DISTRIBUCIN BINOMIAL

INTRODUCCION:

Para situaciones como stas se utiliza la distribucin binomial. En este tema se describe el uso de la distribucin binomial para obtener la probabilidad de ocurrencia de ese evento que representa un resultado esperado ,Este captulo es llevado a fondo por los estudiantes de Administracin de Empresas y psicologa.

Determinar los valores de xitos p y fracasos q para establecer las bases para el cmputo de las probabilidades.

Establecer el promedio, la varianza y la desviacin estndar utilizando las ariables de la distribucin binomial.

El clculo de probabilidades tuvo un notable desarrollo con el trabajo del matemtico suizo Jacob Bernoulli (1654-1705). Bernoulli defini el proceso conocido por su nombre el cual establece las bases para el desarrollo y utilizacin de la distribucin binomial.

UTILIDAD:
La distribucin binomial se utiliza en situaciones cuya solucin tiene dos posibles resultados Por ejemplo Al nacer un/a beb puede ser varn o hembra En el deporte un equipo puede ganar o perder En pruebas de cierto o falso slo hay dos alternativas. Tambin se utiliza cuando el resultado se puede reducir a dos opciones Tambin utilizamos la distribucin binomial cuando tengamos supuestos Por ejemplo Un tratamiento mdico puede ser efectivo o inefectivo La meta de produccin o ventas del mes se puede no no lograr En pruebas de seleccin mltiple, aunque hay cuatro o cinco alternativas, se pueden clasificar como correcta o incorrecta Apartir de los ejempos podemos generalizar las propiedades

1 -En cada prueba del experimento slo hay dos posibles resultados: xitos o fracasos. 2 - El resultado obtenido en cada prueba es independiente de los resultados obtenidos en pruebas anteriores. 3 - La probabilidad de un suceso es constante, la representamos por p , y no vara de una prueba a otra. La probabilidad de l complemento es 1- p y la representamos por q.

La distribucin de probabilidad binomial es un ejemplo de distribucin de probabilidad discreta( Son aquellas donde las variables asumen un nmero limitado de valores, por ejemplo el nmero de aos de estudio). Est formada por una serie de experimentos de Bernoulli . Los resultados de cada experimento son mutuamente excluyentes

NOTA:

Distribucin de probabilidad discreta .- distribucin con

un nmero finito de valores.

Distribucin

binomial . Distribucin discreta que se aplica cuando se realizan ms de una vez y de forma independiente el experimento de Bernoulli. de Bernoulli. Experimento con dos posibles resultados (xito o fracaso).

Experimento

UTILIZACION DE FORMULA:

La funcin P (x =k) A continuacin vemos La funcin de probabilidad de la distribucin Binomial, tambin denominada Funcin de la distribucin de Bernoulli:

k = es el nmero de aciertos n = es el nmero de experimentos p = es la probabilidad de xito, como por ejemplo, que salga cara al lanzar la moneda 1-p = tambin se le denomina como q

NOTA:

xitos

= Es la ocurrencia del evento de inters como cantidad de defectos, llamadas recibidas, servicios completados. ocurrencia del evento que no es de inters

Fracasos = Es el complemento de los xitos. Es la

Resultados
mutuamente excluyentes = Son resultados que no pueden ocurrir al mismo tiempo. Si un producto sale bueno, no puede salir defectuoso al mismo tiempo

Ejercicio 1:
Si tiramos tres dados, cul es la probabilidad de que NO salga un seis?

El nmero de acierto k es 0(k=0) El nmero de experimentos n son 3(n=3) La probabilidad e xito p , es decir , que salga cara al lanzar la moneda
1/6 La frmula:

quedara : P(0)=0.58 Es decir que la probabilidad de que no salga 6 al lanzar 3 veces el dado es de 0.58.

