Normal de Poisson

Carlos Pedro Vera Ninacondor
La distribución normal como aproximación de la distribución de Poisson
Distribución de probabilidad normal estándar

Características1
1. Es única.
2. Tiene media de 0.
3. Tiene desviación estándar de 1.
4. Cualquier distribución de probabilidad normal puede convertirse en una
distribución de probabilidad normal estándar si se resta la media de cada
observación y se divide esta diferencia entre la desviación estándar. Los resultados
reciben el nombre de valores 𝑧 o valores tipificados.
5. De esta manera, el valor 𝑧 es la distancia de la media, medida en unidades de
desviación estándar.
Cálculo
El valor normal estándar se calcula mediante la fórmula:
𝑥−𝜇
𝑧=
𝜎
Donde
𝑥 es el valor de cualquier observación y medición.
𝜇 es la media de la distribución (es la letra griega mu).
𝜎 es la desviación estándar de la distribución (es la letra griega sigma).
Distribución de probabilidad de Poisson
Características2
1. La variable aleatoria es el número de veces que ocurre un evento durante un
intervalo definido.
2. La probabilidad de que ocurra el evento es proporcional al tamaño del intervalo.
3. Los intervalos no se superponen y son independientes.
1
Lind, Marchal y Wathen (2012) pp. 229-230.
2
Lind, Marchal y Wathen (2012) p. 208.
Cálculo
Una probabilidad de Poisson se calcula mediante la fórmula:
𝜇 𝑥 𝑒 −𝜇
𝑃 (𝑥 ) = ; 𝑥 = 0, 1, 2, 3, ⋯
𝑥!
donde
𝜇 es la media de la cantidad de veces (éxitos) que se presenta un evento en un
intervalo particular (es la letra griega mu).
𝑒 es la constante 2,71828… (base del sistema de logaritmos neperianos).
𝑥 es el número de veces que se presenta un evento.
𝑃(𝑥 ) es la probabilidad de un valor específico de 𝑥.
La distribución de probabilidad de normal como aproximación de la distribución

de probabilidad de Poisson
La aproximación de la distribución de Poisson a la normal3 se mejora conforme aumenta el
valor del parámetro 𝑛𝜆. En la práctica se considera una aproximación buena cuando,
𝑛𝜆 > 5
Donde
𝑛
𝜆
Sin embargo4, antes de aplicar la aproximación normal, debe estar seguro de que la
distribución de interés es en verdad una distribución de Poisson.
Factor de corrección de continuidad
La distribución normal es continua y de Poisson es discreta, por lo tanto, para aproximar la
distribución de Poisson por el área bajo la curva normal se usa el factor de corrección de
continuidad. Es decir5
(𝑥 ± 0,5) − 𝑛𝜆
𝑧=
√𝑛𝜆
3
Moya y Saravia (1988) p. 551.
4
Lind, Marchal y Wathen (2012) p. 242.
5
Moya y Saravia (1988), p. 551.
Dicho factor se aplica en los siguientes casos6:

1. Para la probabilidad de que por lo menos ocurra 𝑥, se utiliza el área por encima de
(𝑥 − 0,5).
2. Para la probabilidad de que ocurra más que 𝑥, se utiliza el área por encima de
(𝑥 + 0,5).
3. Para la probabilidad de que ocurra 𝑥 o menos, se utiliza el área debajo de (𝑥 + 0,5).
4. Para la probabilidad de que ocurra menos que 𝑥, se utiliza el área debajo de
(𝑥 − 0,5).
5. Para la probabilidad de que ocurra 𝑥 exactamente, se utiliza el área entre
(𝑥 − 0,5 < 𝑥 < 𝑥 + 0,5).
Ejercicio 1
“El número7 de vehículos que llegan por minuto a la caseta de peaje de una determinada
autopista tiene una distribución de Poisson con 𝜇 = 2,5. Determinar la probabilidad de que
en cualquier período dado de 10 minutos a) lleguen más de 20 vehículos, b) lleguen entre
20 y 30 vehículos inclusive”.
1.1. Como una distribución de probabilidad de Poisson
Datos
𝜇 = 2,5 Es la media por cada minuto
𝜆 = 𝜇 = 2,5 por minuto Es el valor del parámetro lambda
𝑛 = 10 minutos Es el intervalo de tiempo
𝑛𝜆 = 10 × 2,5 = 25 Es la media por cada 10 minutos
𝑃(𝑥 > 20) =¿ ? Es la probabilidad pedida
𝑃(20 ≤ 𝑥 ≤ 30) =¿ ? Es la probabilidad pedida
𝑥(𝑤) = Número de vehículos que llegan por cada 10 minutos a la caseta de peaje
𝑅𝑥 = {0, 1, 2, 3, ⋯ } Es el rango de 𝑥
Las características indican que es una distribución de probabilidad de Poisson
6
Lind, Marchal y Wathen (2012) p. 244. Moya y Saravia (1988) p. 552.
7
Moya y Saravia (1988) p. 552.
Fórmula
𝜇 𝑥 𝑒 −𝜇
𝑃 (𝑥 ) = ; 𝑥 = 0, 1, 2, 3, ⋯
𝑥!
Remplazando
25𝑥 𝑒 −25
𝑃 (𝑥 ) = ; 𝑥 = 0, 1, 2, 3, ⋯
𝑥!
Cálculo de probabilidades
a. Probabilidad de que en cualquier período dado de 10 minutos lleguen más de 20
vehículos
Remplazando
𝑃(𝑥 > 20) = 𝑃(𝑥 = 21) + 𝑃(𝑥 = 22) + ⋯
b. Probabilidad de que en cualquier período dado de 10 minutos lleguen entre 20 y 30
vehículos inclusive
Remplazando
𝑃(20 ≤ 𝑥 ≤ 30) = 𝑃 (𝑥 = 20) + 𝑃 (𝑥 = 21) + ⋯ + 𝑃(𝑥 = 29) + 𝑃(𝑥 = 30)
1.2. Como una distribución de probabilidad normal estándar
Datos
𝜇 = 2,5 Es la media por cada minuto
𝜆 = 𝜇 = 2,5 por minuto Es el valor del parámetro lambda
𝑛 = 10 minutos Es el intervalo de tiempo
𝑛𝜆 = 10 × 2,5 = 25 Es la media por cada 10 minutos
𝑃(𝑥 > 20) =¿ ? Es la probabilidad pedida
𝑃(20 ≤ 𝑥 ≤ 30) =¿ ? Es la probabilidad pedida
𝑥(𝑤) = Número de vehículos que llegan por cada 10 minutos a la caseta de peaje
𝑅𝑥 = {0, 1, 2, 3, ⋯ } Es el rango de 𝑥
𝑛𝜆 = 10 × 2,5 = 25 Se cumple la condición 𝑛𝜆 > 5
Como éste es un experimento de Poisson con 𝑛𝜆 > 5, entonces, la probabilidad puede
aproximarse con la distribución de probabilidad normal estándar.
Cálculo de probabilidades
a. Probabilidad de que en cualquier período dado de 10 minutos lleguen más de 20
vehículos
Fórmula
𝑥−𝜇
𝑧=
𝜎
Donde
𝑃(𝑥 > 20) = 𝑃(𝑥 > 20 + 0,5) = 𝑃(𝑥 > 20,5) Es la probabilidad pedida
𝑥1 = 20,5 Es el límite inferior
𝜇 = 𝑛𝜆 = 10 × 2,5 = 25 Es la media por cada diez minutos
𝜎 = √𝑛𝜆 = √10 × 2,5 = 5 Es la desviación estándar

