LadistribucinPoisson

Apellidos,nombre

MartnezGmez,Mnica(momargo@eio.upv.es)
MarBenlloch,Manuel(mamaben@eio.upv.es)

Departamento

Estadstica,InvestigacinOperativaAplicadasy
Calidad

Centro

UniversidadPolitcnicadeValencia

LadistribucinPoisson

1 Resumendelasideasclave
En este artculo vamos a conocer las caractersticas bsicas de la distribucin Poisson y sus posibles
aplicacionesprcticasconlafinalidaddeelaborarunaespeciedecatlogoalqueacudirparadesarrollar
unmodelodeprobabilidadquenospermitaestimarlapautadevariabilidadparavariablesdiscretasque
sigandichadistribucin.

2 Introduccin
LadistribucinPoissones,juntoconladistribucinbinomial,unadelasmsimportantesdistribucin
deprobabilidadparavariablesdiscretas,esdecir,slopuedetomarlosvalores0,1,2,3,4,...,k.

LadistribucindePoissonseempleaparadescribirvariosprocesos,entreotros:
9 El nmero de autos que pasan a travs de un cierto punto en una ruta (suficientemente
distantesdelossemforos)duranteunperiododefinidodetiempo.
9 Elnmerodeerroresdeortografaqueunocometealescribirunanicapgina.
9 Elnmerodellamadastelefnicasenunacentraltelefnicaporminuto.
9 Elnmerodeservidoreswebaccedidosporminuto.
9 Elnmerodedefectosenunalongitudespecficadeunacintamagntica.
9 El nmero de mutaciones de determinada cadena de ADN despus de cierta cantidad de
radiacin.
9 Elnmerodedefectospormetrocuadradodetela.
9 Elnmerodeestrellasenundeterminadovolumendeespacio.

Cada una de estas variables aleatorias representa el nmero total de ocurrencias de un fenmeno
durante un periodo de tiempo fijo o en una regin fija del espacio. Expresa la probabilidad de un
nmerokdeocurrenciasacaecidasenuntiempofijo,siestoseventosocurrenconunafrecuenciamedia
conocidaysonindependientesdeltiempodiscurridodesdelaltimaocurrenciaosuceso.

Lafinalidaddelpresenteobjetodeaprendizaje,esadquirirladestrezayconocimientonecesarioparala
correcta utilizacin de la distribucin de Poisson en el clculo de probabilidades. Para ello, en primer
lugarpresentamoslosobjetivosespecficosquepretendemosconseguir;acontinuacintrabajaremosla
definicin y caractersticas de la distribucin de Poisson, haciendo especial relevancia en cmo
identificarlaydiferenciarladeotrasdistribucionesdiscretasyseresuelvenalgunosejemplosprcticos

LadistribucinPoisson

para ayudar a su comprensin. Finalmente, destacaremos los conceptos bsicos de aprendizaje con
respectoaladistribucindePoissonysusaplicacionesprcticas.

Identificar las propiedades de una distribucin Poisson, as como sus parmetros

caractersticos,esperanzayvarianza.

Estimar el valor promedio, la , caracterstico de las variables de Poisson a partir de la

frecuencia o probabilidad de ocurrencia, p, y el nmero de veces que se presenta un
suceso,n.

EstablecerlasbasesparaelcmputodelasprobabilidadesparavariablesPoisson

3 Definicinycaractersticasdeladistribucinbinomial

3.1 Paraqumepuedeservirladistribucinbinomial?
LadistribucindePoissonfuedesarrolladaporSimonDenisPoisson(17811840).Estadistribucinde
probabilidadesesmuyutilizadaparasituacionesdondelossucesossonimpredeciblesodeocurrencia
aleatoria. En general, utilizaremos la distribucin de Poisson como aproximacin de experimentos
binomiales donde el nmero de pruebas es muy alto (n), pero la probabilidad de xito muy baja
(p0).