Ejercicio 2: de la funcin F(x =k ) Cul es la probabilidad de obtener 6 caras al lanzar una moneda 10 veces ? El nmero de aciertos k es 6 . Esto es (k=6) El nmero de experimentos n son 10 (n=10) La probabilidad de xito p , es decir, que salga cara al lanzar la moneda es 50% 0.50 La frmula:

La frmula quedara: P (k = 6) = 0.205 Es decir, que la probabilidad de obtener 6 caras al lanzar 10 veces una moneda es de 20.5%

Ejercicio 3:
Cul es la probabilidad de obtener cuatro veces el nmero 3 al lanzar un dado ocho veces?

El nmero de aciertos k es 4 . Esto es x=4 El nmero de experimentos n son 8 La probabilidad de xito p (probabilidad de que salga un 3 al tirar el
dado) es 1 / 6 (= 0.1666)

La frmula:

Queda: P ( k = 4) = 0 . 026 Es decir, que la probabilidad de obtener cuatro veces el nmeros 3 al tirar un dado 8 veces es de 2.6%

Ejercicio 4:
Un examen consta de 10 preguntas es tomada a un alumno de beca 18 a la que hay que responder SI o NO .Suponiendo que a la persona que se le aplica no saben contestar a ninguna de las preguntas, y en consecuencia contestan al azar. Hallar la probabilidad de tener 5 aciertos

El nmero de aciertos k es 5 Esto es k=5 El nmero de experimentos n son 10 La probabilidad de xito p , es decir, que salga SI
0.50

al azar es de 50%

Formula:

P(x=5) = 0,2461 Es decir la probabilidad de obtener 5 acierto del examen de 10 preguntes del alumno de beca 18 es de 0.2461.

Ejercicio 5:
Si sabemos que a Per que le falta por jugar 4 partidos contra :Uruguay , Venezuela , Argentina y Bolivia. Considerando que por partido ganado son 3 puntos , empate 1 punto y derrota 0 puntos. Cul es la probabilidad de que clasifique al mundial Brasil 2014, si solo pierde con argentina?

El nmero de aciertos k es 3Esto es (k=3) El nmero de experimentos n son 4 La probabilidad de xito p, es decir, que gane es de
Formula:

50% 0.50

P(x=4)=0.25 Es decir que la probabilidad de que Per clasifique al mundial Brasil 2014 si gana 3 partidos es de 0.25 (matemticamente posible).

La probabilidad binomial ocurre cuando las probabilidades de que ocurra un resultado son independientes del nmero de intentos. Lanzar una moneda o arrojar un dado son ejemplos de distribuciones binomiales. Sin embargo, las posibilidades de una falla mecnica y los resultados de pacientes tambin pueden ser distribuciones binomiales. Calcular la media o promedio y la varianza de la distribucin binomial puede ayudar a los ingenieros de calidad y al personal de soporte a determinar qu tan seguido ocurrirn los eventos para poder planificar en funcin de ello.

INSTRUCCIONES PARA CALCULAR LA MEDIA Y LA VARIANZA EN LA DISTRIBUCIN BINOMIAL

HALLAR LA MEDIA

n =es el nmero de pruebas. P= es la probabilidad de xito.

n es el nmero de pruebas. p es la probabilidad de xito. q es la probabilidad de fracaso.

Ejercicios propuestos:

Halla la probabilidad de xito de un intento si es que an no la conoces. Si la probabilidad de falla es conocida, simplemente sustrae de la probabilidad de fracaso 1.0. sta ser la probabilidad de xito para la poblacin dada. Si la probabilidad no es conocida, haz un gran nmero de pruebas. El porcentaje de xitos en la muestra grande es el valor que usars como probabilidad al hallar la media para una prueba especfica. Si 100 pruebas arrojan 25 pruebas exitosas, la probabilidad de xito es del 25%.

Convierte la probabilidad de xito a un nmero decimal. La probabilidad de

xito del 25% se transforma en 0,25.

Determina Halla

con cuntos intentos contar el experimento. Este valor ser anotado como "n". el promedio de los resultados para la distribucin binomial multiplicando la probabilidad de xito en una prueba por el nmero de pruebas del ensayo. Si vas a realizar la prueba 100 veces, entonces "n" es igual a 100. El promedio ser 0,25 x 100, es decir una media de 25.

