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 de la
utilidad
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.

Propiedades de un
proceso de Poisson
1.

La probabilidad de observar exactamente un xito en el

segmento o tamao de muestra n es constante.

2.

El evento debe considerarse un suceso raro.

3.

El evento debe ser aleatorio e independiente de otros

eventos
Si repetimos el experimento n veces podemos
obtener resultados para la construccin de la
distribucin de Poisson.

La distribucin de Poisson
La distribucin de probabilidad de Poisson es un
ejemplo de distribucin de probabilidad discreta.
La distribucin de Poisson parte de la distribucin
binomial.
Cuando en una distribucin binomial se realiza el
experimento muchas veces, la muestra n es grande y
la probabilidad de xito p en cada ensayo es baja, es
aqu donde aplica el modelo de distribucin de
Poisson.
Se tiene que cumplir que:
p < 0.10
p * n < 10

La funcin P(x=k)
A continuacin veremos la funcin de
probabilidad de la distribucin de Poisson.

Donde:
P(X=K) es la probabilidad de ocurrencia cuando la variable
discreta X toma un valor finito k.
= Lambda es la ocurrencia promedio por unidad
(tiempo, volumen, rea, etc.). Es igual a p por el segmento
dado. La constante e tiene un valor aproximado de
2.711828
K es el nmero de xitos por unidad

Ejemplo1 de la funcin
F (x=k)
La probabilidad de que haya un accidente en una compaa
de manufactura es de 0.02 por cada da de trabajo. Si se
trabajan 300 das al ao, cul 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 (300 * 0.02 = 6), entonces, aplicamos
el modelo de distribucin de Poisson:

Al realizar el cmputo tenemos que P(x = 3) = 0.0892

Por lo tanto, la probabilidad de tener 3 accidentes laborales
en 300 das de trabajo es de 8.9%.

Ejemplo 2 de la funcin
F(x=k)
La probabilidad de que un producto salga defectuoso es
de 0.012. Cul es la probabilidad de que entre 800
productos ya fabricados hayan 5 defectuosos?
En este ejemplo vemos nuevamente la probabilidad p
menor que 0.1, y el producto n * p menor que 10, por
lo que aplicamos el modelo de distribucin de Poisson:

El resultado es P (x = 5) = 0.04602
Por lo tanto, la probabilidad de que haya 5 productos
defectuosos entre 800 recin producidos es de 4.6%.

Tablas de probabilidad de
Poisson
Utilizando la tabla de probabilidad de Poisson se pueden resolver
los ejemplos anteriores.
Para esto, usted debe saber los valores X y .
X es el nmero de xitos que buscamos. Este es el valor K.
es el nmero promedio de ocurrencias por unidad (tiempo,
volumen, rea, etc.). Se consigue multiplicando a p por el
segmento dado n.
Del ejemplo 1: = 0.02 * 300 = 6
Del ejemplo 2: = 0.012 * 800 = 9.6

Tabla de probabilidad de
Poisson
Obtenga ms informacin de cmo asignar probabilidades
utilizando las tablas.

Cuando llegue al enlance lea

las pginas 4 a la 6. Estudie
los ejemplos y luego
practique con los ejercicios
2.1 y 2.2

Ejemplo 3
uso de tablas
Busque en los tres enlaces las tablas de probabilidad de
Poisson
Resuelva el ejercicio 1 y el 2 por medio de
las tablas.

Para el Ejemplo 1: = 6 y k = 3 accidentes

Para el Ejemplo 2: = 9.6 y k=5 defectos

Ejemplo 4
uso de calculadora virtual
Compruebe el cmputo utilizando una calculadora
de probabilidad de Poisson

Cuando llegue al enlace, entre los

valores respectivos de cada ejercicio:
K en poisson random variable
en average rate of success

Repase los ejemplos

adicionales

Ejercicio de redaccin
con experiencia interactiva
Observe el cambio de la distribucin variando el parmetro

Presente una descripcin escrita de las

observaciones que obtiene al variar el valor
de lambda. Qu caractersticas tiene una
distribucin de Poisson y cundo se aplica?

Cuando llegue al enlance

precione el + y el -

La media y la varianza

En resumen
En este mdulo hemos determinado la probabilidad de Poisson
mediante el uso de la funcin de Poisson, las tablas de distribucin
y la calculadora del enlace. Adems, aprendimos que:
1.

2.

3.

4.

La distribucin de Poisson se forma de una serie de

experimentos de Bernoulli.
La media
igual a .

o valor esperado en la distribucin de Poisson es

La varianza (2 ) en la distribucin de Poisson tambin es igual

a .
La desviacion estndar es la raz de .

Ejercicios de prueba
Los siguientes ejercicios de prueba fueron resueltos
utilizando la distribucin binomial en el mdulo con
ese mismo nombre. Refirase a los ejercicios en
ambos mdulos y compare la diferencia de cada
pregunta.
Puede responder por qu se resuelven esta vez
utilizando la distribucin de Poisson?
Demuestre su razonamiento.

Ejercicio de prueba #1
Un comerciante de verduras tiene conocimiento de
que el 3% de la caja est descompuesta. Si un
comprador elige 100 verduras al azar, encuentre la
probabilidad de que,
a) las 4 estn descompuestas.
b) de 1 a 3 estn descompuestas
Para resolver la pregunta b repase el
mdulo de las reglas de probabilidad.
En este caso se resuelve sumando las
probabilidades P(x=1) + P(x=2) + P(x=3)
= 0.1494 + 0.2240 + 0.2240

Ejercicio de prueba #2
En pruebas realizadas a un amortiguador para automvil se
encontr que el 0.04 presentaban fuga de aceite. Si se instalan
150 de estos amortiguadores, hallar la probabilidad de que,
a) 4 salgan defectuosos,
b) ms de 5 tengan fuga de aceite.
c) de 3 a 6 amortiguadores salgan defectuosos.
d) Determine el promedio y la desviacin estndar de
amortiguadores con defectos.
La pregunta b debe sumar las probabilidades desde
P(x=6) en adelante.
En la c debe sumar P(x=3) + P(x=4) + P(x=5) + P(x=6).

Ejercicio de prueba #3
Un ingeniero que labora en el departamento de control de
calidad de una empresa elctrica, inspecciona una muestra
al azar de 200 alternadores de un lote. Si el 2% de los
alternadores del lote estn defectuosos. Cul es la
probabilidad de que en la muestra,
a) ninguno est defectuoso,
b) uno salga defectuoso,
c) al menos dos salgan defectuosos
d) ms de tres estn con defectos

Para la pregunta d puede realizar

la siguiente operacin:
1 [P(x=0) + P(x=1) + P(x=2)]

Ejercicio de prueba #4
La probabilidad de que un CD de msica dure al menos un
ao sin que falle es de 0.95, calcular la probabilidad de que
en una muestra de 15,
a) 12 duren menos de un ao,
b) a lo ms 5 duren menos de un ao,
c) al menos 2 duren menos de un ao.