DISTRIBUCIÓN DE
POISSON
INTRO:
Esta distribución es una de las más importantes distribuciones de variable
discreta. Sus principales aplicaciones hacen referencia a la modelización de
situaciones en las que nos interesa determinar el número de hechos de cierto
tipo que se pueden producir en un intervalo de tiempo o de espacio, bajo
presupuestos de aleatoriedad y ciertas circunstancias restrictivas. Otro de sus
usos frecuentes es la consideración límite de procesos dicotómicos reiterados
un gran número de veces si la probabilidad de obtener un éxito es muy
pequeña .
Caracteristicas:
En este tipo de experimentos los exitos buscados son expresados por unidad
de area, tiempo, pieza...
Ya sea:
# de defectos de una tela por m
# de aviones que aterrizan en un aeropuerto por un dia, hora..
# de bacterias por cm de un cultivo
entre otras.
¿Para qué me puede servir la distribución binomial?
Distribución Binomial
La distribución de Poisson fue desarrollada por Siméon-Denis Poisson (1781-
1840). Esta distribución de probabilidades es muy utilizada para situaciones
donde los sucesos son impredecibles o de ocurrencia aleatoria. En general,
utilizaremos la distribución de Poisson como aproximación de experimentos
binomiales donde el número de pruebas es muy alto (n→∞), pero la
probabilidad de éxito muy baja (p→0).
Gráfica de Poisson
La gráfica de Poisson muestra el número observado de defectos con respecto
al número esperado de defectos. La línea diagonal muestra dónde se ubicarían
los datos si siguieran perfectamente la distribución de Poisson. Si los datos se
desvían significativamente de esta línea, el análisis de capacidad de Poisson
pudiera no proporcionar resultados fiables.
NOTA
Minitab muestra una gráfica de Poisson cuando los tamaños de los subgrupos
son iguales. Si el tamaño de los subgrupos varía, Minitab muestra una gráfica
de tasa de defectos. Para obtener más información, véase la sección sobre la
gráfica de tasa de defectos.
Interpretación
Utilice la gráfica de Poisson para evaluar si los datos siguen una distribución de
Poisson.
Examine la gráfica para determinar si los puntos graficados siguen
aproximadamente una línea recta. Si no es así, entonces es posible que sea
falso el supuesto de que los datos de la muestra provienen de una distribución
de Poisson.
En estos resultados, los puntos de los datos se encuentran cerca de la línea a
lo largo de esta. Usted puede presuponer que los datos siguen una distribución
de Poisson.
En estos resultados, los puntos de los datos no se encuentran a lo largo de la
línea cerca de la parte superior derecha de la gráfica. Estos datos no siguen
una distribución de Poisson y no se pueden evaluar de manera fiable utilizando
el análisis de capacidad de Poisson.
Cómo saber si una distribución es de Poisson
Para que una distribución sea considerada como distribución de Poisson debe
cumplir con tres requisitos:
La variable discreta “x” es el número de ocurrencias de un evento
durante un intervalo determinado (de tiempo, espacio, etc.).
Las ocurrencias deben ser aleatorias y no contener ningún factor que
favorezca unas ocurrencias en favor de otras.
Las ocurrencias deben estar uniformemente distribuidas dentro del
intervalo que se emplee.
Una propiedad importante de la distribución de Poisson es que, la suma de “n”
variables de Poisson independientes tendrán como resultado también una
variable de Poisson, siendo su parámetro la suma del valor de los parámetros
originales.
Ejemplos de la aplicación de la distribución de Poisson
A continuación presentamos algunos ejemplos de la aplicación de la
distribución de Poisson en la vida real:
Contador de Geiger. Es un instrumento para medir la radiactividad de
un objeto o zona. Se utiliza la distribución de Poisson para calcular el
comportamiento estadístico de la radiación y así poder establecer su nivel.
Operaciones bursátiles. En el mundo de los mercados y la bolsa se
utiliza la distribución de Poisson para calcular el riesgo de las operaciones en
los tiempos de espera entre transacciones financieras.
Contador de personas. Los contadores de personas que habitualmente
se utilizan en los comercios para saber el número de personas que entran en
su establecimiento durante un periodo de tiempo (número de clientes en la
última hora, por ejemplo).
Otras aplicaciones. Otros ejemplos del uso de esta distribución son el
cálculo de las llamadas de teléfono que se reciben en un día en una centralita,
hallar el número de bacterias que hay en un volumen de determinado de
agua, el número de peticiones de servicio diarias de un servidor web,
establecer el riesgo de crédito en una operación de financiación, calcular la
cantidad de estrellas en un determinado volumen espacio o el número de
accidentes por año registrados por una compañía de seguros.