Consejos y advertencias
"Estadstica
prctica de negocios", de Andrew Siegel, afirma "una distribucin binomial puede aproximarse de manera adecuada por una distribucin normal en la cual el n binomial (nmero de intentos) es grande y la probabilidad de xito no es muy cercana a 0 o a 1".

La desviacin estndar es la raz cuadrada de la varianza.

Si la varianza es de 18,75, la desviacin estndar es de 4,33.

Ejemplo 1 :

La probabilidad de que un artculo producido por una fbrica sea defectuoso es p = 0.02. Se envi un cargamento de 10.000 artculos a unos almacenes. Hallar el nmero esperado de artculos defectuosos, la varianza y la desviacin tpica.

Ejemplo 2: En una urna hay 30 bolas, 10 rojas y el resto blancas. Se elige una bola al azar y se anota si es roja; el proceso se repite, devolviendo la bola, 10 veces. Calcular la media y la desviacin tpica B (10, 1/3) p = 1/3 q = 2/3

TABLA DE DISTRIBUCION BINOMIAL En la definicin de binomial tenemos un numero combinatorio este lo podemos calcular mediante el uso de la formula o con la calculadora pero existe una tabla donde estn tabulados los valores mas utilizados para una binomial desde n=2 hasta n=10 r = numero de xitos que buscamos este valor esta entre 0 y n

p= xito
q=fracaso ,q=1-p

Por ejemplo en el caso , B (6;0,5) , p(X=2), la columna p=0,5 es la ultima, y cuando

n=6 y k=r=2 encontramos 0,2344, el valor que habamos calculado. Nota importante: El caso en que p > 0,5, no se encuentra tabulado. La razn es bien sencilla. Si p > 0,5, entonces q < 0,5 y basta intercambiar los papeles de xito y fracaso para que podamos utilizar la tabla.

Supongamos que lanzamos al aire una moneda trucada. Con esta moneda la probabilidad de obtener cara es del 30%. La probabilidad que salga cruz ser, pues, del 70%. Lanzamos la moneda 10 veces de manera consecutiva. si queremos calcular la probabilidad de que observemos 6 caras o menos nos fijamos en la tabla: localizamos n=10, x=6, p=0.3 y sumamos los valores: 0.9894

2.- Y si nos pidieran la probabilidad de que salieran 7 caras o ms? Entonces utilizaramos el hecho de que el suceso descrito es el complementario del anterior Para afirmar que la probabilidad buscada es 1-0.9894=0.0106=1P (x7) 3.- Y si nos pidieran la probabilidad de que salieran exactamente 6 caras? Tendramos que calcular la probabilidad de obtener 6 caras o menos (0.9894) y la de Obtener 5 caras o menos (0.9527), las restamos y obtenemos 0.0368. No obstante, mejor es Calcular mediante la formula

Este caso se dara, por ejemplo, si la probabilidad de que saliera cara fuera del 70%. Entonces, si nos piden la probabilidad de obtener 4 caras o menos tirando 10 veces la moneda, haramos lo siguiente. Notemos que la probabilidad de obtener 4 caras o menos ser la misma de obtener 6 cruces o ms. As pues localizamos n=10, x=6, p=0.3 (ya que la probabilidad de obtener cruz es del 30%) y Sumamos los valores =0.0473

5.- Y si la probabilidad P no aparece en la tabla?

Entonces haramos interpolacin. Supongamos que X se distribuye como una binomial con P=0.17; entonces, si queremos calcular la probabilidad que X sea menor o igual que 3 despus de 6 tiradas (n=6), tomamos la tabla y localizamos las probabilidades ms cercanas a 0.17, que son 0.15 y 0.2

P(x3)=0.9941 para p=0.15, P(x3)=0.9830 para p=0.2,

La interpolacin la realizaremos como sigue:

1.-si suponemos que la probabilidad de nacer nio es igual a la probabilidad de nacer nia calcular la probabilidad de que en una familia de 5 hijos: A)todos sean varones B)tener dos varones C)tener al menos dos varones Sol Datos: n=5 p= (1/2) A)todos sean varones B(n, p)=B (5,0.5) Nos piden hallar la probabilidad de que todos sean varones entonces r=5 P(x=5)= [(5!)/5!*(5-5)!].(0.5) 5 *(1-0.5)5-5 P(x=5)=1*(0.03125)*1=0.03125

