GUIA 9 Modelo de probabilidad de Poisson.

Las distribucin de Poisson parte de la distribucin binomial:

Cuando en una distribucin binomial se realiza el experimento un nmero "n" muy
elevado de veces y la probabilidad de xito "p" en cada ensayo es reducida, entonces
se aplica el modelo de distribucin de Poisson:
Se tiene que cumplir que:
" p " < 0,10
" p * n " < 10
La distribucin de Poisson sigue el siguiente modelo:

Vamos a explicarla:
El nmero "e" es 2,71828
" " = n * p (es decir, el nmero de veces " n " que se realiza el experimento
multiplicado por la probabilidad " p " de xito en cada ensayo)
" k " es el nmero de xito cuya probabilidad se est calculando
Veamos un ejemplo:
La probabilidad de tener un accidente de trfico es de 0,02 cada vez que se viaja, si se
realizan 300 viajes, cual es la probabilidad de tener 3 accidentes?
Como la probabilidad " p " es menor que 0,1, y el producto " n * p " es menor que 10,
entonces aplicamos el modelo de distribucin de Poisson.

Luego,
P (x = 3) = 0,0892
Por lo tanto, la probabilidad de tener 3 accidentes de trfico en 300 viajes es del 8,9%
Otro ejemplo:
La probabilidad de que un nio nazca pelirrojo es de 0,012. Cul es la probabilidad de
que entre 800 recien nacidos haya 5 pelirrojos?
Luego,
P (x = 5) = 4,602

Por lo tanto, la probabilidad de que haya 5 pelirrojos entre 800 recien nacidos es del
4,6%.
Para determinar la probabilidad de que ocurran x xitos por unidad de tiempo, rea, o
producto, la frmula a utilizar sera:
= media o promedio de xitos por unidad de tiempo, rea o producto
e = 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.
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.
= 6 cheques sin fondo por da
e = 2.718

b) x= variable que nos define el nmero de cheques sin fondo que llegan al banco en
dos das consecutivos = 0, 1, 2, 3, ......, etc., etc.
= 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos das
consecutivos
Nota: siempre debe de estar en funcin de x siempre o dicho de otra forma, debe
hablar de lo mismo que x.
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.
Solucin:
a) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 3
minutos = 0, 1, 2, 3, ...., etc., etc.
= 0.2 x 3 =0.6 imperfecciones en promedio por cada 3 minutos en la hojalata

b) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 5

minutos = 0, 1, 2, 3, ...., etc., etc.
= 0.2 x 5 =1 imperfeccin en promedio por cada 5 minutos en la hojalata

=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.
= 0.2 x 15 = 3 imperfecciones en promedio por cada 15 minutos en la hojalata

3. En una clnica el promedio de atencin es 16 pacientes por 4 horas, encuentre la

probabilidad que en 30 minutos se atiendan menos de 3 personas y que en 180
minutos se atiendan 12 pacientes.

Usamos la distribucin de Poisson

 Esta distribucin es una de las ms importantes distribuciones de variable discreta.
Sus principales aplicaciones hacen referencia a la modelizacin de situaciones en las
que nos interesa determinar el nmero de hechos de cierto tipo que se pueden
producir en un intervalo de tiempo o de espacio, bajo presupuestos de aleatoriedad y
ciertas circunstancias restrictivas.
El parmetro de la distribucin es, en principio, el factor de proporcionalidad para la
probabilidad de un hecho en un intervalo infinitsimo. Se le suele designar como
parmetro de intensidad , aunque ms tarde veremos que se corresponde con el nmero
medio de hechos que cabe esperar que se produzcan en un intervalo unitario (media de
la distribucin); y que tambin coincide con la varianza de la distribucin.
Por otro lado es evidente que se trata de un modelo discreto y que el campo de
variacin de la variable ser el conjunto de los nmero naturales, incluido el
cero:
Funcin de cuanta
A partir de las hiptesis del proceso, se obtiene una ecuacin diferencial de
definicin del mismo que puede integrarse con facilidad para obtener la funcin de
cuanta de la variable "nmero de hechos que ocurren en un intervalo unitario de tiempo
o espacio "
Funcin de cuanta
A partir de las hiptesis del proceso, se obtiene una ecuacin diferencial de
definicin del mismo que puede integrarse con facilidad para obtener la funcin de
cuanta de la variable "nmero de hechos que ocurren en un intervalo unitario de tiempo
o espacio, Que sera :

