ee eo a ESTADISTICA I FACULTAD DE ECONOMIA - UNMSM DISTRIBUCION DE POISON Es un modelo util para describir eventos que ocurren no como resultado de un ntimero definido de pruebas de un experimento sino como ei nimero de ‘ocurrencias del evento en un intervalo continuo (de tiempo 0 espacio) Ejemplos: 4 El numero de famadas telefonices que llegan a una central en un intervalo de 20 minutos +4 El nmero de aviones que llegan a un aeropuerto cada 8 horas. + El numero de personas que llegan a fa ventanilla de un banco cada mafiena & Elnumero de defectos en la superficie de un artefacto etéctrico, etc, ‘Su funcion de cuantia es. O fe) = p(x, A= oh x! 6 fx) = pk, at) = 6 (aty* x! Donde: \ Asdt=yp d= Mt oO i= cumple ; E(x) = Vix) =A - i (ae Y la funcién de Probabilidad Acumulada es : FOEPX Que la probabilidad de ocurrenca de mas de un evento en cualquier punto unico es aproximadamente cero. » Elnumero de ocurrencias en cualquier intervalo es independiente del nmero de ocurrencias en otros intervaios En la mayoria de ejemplos es dificil imaginar un numero ilimitado de ocurencias por unidad. Poisson puede no representar exactamente cualquiera de los procesos aleatorios mencionados. No obstante, es un modelo para aproximarse a tales procesos Generaimente, en una tipica distibucion de frecuencias, toda la probabilidad se encuentra cerca del origen y la probabilidad de observar grandes valores de fa variable aleatoria es muy pequetia. Entonces cualquier diferencia entre lo que teoricamente puede ocurir y Io que sea probable que suceda es, por tanto, insinifcante. MD/CLASESI/DPISON Pagina 2 de®DISTEIBUCIOW DE Povssaw Powsson (malema'lie frances 173/- 2&yo) Esta deslribveon de 2 Prmas’ Aa berlic del proceso de Pocssan - evenles déscreles en inlervalos continues. 2) como Lémile de lz dislribecar binomial 7 Las probabilidades de Poisson dan velores aprokimades = Las probabilidedes binomiales, avando; — tenemos valores peguenos de b (peo, pco.or) ~ nes grande a referenda np es nx, /00 mao | satenaa) = ¢asos o eventos rares MD) og Bi gitar, WS e;t, o binomcal modede. pOcen)=(h) pe gr, Mie oe ei pad me manece mvc tig. pero tq:mp per Ain (Bray 5 eh ns tonds pe ‘Yden Etal=s A =np =A ere embarg tS Erdle cotta prrbebclctaces (Ae frectclins pberrceniad” prreim perth mepotely- ae fersifi A, te hey be prrtaLided baapat Gem elt pe o.s D> 2c Keren, O4 2 fee Oo. fp <9 04 casos ravesSe defn boc Je Poosse, l i 4 come wuz xproximecon de le or 7ridversn Smomal Potemos sproximar les pe babs lice Set domemizles 2 Les prbebrlidedtet te 2 OF. Pa rreoy ewsmde 4 0: grande xP pegeeie Flx)s Az up» paA a X= 0,42 aoe at PX: x)z (2) 4% Go pyt™ = f x) Gt) p (- p) = (epee? pr C-pe™ (m- x +1)... (me = BY 7 | f- wa} J heeemes Ye UD @ tg pro tq mp perma nc ee constente ereeeeey | f ; xf ¢ 4 . hin d* | f- ) ["- 4)3.. fe ae. y Myo xt wil mw Tree wasn —" 4 “> Plies! = D»* © x! 7 L ae i oe - a Gee et une dufibueim de Porson can pavamelo §4,28 Si fod= de". 26 Sea YX! ode exiles enon pertode t des ef numero promedcc de peurvencies enTt . pete dT (pro. de excle) Xv Bln, at) seater etait Tm / 7 Cuando n= pro x n-x Lem PlR=2x) = liom (2) (22) (i 3 nm eee m m rm? pee -at x THk=x) 2 2 Ot) +g 0, 2,30 ™ , xt er Sé gueremes calwler f(Tet)= '- p(T >t) donde La @(T>t) signifece be probabelidad gue ne secede, un edenle en el infervalo (0/t), en otras palabras, x Ser22 vyuel 2 c5oro, enbbxees ee vs i: =~ PlPetyecr- pir >t= %- 2 fr2)* —— x7 rat - z/-e@PRACTICA DE ESTADISTICA II FACULTAD DE ECONOMIA UNMSM Distribucién de Poisson Prof. Nelly Morillo 1. Las personas llegan a la ventanilla de un banco razon de 15 por hora durante un periodo de tiempo determinado. a) Cuél es la probabilidad que 4 clientes lleguen durante un periodo de 10 minutos? b) Que lleguen al menos 8 personas? \ ©) Que lleguen a lo mas 10 personas? 