B)

tener dos varones (usando la tabla tenemos)

B(n, p)=B (5,0.5)

Entonces r=2

P(x=2)= [(5!)/2!*(5-2)!].(0.5) 2 *(1-0.5)5-2 P(x=2)=.03125

C) tener al menos dos varones

P (x2) = P(x=2) + P(x=3) + P(x=4) + P(x=5) P (x2) = [(5!)/2!*(5-2)!].(0.5) 2 *(1-0.5)5-2 + [(5!)/3!*(5-3)!].(0.5)

3 *(1-0.5)5-3 + [(5!)/4!*(5-4)!].(0.5) 4 *(1-0.5)5-4 + [(5!)/5!*(55)!].(0.5) 5 *(1-0.5)5-5

P (x2) =0.3125 + 0.3125 + 0.15625 +0.03125 =0.8125

tambin podemos decir:

P (x2) =1-P(x<2)=1-P(x=0)-P(x=1) =0.8125

2.- un examen consta de 10 preguntas tipo test con 4 posibles respuestas se aprueba con 6 o ms preguntas acertadas Qu probabilidad hay de aprobar el examen si se contesta todas al azar? Sol

Sabemos que la probabilidad de acierto es de entonces n=10 r=6, 7, 8,

9,10 B(n, p)=B (10,0.25), nos piden la probabilidad de aprobar

P (x6) =P(x=6) +P(x=7) +P(x=8) +P(x=9) P(x=10)

Observamos los valores de la tabla

P (x6) =0.0162 + 0.0031 + .0004 +0 + 0 =0.0197=1.97%

* 3.- un comerciante de verduras tiene conocimiento de que el 10% esta

descompuesta. Si un comprador elige 4 verduras al azar encuentre la probabilidad de que: a) las 4 estn descompuestas b) de 1 a 3 estn descompuestas Datos: n=4 p=10%=0.1

a)las 4 estn descompuestas

B(n, p)=B (4,0.1), nos piden la probabilidad de hallar 4 verduras descompuestas

P (x=4) =

[(4!)/4!*(4-4)!].(0.1) 4 *(1-0.1)4-4 =.0001=0.01%

b) de 1 a 3 estn descompuestas P (x=1) + P (x=2) + P (x=3)= 0.2916 + 0.0486 + 0.0036=0.3438=34.38%

4.- Un ingeniero que labora en el departamento de control de calidad de una empresa elctrica inspecciona una muestra al azar de 10 alternadores de unos lotes. Si el 15% de los alternadores de los lotes estn defectuosos. Cul es la probabilidad de que en la muestra A) ninguno este defectuoso B) uno salga defectuoso C) al menos dos salgan defectuosos D) tres o ms estn con defectos Sol

Datos:
n=10 p=0.15

A) ninguno este defectuoso P (x=0) = [(10!)/0!*(10-0)!].(0.15) 0 *(1-0.15)10-0 P (x=0) = 0.1969

B) uno salga defectuoso

P (x=1) = [(10!)/1!*(10-1)!].(0.15) 1 *(1-0.15)10-1 P (x=1)=0.3474

C) al menos dos salgan defectuosos

P (x=2) = P (x=2) =

[(10!)/2!*(10-2)!].(0.15) 2 *(1-0.15)10-2

0.2759

D) tres o ms estn con defectos

P (x3) =P(x=3)+P(x=4)+P(x=5)+P(x=6)+P(x=7)+P(x=8) + P(x=9)+ P(x=10) P (x3) =0.1298 + 0.0401 + 0.0085 + 0.0012 + 0.0001 + 0 + 0 +0 P (x3) =0.1797 Una forma ms breve seria: o1-P(x<3)= P (x=0) + P (x=1) + P (x=2) o1-(0.1969 + 0.3474 + 0.2759)=1-(0.8202)=0.1798

PRINCIPIO ADITIVO.

