Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Distribución de Poisson Ejemplo 1: Considere la transmisión de n bits en un canal de comunicación digital. Sea la variable aleatoria X igual al número de bits con error. Cuando la probabilidad de que un bit tenga un error es constante y las transmisiones son independientes, X tiene una distribución binomial. Sea que p denote la probabilidad de que un bit tenga un error. Entonces, E(X) = pn. Ahora bien, suponga que el número de bits transmitidos aumenta y que la probabilidad de un error disminuye justo lo necesario para que pn se mantenga igual a una constante, digamos λ. Es decir, n se incrementa y p decrece consecuentemente, de tal modo que E(X) permanece constante. Entonces Ejemplo 2. Se presentan imperfecciones aleatoriamente a lo largo de un alambre delgado de cobre. Sea que X denote la variable aleatoria que cuenta el número de imperfecciones en una longitud de L milímetros de alambre y suponga que el número promedio de imperfecciones en L milímetros es λ. Distribución de Poisson: Definición Dado un intervalo de números reales, suponga que ocurren conteos al azar a lo largo del intervalo. Si puede hacerse la partición del intervalo en subintervalos con una longitud suficientemente pequeña tal que: 1. La probabilidad de más de un conteo en un subintervalo es cero 2. La probabilidad de un conteo en un subintervalo es la misma para todos los subintervalos y proporcional a la longitud del subintervalo 3. El conteo en cada subintervalo es independiente de los demás subintervalos. Ejercicio 1. Para el caso del alambre de Cu, suponga que sigue una distribución de Poisson con una media de 2.3 imperfecciones por mm. Determine la probabilidad de encontrar 2 imperfecciones en 1 mm. a) Determine la probabilidad de encontrar 2 imperfecciones en 1 mm. b) Determine la probabilidad de encontrar 10 imperfecciones en 5 mm de alambre c) Determine la probabilidad de encontrar al menos una imperfección en 2 mm de alambre Ejercicio 2. La contaminación constituye un problema en la fabricación de discos de almacenamiento óptico. El número de partíulas de contaminación que ocurre en un disco óptico tiene una distribución de Poisson y el número promedio de partículas por centrímetro cuadrado de superfice del disco es 0.1. El área de un disco bajo estudio es 100 cm2. a) Encuentre la probabilidad de que ocurran 12 partículas en el área del disco bajo estudio. b) Encuentre la probabilidad de que ocurran 0 partículas en el área del disco bajo estudio. c) Encuentre la probabilidad de que ocurran 12 o menos partículas en el área del disco bajo estudio. Media μ = E(X) = λ Varianza σ2 = V(X) = λ Cuando la varianza de los datos de los conteos es mucho más grande que la media, entonces la distribución de Poisson no es un buen modelo para la distribución de variable aleatoria. Ejercicio 3. Con frecuencia se estables un modelo de Poisson para el número de llamdas telefónicas que entran en una central telefónico. Suponga que hay en promedio 10 llamadas por hora. a) ¿Cuál es la probabilidad de que haya exactamente 5 llamadas en una hora? b) ¿cuál es la probabilidad de que haya 3 o menos llamadas en un hora? c) ¿Cuál es la probabilidad de que haya 15 llamadas en dos horas? d) ¿cuál es la probabilidad de que haya 5 llamadas en 30 minutos? Ejercicio 4.Se supone que el número de grietas en un trama de una carretera interestatal que tiene reparación sigue una distribución de Poison con una media de 2 grietas por milla. a) ¿cuál es la probibilidad de que no haya grietas que requieran reparación en 5 millas? b) ¿cuál es la prob. D eque haya al menos una grieta? c) Si el número de grietas se relaciona con la carga vehicular en la carretera y algunos tramos de la misma tiene una carga intensa de vehículos y otros una carga ligera, ¿qué piensa acerca del supuesto de que el número de grietas sigue una distribución de Poisson? Montgomery pp. 135 Distribución de Poisson Considere la transmisión de n bits en un canal de comunicación digital. Sea la variable aleatoria X igual al número de bits con error. Cuando la probabilidad de que un bit tenga un error es constante y las transmisiones son independientes, X tiene una distribución binomial. Sea que p denote la probabilidad de que un bit tenga un error. Entonces, E(X) = pn. Ahora bien, suponga que el número de bits transmitidos aumenta y que la probabilidad de un error disminuye justo lo necesario para que pn se mantenga igual a una constante, digamos λ. Es decir, n se incrementa y p decrece consecuentemente, de tal modo que E(X) permanece constante. Entonces : Montgomery pp. 136 Ejemplo 2. Se presentan imperfecciones aleatoriamente a lo largo de un alambre delgado de cobre. Sea que X denote la variable aleatoria que cuenta el número de imperfecciones en una longitud de L milímetros de alambre y suponga que el número promedio de imperfecciones en L milímetros es λ. Montgomery, pag. 138 Ej 4-31 Ejercicio 1. Para el caso del alambre de Cu, suponga que sigue una distribución de Poisson con una media de 2.3 imperfecciones por mm. Determine la probabilidad de encontrar 2 imperfecciones en 1 mm. b) Determine la probabilidad de encontrar 2 imperfecciones en 1 mm. d) Determine la probabilidad de encontrar 10 imperfecciones en 5 mm de alambre e) Determine la probabilidad de encontrar al menos una imperfección en 2 mm de alambre
Compartir