Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
INGENIERIA INDUSTRIAL
INDICE
INVESTIGACIN DE OPERACIONES II
INGENIERIA INDUSTRIAL
INTRODUCCIN En teora de probabilidad y estadstica, la distribucin de Poisson es una distribucin de probabilidad discreta que expresa, a partir de una frecuencia de ocurrencia media, la probabilidad que ocurra un determinado nmero de eventos durante cierto periodo de tiempo. Fue descubierta por Simon-Denis Poisson, que la dio a conocer 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). La distribucin Poisson es, junto con la distribucin binomial, una de las ms importantes distribucin de probabilidad para variables discretas, es decir, slo puede tomar los valores 0, 1, 2, 3, 4,..., k. La finalidad del presente objeto de aprendizaje, es adquirir la destreza y conocimiento necesario para la correcta utilizacin de la distribucin de Poisson en el clculo de probabilidades. Para ello, en primer lugar presentamos los objetivos especficos que pretendemos conseguir; a continuacin trabajaremos la definicin y caractersticas de la distribucin de Poisson, haciendo especial relevancia en cmo identificarla y diferenciarla de otras distribuciones discretas y se resuelven algunos ejemplos prcticos.
INVESTIGACIN DE OPERACIONES II
INGENIERIA INDUSTRIAL
DISTRIBUCIN DE POISSON. En estadstica y simulacin un Proceso de Poisson (tambin conocido como "Ley de los sucesos raros") llamado as por el matemtico Simon Denis Poisson (17811840) es un proceso estocstico de tiempo continuo que consiste en "contar" eventos raros (de ah el nombre "ley de los eventos raros") que ocurren a lo largo del tiempo. Un proceso Poisson con intensidad (o tasa) es un proceso de contar en
tiempo continuo
, donde
2. Si 3. Para
entonces todo y
5.
6.
INVESTIGACIN DE OPERACIONES II
INGENIERIA INDUSTRIAL
variable aleatoria; pero, despus del instante es un dato. Se trata de un modelo discreto, pero en el que el conjunto de valores con probabilidad no nula no es finito, sino numerable. Se dice que una variable aleatoria X sigue la distribucin de Poisson si su funcin de densidad viene dada por:
CARACTERSTICAS En este tipo de experimentos los xitos buscados son expresados por unidad de rea, tiempo, pieza, etc, etc,: - # de defectos de una tela por m2 - # de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc, etc. - # de bacterias por cm2 de cultivo - # de llamadas telefnicas a un conmutador por hora, minuto, etc, etc. - # de llegadas de embarcaciones a un puerto por da, mes, etc, etc. Para determinar la probabilidad de que ocurran x xitos por unidad de tiempo, rea, o producto, la frmula a utilizar sera:
INVESTIGACIN DE OPERACIONES II
INGENIERIA INDUSTRIAL
donde: p(x, ) = probabilidad de que ocurran x xitos, cuando el nmero promedio de ocurrencia de ellos es
= media o promedio de xitos por unidad de tiempo, rea o producto = 2.718 x = variable que nos denota el nmero de xitos que se desea que ocurra
Hay que hacer notar que en esta distribucin el nmero de xitos que ocurren por unidad de tiempo, rea o producto es totalmente al azar y que cada intervalo de tiempo es independiente de otro intervalo dado, as como cada rea es independiente de otra rea dada y cada producto es independiente de otro producto dado.
Si
simo, entonces
parmetro
INVESTIGACIN DE OPERACIONES II
INGENIERIA INDUSTRIAL
Si
PROCESOS DE POISSON NO HOMOGENEOS. A menudo son ms realistas los modelos basados en procesos de Poisson no homogneos, en los que la tasa de llegadas es una funcin del parmetro de tiempo, (t). Formalmente esto significa que un Proceso de Poisson no homogneo es un proceso de contar que satisface: 1.
4.