Si se desea llevar a efecto una actividad, la cual tiene formas alternativas para ser realizada, donde la primera de esas alternativas puede ser realizada de M maneras o formas, la segunda alternativa puede realizarse de N maneras o formas..... y la ltima de las alternativas puede ser realizada de W maneras o formas, entonces esa actividad puede ser llevada a cabo de,
M + N +.........+ W maneras o formas Cmo podemos distinguir cuando hacer uso del principio multiplicativo y cuando del aditivo? Es muy simple, cuando se trata de una sola actividad, la cual requiere para ser llevada a efecto de una serie de pasos, entonces haremos uso del principio multiplicativo y si la actividad a desarrollar o a ser efectuada tiene alternativas para ser llevada a cabo, haremos uso del principio aditivo.

Ejemplo 1: Una persona desea comprar una lavadora de ropa, para lo cual ha pensado que puede seleccionar de entre las marcas Whirpool, Easy y General Electric, cuando acude a hacer la compra se encuentra que la lavadora de la marca W se presenta en dos tipos de carga ( 8 u 11 kilogramos), en cuatro colores diferentes y puede ser automtica o semiautomtica, mientras que la lavadora de la marca E, se presenta en tres tipos de carga (8, 11 o 15 kilogramos), en dos colores diferentes y puede ser automtica o semiautomtica y la lavadora de la marca GE, se presenta en solo un tipo de carga, que es de 11 kilogramos, dos colores diferentes y solo hay semiautomtica. Cuntas maneras tiene esta persona de comprar una lavadora? Solucin: M = Nmero de maneras de seleccionar una lavadora Whirpool N = Nmero de maneras de seleccionar una lavadora de la marca Easy W = Nmero de maneras de seleccionar una lavadora de la marca General Electric M = 2 x 4 x 2 = 16 maneras N = 3 x 2 x 2 = 12 maneras W = 1 x 2 x 1 = 2 maneras M + N + W = 16 + 12 + 2 = 30 maneras de seleccionar una lavadora

Ejercicio 2:
Rafael Luna desea ir a las Vegas o a Disneylandia en las prximas vacaciones de verano, para ir a las Vegas l tiene tres medios de transporte para ir de Chihuahua al Paso Texas y dos medios de transporte para ir del Paso a las Vegas, mientras que para ir del paso a Disneylandia l tiene cuatro diferentes medios de transporte, a) Cuntas maneras diferentes tiene Rafael de ir a las Vegas o a Disneylandia?, b) Cuntas maneras tiene Rafael de ir a las Vegas o a Disneylandia en un viaje redondo, si no se regresa en el mismo medio de transporte en que se fue? Solucin: a) V = maneras de ir a las Vegas D = maneras de ir a Disneylandia

V = 3 x 2 = 6 maneras
D = 3 x 4 = 12 maneras V + D = 6 + 12 = 18 maneras de ir a las Vegas o a Disneylandia b) V = maneras de ir y regresar a las Vegas

D = maneras de ir y regresar a Disneylandia V = 3 x 2 x 1 x 2 = 12 maneras D = 3 x 4 x 3 x 2 = 72 maneras V+D=12+72 = 84 maneras de ir a las Vegas o Disneylandia en un viaje redondo

Si n muy grande y p muy pequeo, es conveniente utilizar la distribucin de Poisson, ya que se consigue una buena aproximacin.

Esta distribucin se emplea para describir sucesos discretos que ocurren con poca frecuencia en el tiempo o en el espacio; por ello a veces recibe el nombre de distribucin de sucesos raros.

Variable aleatoria X: esta representa la cantidad de veces que ocurre un suceso de inters en un intervalo dado. Ya que X es una cuenta, puede tomar tericamente cualquier valor entero entre 0 e infinito. Sea (lambda, letra griega) una constante que indica el nmero promedio de veces que acontece un suceso en un intervalo.

se dice que X tiene una distribucin de Poisson con parmetro .

P( X x)

x e x!

e representa una constante con valor aproximado de 2.71828, este es la base de los logaritmos naturales

Sucesos fundamentales:

1. 2. 3.