3.2 Caractersticas
SedicequeXsigueunadistribucindePoissondeparmetroyqueseobtienedelproducton*p(que
nombraremos a partir de aqu como np, por mayor simplicidad), que se representa con la siguiente
notacin:

X~Ps()
LadistribucindePoissonsecaracterizaporlassiguientespropiedades:
9

Seaunapoblacindetamao.

Seaunamuestradetamaonbastanteelevado(sesuelehablardequetiendea)

Lossucesossonindependientesentresi.

Sea A un suceso que tiene una probabilidad p de suceder durante un periodo de

tiempo, siendo esta probabilidad de ocurrencia durante un periodo de tiempo
concretomuypequea(sesuelehablardequetiendea0).

LadistribucinPoisson

El producto n*p, tiende a aproximarse a un valor promedio o nmero medio, al que

llamaremos . Por ejemplo, promedio de llamadas recibidas en una centralita por
minutoonmeromediodeaccidentesproducidosenunacarreteraduranteelfinde
semana.

X:nmerodeindividuosdelamuestraquecumplenA.

ElconjuntodeposiblesvaloresdeAes,E={0,1,2,3,4....}

Sufuncindeprobabilidadvienedefinidapor:

F ( X = x) = e *

x
x!

Ecuacin1.FuncindeProbabilidaddeladistribucinPoisson.

dondexdebeserunenteropositivo.

Esta expresin, se obtiene tomando los lmites cuando n tiende a , p tiende a 0 y np permanece
constanteeiguala,delafuncindeprobabilidaddeladistribucindeunavariablebinomial:

n
x
F ( X = x) = lim * p x * (1 p ) n x = e *
x!
n x
p 0
np

Ecuacin2.FuncindeProbabilidaddeladistribucinPoisson.

Lamediaoesperanzaylavarianza,seobtienenmedianteelmismoprocedimiento,tomandoloslmites
cuandontiendea,ptiendea0ynptiendea:

E ( X ) = lim np =
np

Ecuacin3.EsperanzadeladistribucinPoisson.

2 = lim (n * p * (1 p)) =
np

Ecuacin4.VarianzadeladistribucinPoisson.

Una propiedad importante de la distribucin de Poisson, es que la suma de n variables de Poisson

independientes, Ps(1)+Ps(2)+.+Ps(n), es tambien una variable de Poisson siendo el valor de su
parmetro,lasumadelosdelasvariablesquesesuman,Ps(1+2+.+n).

LadistribucinPoisson

En general, la distribucin de Poisson, ofrecer buenas aproximaciones a probabilidades de variables

binomialescuandon50yp0,1yenelintervalo,10np100,lasaproximacionessernexcelentes,
ya que en muchos casos la aplicacin de la funcin de probabilidad de la binomial puede llegar a ser
complicada.

Ejemplo

Laprobabilidaddequeenunamascletenfallasunapersonasedesmayeesde0,001.Considerando
queacudenunas5000personasaverlamascleteldadeSanJos,caleslaprobabilidaddequese
desmayen25personas?

Setratadeunabinomialconn=5000yp=0,001.
Laprobabilidadsolicitasera:

5000
* 0,00125 * (1 0,001) 5000 25
F ( X = 25) =
25

queresultacomplejodecalcular.PoresoseprefiereaproximaraunadistribucindePoisson,con
=5000*0,001=50,yquedara:

F ( X = 25) = e 50 *

50 25
= 3,70 * 10 5
25!

LadistribucindePoissonsepuedeexpresardeformagrfica,yaqueenrealidadconsisteen
undiagramadebarras,similaralosobtenidosenlafuncindeprobabilidad,peroconforma
asimtrica positiva como sucede con la distribucin binomial. Sin embargo al ir aumentando
losvaloresde,vaadquiriendolatpicaformadecampanadeGauss,pudiendoadeducirse,
queconformeaumenta,lasvariablesdePoissonvanapoderaproximarsealadistribucin
normal, por el Teorema Central del Lmite. La aproximacin se considera buena para valores de
igualesosuperioresa9.