Los tres mtodos ms conocidos de generacin de un proceso de Poisson no homogneo de este tipo se basan en la modificacin de la escala de tiempo, en el condicionamiento y en una adaptacin del mtodo de rechazo. Para procesos homogneos hay una densidad media . Eso significa que la media
INVESTIGACIN DE OPERACIONES II
INGENIERIA INDUSTRIAL
es
una variable aleatoria de distribucin exponencial con parmetro . La distribucin de Poisson se puede expresar de forma grfica, ya que en realidad consiste en un diagrama de barras, similar a los obtenidos en la funcin de probabilidad, pero con forma asimtrica positiva como sucede con la distribucin binomial. Sin embargo al ir aumentando los valores de , va adquiriendo la tpica forma de campana de Gauss, pudiendo a deducirse, que conforme aumenta , las variables de Poisson van a poder aproximarse a la distribucin normal, por el Teorema Central del Lmite. La aproximacin se considera buena para valores de iguales o superiores a 9.
INVESTIGACIN DE OPERACIONES II
INGENIERIA INDUSTRIAL
APLICACIONES. Se pueden modelar muchos fenmenos como un proceso de Poisson. El nmero de sucesos en un intervalo de tiempo dado es una variable aleatoria de distribucin de Poisson donde es la media de nmeros de sucesos en este
en un Proceso de
Poisson de intensidad
Otras aplicaciones:
La cantidad de clientes que entran a una tienda. El nmero de coches que pasan por una autopista.
ING. ARTURO VELASCO BERNAL
INVESTIGACIN DE OPERACIONES II
INGENIERIA INDUSTRIAL
La llegada de personas a una fila de espera. El nmero de llamadas que llegan a una central telefnica. Partculas emitidas por un material radiactivo.
Ejemplos: 1. Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las probabilidades de que reciba, a) cuatro cheques sin fondo en un da dado, b) 10 cheques sin fondos en cualquiera de dos das consecutivos? Solucin: a) x = variable que nos define el nmero de cheques sin fondo que llegan al banco en un da cualquiera = 0, 1, 2, 3, ....., etc, etc.
b)
10
INVESTIGACIN DE OPERACIONES II
INGENIERIA INDUSTRIAL
2. En la inspeccin de hojalata producida por un proceso electroltico continuo, se identifican 0.2 imperfecciones en promedio por minuto. Determine las probabilidades de identificar a) una imperfeccin en 3 minutos, b) al menos dos imperfecciones en 5 minutos, c) cuando ms una imperfeccin en 15 minutos.
11
INGENIERIA INDUSTRIAL
x = variable que nos define el nmero de imperfecciones en la hojalata por cada 3 minutos = 0, 1, 2, 3, ...., etc., etc.
b)
=1-(0.367918+0.367918) = 0.26416 c) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 15 minutos = 0, 1, 2, 3, ....., etc., etc.
12
INVESTIGACIN DE OPERACIONES II
INGENIERIA INDUSTRIAL
13
INVESTIGACIN DE OPERACIONES II
INGENIERIA INDUSTRIAL
CONCLUSIN El modelo de distribucin de Poisson sirve para definir variables aleatorias discretas X, X ~ Ps () que representan el nmero promedio de ocurrencias de un fenmeno durante un periodo de tiempo fijo o une regin fija del espacio. Por lo general se asemejan a variables binomiales con un elevado valor de n y un valor muy bajo de p y vendrn caracterizadas un valor promedio, np, al que se denomina . La distribucin de Poisson se emplea para describir varios procesos, entre otros: El nmero de autos que pasan a travs de un cierto punto en una ruta (suficientemente distantes de los semforos) durante un periodo definido de tiempo. El nmero de errores de ortografa que uno comete al escribir una nica pgina. El nmero de llamadas telefnicas en una central telefnica por minuto. El nmero de servidores web accedidos por minuto. El nmero de defectos en una longitud especfica de una cinta magntica. El nmero de mutaciones de determinada cadena de ADN despus de cierta cantidad de radiacin. El nmero de defectos por metro cuadrado de tela. El nmero de estrellas en un determinado volumen de espacio.
Cada una de estas variables aleatorias representa el nmero total de ocurrencias de un fenmeno durante un periodo de tiempo fijo o en una regin fija del espacio. Expresa la probabilidad de un nmero k de ocurrencias acaecidas en un tiempo fijo, si estos eventos ocurren con una frecuencia media conocida y son independientes del tiempo discurrido desde la ltima ocurrencia o suceso. BIBLIOGRAFA Hillier Lieberman, INVESTIGACIN DE OPERACIONES, Mc Graw Hill 7 Edicin 2002.
ING. ARTURO VELASCO BERNAL
14
INVESTIGACIN DE OPERACIONES II
INGENIERIA INDUSTRIAL
15