La probabilidad de que acontezca un suceso en un intervalo es proporcional a la amplitud del intervalo. En principio, tericamente es posible que suceda un nmero infinito de eventos en un intervalo dado. No hay lmite al nmero de ensayos. Los sucesos ocurren independientemente tanto en el mismo intervalo como entre intervalos consecutivos.

Usos:
describir la cantidad de ambulancias que se requieren en una ciudad en una noche particular, describir la cantidad de partculas emitidas por una cantidad especfica de material radiactivo o describir el nmero de colonias de bacterias que crecen en una caja de Petri.

En una variable aleatoria binomial, la media es igual a np y su varianza es np(1-p). La propiedad de que la media sea igual a la varianza es una caracterstica que identifica a la distribucin de Poisson.

MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSION El clculo de estas magnitudes pueden realizarse con las siguientes formulas: La media y la varianza de la distribucin de Poisson p(x; t) tiene el Valor t.

= Media 2= Varianza = Desviacin estndar

Ejemplos:

Determinar la cantidad de personas de una poblacin de 10000 que se involucra en un accidente vehicular cada ao. El nmero de personas implicadas sera la siguiente la cual tambin es la varianza:

np
(10000 )( 0.00024 ) 2 .4

La probabilidad de que nadie en esta poblacin tenga un accidente en un ao en particular es e 2.4 (2.4) 0 P( X 0) 0! 0.091 La probabilidad de que exactamente una persona tenga como uno es de
e 2.4 ( 2.4)1 P ( X 1) 1! 0.218

De manera anloga,
e 2.4 (2.4) 2 P( X 2) 2! 0.261

Debido a que los resultados de X son mutuamente excluyentes y exhaustivos

P( X 7) 1 P( X 7)

1 (0.091 0.218 0.261 0.209 0.125 0.060 0.024) 0.012

P(x < 4) = 0.0067+ 0.0337 + 0.0842 + 0.1406 = 0.2652 = 26.52 %

Un modelo utilizado a menudo para variables aleatorias distribuidas en el tiempo o en el espacio, es el modelo probabilstico de POISSON. Es excelente usar el modelo de Poisson para calcular probabilidades asociadas con: Nmero de llamadas que recibe una central telefnica durante un periodo de tiempo determinado. Nmero de muertes en accidentes de trnsito al mes en la ciudad de lima. Nmero de bacterias en un cultivo dado. Nmero de errores por pgina. Numero de defectos en un producto manufacturado. En cada una de las situaciones anteriores parecen razonables las siguientes suposiciones. Los sucesos que ocurren en un intervalo de tiempo son independientes de los que ocurren en cualquier otro intervalo de tiempo o regin del espacio, independientemente de cmo se elija el intervalo. La probabilidad de que un suceso se presente es proporcional a la longitud del intervalo de tiempo, volumen o rea del espacio. La probabilidad de dos o ms sucesos se presenten en un intervalo de tiempo muy pequeo o regin del espacio es tan pequea que puede despreciarse.

 = Cte. e igual al nmero promedio esperado de xitos, tiene que ser mayor que cero. = Constante base de los logaritmos neperianos. X = Nmero de xitos por unidad, es una variable aleatoria discreta que puede tomar valores 0, 1, 2,

Una variable aleatoria X tiene una distribucin de Poisson, si su funcin de probabilidad est dada por:

CARACTERISTICAS La tabla entrega valores de la funcin de distribucin (probabilidad acumulada), es decir valores de F(x).

;xk
Forma.- Cada vez que se especifica el parmetro se puede producir una distribucin de probabilidad de POISSON particular. Esperanza: Frecuentemente se le llama Media de X se denota por: E(x) = = n. p= Varianza: 2 =

Ejemplo1
Se 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= 4 y El parmetro toma el valor de = 6, cheques sin fondo por da , reemplazando en la formula

b) x es la variable aleatoria discreta que toma el valor de X= 10 y = 6x2= 12 cheques sin fondo en promedio que llegan en dos das consecutivos:

P (10 cheques sin fondo en dos das consecutivos) = 0.104837 o 10.5%

a) DE ACUERDO A LA TABLA, se emplean valores directos para determinar probabilidades de Poisson. Para un valor dado de , la entrada indica la probabilidad de obtener un valor especfico de X.

b) DE ACUERDO A LA TABLA, Para un valor dado de , la entrada indica la probabilidad de obtener un valor especfico de X.