Cálculo del valor 𝑧1 para 𝑥1 = 20,5
Remplazando
20,5 − 25
𝑧1 = = −0,90
5
Gráficamente
1
0,5 0,5
_____________________________________________________________
𝑥1 = 20,5 𝜇 = 25
𝑧1 = –0,90 𝑧0 = 0
Cálculo de la probabilidad 𝑃(𝑥 > 20)
Remplazando
𝑃(𝑥 > 20) = Φ(𝑧1 = −0,90) + 0,5 = 0,3159 + 0,5 = 0,8159
Interpretación
Entonces, la probabilidad de que lleguen más de 20 vehículos a la caseta de peaje en
cualquier período dado de 10 minutos es de 0,8159.
b. Probabilidad de que en cualquier período dado de 10 minutos lleguen entre 20 y 30

vehículos inclusive
Fórmula
𝑥−𝜇
𝑧=
𝜎
Donde
𝑃(20 ≤ 𝑥 ≤ 30) = 𝑃 (20 − 0,5 ≤ 𝑥 ≤ 30 + 0,5) = 𝑃(19,5 ≤ 𝑥 ≤ 30,5)
𝑥1 = 19,5 Es el límite inferior
𝑥2 = 30,5 Es el límite superior
𝜇 = 𝑛𝜆 = 10 × 2,5 = 25 Es la media por cada diez minutos
𝜎 = √𝑛𝜆 = √10 × 2,5 = 5 Es la desviación estándar

Remplazando
19,5 − 25
𝑧1 = = −1,10
5
Remplazando
30,5 − 25
𝑧2 = = 1,10
5
Gráficamente
1
0,5 0,5
_____________________________________________________________
𝑥1 = 19,5 𝜇 = 25 𝑥2 = 30,5
𝑧1 = –1,10 𝑧0 = 0 𝑧2 = 1,10
Cálculo de la probabilidad 𝑃(20 ≤ 𝑥 ≤ 30)
Remplazando
𝑃(20 ≤ 𝑥 ≤ 30) = Φ(𝑧1 = −1,10) + Φ(𝑧2 = 1,10) = 0,3643 + 0,3643 = 0,7286
Interpretación
Entonces, la probabilidad de que lleguen entre 20 y 30 vehículos inclusive a la caseta de
peaje en cualquier período dado de 10 minutos es de 0,7286.
Bibliografía
Lind, D. A., Marchal, W. G., y Wathen, S. A. (2012). Estadística aplicada a los negocios y la
economía. México, D. F., México: McGRAW-HILL/INTERAMERICANA EDITORES, S. A.
DE C. V.
Mendenhall, W., Beaver, R. J., y Beaver, B. M. (2010). Introducción a la probabilidad y
estadística. México, D.F., México: Cengage Learning Editores, S. A. de C. V.
Moya, R., y Saravia, G. (1988). Probabilidad e Inferencia Estadística. (Segunda edición).
Lima, Perú: Editorial San Marcos.

Normal de Poisson

Cargado por

Copyright:

Formatos disponibles

Normal de Poisson

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Normal de Poisson

Cargado por

Copyright:

Formatos disponibles

Carlos Pedro Vera Ninacondor

La distribución normal como aproximación de la distribución de Poisson

Distribución de probabilidad normal estándar

La distribución de probabilidad de normal como aproximación de la distribución

Dicho factor se aplica en los siguientes casos6:

𝜎 = √𝑛𝜆 = √10 × 2,5 = 5 Es la desviación estándar

b. Probabilidad de que en cualquier período dado de 10 minutos lleguen entre 20 y 30

𝜎 = √𝑛𝜆 = √10 × 2,5 = 5 Es la desviación estándar

También podría gustarte