ESTADISTICA Y PROBABILIDAD BASICAS

Ruta de clase
TEMA: Distribución Poisson.

Objetivo: Describir los supuestos de la distribución poisson y aplicarlos en ejercicios prácticos de la vida real.

I. Preguntas Generales

a) ¿En qué tipo de variables se utiliza la distribución poisson?

b) ¿Cuáles son las características de la distribución poisson?
c) ¿Cuáles son los parámetros de una distribución poisson?
d) ¿Cuál es la variable aleatoria en la distribución poisson?
e) ¿Cuál es el recorrido de la variable aleatoria en la distribución poisson?

II. Introducción

Otra variable aleatoria discreta que tiene numerosas aplicaciones prácticas es la variable aleatoria de Poisson. 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 determinado
• 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

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 las cuentas o
eventos ocurren al azar e independientemente unos de otros.

Esta distribución se llama así, en honor a su creador al francés Simeón Dennis Poisson (1781 – 1840)

III. Características de la distribución Poisson:

Para que la distribución de una variable aleatoria., sea una distribución poisson se deben cumplir las siguientes
condiciones:

La ocurrencia de los eventos es independiente. La ocurrencia de un evento en un intervalo de espacio o tiempo no

tiene efecto en la probabilidad de una segunda ocurrencia del evento en el mismo o en algún otro intervalo.

Teóricamente, es posible la ocurrencia de un evento en un número infinito de veces dentro del intervalo.

La probabilidad de una sola ocurrencia del evento en un intervalo dado es proporcional a la dimensión del intervalo.

En cualquier fracción infinitesimal del intervalo, la probabilidad de más de una ocurrencia del evento es insignificante.

La media y la varianza son iguales.

 IV. Fórmula para la distribución de probabilidad de Poisson

µ𝒙 𝒆−µ
𝑷(𝑿 = 𝒙) =
𝒙!
Donde:

X = número de ocurrencias del evento en un intervalo determinado.

µ = número promedio de ocurrencias del evento en un intervalo determinado.

𝒆 = Constante 2.7183
La distribución binomial, al igual que una variable aleatoria discreta, presenta una media y una varianza. Las fórmulas
son:

Media y Varianza :

Media = E(X) = µ en ocasiones µ = nπ

Varianza = V(x) = µ

V Ejemplos

1. En cierta población, se sabe que la prevalencia de VIH es de 0.02%. ¿Si se selecciona una
muestra de 10000 personas de esa población, cual es la probabilidad de que exactamente
5 posean la enfermedad?.

Solución:

n=10000 π=0.0002

X = Número de personas en la población de estudio que presentan la enfermedad.

Recorrido de X = 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15…….10000

µ = nπ

µ = 10000*0.0002 = 2

25 𝑒 −2 32(0.13534)
𝑃(𝑥 = 5) = = = 0.03609
5! 120

La probabilidad de que exactamente 5 personas de las 10000 seleccionadas, posean la enfermedad es de 0.03609.

2. Un estudiante de las ciencias sociales por estudios previos, sabe que el número de personas que llegan
a votar en la urna 18 en día de elecciones presidenciales en cierta región del país, es en promedio de
40 por hora. ¿Cuál es la probabilidad de que lleguen dos personas a votar a la urna 18 en un periodo
de 15 minutos?
Solución

Si µ = 40 personas/hora, entonces para quince minutos la nueva media será µ = 10 personas /15 minutos.

102 𝑒 −10
𝑃(𝑋 = 2) = = 0.0023
2!

La probabilidad de que lleguen a la urna 18 de la región de estudio, exactamente 2 personas a votar en un periodo
15 minutos es de 0.0023.

3. 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 µ = 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 µ = 2. Por tanto, la probabilidad de que no haya
accidentes en esta sección de carretera durante 1 semana determinada es.

20 𝑒 −2
𝑃(𝑋 = 0) = = 𝑒 −2 = 0.1353
0!
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.
𝑃(𝑋 ≤ 3) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3)
Donde
40 𝑒 −4
𝑃(𝑋 = 0) = = 𝑒 −4 = 0.018316
0!
1 −4
4 𝑒
𝑃(𝑋 = 1) = = 0.073263
1!
42 𝑒 −4
𝑃(𝑋 = 2) = = 0.146525
2!
43 𝑒 −4
𝑃(𝑋 = 3) = = 0.195367
3!
Por tanto,
𝑃(𝑋 ≤ 3) = 0.018316 + 0.073263 + 0.146525 + 0.195367 = 𝟎. 𝟒𝟑𝟑𝟒𝟕𝟏

VI. Resolver el taller #16.