Upload
jcarreto
View
131.301
Download
4
Embed Size (px)
Citation preview
Distribución de Poisson
Ing. Julio Carreto
Ing. Julio Carreto 2
Para entender la Distribución de Poisson, vamos analizar un ejemplo detenidamente.
La Distribución de Poisson
Ing. Julio Carreto 3
Supongamos que se tiene una tabla rectangular de madera, de 1 metro por 1 metro, pintada con un recubrimiento sobre cuya superficie se presentan aleatoriamente pequeños defectos.
La Distribución de Poisson
Ing. Julio Carreto 4
Estos defectos podrían ser por ejemplo partículas muy pequeñas de pigmento que no fueron bien molidas al fabricar la pintura. Se desea calcular la probabilidad de que aparezcan estos defectos.
La Distribución de Poisson
Ing. Julio Carreto 5
La Distribución de Poisson
Defectos
Ing. Julio Carreto 6
Podríamos subdividir la superficie en zonas rectangulares mas pequeñas y de igual tamaño:
La Distribución de Poisson
Ing. Julio Carreto 7
La Distribución de Poisson
Ing. Julio Carreto 8
Ahora tenemos la superficie dividida en 4 zonas rectangulares de igual tamaño. Observamos que en algunas zonas aparece un defecto superficial y en otras no.
La Distribución de Poisson
Ing. Julio Carreto 9
Vamos a hacer las siguientes suposiciones:1) En cada zona sólo puede aparecer 1 defecto.2) Si la probabilidad de que aparezca un defecto en todo el área es p, la probabilidad de que aparezca un defecto en una zona es p/4.
La Distribución de Poisson
Ing. Julio Carreto 10
Entonces, utilizando la Distribución Binomial podemos calcular la probabilidad de que en nuestra superficie aparezcan 0, 1, 2, 3, 4 defectos:
La Distribución de Poisson
Ing. Julio Carreto 11
El promedio de defectos en la superficie total será:
La Distribución de Poisson
Ing. Julio Carreto 12
Pero sabemos que en realidad en cada zona podrían aparecer más de 1 defecto. Esto hace inexacto nuestro cálculo.
La Distribución de Poisson
Ing. Julio Carreto 13
La Distribución de Poisson
Ing. Julio Carreto 14
Podríamos hacer el cálculo más exacto si subdividimos las zonas:
La Distribución de Poisson
Ing. Julio Carreto 15
La Distribución de Poisson
Ing. Julio Carreto 16
Dividimos cada zona en 4 y ahora tenemos 16 zonas. La probabilidad de tener 1 defecto en una zona es:
La Distribución de Poisson
Ing. Julio Carreto 17
Podemos entonces calcular la probabilidad de tener 0, 1, 2, 3, ...., 16 defectos en el área total:
La Distribución de Poisson
Ing. Julio Carreto 18
Y el promedio de defectos en la superficie resulta ser el mismo que antes:
La Distribución de Poisson
Ing. Julio Carreto 19
Aún así podrían aparecer más defectos por zona:
La Distribución de Poisson
Ing. Julio Carreto 20
La Distribución de Poisson
Ing. Julio Carreto 21
Si dividimos nuevamente cada zona en 4 tendríamos 64 zonas y ahora la probabilidad de tener 1 defecto en una zona sería:
La Distribución de Poisson
Ing. Julio Carreto 22
La Distribución de Poisson
Ing. Julio Carreto 23
La Distribución de Poisson
La probabilidad de tener 0, 1, 2, 3, ....., 64 defectos en la superficie total sería:
Ing. Julio Carreto 24
Y nuevamente el promedio de defectos en la superficie resulta:
La Distribución de Poisson
Ing. Julio Carreto 25
Lo que estamos haciendo es ir aumentando n al mismo tiempo que disminuye p en igual proporción. Por lo tanto el promedio de defectos en la superficie total n.p se mantiene constante.
La Distribución de Poisson
Ing. Julio Carreto 26
Como vimos, al suponer que en cada subzona sólo puede haber 1 defecto o ningún defecto estamos cometiendo un error. Este error se hace cada vez menor, porque a medida que subdividimos el area total se hace menos probable que en una subzona aparezca mas de un defecto.
