“Año del Buen Servicio al Ciudadano”

ADMINISTRACIÓN DE EMPRESAS

UNIDAD MODULAR : ESTADÍSTICA EMPRESARIAL

TEMA : DISTRIBUCION POISSON

ALUMNA : RUTH LARA JAYO

MISAGEL CAHUAYA MIRIAM

MIJAHUANCA LABAN NATIVIDAD

CRUZ TRUJILLO PILAR

DOCENTE : ADRIAN TORRES HERNÁNDEZ

CICLO ACADÉMICO: III

TURNO : NOCTURNO

ICA – PERU

2017
DISTRIBUCION DE POISSON

INTRODUCCION

Estudios se basan en el conteo de las veces que se presenta un evento dentro de un

área de oportunidad dada. El área de oportunidad es una unidad continua o
intervalo de tiempo o espacio (volumen o área) en donde se puede presentar más
de un evento. Algunos ejemplos serían los defectos en la superficie de un
refrigerador, el número fallas de la red en un día, o el número de pulgas que tiene
un perro. Cuando se tiene un área de oportunidad como éstas, se utiliza la
distribución de Poisson para calcular las probabilidades si:
 Le interesa contar las veces que se presenta un evento en particular dentro de
un área de oportunidad determinada. El área de oportunidad se define por
tiempo, extensión, área, volumen, etc.
 La probabilidad de que un evento se presente en un área de oportunidad dada
es igual para todas las áreas de oportunidad.
 El número de eventos que ocurren en un área de oportunidad es independiente
del número de eventos que se presentan en cualquier otra área de oportunidad.
 La probabilidad de que dos o más eventos se presenten en un área de
oportunidad tiende a cero conforme esa área se vuelve menor.

2
DISTRIBUCION DE POISSON

DISTRIBUCIÓN DE POISSON

La distribución de Poisson es discreta (como la binomial) los valores

que puede tomar la variable aleatoria son números naturales. Aunque en
la distribución de Poisson los casos posibles en teoría son infinitos
(numerable).

Fórmula.- La distribución de Poisson tiene un parámetro, llamado 𝜆 (letra griega

lambda minúscula), que es la media o el número esperado de eventos por unidad.
La varianza de la distribución de Poisson también es igual a , y su desviación
estándar es igual a 𝜆 . El número de eventos X de la variable aleatoria de Poisson
fluctúa desde 0 hasta infinito.
𝑃(𝑋) =
𝑒−𝜆 ∙ 𝜆𝑋
𝑋!
Donde:
(𝑋) = Probabilidad de X eventos en un área de oportunidad
𝜆 = Número de eventos esperados
𝑋 = Número de eventos
𝑒 = Constante matemática base de los logaritmos naturales aproximadamente igual
a 2718281828….
Este número es de gran importancia, tan sólo comparable a la del número 𝜋 (𝑝𝑖),
por su gran variedad de aplicaciones. El número 𝑒 suele definirse como el límite de
la expresión: (1 + 1/n)n

3
DISTRIBUCION DE POISSON

Cuando n tiende hacia el infinito. Algunos valores de esta expresión para

determinados valores de la n se muestran en la tabla siguiente:

Observando la columna de la derecha de la tabla anterior, se puede ver que a

medida que n crece el valor de la expresión se aproxima, cada vez más, a un valor
límite. Este límite es 2,7182818285….

CARACTERÍSTICAS:
En este tipo de experimentos los éxitos buscados son expresados por unidad de
área, tiempo, pieza, etc, etc,:
- # de defectos de una tela por m2
- # de aviones que aterrizan en un aeropuerto por día, hora, minuto, etc, etc.
- # de bacterias por cm2 de cultivo
- # de llamadas telefónicas a un conmutador por hora, minuto, etc, etc.
- # de llegadas de embarcaciones a un puerto por día, mes, etc, etc.
Para determinar la probabilidad de que ocurran x éxitos por unidad de tiempo,
área, o producto, la fórmula a utilizar sería:

4
DISTRIBUCION DE POISSON

donde:
p(x, l) = probabilidad de que ocurran x éxitos, cuando el número promedio de
ocurrencia de ellos es l
l = media o promedio de éxitos por unidad de tiempo, área o producto
e = 2.718
x = variable que nos denota el número de éxitos que se desea que ocurra

Hay que hacer notar que en esta distribución el número de éxitos que ocurren por
unidad de tiempo, área o producto es totalmente al azar y que cada intervalo de
tiempo es independiente de otro intervalo dado, así como cada área es
independiente de otra área dada y cada producto es independiente de otro
producto dado.

SINTAXIS
POISSON.DIST(x,media,acumulado)
La sintaxis de la función POISSON.DIST tiene los siguientes argumentos:
 X Obligatorio. Es el número de eventos.
 Media Obligatorio. Es el valor numérico esperado.
 Acumulado Obligatorio. Es un valor lógico que determina la forma de la
distribución de probabilidad devuelta. Si el argumento acumulado es
VERDADERO, POISSON.DIST devuelve la probabilidad de Poisson de que un
evento aleatorio ocurra un número de veces comprendido entre 0 y x, ambos
incluidos; si el argumento acumulado es FALSO, la función devuelve la
probabilidad de Poisson de que un evento ocurra exactamente x veces.

