Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 514 vistas

    09 La Distribucion de Poisson

    Cargado por

    Jose Lopez
    La distribución de Poisson se utiliza para modelar el número de sucesos aleatorios que ocurren en un intervalo de tiempo o espacio fijo. Esta distribución depende de un solo parámetro, μ, que representa el número promedio de sucesos esperados. La distribución de Poisson tiene propiedades como un valor medio y varianza igual a μ, y se aproxima a una distribución normal cuando μ es grande.

    Copyright:

    Attribution Non-Commercial (BY-NC)
    Descargue como PDF, TXT o lea en línea desde Scribd

    09 La Distribucion de Poisson

    Cargado por

    Jose Lopez
    514 vistas10 páginas
    La distribución de Poisson se utiliza para modelar el número de sucesos aleatorios que ocurren en un intervalo de tiempo o espacio fijo. Esta distribución depende de un solo parámetro, μ, que representa el número promedio de sucesos esperados. La distribución de Poisson tiene propiedades como un valor medio y varianza igual a μ, y se aproxima a una distribución normal cuando μ es grande.

    Derechos de autor

    © Attribution Non-Commercial (BY-NC)

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    La distribución de Poisson se utiliza para modelar el número de sucesos aleatorios que ocurren en un intervalo de tiempo o espacio fijo. Esta distribución depende de un solo parámetro, μ, que representa el número promedio de sucesos esperados. La distribución de Poisson tiene propiedades como un valor medio y varianza igual a μ, y se aproxima a una distribución normal cuando μ es grande.

    Copyright:

    Attribution Non-Commercial (BY-NC)
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    514 vistas10 páginas

    09 La Distribucion de Poisson

    Cargado por

    Jose Lopez
    La distribución de Poisson se utiliza para modelar el número de sucesos aleatorios que ocurren en un intervalo de tiempo o espacio fijo. Esta distribución depende de un solo parámetro, μ, que representa el número promedio de sucesos esperados. La distribución de Poisson tiene propiedades como un valor medio y varianza igual a μ, y se aproxima a una distribución normal cuando μ es grande.

    Copyright:

    Attribution Non-Commercial (BY-NC)
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 10

    La distribución de Poisson

    • Introducción
    • La distribución de Poisson
    • Propiedades
    • Ejemplos
    • Aproximación gaussiana

    Técnicas experimentales de Física General 1/10


    Bombas
    volantes
    V2

    II Guerra Mundial: bombardeo de Londres desde


    Calais con bombas volantes V1 y V2

    Los alemanes, ¿apuntaban o disparaban al azar?

    Técnicas experimentales de Física General 2/10


    Area de Londres de 144 Km2
    dividida en 576 cuadrados de
    0.5 km2 cada uno.
    El número total de V2 que
    habían caído en esa área era
    de 537 bombas.

    Número medio de bombas en


    537
    un cuadrado:
    µ=
    576

    µx
    Pµ ( x) = e− µ
    x!
    Numero de Cuadrados esperados Cuadrados reales
    V2 en un (Poisson) con x (observados) con x
    cuadrado impactos: 576 Pµ ( x) impactos
    x
    0 226.7 229
    1 211.4 211
    2 98.5 93
    3 30.6 35
    4 7.1 7
    5 o más 1.8 1
    576 576

    Conclusión: ¡¡ Los alemanes no apuntaban ¡!

    Técnicas experimentales de Física General 3/10


    Introducción
    Desintegraciones radiactivas
    Se sabe que una fuente radiactiva emite partículas alfa a un
    ritmo de 1.5 por minuto. Si medimos el número de partículas
    alfa emitidas en dos minutos ¿Cuál es el resultado promedio
    esperado? ¿Cuál es la probabilidad de observar
    x = 0,1, 2,3, 4 ? ¿Y la probabilidad de que x ≥ 5 ?

    Experimentos de contar sucesos

    Distribución de Poisson

    µ x
    Pµ ( x) = e− µ
    x!

