Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 57 vistas

    4.4 Distribucion Poisson

    Cargado por

    Jacinto Dominguez Rubio
    La distribución de Poisson describe el número de veces que ocurre un fenómeno aleatorio en un período de tiempo o espacio. Se caracteriza por un solo parámetro λ que representa el promedio de ocurrencias. La esperanza y varianza de una variable aleatoria con distribución de Poisson son iguales a λ. Se usa para modelar sucesos como visitantes a un museo, defectos en tela o infracciones detectadas por un radar.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    4.4 Distribucion Poisson

    Cargado por

    Jacinto Dominguez Rubio
    57 vistas5 páginas
    La distribución de Poisson describe el número de veces que ocurre un fenómeno aleatorio en un período de tiempo o espacio. Se caracteriza por un solo parámetro λ que representa el promedio de ocurrencias. La esperanza y varianza de una variable aleatoria con distribución de Poisson son iguales a λ. Se usa para modelar sucesos como visitantes a un museo, defectos en tela o infracciones detectadas por un radar.

    Título original

    4.4_Distribucion_Poisson

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    La distribución de Poisson describe el número de veces que ocurre un fenómeno aleatorio en un período de tiempo o espacio. Se caracteriza por un solo parámetro λ que representa el promedio de ocurrencias. La esperanza y varianza de una variable aleatoria con distribución de Poisson son iguales a λ. Se usa para modelar sucesos como visitantes a un museo, defectos en tela o infracciones detectadas por un radar.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    57 vistas5 páginas

    4.4 Distribucion Poisson

    Cargado por

    Jacinto Dominguez Rubio
    La distribución de Poisson describe el número de veces que ocurre un fenómeno aleatorio en un período de tiempo o espacio. Se caracteriza por un solo parámetro λ que representa el promedio de ocurrencias. La esperanza y varianza de una variable aleatoria con distribución de Poisson son iguales a λ. Se usa para modelar sucesos como visitantes a un museo, defectos en tela o infracciones detectadas por un radar.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 5

    Alum: Domínguez Rubio Alfonso I van

    4.4 Distribución de Poisson.

    Se trata de un modelo discreto, pero en el que el conjunto de valores con probabilidad no


    nula no es finito o infinito numerable. Se dice que una variable aleatoria X sigue la
    distribución de Poisson si su Función de densidad viene dada por:

    La variable aleatoria X = Representa el número de veces que ocurre un fenómeno en


    una región del espacio, tiempos específicos.

    Lamda λ = Promedio de ocurrencias del fenómeno aleatorio.

    Como vemos, este modelo se caracteriza por un sólo parámetro λ, que debe ser positivo.

    Esta distribución suele utilizarse para contajes del tipo número de individuos por unidad
    de tiempo, de espacio, etc.

    Ejemplos de Distribución de Poisson:

    Número de Visitantes diarios a un museo (o cualquier lugar).

    Numero de defectos en un metro de tela.

    Número de niños en una escuela en la hora del receso.

    Propiedades del modelo de Poisson

    1) Esperanza: E(X) = λ.

    2) Varianza: V(X) = λ.

    En esta distribución la esperanza y la varianza coinciden.

    3) La suma de dos variables aleatorias independientes con distribución de Poisson resulta


    en una nueva variable aleatoria, también con distribución de Poisson, de parámetro igual
    a la suma de parámetros:
    Alum: Domínguez Rubio Alfonso I van

    X1 ~ P(λ = λ1) y X2 ~ P(λ = λ2)

    y definimos Z = X1 + X2, entonces,

    Z ~ P(λ = λ1 + λ2)

    Este resultado se extiende inmediatamente al caso de n variables aleatorias independientes


    con distribución de Poisson. En este caso, la variable suma de todas ellas sigue una
    distribución de Poisson de parámetro igual a la suma de los parámetros.
    Alum: Domínguez Rubio Alfonso I van

    Ejemplo. Un radar de carretera detecta un promedio 6 infracciones diarias.

    a) Calcula la probabilidad de que un día dado el radar detecte 4 infracciones.

    X=Variable aleatoria.

    x= Numero de infracciones detectadas por el radar por día.=4

    λ= Número de infracciones detectadas por el radar por día esto es =6

    Po= Probabilidad de Poisson.

    X ~ Po(λ) =Donde la variable aleatoria X se distribuye siguiendo una distribución de Poisson


    de parámetro λ.

    X ~ Po(λ) = X ~ Po(6)

    𝑒 −λ λ𝑥
    P(X=x)=
    𝑥!

    𝑒 −6 64 3.21246
    P(X=4)= = = 𝟎. 𝟏𝟑𝟑𝟖𝟓 𝒙𝟏𝟎𝟎% = 𝟏𝟑. 𝟑𝟖%
    4! 24

    b) Calcula la probabilidad de que en un día dado el radar detecte menos de 2


    infracciones.

    X ~ Po(λ) = X ~ Po(6)

    𝑒 −λ λ𝑥 𝑒 −λ λ𝑥
    P(X<2) = P(X=1) + P(X=0)= P(X=1)= + P(X=0)=
    𝑥! 𝑥!

    𝑒 −6 61 𝑒 −6 60
    P(X<2) = P(X=1) + P(X=0)= P(X=1)= + P(X=0)=
    1! 0!

    0.01487 .002478
    P(X<2)= + = .01487 + .00247 = .017348 X100% = 1.7348%
    1 1
    Alum: Domínguez Rubio Alfonso I van

    Resuelve el siguiente ejercicio de Distribución de Poisson


    (guíate por el video y el resumen).
    1. En un museo se identifica un valor esperado o promedio de 8 visitantes extranjeros
    por día.

    a) Calcula la probabilidad de que un día dado se identifique 3 visitantes extranjeros.

    X=3

    λ=8

    Po= Probabilidad de Poisson.

    X ~ Po(λ) = X ~ Po(8)

    𝑒 −λ λ𝑥
    P(X=x)=
    𝑥!

    𝑒 −8 83 0.171756
    P(X=4)= = = 0.0286261x100%=2.862614
    3! 6

    b) Calcula la probabilidad de que un día dado se identifique 5 visitantes extranjeros.

    X=5

    λ=8

    Po= Probabilidad de Poisson.

    X ~ Po(λ) = X ~ Po(8)

    𝑒 −λ λ𝑥
    P(X=x)=
    𝑥!

    𝑒 −8 85 10.992439
    P(X=4)= = = 0.091603x100%=9.160365
    5! 120
    Alum: Domínguez Rubio Alfonso I van

    c) Calcula la probabilidad de que un día dado se identifiquen menos de 2 visitantes


    extranjeros.

    X=2

    λ=8

    Po= Probabilidad de Poisson.

    X ~ Po(λ) = X ~ Po(8)

    𝑒 −λ λ𝑥
    P(X=x)=
    𝑥!

    𝑒 −8 82 0.021469
    P(X=4)= = = 0.010723x100%=1.07348040
    2! 2

    Bibliografía

    María del Carmen Magaña González

    http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo3/B0C3m1t6
    .htm

    https://www.youtube.com/watch?v=D-MV0DpDQCY

    También podría gustarte