DISTRIBUCIN DE PROBABILIDAD

DE POISSON

Supongamos que puede asumirse lo siguiente:

Para cada intervalo de tiempo muy pequeo de

tiempo, la probabilidad de que ocurra un suceso en
ese intervalo es aproximadamente proporcional a la
amplitud del intervalo y no pueden ocurrir dos o ms
sucesos en un intervalo.
Si lo anterior es cierto, puede probarse que la
probabilidad de X ocurrencias en el intervalo
de tiempo de 0 a T es
e x
Prob( x ocurrencia s)
x!

donde es el nmero medio de ocurrencias

entre 0 y T, y e = 2,71828 ... es la base de los
logaritmos naturales.

Este modelo probabilstico se denomina

Distribucin de Poisson.
 Dato histrico

La distribucin de Poisson se llama as

en honor a su creador, el francs
Simen Dennis Poisson (1781-1840),
Esta distribucin de probabilidades fue
uno de los mltiples trabajos matemticos
que Dennis complet en su productiva trayectoria.
Podemos utilizar la distribucin de Poisson para
hallar las probabilidades de cada una de las
variables aleatorias de los ejemplos que
hemos planteado; que se caracterizan por ser
el numero de ocurrencia o de xitos de un
evento en un intervalo continuo dado como, el
tiempo, superficie, longitud o volumen, durante
el que se puede esperar que ocurra un
promedio de tales eventos.-
LA DISTRIBUCION DE
POISSON SE BASA EN
CIERTOS SUPUESTOS,
QUE DEBEMOS TENER
EN CUENTA:
Supongamos que un intervalo esta dividido en un gran numero de
subintervalos de manera que la probabilidad de que ocurra un
evento de cualquier subintervalo es muy pequea.

1.- La probabilidad de 2.- No puede haber

que ocurra un evento mas de una
es constante en todos ocurrencia en
los subintervalos cada subintervalo

3.- Las ocurrencias son

independientes es decir, las ocurrencias
en intervalos que
no se solapan,
son independientes
entre si.-
Podemos formular directamente la ecuacin para calcular
probabilidades de Poisson a partir de la distribucin binomial
tomando los lmites matemticos cuando p 0y n
.- Con estos lmites, el parmetro = n . p es una constante
que especifica el nmero medio de ocurrencia (xitos) en un
determinado tiempo y/o espacio.-

Se dice que la variable aleatoria X sigue la

distribucin de Probabilidad de Poisson,
entonces
La probabilidad de que este evento ocurra x veces es,
x
e-
P ( X = x) = --------------
X!

Para valores de x = 0, 1, 2, 3..

 La Media, E (X) = =

Variancia y
la
= E [ (X - ) ] =
Desviacin
Estndar
son:
=
El smbolo e = 2,71828 se puede calcular con una calculadora
cientfica, que debe tener una funcin como ex .-
Para cada valor de x se puede obtener las probabilidades
individuales de la variable aleatoria de Poisson, de la misma
manera que en que procedi para la variable aleatoria
binomial.-
Recordemos que como en todas las distribuciones se puede
aplicar la Distribucin acumulada, donde:

P (X x) = P (X = x) para x = 0, 1, 2,
En algunas situaciones nos conviene usar el complemento.- Es
decir,

P (X x) = 1 - P (X x)
Para tener en claro una distribucin de probabilidad es
importante conocer la forma de la distribucin.-
La forma de la distribucin de Poisson es asimtrica a derecha,
dependiendo del valor de .- A medida que se hace ms
grande la distribucin tiende a ser simtrica.-

= 0,5 =6
 Utilidad
La distribucin de Poisson se utiliza en situaciones
donde los sucesos son impredecibles o de ocurrencia
aleatoria. En otras palabras no se sabe el total de
posibles resultados.

Permite determinar la probabilidad de ocurrencia de

un suceso con resultado discreto.

Es muy til cuando la muestra o segmento n es

grande y la probabilidad de xitos p es pequea.

Se utiliza cuando la probabilidad del evento que nos

interesa se distribuye dentro de un segmento n
dado como por ejemplo distancia, rea, volumen o
tiempo definido.
 Ejemplos
La llegada de un cliente al negocio durante una hora.

Las llamadas telefnicas que se reciben en un da.

Los defectos en manufactura de papel por cada metro

producido.

Los envases llenados fuera de los lmites por cada 100

galones de producto terminado.

La distribucin de Poisson se emplea

para describir procesos con un
elemento en comn, pueden ser
descritos por una variable aleatoria
discreta.
EJERCICIO 1:

Un estudio indica que el nmero de huelgas anuales

en una fbrica europea tpica con 2000 empleados,
se puede representar por una distribucin de Poisson
con media = 0,4.

La funcin de probabilidad del nmero de huelgas

anuales X es, entonces,

e 0.4 (0.4) x
Prob( x huelgas )
x!

para x = 0, 1, 2,..
Podemos calcular ahora probabilidades para nmeros
concretos de huelgas anuales, usando (a partir de la
Tabla 4.D) e- = 0,6703.