LadistribucinPoisson

Imagen1.LafiguraeslagrficadelafuncindeprobabilidaddevariablesPoisson
Fuente:http://www.matematicasypoesia.com.es/Estadist/ManualCPE04p4.htm

Imagen2.LafigurarepresentalagrficadelafuncindeprobabilidaddevariablesPoisson
Fuente:http://www.google.es/imgres?imgurl=http://prof.usb.ve/ejmarque/cursos/ea2181/core/figs/figdesp04.gif&imgrefu
rl=http://prof.usb.ve/ejmarque/cursos/ea2181/core/desp04.html&h=299&w=480&sz=4&tbnid=0DrUw_upFQvrWM:&tbnh
=80&tbnw=129&prev=/images%3Fq%3Ddistribucion%2B%2Bpoisson&hl=es&usg=__jyhDrPjuyLN7mQYXrab213eHH4U=&ei
=BBP4SqTLJob7_AbBtpmyAw&sa=X&oi=image_result&resnum=6&ct=image&ved=0CBgQ9QEwBQ

Veamosalgunosejemplos:

Ejemplo1.

Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las probabilidades de que
reciba,a)cuatrochequessinfondoenundadado,b)10chequessinfondosencualquieradedosdas
consecutivos?

LadistribucinPoisson

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.
=6chequessinfondoporda
=2.718

p( x = 4 , = 6 ) =

( 6 )4 ( 2.718 )6 ( 1296 )( 0.00248 )

=
= 0.13392
4!
24

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.

=6x2=12chequessinfondoenpromedioquelleganalbancoendosdasconsecutivos

( 12 )10 ( 2.718 )12 ( 6.191736410 )( 0.000006151 )

p( x = 10 , = 12 ) =
=
= 0.104953
10!
3628800

Ejemplo2.

En la inspeccin de hojalata producida por un proceso electroltico continuo, se identifican 0.2

imperfeccionesenpromedioporminuto.Determinelasprobabilidadesdeidentificara)unaimperfeccin
en 3 minutos, b) al menos dos imperfecciones en 5 minutos, c) cuando ms una imperfeccin en 15
minutos.

Solucin:
a)X=variablequenosdefineelnmerodeimperfeccionesenlahojalataporcada3minutos=
0,1,2,3,....,etc.,etc.
=0.2x3=0.6imperfeccionesenpromedioporcada3minutosenlahojalata

p( x = 1, = 0.6 ) =

( 0.6 )1( 2.718 )0.6 ( 0.6 )( 0.548845 )

=
= 0.329307
1!
1

b)X=variablequenosdefineelnmerodeimperfeccionesenlahojalataporcada5minutos=0,
1,2,3,....,etc.,etc.
=0.2x5=1imperfeccinenpromedioporcada5minutosenlahojalata

LadistribucinPoisson

 ( 1 )0 ( 2.718 )1 ( 1 )( 2.718 )1
=
+
p( x = 2,3,4,etc.... = 1 ) = 1 p( x = 0,1, = 1 ) = 1
0
!
1
!

=1(0.367918+0.367918)=0.26416
c) X=variablequenosdefineelnmerodeimperfeccionesenlahojalataporcada15minutos=
0,1,2,3,.....,etc.,etc.

=0.2x15=3imperfeccionesenpromedioporcada15minutosenlahojalata

( 3 )0 ( 2.718 )3 ( 3 )1( 2.718 )3

+
=
p( x = 0,1, = 3 ) = p( x = 0 , = 3 ) + p( x = 1, = 3 ) =
0!
1!
=0.0498026+0.149408=0.1992106

4 Cierre

ElmodelodedistribucindePoissonsirveparadefinirvariablesaleatoriasdiscretasX,

X~Ps()

querepresentanelnmeropromediodeocurrenciasdeunfenmenoduranteunperiodode
tiempofijoounereginfijadelespacio.Porlogeneralseasemejanavariablesbinomiales
con un elevado valor de n y un valor muy bajo de p y vendrn caracterizadas un valor
promedio,np,alquesedenomina.

