DISTRIBUCIÓN POISSON
Esta distribución se puede hacer deribable en un proceso experimental de observación en el que tengamos las siguientes características:
1.- En este tipo de experimentos los éxitos buscados son expresados por unidad de área, tiempo, espacio, pieza etcétera.
2.-Si N≥20 Y P=0.5; si N≥100, la aproximación a poisson es generalmente excelente a condición de que NP≤10.3.-Numero de defectos de una tela por metro cuadrado
P(X; λ)= λ, e^x ÷ x!
para X= 0,1,2,3,4...Donde:p(x; λ ) es igual probabilidad de que ocurran x éxitos, cuando el numero promedio de ocurrencia de ellos es λ.
λ=medio o promedio de éxitos por unidad de tiempo área o producto( λ=NP ) e=2.718
X=variable que nos denoto el numero de éxitos que se de a que ocurra.
la función de distribución vendrá dada por
P(X; λ)= λ, e^x ÷ x!
las tablas de poisson tienes una estructura de la forma siguiente
X
|
Λ=5.5
|
Λ=6.0
|
Λ=6.5
|
Λ=7.0
|
0
|
0.0041
|
0.0025
|
0.0015
|
0.0009
|
1
|
0.0225
|
0.0149
|
0.0098
|
0.0064
|
2
|
0.0618
|
0.0446
|
0.0318
|
0.0233
|
3
|
0.1133
|
0.0892
|
0.0688
|
0.0521
|
4
|
0.1558
|
0.1339
|
0.1118
|
0.0912
|
5
|
0.1771
|
0.1606
|
0.1454
|
0.1277
|
6
|
0.1571
|
0.1606
|
0.1575
|
0.1490
|
7
|
0.1234
|
0.1377
|
0.1462
|
0.1490
|
8
|
0.0849
|
0.1033
|
0.1188
|
0.1304
|
Usando excel la función Poisson se debe ubicar en una celda
vacia y escribir =Poisson.DIST
El software demostrará las distribuciones existentes
mientras está escribiendo. Puede observar que entre paréntesis aparecen 3
parámetros.
EJEMPLO
EJEMPLO
Una empresa eléctrica observa el número de componentes que
fallan antes de cumplir 100 horas de funcionamiento es una variable aleatoria
de Poisson. Si el promedio de estos fallos es 8;
1. ¿Cuál es la probabilidad de que falle un componente en 25
horas?
2.¿De qué fallen no más de 2 componentes en 50 horas?
3.¿Cuál es la probabilidad de que fallen por lo menos 10 en 125
horas?
SOLUCIÓN
Usando las tablas estadísticas de Poisson sea la variable
aleatoria "x", con una distribución de Poisson con parámetro
LAMDA=[x=8, que determina el número de componentes que fallan antes de cumplir
100 horas de funcionamiento.
1.Considerando que se cumplen ciertas condiciones de
irregularidad podemos asumir que una variable "z" que mide el número
de componentes que fallan antes de cumplir 25 horas de funcionamiento sigue una
distribución de Poisson con parámetro LAMDAz=2 por lo tanto la probabilidad
deseada es p(z)=1 LAMDA=2)=
2.Análogamente definimos una variable aleatoria U con
distribución Poisson de parámetro =4 que mide el número de componentes que
fallan antes de cumplir las 50 horas de funcionamiento:
P(Us2) LAMDA=4)= 0.0183+0.07334+0.7465=0.2384
3. De la misma forma definiendo una variable aleatoria Uv
con una distribución Poisson de parámetro LAMDA v= 10 Se obtiene:
P(v=10; LAMDA)= 1-P (V<10), LAMDA=10) 1-
(0.0000+0.0076+0.0189+0.0378+0.0631+0.0901+0.1126+0.1251)= 0.5420
SOLUCIÓN USANDO EXCEL:
1. (z=1; LAMDA=2)=POISSON.OIST(1,2,FALSO)= 0.2707
2. P(Us2; LAMDA=4);POISSON.OIST(2,4VERDADERO)=0.2381
3. P(V>_10; LAMDA=10)
1-P(V<10)=1-POISSON.OIST(9,10,VERDADERO)=0.54207
Un ingeniero elabora en un departamento de Control de
Calidad de una empresa eléctrica, inspecciona una muestra al azar de 10
alternadores de un lote. El 20% de los alternadores del lote están defectuosos.
¿Cuál es la probabilidad de que la muestra:
a) Ninguno esté defectuoso
b) Uno salga defectuoso
c) Al menos 2 salgan defectuosos
d) Más de 3 salgan defectuosos
e) No más de 3 estén defectuosos
SOLUCIÓN USANDO TABLAS BINOMIALES
a) p(x=0) b=(x=0; n=10, p=0.2)=0.1074
b) p(x=1) b=(x=1 n=10, p=0.2)=0.2684
c)
p(x>_2)1-p(x<_1)=1-B(x<_1;n=10,p=0.2)=1-(0.1074+0.2684)=0.6242
d) p(x>_3)=1-P(x<_2)=1-B(x<_2;n=10,p=0.2)=1-
(0.1074+0.2684+0.8020)=0.32222
e) p(xz_3)=B(x<_3);n=10, p=0.2)=
0.1074 +0.2684+0.3020+0.2013=0.8791
SOLUCIÓN CON EXCEL:
a) DISTR.BINOM.N(0,10,0.20,FALSO)=0.1734
b) DISTR.BINOM.N(1,10,0.20,FALSO)=0.2684
c) 1-DISTR.BINOM.N(1,10,0.20,VERDADERO)=0.6242
d) 1-DISTR.BINOM.N(2,10,0.20,VERDADERO)=0.3222
e) DISTR.BINOM.N(3,10,0.20,VERDADERO)=0.8791
Supongamos que el número de imperfecciones en un alambre
delgado de cobre sigue una distribución Poisson con una media de 2.4
imperfecciones por milímetro.
