DISTRIBUCION DE POISSON 1 El numero medio de pacientes admitidos por da en la sala de emergencias de un hospital pequeo es 2.5.

si solo hay cuatro camas disponibles en dicha sala Cual es la prprobabilidad que un da cualquiera el hospital no tenga camas suficiente para acomodar a los paciente que lleguen? La distribucin de poisson se utiliza como modelo para variables que pueden tomar cualquier valor en los enteros positivos (0,1,2,3,4....). Estos conteos generalemnte se realizan en alguna unidad, por ejemplo insectos en una fruta, llamadas telefnicas en una hora, nmero de gusanos por bolsa, etc. En el ejemplo que pones, lo que tienes es el conteo de pacientes por da y tiene una media de 2.5 La distribucin de poisson tiene un slo parmetro normalmente denotado como lambda y cuyo valor es la media y la varianza de la distribucin. En la distribucin de poisson la varianza es igual a la media. En valor, conceptualmente son ideas distintas. La variable entonces nmero de pacientes por da, puede tomar los valores 0,1,2,3,4,5,6,7,8,9.... Si slo hay 4 camas, entonces cuando haya ms de 4 pacientes, entonces el hospital no va a poder acomodarlos. Lo que hay que conocer para dar la respuesta es cul es la probabliidad de que la variable (con distribucin de poisson) nmero de pacientes por da tenga un valor mayor a 4. La funcin de probabilidad de poisson es la siguiente: P(X=a) = exp(-lambda)* lambda^a / a! entonces P(X>4)= 1 - [P(X=0)+P(X=1)+P(X=2)+P(X=3)+P(X=4)] esto por la complementaridad de las probabilidades P(X=0)= exp(-2.5)*2.5^0 / 0! =exp(-2.5)=0.082 As calculas todas las probabilidades. El resultado debe ser: P(X>4)=0.1088

DISTRIBUCION BINOMIAL En estadstica, la distribucin binomial es una distribucin de probabilidad discreta, mide el nmero de xitos en una secuencia de n ensayos independientes de Bernoulli, con una probabilidad fija p de ocurrencia del xito entre los ensayos. Experimento Binomial . La variable aleatoria binomial y su distribucin estn basadas en un experimento que satisface las siguientes condiciones: El experimento consiste en una secuencia de n ensayos, donde n se fija antes del experimento. Los ensayos se realizan bajo idnticas condiciones, y cada uno de ellos tiene nicamente dos posibles resultados, que se denotan a conveniencia por xito (E) o fracaso (F) (p(E)+p(F)=1). Los ensayos son independientes, por lo que el resultado de cualquier ensayos en particular no influye sobre el resultado de cualquier otro intento. La probabilidad de xito es idntica para todos los ensayos. Siguiendo estas premisas, la variable aleatoria binomial X est definida como X = "nmero de E entre los n intentos" X se distribuye como una Binomial de parmetros n y p. XBi(n,p) Su funcin de probabilidad est dada por: donde, siendo las combinaciones de en (elementos tomados de en)

DISTRIBUCION DE POISSON Distribucin de Poisson.. En teora de probabilidad y estadstica, la distribucin de Poisson es una distribucin de probabilidad discreta. Expresa la probabilidad de un nmero k de eventos ocurriendo en un tiempo fijo si estos eventos ocurren con una tasa media conocida, y son independientes del tiempo desde el ltimo evento. La distribucin fue descubierta por Simon-Denis Poisson (17811840) que public, junto con su teora de probabilidad, en 1838 en su trabajo Recherches sur la probabilit des jugements en matires criminelles et matire civile ("Investigacin sobre la probabilidad de los juicios en materias criminales y civiles"). El trabajo estaba enfocado en ciertas variables aleatorias N que cuentan, entre otras cosas, un nmero de ocurrencias discretas (muchas veces llamadas "arribos") que tienen lugar durante un intervalo de tiempo de duracin determinada. Si el nmero esperado de ocurrencias en este intervalo es , entonces la probabilidad de que haya exactamente k ocurrencias (siendo k un entero no negativo, k = 0, 1, 2, ...) es igual a:

DIFERENCIA ENTRE DISTRIBUCCION BINOMIAL E HIPERGEOMETRICA Entiendo que ambas se utilizan cuando el n de intentos esta definido, lo unico que encuentro para diferenciarlas es que una (binomial) se aplica cuando dichos intentos son independientes, y la otra (hipergeometrica) cuando NO son

independientes, y pues sinceramente, cuando no esta esplicito en el problema tengo bastantes problemas decidiendo. La diferencia es que en la hipergeometrica, los datos de la muestra se extraen sin reemplazo (el dato obtenido ya no pertenece a la poblacion y por lo tanto no puede salir en la extraccin del siguinte dato de la muestra) y en la binomial con reemplazo (El dato obtenido sigue perteneciendo a la poblacin y puede salir en la extraccin del siguiente dato de la muestra), ejemplo: Tenemos una caja con 4 bolas azules y 6 blancas. Tenemos que calcular las probabilidades de sacar 2 bolas azules al sacar dos bolas, Hay dos modos: a) Despues de extraer la primera bola se devuelve a la caja --> Hay reemplazo --> BINOMIAL b) Despues de extraer la primera bola NO se devuelve a la caja ---> No hay reemplazo ---> HIPERGEOMETRICA

