) ]

( X 4 ) =1[ 0.7408+0.2222+0.0333+ 0.0033+ 0.0003 ]


p ( x 4 )=10.999 9
p ( x 4 )=0. 0001 = 0.01%
La probabilidad de que se pierdan en un vuelo ms de cuatro maletas es de 0.01%
6.- En qu momento debe sospechar el supervisor de la Aerolnea que en un vuelo
se estn perdiendo demasiadas maletas?

Se logra evidenciar que en el momento que se logran perder una mayor cantidad de
maletas es en el momento 1 es aqu donde el supervisor de la Aerolnea debe empezar a
sospechar, todo esto en marcado de acuerdo a cada uno de los resultados que se
muestras y son obtenidos de acuerdo a cada anlisis.

RESUMEN

LA DISTRIBUCIN DE POISSON es una distribucin de probabilidad discreta que


expresa, a partir de una frecuencia de ocurrencia media, la probabilidad de que ocurra un
determinado nmero de eventos durante cierto perodo de tiempo. Concretamente, se
especializa en la probabilidad de ocurrencia de sucesos con probabilidades muy
pequeas, o sucesos "raros".

FORMULA POISSON

X e
P( x I )
x!

P (x I ) = la probabilidad de que ocurran X xitos cuando el nmero promedio de


ocurrencia de ellos es
media o promedio de xitos por unidad de tiempo, rea o producto
e es la constante 2.7183, base de los logaritmos naturales, en tanto que los
valores de e - pueden obtenerse de tablas.
X seala un valor especfico que la variable pueda tomar (el nmero de xitos que
deseamos ocurran)
Por definicin, el valor esperado (media en el intervalo o regin de inters) de una
distribucin de probabilidad de Poisson es igual a la media de la distribucin.
E(X) =

La varianza del nmero de eventos de una distribucin de probabilidad de Poisson


tambin es igual a la media de la distribucin . De este modo, la desviacin
estndar es la raz cuadrada de .
V(X) =
=

Se emplea para describir varios procesos:

Distribucin de las llamadas telefnicas que llagan a un conmutador


La demanda de servicios en un hospital por parte de los pacientes
Los arribos de los camiones y automviles a la caseta de cobro
El nmero de accidentes en un cruce El nmero de defectos en una tela por m2
El nmero de bacterias por cm2

Caractersticas

El nmero medio (promedio) de eventos en el espacio temporal o regin especfica


de inters, por lo general esta media se representa por la lambda griega () .
El nmero de resultados que ocurren en un intervalo de tiempo o regin
especficos es independiente del nmero que ocurre en cualquier otro intervalo de
tiempo o regin.
La probabilidad de que un resultado muy pequeo ocurra en un intervalo de
tiempo muy corto o en una regin pequea es proporcional a la longitud del
intervalo de tiempo o al tamao de la regin.
La probabilidad de que ms de un resultado ocurra en un intervalo de tiempo tan
corto o en esa regin tan pequea es inapreciable, que se puede asignar el valor
de 0.