2.

3 DISTRIBUCIÓN DE POISSON DICIEMBRE 2017

POISSON
Siméon Denis Poisson, (1781-1840), astronauta
francés, alumno de Laplace y Lagrange, en
Recherchés sur la probabilité des jugements....,
la distribución de Poisson recién aparecía.

Esta distribución de probabilidades fue uno de

los múltiples trabajos matemáticos que Dennis
completó en su productiva trayectoria.
 LA DISTRIBUCIÓN DE POISSON

La distribución de probabilidad de Poisson describe el

número de veces que se presenta un evento durante un
intervalo específico.

El intervalo puede ser de tiempo, distancia, área o

volumen.

El evento debe considerarse como un suceso raro.

LA DISTRIBUCIÓN DE POISSON

 La distribución de probabilidad de Poisson es un ejemplo

de distribución de probabilidad discreta.
 La distribución de Poisson parte de la distribución
binomial.
 Cuando en una distribución binomial se realiza el
experimento muchas veces, la muestra n es grande y la
probabilidad de éxito p en cada ensayo es pequeña.

Se tiene que cumplir que:

p < 0.10
n * p < 10
DISTRIBUCIÓN DE POISSON
La distribución se basa en dos supuestos.
1. La probabilidad es proporcional a la longitud del intervalo
2. Los intervalos son independientes:
 Cuanto más grande sea el intervalo, mayor será la probabilidad;
 El número de veces que se presenta un evento en un intervalo no
influye en los demás intervalos.
La distribución también constituye una forma restrictiva de la
distribución binomial cuando la probabilidad de un éxito es muy
pequeña y n es grande.
DISTRIBUCIÓN DE POISSON
Una distribución de probabilidad de Poisson posee tres características:

La probabilidad de ocurrencia de un acontecimiento es muy pequeña,

pero el número de intentos es muy grande.
DISTRIBUCIÓN DE POISSON
UTILIDAD

La distribución de Poisson se utiliza en situaciones donde los sucesos son

impredecibles o de ocurrencia aleatoria.

Permite determinar la probabilidad de ocurrencia de un suceso con

resultado discreto.

Es muy útil cuando la muestra n es grande y la probabilidad de éxitos p

es pequeña.
DISTRIBUCIÓN DE POISSON
EJEMPLOS DE LA UTILIDAD

“La probabilidad de obtener “X “ éxitos en un intervalo continuo”

 Se emplea para describir varios procesos:

 La demanda de servicios en un hospital por parte de los

pacientes.

 El número de accidentes en un cruce.

 El número de defectos en una tela por m2.

 El número de bacterias por cm2.

 DISTRIBUCIÓN DE POISSON
EJEMPLOS DE LA UTILIDAD

La llegada de un cliente a un negocio durante una hora.

Las llamadas telefónicas que se reciben en un día.

El número de rayones y otras imperfecciones en las cabinas de

automóviles recién pintados.

Los envases llenados fuera de los límites por cada 100 galones de
producto terminado.
DISTRIBUCIÓN DE POISSON

media o promedio de éxitos por unidad de tiempo, área o

producto.
DISTRIBUCIÓN DE POISSON

x es una variable aleatoria discreta que indica el número de ocurrencias en

el intervalo.
DISTRIBUCIÓN DE POISSON
MEDIA
DISTRIBUCIÓN DE POISSON
EJEMPLO

La probabilidad de que haya un accidente en una compañía de

manufactura es de 0.02 por cada día de trabajo. Si se trabajan 300
días al año, ¿cuál es la probabilidad de tener 3 accidentes?
 p: es menor que 0.1,
 u: y el producto n * p es menor que 10 (300 * 0.02 = 6)

 P(x = 3) = 0.0892
 La probabilidad de tener 3 accidentes laborales en 300 días de
trabajo es de 8.9%.
 DISTRIBUCIÓN DE POISSON
EJEMPLO

 La probabilidad de que un producto salga defectuoso es de

0.012.
 ¿Cuál es la probabilidad de que entre 800 productos ya
fabricados hayan 5 defectuosos?
DISTRIBUCIÓN DE POISSON
EJEMPLO
Supóngamos que estamos investigando la seguridad de un crucero muy
peligroso. Los archivos de la policía indican que se producen en una
media de 5 accidentes por mes.
El número de accidentes está distribuido conforme a la distribución de
Poisson, y la división de seguridad en carreteras quiere calcular la
probabilidad de exactamente 0,1,2,3 y 4 accidentes en un mes
determinado.
Aplicando la fórmula anterior:

P(0) = (5)0 (e-5) /0! = 0.00674

P(1) = (5)1 (e-5) /1! = 0.03370

P(2) = (5)2 (e-5) /2! = 0.08425

P(3) = (5)3 (e-5) /3! = 0.14042

P(4) = (5)4 (e-5) /4! = 0.17552

 DISTRIBUCIÓN DE POISSON
EJEMPLO

 Para saber cual es la probabilidad en 3 o menos (X ≤ 3):

sumaremos las probabilidades de 0,1,2,3 lo que será igual a :

P(X ≤ 3) = P(0)+P(1)+P(2)+P(3) = 0.26511

 Para saber cual es la probabilidad de que ocurran más de tres (X > 3):
Dado que la probabilidad de que haya 3 o menos accidentes es de
0.26511 entonces,
la probabilidad de que ocurran más de tres debe ser:
1 – 0.26511 = 0.73489.
DISTRIBUCIÓN DE POISSON
EJEMPLO
DISTRIBUCIÓN DE POISSON
EJEMPLO
DISTRIBUCIÓN DE POISSON
EJEMPLO

Suponga que se quiere calcular la probabilidad de una llegada en un

periodo de 3 minutos.
Dado que 10 es el número esperado de llegadas en 15 minutos, vemos que
10/15 = 2/3 es el número esperado de llegadas en 1 minuto y que (2/3)(3
minutos) = 2 es el número esperado de arribos en 3 minutos.
Por tanto, la probabilidad de x llegadas en un periodo de 3 minutos con µ =
2
DISTRIBUCIÓN DE POISSON
DISTRIBUCIÓN DE POISSON
DISTRIBUCIÓN DE POISSON
EJERCICIOS DE
APLICACIÓN