Distribución de Poisson
Cargado por
ScribdTranslationsDistribución de Poisson
Cargado por
ScribdTranslationsDistribución de Poisson
Atributos de un Experimento de Poisson:
A experimento de Poisson es unexperimento estadísticoque tiene las siguientes propiedades:
. Los resultados del experimento en resultados que se pueden clasificar como éxitos o fracasos.
. Se conoce el número promedio de éxitos (μ) que ocurre en una región especificada.
. La probabilidad de que ocurra un éxito es proporcional al tamaño de la región.
. La probabilidad de que ocurra un éxito en una región extremadamente pequeña es prácticamente cero.
Tenga en cuenta que la región especificada podría tomar muchas formas. Por ejemplo, podría ser una longitud, un área,
un volumen, un período de tiempo, etc.
Notación
La siguiente notación es útil cuando hablamos de la distribución de Poisson.
. e: Una constante igual a aproximadamente 2.71828. (En realidad, e es la base del natural.
sistema de logaritmos.)
. μ: El número promedio de éxitos que ocurren en una región específica.
. x: El número real de éxitos que ocurren en una región específica.
. P(x; μ): El Probabilidad de Poisson que exactamente ocurren éxitos en un experimento de Poisson,
cuando el número medio de éxitos es μ.
Distribución de Poisson
A Variable aleatoria de Poisson es el número de éxitos que resultan de un experimento de Poisson.
Eldistribución de probabilidadde una variable aleatoria de Poisson se llama unDistribución de Poisson
.
Dado el número medio de éxitos (μ) que ocurren en una región específica, podemos calcular el
Probabilidad de Poisson basada en la siguiente fórmula:
Supongamos que realizamos un experimento de Poisson, en el cual el número promedio de
Fórmula de Poisson.
los éxitos dentro de una región dada es μ. Entonces, la probabilidad de Poisson es:
P(x; μ) = (e-μ) (μx) / x!
donde x es el número actual de éxitos que resultan del experimento, y e es aproximadamente
igual a 2.71828.
La distribución de Poisson tiene las siguientes propiedades:
. La media de la distribución es igual a μ.
. Elvarianzatambién es igual a μ.
: número promedio de casas vendidas por la compañía Acme Realty es de 2 casas por
Ejemplo 1 El
día. ¿Cuál es la probabilidad de que exactamente 3 casas se vendan mañana?
Este es un experimento de Poisson en el que conocemos lo siguiente:
. μ = 2; ya que se venden 2 casas por día, en promedio.
. x = 3; ya que queremos encontrar la probabilidad de que se vendan 3 casas mañana.
. e = 2.71828; ya que e es una constante igual a aproximadamente 2.71828.
Introducimos estos valores en la fórmula de Poisson de la siguiente manera:
P(x; μ) = (e-μ) (μx) / x!
P(3; 2) = (2.71828-2) (23) / 3!
P(3; 2) = (0.13534) (8) / 6
P(3; 2) = 0.180
Por lo tanto, la probabilidad de vender 3 casas mañana es 0.180.
Probabilidad Poisson Acumulativa
A probabilidad acumulativa de Poisson se refiere a la probabilidad de que la variable aleatoria de Poisson sea
mayor que un límite inferior especificado y menor que un límite superior especificado.
:
Ejemplo 2 Supongamos que el número promedio de leones vistos en un safari de 1 día es 5. ¿Cuál es el
probabilidad de que los turistas vean menos de cuatro leones en el próximo safari de un día?
Este es un experimento de Poisson en el que sabemos lo siguiente:
. μ = 5; ya que se ven 5 leones por safari, en promedio.
. x = 0, 1, 2 o 3; ya que queremos encontrar la probabilidad de que los turistas vean menos de 4
leones; es decir, queremos la probabilidad de que vean 0, 1, 2 o 3 leones.
. e = 2.71828; ya que e es una constante igual a aproximadamente 2.71828.
Para resolver este problema, necesitamos encontrar la probabilidad de que los turistas vean 0, 1, 2 o 3 leones.
