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 y para ello podramos subdividir la superficie en zonas rectangulares ms pequeas y de igual tamao:

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: * En cada zona slo puede aparecer 1 defecto.

* Si la probabilidad de que aparezca un defecto en toda 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 podra 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 p/16 con lo que 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:

Aun as podran aparecer ms defectos por zona, por lo que si dividimos nuevamente cada zona en 4 tendramos 64 zonas y ahora la probabilidad de tener 1 defecto en una zona sera p/64 La probabilidad de tener 0, 1, 2, 3,....., 64 defectos en la superficie total sera:

Y nuevamente el promedio de defectos en la superficie es p. Lo que estamos haciendo es ir aumentando n al mismo tiempo que disminuye p en igual proporcin y de ese modo, el promedio de defectos en la superficie total n.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 rea total se hace menos probable que en una subzona aparezca ms 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:

Donde x es la variable aleatoria y l el parmetro de la distribucin de Poisson. En el lmite, el producto de n por p, es igual al parmetro de la distribucin: control estadstico de procesos 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.

Se puede observar que la curva de la funcin de Poisson es asimtrica, como la binomial. El promedio y la varianza de esta variable aleatoria son iguales al parmetro de la distribucin:

Por lo que, 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:

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 l cualquiera que sea el subndice i, porque todas las xi tienen la misma distribucin; por lo tanto:

Distribucin binomial Una persona arroja un dado apostando con otra a que saca un as (un 1). La probabilidad de sacar el as es igual a:

Es decir que la probabilidad que tiene de acertar es 17 % aproximadamente. Ahora, supongamos que la persona arroja 5 dados iguales a la vez. Cul es la probabilidad de que saque 0, 1, 2, 3... , unos? Cuando realizamos una experiencia individual donde el resultado debe ser slo uno de dos posibles: acierto/fallo, cara/cruz, etc. decimos que es un ensayo de Bernoulli. Es tan probable sacar 1 2 ases como sacar 5 ases? A priori parecera que no. En nuestro caso, cada vez que arrojamos un dado podemos definir nuestro experimento registrando slo dos resultados posibles:

Cada acto individual de arrojar un dado es independiente de los otros y las probabilidades de obtener un as o de no obtener ninguno, son, respectivamente:

Por lo que, cuando arrojamos 5 dados, la probabilidad de obtener 5 ases es:

Y la probabilidad de no obtener ningn As en los 5 dados arrojados es:

Nos falta calcular las probabilidades intermedias, es decir la probabilidad de obtener 1, 2, 3...ases. Es posible calcular todas estas probabilidades con una frmula binomial. Cul es la probabilidad de sacar un As al arrojar cinco dados? Por ejemplo, una forma es que salga un As en el primer dado. La probabilidad de sacar 1 As en el primer dado y no sacar As en los otros cuatro es:

Pero hay 5 formas diferentes de obtener 1 As en cinco dados arrojados: que se obtenga en el 1 de los dados, o en el 2 o en el 3 o en el 4 o en el 5. Por lo tanto, la probabilidad de sacar 1 As al arrojar 5 dados es:

Cmo podemos generalizar el clculo de las distintas formas de obtener 1 As, 2 Ases, etc. en cinco dados arrojados? La respuesta la dan los nmeros combinatorios:

Donde: m! = 1*2*3**m y n! = 1*2*3**n son el factorial de m y de n respectivamente. La expresin representa el nmero de combinaciones de m elementos tomados de n en n (agrupados de n en n). Por ejemplo, si tenemos las 5 letras A, B, C, D y E, y queremos saber cuntas son todas las combinaciones posibles agrupndolas de a tres en cualquier orden: ABC, ADC,...etc., tenemos:

Y las distintas combinaciones son: ABC, ABD, ABE, ACD, ACE, ADE, BCD, BCE, BDE, CDE Supongamos que se realizan n ensayos de Bernoulli, con probabilidad p de tener un acierto, (1-p) de tener un fallo. Entonces, la probabilidad de obtener y aciertos en n ensayos de Bernoulli es:

Esta probabilidad es un trmino del binomio siguiente:

Donde p+q = 1 Los trminos de la suma son las probabilidades P (y), que determinan la distribucin de probabilidades de la variable aleatoria y, la cual es una variable discreta (toma los valores 0, 1, 2,...etc.). Aplicando la frmula al caso de 5 dados:

Las probabilidades de no sacar ningn As o de sacar uno, dos, tres, cuatro o cinco, son:

Cules son los parmetros estadsticos de la variable aleatoria Y? La media es: ; la varianza es: y, finalmente, la desviacin standard resulta:

En la experiencia de arrojar 5 dados: Cmo interpretamos este resultado? Si bien el promedio resulta un valor fraccionario, nos est diciendo que al arrojar los cinco dados estaremos ms cerca de sacar 1 As que de sacar 2 o ms ases. De una manera ms rigurosa, ese valor nos dice que si se repitiera la experiencia muchas veces, el promedio del nmero de ases que se obtendra en todos los experimentos sera igual a 0.83

La varianza de Y resulta ser

y la desviacin standard:

Volvamos, ahora a nuestro jugador. Supongamos que arroja 5 dados y apuesta a que va a sacar 3 o ms ases, cul es la probabilidad que tiene de ganar? Esta probabilidad es la suma de los trminos del binomio para 3, 4 y 5 aciertos (ases), es decir:

Lo que significa una probabilidad de ganar de aproximadamente el 3,5 %.