Distribucin Poisson
Notacin:
X
Introduccin
Se define una variable aleatoria
que representa el nmero de xitos
independientes que ocurren para intervalos de medida especficos (tiempos,
lugares, espacios), adems con una probabilidad de ocurrencia pequea.
Se le llama distribucin de los "eventos raros" pues se usa como
aproximacin a la binomial cuando el tamao de muestra es grande y la
proporcin de xitos es pequea.
Esos intervalos de medida pueden referirse a: Tiempo: (Segundo, minuto,
hora, da, semana, etc.) rea: (Segmento de lnea, pulgada cuadrada,
Centmetro cuadrado, etc.). Volumen:( Litro, galn, onza, etc.)
Ejemplo
Nmero de defectos por
.en piezas similares de un material.
Nmero de personas que llegan a un taller automotriz en un lapso de
tiempo especfico.
Nmero de impulsos electrnicos errados transmitidos durante
espacio de tiempo especfico.
Nmero de llamadas telefnicas que ingresan a un conmutador por
minuto.
Nmero de interrupciones en servicios de energa en intervalos de un
da.
Cantidad de tomos que se desintegran en sustancia radioactiva.
Nmero de accidentes automovilsticos en un cruce especfico durante
una semana.
Criterios o propiedades
1. Se da un intervalo de medida que divide un todo de nmeros reales y
donde el conteo de ocurrencias es aleatorio. Esa divisin puede ser
un subintervalo de medida.
2. El nmero de ocurrencias o de resultados en el intervalo
subintervalo de medida, es independiente de los dems intervalos
subintervalos. por eso se dice que el proceso de Poisson no tiene
memoria.
3. La probabilidad de que un solo resultado ocurra en un intervalo de
medida muy corto o pequeo es la misma para todos los dems
intervalos de igual tamao y es proporcional a la longitud del mismo
o al tamao de medida.
4. La probabilidad de que ms de un resultado ocurra en un intervalo
subintervalo corto es tan pequea que se considera insignificante
(cercana o igual a cero).
Procesos que se ajustan a estos criterios, se dice, son procesos de Poisson.
Definicin: Sea
una variable aleatoria que representa el nmero de
eventos aleatorios independientes que ocurren con igual rapidez en un
intervalo de medida. Se tiene entonces que la funcin de probabilidad de
esta variable, se expresa por:
Los resultados de las probabilidades individuales para valores de
sern
ms pequeos conforme la variable aleatoria toma valores cada vez ms
grandes.
Ejemplo: El nmero promedio de partculas radioactivas que registra un
contador en un milisegundo en la realizacin de un experimento aleatorio es
de cinco (5) partculas. Hallar la probabilidad de que se registre distinto
nmero de partculas en un mismo milisegundo.
Acudiendo a las tablas existentes para tal fin o a los medios electrnicos, se
llega a construir la tabla de distribucin de probabilidades, dando:
y valores de
ms grandes pero con probabilidad ms pequea. Se nota el
punto de inflexin entre
y no es tan sesgada a la derecha por el
valor
Caractersticas de la distribucin de Poisson
Valor Esperado:
, el cual debe ser conocido.
Varianza:
Forma sesgo: Hacia la derecha con sesgo positivo y que se va perdiendo
a medida que
crece. Veamos una grfica de funciones de probabilidad
para diferentes valores de
Se puede calcular un coeficiente de asimetra mediante la expresin
Es de observar que mientras en una distribucin binomial:
en
Poisson se puede dar que
Alternativa: Si se da la probabilidad de tener, de manera exacta,
ocurrencias en un intervalo veces mayor que el de referencia en la
medicin entonces la distribucin de probabilidades de Y nmero de xitos
en la nueva unidad de referencia viene dada por
Donde
Promedio de ocurrencias por intervalo unidad
de medida considerada en X y
medida especificados.
Aqu
Nmero de intervalos unidades de
Ejemplo: El nmero de pulsos que llegan a un contador GEIGER se
presentan en promedio de 6 pulsos por minuto. Hallar la probabilidad de
que en 15 minutos se reciban exactamente 20 pulsos.
Es decir, que una frecuencia de 6 pulsos por minuto es equivalente a una de
1
por
minutos.
Distribucin Exponencial
Notacin:
Introduccin
Antes de introducir la variable exponencial puede mirarse un origen natural
de sta a partir de una variable aleatoria Poisson, la cual indica el nmero
de veces que ocurre un evento en una unidad de tiempo. Si se escribe la
funcin de probabilidad Poisson de la siguiente manera:
la probabilidad de que no ocurra algn evento, en el periodo hasta el
tiempo
est dada por:
De esta manera, puede definirse ahora una variable aleatoria continua
que mide el tiempo que tarda en ocurrir el primer evento de Poisson. Es
decir,
Lo que permite construir la funcin de distribucin acumulada as:
Al derivar, con respecto a
se tiene la funcin de densidad de la
variable aleatoria exponencial
Definicin
La variable aleatoria
que es igual a la distancia (o tiempo) entre
ocurrencias sucecesivas de un proceso Poisson con media
tiene una
distribucin exponencial con parmetro
Funcin de densidad de Probabilidad:
Valor esperado:
Varianza:
Observaciones:
1. En la definicin de la variable aleatoria exponencial, sta se plantea como
tiempo que tarda en ocurrir el primer evento Poisson. Sin embargo, esta
definicin puede hacerse extensiva a las dems unidades de medicin
consideradas en los eventos de Poisson, por ejemplo, cantidad de metros de
carretera que deben recorrerse hasta que aparezca el primer bache,
cantidad de
que deben inspeccionarse en una hacienda hasta que
aparezca el primer cafetal de broca, etc.
2. En el lenguaje de las aplicaciones tambin se utiliza la distribucin
exponencial para modelar tiempo entre eventos, distancia entre eventos,
volumen entre eventos.
Ejemplo
Supngase que la duracin de los instrumentos electrnicos D
distribuciones Exponenciales asi : D
yD
tienen
Cual se debe preferir para usarlo durante un periodo de 45 horas?
Debera preferirse aquel instrumento que de mayor garanta de duracin
para un mnimo de tiempo como el requerido, es decir, debe calcularse la
probabilidad de que el instrumento dure por lo menos 45 horas, en cada
caso.
El instrumento dos tiene mayor probabilidad de tener duracin de 45 o ms
horas.