DISTRIBUCION HIPERGEOMETRICA GENERALISADA Caractersticas: a) Al realizar un experimento con este tipo de distribucin, se esperan ms de dos tipos de resultados. b) Las probabilidades asociadas a cada uno de estos resultados no son constantes.

c) Los ensayos o repeticiones del experimento no son independientes entre s. d) El nmero de repeticiones del experimento n, es constante. Entonces en este caso se tienen ms de dos tipos de objetos, por lo que la frmula a utilizar sera: donde: N = x + y + z = total de objetos a = total de objetos del primer tipo b = total de objetos del segundo tipo c = N-a-b = total de objetos del tercer tipo n = objetos seleccionados en la muestra x = objetos del primer tipo en la muestra y = objetos del segundo tipo en la muestra z = n-x-y = objetos del tercer tipo en la muestra Ejemplos: 1.En un lote de productos se tienen 20 productos sin defectos, 3 con defectos menores y 2 con defectos mayores, se seleccionan al azar 5 productos de este lote, determine la probabilidad de que a) 3 de los productos seleccionados no tengan defectos y 1 tenga defectos menores, b) 4 de los productos seleccionados no tengan defectos y 1 tenga defectos menores. Solucin: a)N= 20+3+2 =25 total de artculos a=20 productos sin defectos b= 3 productos con defectos menores

N-a-b= 2 productos con defectos mayores n= 5 productos seleccionados en la muestra x = 3 productos sin defectos en la muestra = variable que nos define el # de productos sin defectos en la muestra y = 1 producto con defectos menores en la muestra = variable que nos define el # de productos con defectos menores en la muestra z = n-x-y = 531 = 1 producto con defectos mayores en la muestra = variable que nos define el # de productos con defectos mayores en la muestra b)N= 25 a=20 productos sin defectos b= 3 productos con defectos menores N-a-b= 2 productos con defectos mayores n= 5 productos seleccionados en la muestra x = 4 productos sin defectos en la muestra = variable que nos define el # de productos sin defectos en la muestra y = 1 producto con defectos menores en la muestra = variable que nos define el # de productos con defectos menores en la muestra z = n-x-y = 541 = 0 productos con defectos mayores en la muestra = variable que nos define el # de productos con defectos mayores en la muestra 3.Un club de estudiantes extranjeros tiene en sus listas a 2 canadienses, 3 japoneses, 5 italianos y 2 alemanes. Si se selecciona aleatoriamente un comit de 4 estudiantes, encuentre la probabilidad de que: a)estn representadas todas las nacionalidades, b)estn representadas todas las nacionalidades, excepto la italiana. Solucin: a) N = 12 estudiantes

a = 2 Canadienses b = 3 Japoneses c = 5 Italianos N-a-b-c = 2 Alemanes n = 4 estudiantes seleccionados para formar comit x = 1 estudiante Canadiense en el comit seleccionado y = 1 estudiante Japons en el comit seleccionado z = 1 estudiante Italiano en el comit seleccionado n-x-y-z = 1 estudiante Alemn en el comit seleccionado b) N = 7 estudiantes quitando a los Italianos a = 2 Canadienses b = 3 Japoneses N-a-b = 2 Alemanes n = 4 estudiantes seleccionados para formar comit x = 1 o 2 estudiantes Canadienses en el comit seleccionado y = 1 o 2 estudiantes Japoneses en el comit seleccionado n-x-y= 1 o 2 estudiantes Alemanes en el comit seleccionado p(estn representadas todas las nacionalidades, excepto la italiana) Distribucin hipergeomtrica Por claridad, consideremos el siguiente ejemplo: Tenemos una baraja de cartas espaolas (N=40 naipes), de las cuales nos vamos a interesar en el palo de oros (D=10 naipes de un mismo tipo). Supongamos que de esa baraja extraemos n=8

cartas de una vez (sin reemplazamiento) y se nos plantea el problema de calcular la probabilidad de que hayan k=2 oros (exactamente) en esa extraccin. La respuesta a este problema es En lugar de usar como dato D es posible que tengamos la proporcin existente, p, entre el nmero total de oros y el nmero de cartas de la baraja de modo que podemos decir que Este ejemplo sirve para representar el tipo de fenmenos que siguen una ley de distribucin hipergeomtrica. Diremos en general que una v.a. X sigue una distribucin hipergeomtrica de parmetros, N, n y p, lo que representamos del modo , si su funcin de probabilidad es 6.4.10.1 Observacin Cuando el tamao de la poblacin (N) es muy grande, la ley hipergeomtrica tiende a aproximarse a la binomial: El valor esperado de la hipergeomtrica es el mismo que el de la binomial, sin embargo su varianza no es exactamente la de la binomial, pues est corregida por un factor, , que tiende a 1 cuando . A este factor se le denomina factor de correccin para poblacin finita.