    Si en promedio esperamos µ sucesos, la probabilidad de


    obtener x, viene dada por Pµ ( x)

    µ = Número medio de sucesos esperados

    Técnicas experimentales de Física General 4/10


    Probabilidad de observar x sucesos
    3x −3
    cuando el promedio es
    alfa
    P3 ( x) = e
    µ = 1.5 × 2 min = 3 alfa x!
    min

    Sucesos observados x 0 1 2 3 4
    5% 14% 22% 22% 17%
    Probabilidad P3 ( x)

    Prob( x ≥ 5) =100% − (5 + 15 + 22 + 22 + 17)% = 19%

    Distribución de Poisson para un valor medio de µ = 3

    Técnicas experimentales de Física General 5/10


    La distribución de Poisson

    µx
    Pµ ( x) = e− µ
    x!
    ¾ Condición de normalización
    ∞

    ∑ Pµ ( x) = 1
    x =0

    ¾ Valor medio
    ∞ ∞
    µx
    x = ∑ xPµ ( x) = ∑ x e− µ = µ
    x =0 x =0 x!
    ¾ Desviación típica
    ∞
    σ = ∑ ( x − x ) 2 Pµ ( x) =µ 2 → σ = µ
    2

    x =0

    Cuando realizamos un experimento de contar sucesos


    y obtenemos un valor x , el resultado con su error es:

    x± x

    Técnicas experimentales de Física General 6/10


    Ejemplos

    Más desintegraciones radiactivas


    Un estudiante observa que una muestra de Torio emite 49
    partículas en 30 minutos ¿Cuál es la tasa de emisión? ¿Cuál
    es la tasa en partículas por minuto?

    (Part. en 30 minutos ) = 49 ± 49 = 49 ± 7

    49 ± 7
    R= = 1.6 ± 0.2 part/min
    30

    Técnicas experimentales de Física General 7/10


    Ejemplo

    En promedio, cada una de las 18 gallinas de un gallinero


    pone un huevo al día. Si se recogen los huevos cada hora
    ¿Cuál es el número medio de huevos que se recogen en cada
    visita? ¿Con qué probabilidad encontraremos x huevos
    para x = 0,1, 2,3 ? ¿y la probabilidad de que x ≥ 4 ?

    Promedio: µ = 1× 18 / 24 = 0.75 huevos / hora

    Sucesos observados x 0 1 2 3 x≥4

    Probabilidad (%) Pµ =0.75 ( x) 47.2 35.4 13.3 0.6 0.8

    Distribución de Poisson para un valor medio de µ = 0.75

    Técnicas experimentales de Física General 8/10


    Aproximación gaussiana

    ¾ Diferencias entre ambas distribuciones


    Poisson Gauss
    Variable discreta Variable continua
    No es simétrica Simétrica
    Un parámetro ( µ ) Dos parámetros ( X , σ )

    ¾ Sin embargo:
    Pµ ( x) ≈ GX ,σ ( x), cuando µ es grande
    con
    X =µ y σ= µ

    Distribuciones de Gauss y de Poisson para un valor medio de µ = 9

    Técnicas experimentales de Física General 9/10


    Ejemplo

    Consideremos la distribución de Poisson para µ = 64

    ¾ ¿Cuál es la probabilidad de obtener 72 sucesos?

    Según Poisson:
    (64)72 −64
    Prob(72) = P64 (72) = e = 2.91 %
    72!

    Según Gauss:
    ( 72−64) 2
    1 −
    Prob(72) = G64,8 (72) = e 2×82
    = 3.02 %
    8 2π

    ¾ ¿Cuál es la probabilidad de obtener 72 o más sucesos?

    Según Poisson:
    Prob(x ≥ 72) = P64 (72) + P64 (72) + ... = 17.3 %

    Según Gauss:
    Prob(x ≥ 72) = PG ( x ≥ 71.5) = PG ( x ≥ X + tσ ) = 17.4%

    x− X 71.5 − 64
    con t= = = 0.9375
    σ 8

    Técnicas experimentales de Física General 10/10

    También podría gustarte