La probabilidad de que haya un accidente en una compaa de manufactura es de 0.02 por cada da de trabajo. Si se trabajan 300 das al ao, cul es la probabilidad de tener 3 accidentes? Como la probabilidad p es menor que 0.1, y el producto n * p es menor que 10 (300 * 0.02 = 6), entonces, aplicamos el modelo de distribucin de Poisson:

Al realizar el cmputo tenemos que P(x = 3) = 0.0892 Por lo tanto, la probabilidad de tener 3 accidentes laborales en 300 das de trabajo es de 8.9%.

La probabilidad de que un producto salga defectuoso es de 0.012. Cul es la probabilidad de que entre 800 productos ya fabricados hayan 5 defectuosos? En este ejemplo vemos nuevamente la probabilidad p menor que 0.1, y el producto n * p menor que 10, por lo que aplicamos el modelo de distribucin de Poisson:

El resultado es P (x = 5) = 0.04602 Por lo tanto, la probabilidad de que haya 5 productos defectuosos entre 800 recin producidos es de 4.6%.

Utilizando la tabla de probabilidad de Poisson se pueden resolver los ejemplos anteriores.

Para esto, se debe saber los valores X y . X es el nmero de xitos que buscamos. Este es el valor K. es el nmero promedio de ocurrencias por unidad (tiempo, volumen, rea, etc.). Se consigue multiplicando a p por el segmento dado n.

Del ejemplo 3: Del ejemplo 4:

= 0.02 * 300 = 6
= 0.012 * 800 = 9.6

Caractersticas de la distribucin Poisson

Media
= E(X) =
P(X) .6 .4 .2 0 0

k = 5 = 0.1
X 1 2 3 4 5

Varianza = 2

P(X) .6 .4 .2 0 0

k=5

= 0.5
X

5
17

En la distribucin Binomial si n es grande mientras que la probabilidad p es pequea de modo que q=1 p est cerca de 1, el suceso se llama SUCESO RARO. SI se cumple que el numero de pruebas es al menos 50 (n50) mientras que = np es menor que 5. En tales CASOS la distribucin Binomial se aproxima mucho a la distribucin de Poisson. Ya que al reemplazar q 1 y p 0 obtenemos:

Establecer la validez de Aproximacin de Poisson a la distribucin Binomial:

La diferencia entre las dos distribuciones de probabilidad es de 10.85% de error para este ejemplo.

DISTRIBUCION DE POISSON ADITIVIDAD

Cuando la distribucin de Poisson es explicada dentro de sus propios mritos, esta distribucin resulta de las ocurrencias que pueden ser descritas por una variable aleatoria discreta. Esta variable denotada por X, puede tomar valores de x = 0, 1, 2, ........K, esto, en contraste con la distribucin binomial donde los valores de x son de 0, 1, 2, 3,...., n.

Ejemplo Un estudio de higiene industrial y seguridad hecho a largo plazo de los accidentes en una fbrica, llev a la gerencia a concluir que el nmero de accidentes por trabajador, durante un ao (X) sigue a una distribucin Poisson. Si el nmero promedio de accidentes por trabajador por ao fue de 0.3, estimar lo siguiente: (a) Cul es la probabilidad de que un trabajador seleccionado, aleatoriamente, no tendr un accidente durante el ao siguiente? (b) Cul es la probabilidad de que un empleado seleccionado, aleatoriamente, tendr cuando menos 1 accidente durante el siguiente ao? (c) Cul es la probabilidad de que un trabajador tendr, exactamente, 1 accidente? (d) Cul es la probabilidad de que un trabajador seleccionado al azar de la fbrica tendr entre 2 y 4 accidentes, inclusivamente, el prximo ao?

SOLUCIN:
Este problema se puede resolver usando la ecuacin de Poisson y tambin usando la tabla de la distribucin Poisson.

Usando la ecuacin