Distribución Poisson

1
 Dato histórico

La distribución de Poisson se llama así

en honor a su creador, el francés
Simeón Dennis Poisson (1781-1840),
Esta distribución de probabilidades fue
uno de los múltiples trabajos matemáticos
que Dennis completó en su productiva trayectoria.
Introducción
En este módulo se describe el uso de la
distribución de Poisson para obtener la
probabilidad de ocurrencia de sucesos
raros, cuyo resultado lo representa una
variable discreta.
 La distribución 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 útil cuando la muestra o segmento n es

grande y la probabilidad de éxitos p es pequeña.
 La distribución de Poisson
La distribución de probabilidad de Poisson es un
ejemplo de distribución de probabilidad discreta.
La distribución de Poisson parte de la distribución
binomial.
Cuando en una distribución binomial se realiza el
experimento muchas veces, la muestra n es
grande y la probabilidad de éxito p en cada
ensayo es baja, es aquí donde aplica el modelo de
distribución de Poisson.
 Distribución de Poisson

Muchos estudios se basan en el conteo de las

veces que se presenta un evento dentro de un
área de oportunidad dada.

El área de oportunidad es una variable continua

en donde se puede presentar más de un evento.

6
 Número de clientes que son atendidos
en el banco en una hora.
 Clientes: Variable discreta
 Hora: Rango de tiempo
Variable continua.

7
  Número de personas que viven en
Honduras por kilómetro cuadrado

 Personas: Variable discreta

 Kilometro: Superficie
Variable continua.

2-2008 8
 Distribución de Poisson

 La distribución de Poisson tiene un

parámetro que representa la
media.
 El símbolo para denotar la
distribución de poisson es la letra
griega Lambda (λ).
 La media λ es igual que la
varianza.

9
 Distribución de Poisson

La fórmula de la distribución es:

 x
e 
P( K  x) 
x!

e = 2.71828
10
 Si λ=4. ¿A qué es igual P(X=2)?

e   x
P( X  x) 
x!
4 2
e 4
P( X  2) 
2!
(0.0183156)(16) 0.29305
P( X  2)    0.146525
2 x1 2

La probabilidad de que x=2 es del 14.65%

11
Si λ=2.5. ¿A qué es igual P(X=4)

e  x
P( X  x) 
x!
e  2.5 2.54
P( X  4) 
4!
(0.082085)(39.06) 3.2064
P( X  4)    0.1336
4 x3x 2 x1 24

La probabilidad de que x=4 es del 13.36%

12
En una agencia bancaria, en promedio llegan 3 clientes
por minutos a una ventanilla para ser atendido durante la
hora del almuerzo. Si en la actualidad queremos hacer
modificaciones en las ventanillas, una de las preguntas
que se pueden hacer los del depto. de Mercadeo es:

¿Cuál es la probabilidad de que lleguen dos clientes en

un minuto dado.

13
 En el enunciado el promedio es de 3 clientes por minuto;
λ=3; al preguntar por la probabilidad de que 2 clientes
lleguen en un minuto. x=2

e   x e 3 32
P( X  x)   P( X  2) 
x! 2!
(0.049787)(9)
P( X  2)   0.224
2 x1
La probabilidad que lleguen 2 clientes por minuto es 22.4%
14
 Ejemplo 2

La probabilidad de que un producto salga defectuoso es de

0.012. ¿Cuál 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 distribución de Poisson:

El resultado es P (x = 5) = 0.04602
Por lo tanto, la probabilidad de que haya 5 productos
defectuosos entre 800 recién producidos es de 4.6%.
 Ejemplo1 de la función
F (x=k)
La probabilidad de que haya un accidente en una compañía de
manufactura es de 0.02 por cada día de trabajo. Si se trabajan 300
días al año, ¿cuál es la probabilidad de tener 3 accidentes?

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

Por lo tanto, la probabilidad de tener 3 accidentes laborales en 300
días de trabajo es de 8.9%.
Suponga que una compañía de seguros asegura las vidas
de 5000 hombres de 42 años de edad. Si los estudios
actuales muestran que la probabilidad de que un hombre
muera en cierto año es 0.001, entonces la probabilidad de
que la empresa pague exactamente 4 indemnizaciones en
un cierto año es:
Un ingeniero industrial en la empresa NGC
detecta un promedio de 6 piezas dañadas
diaria en un departamento de producción de
pantalones. Calcule la probabilidad que en un
día detecte solo 4 piezas.
 Una planta tiene 200 máquinas, si la
probabilidad de que fallen 4 en cierto día es
0.05. Encuentre la probabilidad de que
durante un día determinado fallen 8
máquinas.
Realizar una investigación en su área de
trabajo, indicar cual es la probabilidad que
tiene usted de tener un accidente en esa
empresa en un determinado tiempo.