PROBABILIDAD

DE POISSON

UNIVERSIDAD NACIONAL DE
CAJAMARCA
FACULTAD DE INGENIERA

ESCUELA ACADMICO PROFESIONAL DE INGENIERA CIVIL

ESTADISTICA APLICADA

PROBABILIDAD DE POISSON

Alumno:
VELASQUEZ PEREYRA, Cesar.

Ciclo:

III

Grupo: C

Cajamarca, Mayo del 2013

Lo ms grande en este mundo, segn cierto filsofo, es un buen hombre que lucha
contra su suerte, pero todava hay quien lo supera y es el que intenta socorrerlo.
Oliver Gold Smith

1. DISTRIBUCIN DE POISSON
La Distribucin de Poisson se llama as en honor a Simen Dennis Poisson (17811840), francs que desarroll esta distribucin basndose en estudios efectuados
en la ltima parte de su vida.
La distribucin de Poisson se emplea para describir varios procesos, entre otros la
distribucin de las llamadas telefnicas que llegan a un conmutador, la demanda
(necesidades) de servicios en una institucin asistencial por parte de los pacientes,
los arribos de los camiones y automviles a la caseta de cobro y el nmero de
accidentes en un cruce. Los ejemplos citados tienen un elemento en comn,
pueden ser descritos por una variable aleatoria discreta que asume valores
enteros (0,1,2,3,4,5 y as sucesivamente).
El nmero de enfermos que llegan a un consultorio en cierto intervalo de tiempo
ser de 0,1,2,3,4,5 o algn otro nmero entero. De manera anloga, si se cuenta el
nmero de automviles que llegan a una caseta de cobro durante un periodo de
diez minutos, el nmero ser entero.
Caractersticas de los procesos que producen una distribucin de la probabilidad
de Poisson.
El nmero de vehculos que pasan por una caseta de cobro en las horas de mayor
trfico sirve como ejemplo para mostrar las caractersticas de una distribucin de
probabilidad de Poisson.
El promedio (media) de los arribos de vehculos por hora de gran trfico puede
estimarse a partir de los datos anteriores del trfico.
Si dividimos las horas de gran trfico en periodos (intervalos) de un segundo cada
uno, encontraremos que los siguientes enunciados son verdaderos:
a) La probabilidad de que exactamente un vehculo llegue por segundo a una
caseta individual es un nmero muy pequeo y es constante para que cada
intervalo de un segundo.
b) La probabilidad de que dos o ms vehculos lleguen en un intervalo de un
segundo es tan reducida que podemos asignarle un valor cero.
c) El nmero de vehculos que llegan en determinado intervalo de un segundo es
independiente del momento en que el intervalo de un segundo ocurre durante
la hora de gran trfico.
d) El nmero de llegadas en cualquier intervalo de un segundo no depende del
nmero de arribos de cualquier otro intervalo de un segundo.

Ahora bien, podemos generalizar partiendo de las cuatro condiciones que hemos
descrito en este ejemplo, si estas condiciones se cumplen nos apoyaremos en una
distribucin de probabilidad de Poisson para describirlos.
Clculo de probabilidades mediante la distribucin de Poisson.
La distribucin de Poisson, segn hemos sealado, se refiere a ciertos procesos
que pueden ser descritos con una variable aleatoria discreta. La letra X suele
representar esa variable y puede adems asumir valores enteros (0,1,2,3 etc..) .
Utilizamos la letra X mayscula para representar la variable aleatoria y la x
minscula para designar un valor especfico que puede asumir la X mayscula. La
probabilidad de exactamente x ocurrencias en una distribucin de Poisson se
calcula mediante la frmula:

x e
P( x) f ( x; )
k!
x = Lambda
(Nmero medio de ocurrencias por intervalo de tiempo) elevada a la potencia x.
e- = e= 2.71828 elevado a la potencia de lambda negativa.
x! = x factorial.
DISTRIBUCIN DE POISSON.
Caractersticas:
En este tipo de experimentos los xitos buscados son expresados por unidad de
rea, tiempo, pieza, etc.:
- # de defectos de una tela por m2.
- # de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc.
- # de bacterias por cm2 de cultivo.
- # de llamadas telefnicas a un conmutador por hora, minuto, etc.
- # de llegadas de embarcaciones a un puerto por da, mes, etc.
Para determinar la probabilidad de que ocurran x xitos por unidad de tiempo,
rea, o producto, la frmula a utilizar sera:

x
p( x , )
x!
Dnde:
p(x,) = probabilidad de que ocurran x xitos, cuando el nmero promedio de
ocurrencia de ellos es
= media o promedio de xitos por unidad de tiempo, rea o producto
= 2.718
x = variable que nos denota el nmero de xitos que se desea que ocurra.
Hay que hacer notar que en esta distribucin el nmero de xitos que ocurren por
unidad de tiempo, rea o producto es totalmente al azar y que cada intervalo de
tiempo es independiente de otro intervalo dado, as como cada rea es
independiente de otra rea dada y cada producto es independiente de otro
producto dado.
EJEMPLOS:
1. Supngase que estamos investigando la seguridad de un crucero muy
peligroso. Los archivos de la polica indican una media de cinco accidentes por
mes en l. El nmero de accidentes est distribuido conforme a la distribucin de
Poisson, y la divisin de seguridad en carreteras quiere calcular la probabilidad de
exactamente 0, 1, 2, 3 y 4 accidentes en un mes determinado.
Aplicando la frmula 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
Para saber cul es la probabilidad en 3 o menos, sumaremos las probabilidades de
0, 1, 2, 3 lo que ser igual a:
P (0) = 0.00674
P (1) = 0.03370
P (2) = 0.08425

P (3) = 0.14042
P (3 o menos) = 0.26511
Dado que la probabilidad de que haya 3 o menos accidentes es de 0.26511
entonces la probabilidad de que ocurran ms de tres debe ser = 1 0.26511 =
0.73489.
2. Si 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?
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.
= 6 cheques sin fondo por da
= 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.
= 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.

p( x 10, 12 )

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

0.104953
10!
3628800

3.
En la inspeccin de hojalata producida por un proceso electroltico
continuo, se identifican 0.2 imperfecciones en promedio por minuto. Determine las

probabilidades de identificar a) una imperfeccin en 3 minutos, b) al menos dos

imperfecciones en 5 minutos, c) cuando ms una imperfeccin en 15 minutos.
Solucin:
a) x = variable que nos define el nmero de imperfecciones en la hojalata
por cada 3 minutos = 0, 1, 2, 3,...., etc., etc.
= 0.2 x 3 =0.6 imperfecciones en promedio por cada 3 minutos en la
hojalata

p( x 1, 0.6 )

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

0.329307
1!
1

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

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

( 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

a) c)
x = variable que nos define el nmero de imperfecciones en la
hojalata por cada 15 minutos = 0, 1, 2, 3,....., etc., etc.
= 0.2 x 15 = 3 imperfecciones en promedio por cada 15 minutos en la
hojalata

p( x 0,1, 3 ) p( x 0, 3 ) p( x 1, 3 )

= 0.0498026 + 0.149408 = 0.1992106

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

0!
1!

4.

La variable aleatoria x, con distribucin de Poisson con parmetro =0,8,

representa el nmero de accidentes diarios en una ciudad. La probabilidad de que hoy

ocurran exactamente 3 accidentes ser (ver Tabla 2 con k=3 y =0,8):

P( x 3) 0,0383
Si x es una variable con distribucin Poisson su media y varianza sern:

mx x2
Y su desviacin tpica: x
5.

El nmero medio de errores que comete una persona al mecanografiar una

pgina es 2. Si suponemos que la distribucin de x (errores al mecanografiar una

pgina) es de Poisson entonces, la probabilidad de que en una pgina no haya ningn
error ser (ver Tabla 2 con k=0 y =2):

P( x 0) 0,1353
6.

El nmero de clientes x que llegan a la caja de un supermercado en un cuarto

de hora sigue una distribucin de Poisson con media 5.

a) Hallar la probabilidad de que lleguen al menos 4 personas en un cuarto de
hora.
b) La variable x sigue una distribucin de Poisson con
(mirar las probabilidades en la Tabla 2 para

mx 5 .

Se pide

5 y k=0,1,2 y 3):

P( x 4) 1 P( x 4) 1 [ P( x 0) P( x 1) P( x 2) P( x 3)]
1 (0,0067 0,0337 0,0842 0104
, ) 0,735
c) Obtener la probabilidad de que no llegue nadie a la caja en un cuarto de hora.
P( x 0) 0,0067

d) Cul es la probabilidad de que lleguen entre 2 y 4 clientes a la caja en un

cuarto de hora?

P(2 x 4) P( x 2) P( x 3) P( x 4)
0,0842 01404
,
01755
,
0,4001