UNIVERSIDAD NACIONAL

“PEDRO RUIZ GALLO”

FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

Escuela Profesional de Ingeniería

FACFYM
Electrónica

CURSO :
Probabilidad y Estadística

TEMA :
Distribución de Poisson

INTEGRANTES :
r Chamaya Carhuatanta Roger

26 de Octubre del 2016

Distribución de Poisson
La distribución de Poisson representa la probabilidad de que un evento

aislado ocurra un número específico de veces en un intervalo de tiempo o

espacio dado. La ocurrencia de eventos sólo se verá afectada por la

casualidad o por el azar; por lo tanto, la posición de un evento no servirá

para predecir la localización de cualquier otro evento específico. Su

distribución de probabilidad da un buen modelo para datos que representa

el número de sucesos de un evento especificado en una unidad determinada

de tiempo o espacio. A continuación veamos algunos ejemplos de

experimentos para los cuales la variable aleatoria x puede ser modelada por

la variable aleatoria de Poisson:

 El número de llamadas recibidas por un conmutador durante un tiempo

determinado.
 El número de bacterias por volumen pequeño de fluido.
 El número de llegadas de clientes al mostrador de una caja de pago en

un minuto
 El número de descomposturas de una máquina durante un día

determinado
 El número de accidentes de tránsito en un crucero dado durante un

tiempo determinado
 El número de bebés: niño o niña, que nacerán dentro de una semana.

En cada uno de estos ejemplos, x representa el número de eventos que

ocurren en un periodo o espacio, durante el cual se puede esperar que

ocurra un promedio de m de estos eventos. Las únicas suposiciones

necesarias, cuando uno usa la distribución de Poisson para modelar

experimentos tales como éstos, son que eventos ocurren al azar e

independientemente unos de otros

Características de la distribución de Poisson

1. Aleatoriedad.
2. Las consecuencias de los eventos son independientes. La ocurrencia de un

evento en un intervalo de espacio o tiempo no tiene efecto sobre la

probabilidad de una segunda ocurrencia del evento en el mismo, o cualquier

otro intervalo.

3. Teóricamente, debe ser posible un número infinito de ocurrencias del

evento en el intervalo.

Propiedad:

P(A)= 1- P(A)

Fórmulas:

Donde:

P(x) = probabilidad de tener exactamente x presentaciones.

−u
e =¿ Exponencial = 2.71828. Elevada a “mu” potencia negativa.

u= parámetro de distribución o el número medio de presentaciones

por intervalo de tiempo

X = número de eventos raros por unidad de tiempo de distancia de

espacio.

Media: E(x)= u

Varianza: V(x)=u

Desviación estándar: σ= √u

EJEMPLOS
 1) El número promedio de accidentes de tránsito en cierto crucero de

carretera es dos por semana. Suponga que el número de accidentes

sigue una distribución de Poisson con u=2.

a. Encuentre la probabilidad de que no haya accidentes en este crucero de

carretera durante un periodo de 1 semana.

b. Encuentre la probabilidad de que a lo sumo haya tres accidentes en esta

sección de carretera durante un periodo de 2 semanas.

Solución
a. El número promedio de accidentes por semana es u= 2. Por tanto, la

probabilidad de que no haya accidentes en esta sección de carretera

durante 1 semana determinada es:

b. Durante un periodo de 2 semanas, el número promedio de accidentes

en esta sección de carretera es 2(2)= 4. La probabilidad de que a lo

sumo haya tres accidentes durante un periodo de 2 semanas es:

Donde:

Por tanto:

2) Un vendedor de seguros de vida en promedio 3 pólizas por semana.

Calcular la probabilidad de:

a. Que venda algunas pólizas en una semana.
 b. Suponiendo que hay 5 días de trabajo por semana, ¿Cuál es la

probabilidad de que en un día dado venda una póliza?

c. Calcule la media, la varianza y la desviación estándar de la

distribución de probabilidad que se infiere en este problema.

Solución

X= venta de póliza

U= 3 pólizas por semanales

a. P(X>o) = P(X=1)+…..+P(X=30) + …..

P(A)= 1- P(ȂȂ )

P(X>0)= 1- P(X=0)
e−3 .3 0
P(X=0)= = 0.04978 = 4,978 %
0!

b. u=3 (7 días)
u’= 3/5= 0.6
e−0,6 . 0,61
P(X=1)=
1!
= 0.32929 = 33%

c. E(x) = u = 3
V(x) = u = 3
σ= √ u = √ 3

Bibliografía

- Introducción a la Probabilidad y Estadística, 13° Edición. Mendenhall

Beaver Beaver.
- Probabilidad y Estadística: Aplicaciones a la Ingeniería. Dr. Ramón

Depool Rivero y Ing. Dióscoro Monasterio

- Estadística y Probabilidades, editado por G. Aaron Estuardo Morales.

Linkografía

- http://www.spentamexico.org/v4-n1/4(1)%20149-178.pdf