Así, necesitamos calcular la suma de cuatro probabilidades: P(0; 5) + P(1; 5) + P(2; 5) + P(3; 5). Para
para calcular esta suma, usamos la fórmula de Poisson:
P(x < 3, 5) = P(0; 5) + P(1; 5) + P(2; 5) + P(3; 5)
P(x < 3, 5) = [ (e-5) (50) / 0! ] + [ (e-5)(51) / 1! ] + [ (e-5)(52) / 2! ] + [ (e-5) (53) / 3! ]
P(x < 3, 5) = [ (0.006738)(1) / 1 ] + [ (0.006738)(5) / 1 ] + [ (0.006738)(25) / 2 ] + [
(0.006738)(125) / 6
P(x < 3, 5) = [ 0.0067 ] + [ 0.03369 ] + [ 0.084224 ] + [ 0.140375 ]
P(x < 3, 5) = 0.2650
Por lo tanto, la probabilidad de ver no más de 3 leones es 0.2650.
Ejemplo 3:: En un viernes promedio, una camarera no recibe propina de 5 clientes. Encuentra el
probabilidad de que no reciba propina de 7 clientes este viernes.
La camarera atiende un promedio de 5 clientes que no dejan propina los viernes: λ = 5.
Variable Aleatoria: El número de clientes que no le dejan propina este viernes.
Estamos interesados en P(X = 7).
Ejemplo 4: Durante un partido de fútbol típico, un entrenador puede esperar 3.2 lesiones. Encuentra el
probabilidad de que el equipo tenga como máximo 1 lesión en este juego.
Un entrenador puede esperar 3.2 lesiones: λ = 3.2.
Variable Aleatoria: El número de lesiones que tiene el equipo en este juego.
Estamos interesados en .
Ejemplo 5: Una pequeña compañía de seguros de vida ha determinado que en promedio recibe
6 reclamaciones de muerte por día. Encuentra la probabilidad de que la compañía reciba al menos siete muertes.
reclamaciones en un día seleccionado al azar.
P(x ≥ 7) = 1-P(x ≤ 6)= 0.393697
Ejemplo 6: El número de accidentes de tráfico que ocurren en un tramo particular de la carretera
Durante un mes sigue una distribución de Poisson con una media de 9.4. Encuentra la probabilidad de que
menos de dos accidentes ocurrirán en este tramo de carretera durante un mes seleccionado al azar.
P(x < 2) = P(x = 0) + P(x = 1) = 0.000860
Ejemplos de distribución de Poisson
1. El número de proyectos de construcción de carreteras que tienen lugar en un momento dado en una cierta ciudad sigue un
Distribución de Poisson con una media de 3. Encuentra la probabilidad de que exactamente cinco proyectos de construcción de carreteras sean
actualmente teniendo lugar en esta ciudad. (0.100819)
2. El número de proyectos de construcción de carreteras que tienen lugar al mismo tiempo en una cierta ciudad sigue un
Distribución de Poisson con una media de 7. Encuentra la probabilidad de que haya más de cuatro proyectos de construcción de carreteras.
están ocurriendo actualmente en la ciudad.
3. El número de accidentes de tráfico que ocurren en un tramo particular de carretera durante un mes sigue una
Distribución de Poisson con una media de 7.6. Encuentra la probabilidad de que ocurran menos de tres accidentes a continuación.
mes en este tramo de carretera. (0.018757)
4. El número de accidentes de tráfico que ocurren en un tramo particular de carretera durante un mes sigue un
Distribución de Poisson con una media de 7. Encuentra la probabilidad de observar exactamente tres accidentes en esto.
tramo de carretera el próximo mes. (0.052129)
5. El número de accidentes de tráfico que ocurren en un tramo particular de carretera durante un mes sigue una
Distribución de Poisson con una media de 6.8. Encuentra la probabilidad de que los próximos dos meses resulten en ambos
cuatro accidentes que ocurrieron en esta sección de la carretera. (0.009846)
6. Suponga que el número de bebés nacidos durante un turno de 8 horas en el ala de maternidad de un hospital sigue una
Distribución de Poisson con una media de 6 por hora. Encuentra la probabilidad de que nazcan cinco bebés durante una
un período particular de 1 hora en esta sala de maternidad. (0.160623)
7. El departamento de política universitaria debe redactar, en promedio, cinco multas por día para mantener el departamento
los ingresos en los niveles presupuestados. Supongamos que el número de entradas redactadas por día sigue una distribución de Poisson
con un promedio de 8.8 boletos por día. Encuentra la probabilidad de que se escriban menos de seis boletos en un
día seleccionado al azar de esta distribución. (0.128387)
El número de goles anotados en los juegos de hockey de State College sigue una distribución de Poisson con una media
de 3 goles por partido. Encuentra la probabilidad de que cada uno de los cuatro seleccionados al azar de hockey de State College
los juegos resultaron en seis goles anotados. (.00000546)
