DISTRIBUCIÓN DE

PROBABILIDAD DE POISSON

INTEGRANTES

Dany Ramírez Valderrama

Cindy Mabel Montaña
 Distribución de probabilidad de Poisson
La distribución de probabilidad de Poisson describe el número de veces que se
presenta un evento durante un intervalo específico. El intervalo puede ser de
tiempo, distancia, área o volumen.

La distribución también constituye una forma restrictiva de la distribución

binomial cuando la probabilidad de un éxito es muy pequeña y n es grande. A
ésta se le conoce por lo general con el nombre de ley de eventos improbables, lo
cual significa que la probabilidad, 𝛑 ,de que ocurra un evento en particular es
muy pequeña. La distribución de Poisson es una distribución de probabilidad
discreta porque se genera contando.
 Características

❏ La variable aleatoria es el número de veces que ocurre

un evento durante un intervalo definido.
❏ La probabilidad de que ocurra el evento es proporcional
al tamaño del intervalo.
❏ Los intervalos no se superponen y son independientes.
 Aplicación

Generalmente se dice, que la distribución de Poisson tiene su mayor aplicación,

cuando en el experimento que se realiza ocurren sucesos llamados raros los
cuales se identifican con una ´probabilidad de éxito sumamente pequeña (p) y el
número de observaciones (n) grande; pero la verdad es que esta distribución se
aplica a una variedad de situaciones diferentes, como las ocurrencias respecto a
un campo continuo, como área o tiempo. Algunos de estos eventos aleatorios
ocurren en forma independiente a una, velocidad dentro de un campo o intervalo,
generalmente de espacio (área y tiempo).
❏ Se le utiliza como modelo para describir la distribución de errores en
una entrada de datos.
❏ El número de rayones y otras imperfecciones en las cabinas de
automóviles recién pintados.
❏ El número de partes defectuosas en envíos
❏ El número de clientes que esperan mesa en un restaurante o que
esperan entrar en una de las atracciones de Disney World.
❏ El número de accidentes en la carretera federal en un periodo de tres
meses
❏ El número de anotaciones en un encuentro de fútbol colegial.
La distribución de Poisson se describe matemáticamente por medio de la
siguiente fórmula:

● 𝝁: es la medida de la cantidad de veces (éxitos) que se presenta un evento en

un intervalo particular.
● e: es la constante 2.71828 o número neperiano
● x: es el número de veces que se presenta un evento
● P(x): es la probabilidad de un valor específico de x.
La media de número de éxitos, 𝝁, puede determinarse con n𝛑; en este caso, n es el
número total de ensayos, y𝛑 , la probabilidad de éxito.
 Como se puede observar, se trata de hallar la probabilidad de ocurrencia de
cualquier número de éxitos (X) por unidad de medición (minuto, hora, día,
centímetro, metro, etc.). Algunos de los ejercicios que se darán para su promedio
o razón de ocurrencia del evento aleatorio por unidad de tiempo o espacio y el
número de éxitos que se solicitan, por lo tanto no habrá necesidad de conocer los
valores de p y de n.
 Ejemplo 1
Suponga que pocas veces se pierde equipaje en Delta Airlines. En la mayoría de los
vuelos no se pierden maletas; en algunos se pierde una; en unos cuantos se pierden
dos; pocas veces se pierden tres, etc. Suponga que una muestra aleatoria de 1.000
vuelos arroja un total de 300 maletas perdidas. De esta manera, la media aritmética
del número de maletas perdidas por vuelo es de 0.3, que se calcula al dividir 300/1
000. Si el número de maletas perdidas por vuelo se rige por una distribución de
Poisson con 𝝁 = 0.3, las diversas probabilidades se calculan con la fórmula.
Por ejemplo, la probabilidad de que no se pierda ninguna maleta es la siguiente:

En otras palabras, en 74% de los vuelos no habrá maletas perdidas.

La probabilidad de que se pierda exactamente una maleta es:

Por consiguiente, se espera que se pierda exactamente una maleta en 22% de los
vuelos.
 Ejemplo 2
Coastal Insurance Company asegura propiedades frente a la playa a lo largo de
Virginia, Carolina del Norte y del Sur, y las costas de Georgia; el cálculo
aproximado es que, cualquier año, la probabilidad de que un huracán de categoría
III (vientos sostenidos de más de 110 millas por hora) o más intenso azote una
región de la costa (la isla de St. Simons, Georgia, por ejemplo) es de 0.05. Si un
dueño de casa obtiene un crédito hipotecario de 30 años por una propiedad recien
comprada en St. Simons, ¿cuáles son las posibilidades de que experimente por lo
menos un huracán durante el periodo del crédito?
Para aplicar la distribución de probabilidad de Poisson, se comienza por
determinar la media o número esperado de tormentas que se ajustan al criterio y
que azotan St. Simons durante el periodo de 30 años. Es decir,

Donde: n es el número de años, 30 en este caso.

es la probabilidad de que toque tierra un huracán que se
ajuste al criterio.
es la media o número esperado de tormentas en un periodo
de 30 años.

● Para determinar la probabilidad de que por lo menos una tormenta azote la isla de St.
Simons, Georgia, primero calcule la probabilidad de que ninguna tormenta azote la
costa y reste dicho valor de 1.
Así, se concluye que las posibilidades de que un huracán de ese tipo azote la
propiedad frente a la playa en St. Simons, durante el periodo de 30 años, mientras
el crédito se encuentra vigente, son de 0.7769. En otras palabras, la probabilidad
de que St. Simons sufra el azote de un huracán categoría III o más alta durante el
periodo de 30 años es de un poco más de 75 % .
Video
 Ejercicio
Si el 1% de las bombillas fabricadas por una compañía son defectuosas, hallar la
probabilidad de que, en una muestra de 100 bombillas, 3 sean defectuosas.
 Conclusiones
● La distribución de Poisson es en realidad una familia de distribuciones
discretas. Todo lo que se requiere para construir una distribución de
probabilidad de Poisson es la media del número de defectos, errores, etc., que
se designan con 𝝁.
● El número de ocurrencias x, no tiene límite superior. Ésta es una variable
aleatoria discreta que toma los valores de una sucesión infinita de números (x
0, 1, 2, . . . ).
 Bibliografía
● Lind, D.,Marchal ,W., Wathen, S.,(2012).Estadística aplicada a
los negocios y a la Economía (15a ed.).México:The
McGraw-Hill.
● https://mail.google.com/mail/u/2/#inbox?projector=1
estadística aplicada ciro martínez pdf décima tercera edición
● video :https://www.youtube.com/watch?v=3RNv44yIT90