a) Determine la probabilidad de 2 imperfecciones en 1
milímetro de alambre.
b) Determine la probabilidad de 10 imperfecciones en 5 mm de
alambre.
c) Determine la probabilidad de al menos 1 imperfección en
mm de alambre.
SOLUCIÓN USANDO LAS TABLAS ESTADÍSTICAS DE POISSON:
a) P(x=2; LAMDA =2.4)=0.2673
b) sea x el número de imperfecciones en 5 mm de alambre entonces x tiene una distribución Poisson con LAMDA =5 mm por 2.4 imperfecciones.
c) Sea x el número de imperfecciones en 2 mm de alambre entonces x tiene una distribución Poisson con LAMDA= 2 (2.4) imperfecciones = 4.8
Entonces p(x>_1;LAMDA=4.8)=1-p(x<1) Lamda=4.8=0.4458
SOLUCIÓN USANDO EXCEL:
a) p(x=2) LAMDA=2.4)POISSON.DIST(2,2.4,FALSO)=0.2673
b) p(x=10; LAMDA=120)=POISSON.DITR(10,12,FALSO)=0.1048
c) p(x>_1; LAMDA=4.8)=1-POISSON.DISTR(0,4,8,VERDADERO)=0.9918
CONTAMINACIÓN
La contaminación constituye un problema en fabricación de discos de almacenamiento óptico. El número de partículas de contaminación que ocurren en un disco optico tienen una distribución Poisson y el número promedio de partículas por cm2 de superficie del disco es 0.1. El área de un disco es de 100 cm2.
a) Encuentren la probabilidad de que ocurra 12 partículas en el área del disco bajo estudio.
b) La probabilidad de que ocurra 0 partículas en el área del disco en estudio.
c) Determinen la probabilidad de que 12 o menos partículas ocurran en el área del disco de estudio.
SOLUCIÓN:
LAMDA= 100 cm2 (0.7) partículas (cm2=10 partículas)
Usando las tablas estadísticas de Poisson:
a) P(x=12, =10)=0.948
b) P(x=0, 10)=0.0
c) P(x<_12; 10)=0.0+0.0005+.....0.948= 0.7946
SOLUCIÓN USANDO EXCEL:
a) P(X=12; 10)=POISSON.DISTR(12,10,FALSO)=0.0948
b) P(x=0; 10)=POISSON.DISTR(0,10,FALSO)=0.000045
c) P(x>_12; 10)=POISSON.DISTR(12,10,VERDADERO)= 0.7916
b) sea x el número de imperfecciones en 5 mm de alambre entonces x tiene una distribución Poisson con LAMDA =5 mm por 2.4 imperfecciones.
c) Sea x el número de imperfecciones en 2 mm de alambre entonces x tiene una distribución Poisson con LAMDA= 2 (2.4) imperfecciones = 4.8
Entonces p(x>_1;LAMDA=4.8)=1-p(x<1) Lamda=4.8=0.4458
SOLUCIÓN USANDO EXCEL:
a) p(x=2) LAMDA=2.4)POISSON.DIST(2,2.4,FALSO)=0.2673
b) p(x=10; LAMDA=120)=POISSON.DITR(10,12,FALSO)=0.1048
c) p(x>_1; LAMDA=4.8)=1-POISSON.DISTR(0,4,8,VERDADERO)=0.9918
CONTAMINACIÓN
La contaminación constituye un problema en fabricación de discos de almacenamiento óptico. El número de partículas de contaminación que ocurren en un disco optico tienen una distribución Poisson y el número promedio de partículas por cm2 de superficie del disco es 0.1. El área de un disco es de 100 cm2.
a) Encuentren la probabilidad de que ocurra 12 partículas en el área del disco bajo estudio.
b) La probabilidad de que ocurra 0 partículas en el área del disco en estudio.
c) Determinen la probabilidad de que 12 o menos partículas ocurran en el área del disco de estudio.
SOLUCIÓN:
LAMDA= 100 cm2 (0.7) partículas (cm2=10 partículas)
Usando las tablas estadísticas de Poisson:
a) P(x=12, =10)=0.948
b) P(x=0, 10)=0.0
c) P(x<_12; 10)=0.0+0.0005+.....0.948= 0.7946
SOLUCIÓN USANDO EXCEL:
a) P(X=12; 10)=POISSON.DISTR(12,10,FALSO)=0.0948
b) P(x=0; 10)=POISSON.DISTR(0,10,FALSO)=0.000045
c) P(x>_12; 10)=POISSON.DISTR(12,10,VERDADERO)= 0.7916
No hay comentarios.:
Publicar un comentario