1

ESCUELA POLITCNICA NACIONAL

PROBABILIDAD Y ESTADSTICA BSICAS

DISTRIBUCIN DE POISSON

HUGO ESTEBAN ANDRADE CARRERA

DENNIS ADRIN CALAPAQUI OA

MANUEL ALBERTO SIGENZA VERA

BRYAN AUGUSTO ESTRELLA SAMBACHE

Q/E 502

GR 1

2017
 2

DISTRIBUCION DE POISSON

La distribucin de Poisson representa la probabilidad de que ocurra un evento x veces en

un intervalo determinado: tiempo, superficie, longitud, entre otros.

Caractersticas

1. El nmero de sucesos que ocurren en un intervalo son independientes del nmero

de sucesos que ocurren en otro intervalo (o se asume este hecho).
2. La probabilidad de que ocurra un suceso es proporcional a la longitud del
intervalo.
3. En un intervalo muy pequeo, la probabilidad de que ocurra un evento tiende a
cero.
4. Posee un solo parmetro () el cual representa una tasa ajustable dependiendo de
los requerimientos, puesto que resulta de una relacin.

Ejemplo: 2[ ] 120 [ ].

La funcin de probabilidad es:

( = ) =
!

La varianza y la esperanza coinciden:

Demostracin de la esperanza en la distribucin de Poisson

() =


() = =
! !
=0 =0

1 2
= [0 + + ++ ]
1! 2! !

2 3
= [ + + + ]
1! 2!

2
= [1 + + + ]
1 2!

Sea:

2
=1+ + +
1 2!
Entonces:
 3

=
=

Demostracin de la varianza en la distribucin de Poisson

() =

() = ( 2 ) (())2 Ecuacin de la varianza

2)
2
( =
!
=0

12 22 2 2
= [0 + + + + ]
1! 2! !

22 33
= [ + + + + ]
1! 2! ( 1)!

21 32 1
= [1 + + + + ]
1! 2! ( 1)!

2
= [1 + (1 + 1) + (1 + 2) + ]
2!

Sea:

2
= 1 + + +
1 2!
Entonces:

2 22 33
= [1 + + + + + + + ]
1! 2! 2! 3!

2
= [ + + [1 + + + ]]
1! 2!

= [ + ]

= +
= + 2
Remplazando en la frmula de varianza y con sus respectivas equivalencias tenemos:

= + 2 2
=

Sean 1, 2, 3, , variables aleatorias que siguen distribuciones de Poisson tal que:

(1 ), (2 ), (3 ), , ( )
 4

= 1 + 2 + 3 + +
Entonces:

~(1 + 2 + 3 + )

Observacin 3.4: Sea ~(, )

( 1) ( + 1)
( = ) = ( ) =
( 1) 1

Supngase que p disminuye y n crece, de tal manera que = sea constante:

( 1) ( + 1)
( = ) = ( ) (1 )
! 1
( 1) ( + 1) 1
= ( ) ( ) (1 )
!
1

1 1
(1 ) (1 ) 1
= ( ) (1 )
!
1

1

!
De esta forma la distribucin binomial (, ) puede aproximarse por una distribucin
de Poisson P () con = . En la prctica n debe ser grande y p pequea. Se consideran
aceptables valores tales que p<0, 1 y np>5.
En este caso n se considera que n tiende a infinito y p es muy pequeo por lo cual se
contrarrestan estos valores y tenemos el valor de .

Los ejemplos tpicos en los que se aplica una distribucin de Poisson son:

- Nmero de llamadas telefnicas que llegan a una central.

- Nmero de vehculos que llegan a un lugar.
- Nmero de pacientes que ingresan en un hospital.

Ejercicios resueltos
Ejercicios propuestos - 7

Supngase que el nmero de pacientes que se admiten en la sala de emergencia de un

hospital en la noche del viernes tiene una distribucin de Poisson con promedio igual a 4.
Evaluar las probabilidades de que:

=
 5

=
a) Durante una noche haya exactamente dos pacientes en la sala de emergencia.

() = ( = ) = ; = 0, 1, 2,
!
~(); =4 ~(4); =2
4 42
(2) = ( = 2) = = 0.1465
2!
b) Durante la noche haya ms de tres pacientes.

~(); =4 ~(4); =3



( > ) = 1 ( ) = 1 ( )
!
=0
3
4
4 40 41 42 43
( > 3) = 1 ( 3) = 1 ( ) = 1 [ 4 ( + + + )]
! 0! 1! 2! 3!
=0

( > 3) = 1 0.43347 = 0.56653

Ejercicios propuestos - 8

El nmero de automviles que llegan a un estacionamiento es una variable aleatoria con

distribucin de Poisson, con un promedio de 4 por hora. El estacionamiento tiene espacio
para un mximo de doce autos. Si al inicio del da el estacionamiento est vaco.

a) Cul es la probabilidad de que el estacionamiento se llene durante la primera hora?

~(); =4 ; ~(4); = 12




( ) = 1 ( < ) = 1 ( )
!
=0
11
4
4 40 41 411
( 12) = 1 ( < 12) = 1 ( ) = 1 [ 4 ( + + + )]
! 0! 1! 11!
=0

( 12) = 1 ( 4 54.55) = 1 0.999 = 0.001

b) Calcular la probabilidad de que lleguen menos de doce vehculos en un turno de
ocho horas.

~() ~(); =4 ; = 8; = 12




( < ) =
!
=0
 6

11
32
32 320 321 3211
( < 12) = = 32 ( + ++ )
! 0! 1! 11!
=0

( < 12) = 32 1342370323 = 0.000017

Ejercicios propuestos - 9

Para el control de calidad de discos para computadoras se emplea un dispositivo

electrnico que cuenta el nmero de bytes defectuosos. Una marca de discos de
computadora tiene un promedio de 0,1 butes defectuosos por disco.

a) Calcular la probabilidad de que un disco que se inspeccione no tenga butes

defectuosos.

() = ( = ) = ; = 0, 1, 2,
!

~(); = 0,1 ~(0,1); =0

0,1 0,10
(0) = ( = 0) = = 0,1 = 0,905
0!
b) Calcular la probabilidad de que otro disco tenga ms de un bute defectuoso.

~(); = 0,1 ~(0,1); =1




( > ) = 1 ( ) = 1 ( )
!
=0
1
0,1
0,1 0,10 0,11
( > 1) = 1 ( 1) = 1 ( ) = 1 [ 0,1 ( + )]
! 0! 1!
=0

( > 1) = 1 ( 0,1 0.1) = 1 0.995 = 0.005

Ejercicio 3.10
Se sabe que el nmero promedio de llamadas que ingresa a una central telefnica es de
10 cada 3 minutos. Se desea saber cul es la probabilidad de que:
a) No entre ninguna llamada en un periodo de 3 minutos
100 10
( = 0) = = 4,54 105
0!
b) Que entre al menos 1 llamada en un periodo de 1 minuto

10 llamadas 3 minutos
 7

a llamadas 1 minuto

10
= =
3
10 10
( 3 )0 3
( 1) = 1 = 0,964
0!
c) Entren al menos 2 llamadas en un periodo de 9 minutos

10 llamadas 3 minutos
a llamadas 9 minutos
= 30 =
300 30 301 30
( 2) = 1 ( + )1
0! 1!