EnesteartculodocentesehavistoelusodelafuncindePoisson, lautilizacindetablas
paraelclculodeprobabilidades.Ademssehandefinidolossiguientesparmetros

1.

LamediaovaloresperadoenladistribucindePoissonesiguala.

2.

Lavarianza(2)enladistribucindePoissontambinesiguala.

3.

Ladesviacinestndareslarazde.

La distribucin Binomial representada por B (n,p) puede aproximarse a una distribucin de

Poisson Ps(=np), siempre que n 50 o p 0,1, facilitando as el clculo de probabilidades

acumuladas,alpoderhacerusodelbacodePoisson.

Finalmente, cuando se cumpla que 9, podemos, por el Teorema Central del Lmite, se

puedeaproximarladistribucinbinomialaunadistribucinnormal.

LadistribucinPoisson

5 Bibliografa
5.1 Libros:
[1]DeGroot,M.H.(1988).ProbabilidadyEstadstica.(2Ed.).AddisonWesleyIberoamericana.ISBN
0201644053.
[2]MartnPliego,F.J.(2004).IntroduccinalaEstadsticaEconmicayEmpresarial.(Ed.)Thomson.
Madrid.
[3]Mendenhall,W.;Reinmuth,J.E.(1978).Estadsticaparaadministracinyeconoma.(Ed.)Grupo
EditorialIberoamericana.ISBN9687270136.
[4] Montiel, A.M.; Rius, F.; Barn F.J. (1997). Elementos bsicos de Estadstica Econmica y
Empresarial.(2Ed.)PrenticeHall,Madrid.
[5] Pea, D. (2001). Fundamentos de Estadstica. (Ed.) Alianza Editorial, S.A. Madrid. ISBN: 84206
86964.
[6]Romero,RyZnica,L.R.(2000).IntroduccinalaEstadstica.(Ed.)SPUPV4071.
[7] Ua Jurez, I; Tomero, V; San Martn, J. (2003). Lecciones de clculo de probabilidades. (Ed.)
ThomsonEditoresSpain.ISBN8497321936.

5.2 Referenciasdefuenteselectrnicas:
[8] http://foros.emagister.com/temadistribucion+de+poisson12873395042.htm
[9] http://www.fing.edu.uy/iimpi/academica/grado/ctrlcalidad/ejercicios/EjerciciosDeDistribucion
esDeProbabilidadFinal2008.pdf
[10] www1.uprh.edu/.../La%20distribucion%20Poisson/Modulo%20Sobre%20La%20Distribucion%2
0de%20Poissonl
[11] http://www.google.es/imgres?imgurl=http://prof.usb.ve/ejmarque/cursos/ea2181/core/figs/fi
gdesp04.gif&imgrefurl=http://prof.usb.ve/ejmarque/cursos/ea2181/core/desp04.html&h=299
&w=480&sz=4&tbnid=0DrUw_upFQvrWM:&tbnh=80&tbnw=129&prev=/images%3Fq%3Ddistri
bucion%2B%2Bpoisson&hl=es&usg=__jyhDrPjuyLN7mQYXrab213eHH4U=&ei=BBP4SqTLJob7_A
bBtpmyAw&sa=X&oi=image_result&resnum=6&ct=image&ved=0CBgQ9QEwBQ
[12] http://www.itch.edu.mx/academic/industrial/sabaticorita/_private/05Distr%20Poisson.htm
[13] http://www.itch.edu.mx/academic/industrial/sabaticorita/_private/05Distr%20Poisson.htm
[14] https://polimedia.upv.es/visor/?id=71b449010a4e3b4893333f7524321f09
[15] www3.uji.es/~porcu/problemas.doc

LadistribucinPoisson