2. Las aguas de la playa “X" contienen cierto tipo de bacterias a razén de 10 bacterias por cm*. Se toma una muestra de 1 cm? a) Cudl es la probabilidad que en la muestra haya por lo menos 3 bacterias? b) Cual es la probabilidad que en % cm® haya por lo menos una bacteria? “wo . Una central telefénica recibe en promedio 2 llamadas cada 5 minutos. Cual es la probabilidad que ocurran 6 llamadas en un periodo de 10 minutos? 4. Un fabricante de telas afirma que el numero de fallas en su produccién es una cada 2m. Una muestra de 1m? de su producto seleccionado al azar, muestra 3 fallas. Cul es la probabilidad de obtener 3 0 mas fallas en cualquier m?, si lo que dice el fabricante es cierto? 5. En una avenida de una ciudad hay en promedio 12 muertos por accidente de transito cada 3 meses. a) Cual es la probabilidad de que haya mas de 4 muertos cada mes? b) Qué haya exactamente 4 muertos en cualquier mes? 6. El némero de accidentes automovilisti ‘una ciudad en un periodo de 30 dias se distribuyen de la siguien a oy] th -2 3 4 5 | 1 rere cae 4 2 1 MD/PRACTICAS/POISSON Page 1 of 2UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE CIENCIAS ECONOMICAS ESCUELA ACADEMICO PROFESIONAL DE ECONOMIA. 6. El numero de accidentes automovilfsticos en una ciudad en un perfodo de 31 dias se distribuyen de la siguiente forma: [Node 071 2 les | 4 5 | Total _accidentes I | | | | (Node ma eg a 2/1] _dias I i | 1 1 a) Puede considerarse esta distribucién como una distribucién de Poisson? b) Calcule las frecuencias teéricas 0 esperadas? 7. Un artefacto electrénico contiene 100 componentes eléctricos. Durante el funcionamiento, la probabilidad de una falla para cada uno de sus componentes es 0,03. Se asume que la falla de un componente es independiente de otra falla. Cua es la probabilidad de que: a) No haya fallas b) Haya 2 fallas c) Haya mas de 2 fallas d) Compare los resultados con la verdadera distribucién de probabilidad. 8. El namero promedio de automéviles que llegan a una garita de peaje es 120 por hora. ©) Caleule la probabilidad de que en un minuto cualquiera no Hegue automévil alguno d) Calcule la probabilidad de que en el perfodo de 3 minutos Heguen més de $ autos e) Si la garita puede atender a un méximo de 3 autos en 30 segundos, calcule la probabilidad de que en medio minuto dado, lleguen més autos. D:PRACTICAEII/DPOISSON [escribir texto} 2/ “ae | L Ade ete Maser ya eer =| 2b baa be 1 i EHH at abet 4 | cane fal ert age | t i) | t (A) = Atl L = Plea) | t | 200 7%0 | I rr 24 abedey Lae | lds Lk Agi 26 nails ant | | ate] lated fhe ba | lnc | [ann BEBO ag etal | O14, | ow. J 4 LL le (acho Tt Al + Lele le pee! | Pr $400 seen id | as 18, pallet al TTT (73 Pik pc TT a fe RE hel [Actet)= | ile erb Dat bebe] pretest =| 7- el tat = Ale Cr am M4 . Atrsiz) = |e] 47> 2 Tet BF dey ET er[ . Sake g i TT + RC S fT EE | } i | pt Lt Af x | Ps ir | =| ba 7 4 + | BS t ee a +t} a t Sts i x b } 5 p = a E Lae ' a] gon aE EER HEE on Tae Ts Tice aw | { im F | ac { e “DLL PEASE AHR AE “ye TER [- 5 “7 | | yo x q x ~ “ Sl o x w Sy Pay SCAT + | ial | a [Tel L RT I nie ! PPP ERE