La probabilidad de que no haya huelgas es

Prob(0 huelgas) = e-0.4(0.4)0 = (0.6703)(1) = 0.6703

0! 1
Anlogamente

Prob(1 huelga) = e-0.4(0.4)1 = (0.6703)(0.4) = 0.2681

1! 1

Prob(2 huelgas) = e-0.4(0.4)2 = (0.6703)(0.16) = 0.0536

2! 21

Prob(3 huelgas) = e-0.4(0.4)3 = (0.6703)(0.064) = 0.0071

3! 6
Prob(4 huelgas) = e-0.4(0.4)4 = (0.6703)(0.0256) = 0.0007
4! 24
Estas probabilidades pueden usarse para hallar la probabilidad
de que el nmero de huelgas est en un intervalo concreto.

Por ejemplo, la probabilidad de que haya ms de una huelga en

un ao es

Prob(ms de 1 huelga) = 1 P(0 huelgas) P(1 huelga)

= 1 0.6703 0.2681 = 0.0616

EJERCICIO 2.

La distribucin de Poisson ha resultado ser muy

til en problemas de lneas de espera o colas.

Los clientes llegan a una maquina fotocopiadora a

una tasa media de dos cada cinco minutos En la
prctica, se pueden representar los procesos de
llegada de esta clase mediante una distribucin de
Poisson.
Asumiendo que ste es el caso, representaremos por X
el nmero de llegadas de clientes en un periodo de
cinco minutos con lo cual X tiene una distribucin de
Poisson con media = 2.

La funcin de probabilidad es

Prob(x) = e-22x
x! para x = 0, 1, 2,...
Las probabilidades para el nmero de llegadas en un perodo
de cinco minutos son

Prob(0 llegadas) = e-2(2)0 = (0.135335)(1) = 0.1353

0! 1

Prob(1 llegadas) = e-2(2)1 = (0.135335)(2) = 0.2707

1! 1
Prob(2 llegadas) = e-2(2)2 = (0.135335)(4) = 0.2707
2! 2

y as sucesivamente. As, por ejemplo, la probabilidad de que

se produzcan ms de dos llegadas en un periodo de cinco
minutos es

Prob(X>2) = 1 Prob(0) Prob (1) Prob (2) = 1 0.1353

0.2707 0.2707 = 0.3233
EJERCICIO 3

La contaminacin constituye un problema en la fabricacin de

discos de almacenamiento ptico. El nmero de partculas de
contaminacin que ocurre 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 hayan 12 partculas en el rea

del disco bajo estudio. (b) La probabilidad de que hayan cero
partculas en el rea del disco bajo estudio (c) Determine la
probabilidad de que 12 o menos partculas hayan en el rea del
disco bajo estudio
EJERCICIO 3
EJERCICIO 4

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?
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
EJERCICIO 4
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?

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.
Ejemplo 1.- El promedio de accidentes de trnsito que ocurren en un
tramo de ruta es de dos por semana.- Suponga que el nmero de
accidente sigue una distribucin de Poisson con = 2.-
a) Obtenga la probabilidad de que ningn accidente ocurra en este
tramo de ruta durante un semana.-
b) Encuentre la probabilidad de que a lo ms ocurran tres
accidentes en este tramo de ruta durante dos semanas.-
Solucin
0
2 e-2
-2
a) P (X = 0) = ------------------- = e = 0,135335
0!
b) = 2 * 2 =4
P ( X 3) = P (0) + P (1) + P (2) + P (3) =
= 0,018316 + 0,073263 + 0,146525 + 0,195367 =
 EJERCICIOS PROPUESTOS
1.- Andrs Sosa, director de un centro
informtico, informa de que su sistema
informtico ha experimentado tres fallos de
componentes en los 100 ltimos das.-
a)Cul es la probabilidad de que no haya
ningn fallo en un da dado?.-
b) Cul es la probabilidad de que haya uno o
mas fallos de componentes en un da dado?.-
c) Cul es la probabilidad de que haya al menos
dos fallos en un periodo de tres das?.-
2.- Los clientes llegan a una fotocopiadora a una
tasa media de dos cada cinco minutos.-
Suponga que estas llegadas son
independientes, que la llegada es constante y
que este sigue un modelo de Poisson, donde X
representa el numero de clientes que llegan en
un periodo de cinco minutos y la media = 2-
a)Halle la probabilidad de que lleguen mas de dos
clientes en un periodo de cinco minutos.-
b) Halle la probabilidad de que lleguen tres o
menos clientes en un periodo de cinco
minutos.-
c) Halle la probabilidad de que no llegue ningn
cliente en un periodo de cinco minutos.
3.- En cierta zona urbana, los funcionarios de la salud
proveen que el numero de nacimientos este ao ser
igual al del ao anterior, cuando nacieron 438 nios, un
promedio de 438/365 = 1,2 nacimientos por da.- Los
nacimientos diarios han resultado distribuidos segn
una distribucin de Poisson:
a) Cul es la media de la distribucin?.-
b) Para cualquier da especifico, Cul es la probabilidad
de que no nazcan nios?.-
c) Cul es la probabilidad de que en un da especifico
nazcan 7 o menos nios.-
d) Cul es la probabilidad de que no hay mas de un
nacimiento en un da especifico?.-