Es importante aclarar que las tablas de Poisson tienen una estructura como se muestra:

Usando Excel 10 de Microsoft Office La hoja de clculo Excel versin 10 de Microsoft Office
tiene funcin estadstica Poisson.
Se ubica en una celda vaca y escribe =POISSON.DIST el software le mostrar las distribuciones
existentes mientras usted est escribiendo. Puede ver que entre parntesis aparecen tres
parmetros:
x: aqu debe escribir el nmero de xitos que se desea obtener.
media: es el valor de lamda ()
acumulado: verdadero o falso. ( si escribe verdadero: la distribucin calcula la distribucin
binomial acumulada desde x hasta cero; si escribe falso: la distribucin Poisson solo calcula el
valor puntal x). POISSON.DIST(5,7.0,FALSO) = 0.12771667

DOBLE CLIC

SE AGREGA 5;7; (despus del nmero debe ponerse puto y coma ;)

 Y aparece la alternativa de VERDADERO o FALSO
En este ejemplo vamos a usar el FALSO

Y SE DA ENTER

E1. Una empresa electrnica observa que el nmero de componentes que fallan antes de
cumplir 100 horas de funcionamiento es una variable aleatoria de Poisson. Si el nmero
promedio de estos fallos es ocho,
1. cul es la probabilidad de que falle un componente en 25 horas?
2. y de que fallen no ms de dos componentes en 50 horas?
3. cul es la probabilidad de que fallen por lo menos diez en 125 horas?
SOLUCIN:
EN 100 horas el nmero promedio de estos fallos es 8
EN 50 horas el nmero promedio de estos fallos es 4
EN 25 horas el nmero promedio de estos fallos es 2
1. Se ingresan los datos: 1;2; (y se elige la opcin FALSO)

1. P(Z=1;=2)= POISSON.DIST(1,2,FALSO)=0.2707
2. P(U2;=4)= POISSON.DIST(2,4,VERDADERO)=0.2381

3.

E2. Supongamos que el nmero de imperfecciones en un alambre delgado de cobre sigue una
distribucin Poisson con una media de 2.4 imperfecciones por milmetro.
(a) Determine la probabilidad de 2 imperfecciones en un milmetro de alambre.
(b) Determine la probabilidad de 10 imperfecciones en 5 milmetros de alambre.
(c) Determine la probabilidad de al menos una imperfeccin en 2 mm de alambre
SOLUCIN:
Solucin usando Excel 10, obtenemos los resultados siguientes:
(a) P(x=2;=2.4)= POISSON.DIST(2,2.4,FALSO)=0.2613

(b) P(x=10;=12.0)= POISSON.DIST(10,12,FALSO)=0.1048.

E3. La contaminacin constituye un problema en la fabricacin de discos de almacenamiento
ptico. El nmero de partculas de contaminacin que ocurren en un disco ptico tiene una
distribucin de Poisson y el nmero promedio de partculas por centmetro cuadrado de
superficie del disco es 0.1. El rea de un disco bajo estudio es 100 centmetros cuadrados.
(a) Encuentre la probabilidad de que ocurran 12 partculas en el rea del disco bajo estudio.
(b) La probabilidad de que ocurran cero partculas en el rea del disco bajo estudio
(c) Determine la probabilidad de que 12 o menos partculas ocurran en el rea del disco bajo
estudio.
Solucin:
=np = 100 cm2 (0.1) partculas/cm2 =10 partculas
Solucin usando Excel 10, obtenemos los resultados siguientes:
(a) P(x=12;=10)=POISSON.DIST(12,10,FALSO)= 0.0948
(b) P(x=0;=10)= POISSON.DIST(12,10,FALSO)= 0.000045
(c) P(x12; =10)=0.0000+0.0005+ + 0.0948= 0.7916
(c) P(x12; =10)= POISSON.DIST(12,10,VERDADERO)=0.7916