La Distribución de Poisson
Ing. Julio Carreto 27
Si continuamos subdividiendo el área indefinidamente, la fórmula binomial nos dará la probabilidad de obtener 0, 1, 2, 3, ... n defectos, con n tendiendo a infinito.
La Distribución de Poisson
Ing. Julio Carreto 28
En el límite, la fórmula binomial tiende a la fórmula de Poisson:
x variable aleatoria parámetro de la Dist. de Poisson
La Distribución de Poisson
Ing. Julio Carreto 29
El producto de n por p, en el límite, es igual al parámetro de la distribución:
La Distribución de Poisson
Ing. Julio Carreto 30
El número de defectos x en la superficie total es una variable aleatoria discreta que puede tomar valores 0, 1, 2, 3, 4, ... y cuya distribución de probabilidades se conoce como Distribución de Poisson.
La Distribución de Poisson
Ing. Julio Carreto 31
La Distribución de Poisson
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 240.00
0.03
0.05
0.08
0.10
0.13
0.15
0.18
0.20
Distribución de Poisson
x
P(x
)
Ing. Julio Carreto 32
Se puede observar que la curva de la función de Poisson es asimétrica, como la binomial. El promedio de esta variable aleatoria es igual al parámetro de la distribución:
La Distribución de Poisson
Ing. Julio Carreto 33
Y la varianza también es igual al parámetro de la distribución:
La Distribución de Poisson
Ing. Julio Carreto 34
Por lo tanto, la desviación standard es:
La Distribución de Poisson
Ing. Julio Carreto 35
La distribución de Poisson tiene una propiedad cuyas consecuencias son muy importantes para el Control Estadístico de Procesos.
La Distribución de Poisson
Ing. Julio Carreto 36
Supongamos que se tienen m variables aleatorias de Poisson:
La Distribución de Poisson
VariableParámetro
x1 1
x2 2
x3 3
...xm m
Ing. Julio Carreto 37
Si w es una combinación lineal de tales variables:
La Distribución de Poisson
Ing. Julio Carreto 38
Entonces w es una variable aleatoria de Poisson con parámetro:
La Distribución de Poisson
Ing. Julio Carreto 39
Esto es muy importante porque podemos imaginar el producto fabricado por un proceso (Una licuadora, una computadora, un televisor, etc.) como una superficie en la que se pueden producir múltiples defectos, y donde el número de cada tipo de defecto es una variable aleatoria de Poisson.
La Distribución de Poisson
Ing. Julio Carreto 40
Entonces, la propiedad mencionada nos permite tratar la suma de todos los tipos de defectos como una variable aleatoria de Poisson. Esto se utiliza para el control del Número de Defectos en un producto (Gráficos C).
La Distribución de Poisson
Ing. Julio Carreto 41
Supongamos ahora que tenemos un gran lote de artefactos, por ejemplo licuadoras. Tomamos una muestra de m = 5 unidades y medimos el número total de defectos en las 5 unidades.
La Distribución de Poisson
Ing. Julio Carreto 42
Si obtuvimos x1, x2, x3, ... xm defectos en cada unidad, el número total de defectos será:
La Distribución de Poisson
Ing. Julio Carreto 43
El número promedio de defectos por unidad será:
La Distribución de Poisson
Ing. Julio Carreto 44
y es una variable aleatoria discreta que puede tomar valores 0, 1/m, 2/m, 3/m, ..., etc. ¿Cuál es la varianza de y?
La Distribución de Poisson
Ing. Julio Carreto 45
La Distribución de Poisson
Ing. Julio Carreto 46
La varianza de xi es cualquiera que sea el subindice i, porque todas las xi tienen la misma distribución:
La Distribución de Poisson
Ing. Julio Carreto 47
Por lo tanto:
La Distribución de Poisson
Ing. Julio Carreto 48
Este es un importante resultado que se utilizará para calcular la varianza en los Graficos U.
La Distribución de Poisson
Ing. Julio Carreto 49
Fin de la
sección