OBSERVACIONES
 Si el argumento x no es un entero, se trunca.
 Si los argumentos x o media no son numéricos, POISSON.DIST devuelve el valor
de error #¡VALOR!.
 Si x < 0, POISSON.DIST devuelve el valor de error #¡NUM!.
 Si media < 0, POISSON.DIST devuelve el valor de error #¡NUM!.
 POISSON.DIST se calcula como sigue:

5
DISTRIBUCION DE POISSON

Si el argumento acumulado = FALSO:

Si el argumento acumulado =VERDADERO:

EJEMPLOS:
1. Si un banco recibe en promedio 6 cheques sin fondo por día, ¿cuáles son las
probabilidades de que reciba, a) cuatro cheques sin fondo en un día dado, b)
10 cheques sin fondos en cualquiera de dos días consecutivos?

Solución:
a) x = variable que nos define el número de cheques sin fondo que llegan al
banco en un día cualquiera = 0, 1, 2, 3, ....., etc, etc.
l = 6 cheques sin fondo por día e = 2.718

b) x= variable que nos define el número de cheques sin fondo que llegan al banco
en dos días consecutivos = 0, 1, 2, 3, ......, etc., etc.
l = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos días
consecutivos
Nota: l siempre debe de estar en función de x siempre o dicho de otra forma, debe
“hablar” de lo mismo que x.

6
DISTRIBUCION DE POISSON

2. En la inspección de hojalata producida por un proceso electrolítico continuo,

se identifican 0.2 imperfecciones en promedio por minuto. Determine las
probabilidades de identificar a) una imperfección en 3 minutos, b) al menos
dos imperfecciones en 5 minutos, c) cuando más una imperfección en 15
minutos.

Solución:
a) x = variable que nos define el número de imperfecciones en la hojalata por
cada 3 minutos = 0, 1, 2, 3, ...., etc., etc.
l = 0.2 x 3 =0.6 imperfecciones en promedio por cada 3 minutos en la hojalata

b) x = variable que nos define el número de imperfecciones en la hojalata por

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

=1-(0.367918+0.367918) = 0.26416

c) x = variable que nos define el número de imperfecciones en la hojalata por

cada 15 minutos = 0, 1, 2, 3, ....., etc., etc.
l = 0.2 x 15 = 3 imperfecciones en promedio por cada 15 minutos en la hojalata

7
DISTRIBUCION DE POISSON

= 0.0498026 + 0.149408 = 0.1992106

En una fábrica el número medio de productos defectuoso producidos en un día es

24. Calcula la probabilidad de que en un día cualquiera:

 Haya exactamente 16 productos defectuosos.

 Haya menos de 19 productos defectuosos.
 Haya al menos 36 productos defectuosos.
 Haya entre 20 y 30 productos defectuosos.

Instrucciones
1. Selecciona la Distribución de Poisson en el menú desplegable. Nota: Una tabla
con las probabilidades P(X k) es creada automáticamente.
2. Cambia el parámetro a 24, ya que ese es el número medio de productos
defectuosos por día.
3. Usa la tabla para determinan la probabilidad P(X = 16).
4. Calcula la probabilidad P(X 18) usando el botón Por la izquierda. Nota: 'Menos
de 19' significa '18 o menos productos defectuosos'.
5. Calcula la probabilidad P(36 X) usando el botón Por la derecha. Nota: Estás
determinando la suma de las probabilidades de obtener 36 o más productos
defectuosos.
6. Calcula la probabilidad P(20 X 30) usando el botón Intervalo.

8
DISTRIBUCION DE POISSON

CONCLUSION

La distribución Poisson como la Exponencial tienen diversas aplicaciones en la vida

real, las cuales tienen relación una con otra, y no sólo eso, sino que hay otras
distribuciones que tienen relación con las antes mencionadas y es por eso que
tiene su importancia conocerlas.

Podemos decir, entonces, algunos ejemplos prácticos de las dos distribuciones:

 La distribución Poisson se utiliza para calcular la probabilidad del número de

llamadas telefónicas manejadas por un conmutador en un intervalo, el número
de partículas radiactivas que decaen en un periodo particular y el número de
errores que comete una secretaria al mecanografiar una página.

 La distribución Exponencial se utiliza para estudios de confiabilidad y es

utilizado por describir el crecimiento bacteriológico y el interés compuesto.

9
DISTRIBUCION DE POISSON

BIBLIOGRAFIA

 http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo3

/B0C3m1t6.htm

 http://www.monografias.com/trabajos-pdf5/distribucion-poisson-excel-

winstats-y-geogebra/distribucion-poisson-excel-winstats-y-geogebra.shtml

10