REPUBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA EDUCACION

UNIVERSIDAD JOSE ANTONIO PAEZ

FACULTAD DE INGENIERIA

DISTRIBUCION

GRUPO N°6

INTEGRANTES:

SABRINA ALVAREZ C.I. 28.098.761

SAN DIEGO, 26 DE ENERO DEL 2021

DISTRIBUCION DE POISSON

Es una distribución de probabilidad discreta que modeliza la frecuencia de eventos determinados

durante un intervalo de tiempo fijado a partir de la frecuencia media de aparición de dichos
eventos.

En otras palabras, la distribución de Poisson es una distribución de probabilidad discreta que, tan
solo conociendo los eventos y su frecuencia media de ocurrencia, podemos saber su probabilidad.

EXPRESION DE LA DISTRIBUCION DE POISSON

Dada una variable aleatoria discreta X decimos que su frecuencia se puede aproximar
satisfactoriamente a una distribución de Poisson, tal que:

X P(μ)
Mu informa del número esperado de eventos que ocurrirán en un intervalo de tiempo fijado.
Cuando se habla de algo “esperado” tenemos que redirigirlo a pensar en la media. Por tanto, mu
es la media de la frecuencia de los eventos.

Tanto la media como la varianza de esta distribución son mu, estrictamente positiva.

USOS DE LA DISTRIBUCION DE POISSON

Se emplea para describir varios procesos:

a) Distribución de las llamadas telefónicas que llagan a un conmutador

b) La demanda de servicios en un hospital por parte de los pacientes
c) Los arribos de los camiones y automóviles a la caseta de cobro
d) El número de accidentes en un cruce
e) El número de defectos en una tela por m2
f) El número de bacterias por cm2

CARACTERISTICAS

 El número medio (promedio) de eventos en el espacio temporal o región específica de

Interés, por lo general esta media se representa por la lambda griega (λ)
 El número de resultados que ocurren en un intervalo de tiempo o región específicos es
independiente del número que ocurre en cualquier otro intervalo de tiempo o región
 La probabilidad de que un resultado muy pequeño ocurra en un intervalo de tiempo muy
corto o en una región pequeña es proporcional a la longitud del intervalo de tiempo o al
tamaño de la región
 La probabilidad de que más de un resultado ocurra en un intervalo de tiempo tan corto o
en esa región tan pequeña es inapreciable, que se puede asignar el valor de 0

FORMULA DE POISSON

λ x e− λ
P ( x I λ )=
x!
  P (x I λ) = la probabilidad de que ocurran X éxitos cuando el número promedio de
ocurrencia de ellos es λ
 λ media o promedio de éxitos por unidad de tiempo, área o producto
 e es la constante 2.7183, base de los logaritmos naturales
 X señala un valor específico que la variable pueda tomar (el número de éxitos que
deseamos ocurran)
 Por definición, el valor esperado (media en el intervalo o región de interés) de una
distribución de probabilidad de Poisson es igual a la media de la distribución.

E(X) = λ

 La varianza del número de eventos de una distribución de probabilidad de Poisson

también es igual a la media de la distribución λ. De este modo, la desviación estándar es la
raíz cuadrada de λ.

V(X) = λ

σ = √λ

EJEMPLO

En una tienda de telas, un promedio de 12 personas por hora le hacen preguntas a un decorador.
La probabilidad de que 3 o más personas se acerquen al decorador para hacerle preguntas en un
periodo de 10 minutos.

Promedio por hora =12

λ = promedio por 10 minutos = 12/6 = 2.0

P (X ≥ 3 I λ = 2) = P (X=3 I λ = 2) + P (X=4 I λ = 2) + P (X=5 I λ = 2) + …

P (X ≤ 2 I λ = 2) = 1 – [ P (X=0 I λ = 2) + P (X=1 I λ = 2) + P (X=2 I λ = 2) ]

SOLUCION 1

P (X=3 I λ = 2) = 0.1804

P (X=4 I λ = 2) = 0.0902

P (X=5 I λ = 2) = 0.0361

P (X=6 I λ = 2) = 0.0120

P (X=7 I λ = 2) = 0.0034

P (X=8 I λ = 2) = 0.0009

P (X=9 I λ = 2) = 0.0002

P (X ≥ 3 I λ = 2) = 0.3232
SOLUCION 2

P (X= 0 I λ = 2) = 0.1353

P (X= 1 I λ = 2) = 0.2707

P (X= 2 I λ = 2) = 0.2707

P (X ≥ 3 I λ = 2) = 0.3232

APROXIMACION DE LA DISTRIBUCION BINOMIAL POR UNA DE POISSON

- Algunas veces, si se desea evitar el tedioso trabajo de calcular las distribuciones

binomiales, sobre todo si N (ensayos) es muy grande y p o q (éxito y fracaso) es muy
pequeña, se puede usar a cambio la de Poisson, pero debe cumplir con ciertas condiciones
como :

n ≥ 30

np ó nq < 5

- En los casos en que se satisfacen tales condiciones, podemos sustituir la media de la

distribución binomial en lugar de la media de la distribución de Poisson de modo:

λ=np

Ejemplo: Se sabe que 1% de los artículos de un gran embarque de transistores procedente de un

proveedor son defectuosos. Si se selecciona aleatoriamente una muestra de 30 transistores, la
probabilidad de que dos o más de ellos sean defectuosos.

P (X ≥ 2 I n=30, p= 0.01) = P (X=2) + P (X=3) + …= 0.0328+0.0031+0.0002 = 0.0361

Si λ=np=30(0.01) = 0.3, la aproximación de Poisson del anterior valor de probabilidad es

P (X ≥ 2 I λ = 0.3) = P (X=2) + P (X=3) + …= 0.0333 + 0.0033 + 0.0002 = 0.0368

Así la diferencia entre la aproximación de Poisson y el valor de probabilidad binomial real es de

sólo 0.0007

EJERCICIO 2

En una ciudad se estima que la temperatura máxima en el mes de junio sigue una distribución
normal, con media 23° y desviación típica 5°. Calcular el número de días del mes en los que se
espera alcanzar máximas entre 21° y 27°.

X 1 =21

X 2 =27

P( X 1 ≤ X ≤ X 2 )
μ= 23 °

σ= 5 °
 21−23 27−23
(21 ≤ X ≤ 27) = 𝑝 ( ≤𝑍≤ )
5 5
−2 4
(21 ≤ X ≤ 27) = 𝑝 ( ≤𝑍≤ )
5 5
= (−0.4 ≤ 𝑍 ≤ 0.8)=p( Z≤ 0 .8 ) -[1 - p( Z≤ 0 .4 ) ] =

=p (Z≤ 0. 8) +p( Z≤ 0 .4 ) - 1 = 0 . 7881 + 0 .6554 - 1= 0 .4435

= 0.4435*30=13.30
EJERCICIO 5

La media de los pesos de 500 estudiantes de un Instituto es 70 kg y la desviación típica 3 kg.

Suponiendo que los pesos se distribuyen normalmente, hallar cuántos estudiantes pesan:

A. Entre 60 kg y 65 kg.
B. Más de 90 kg.
C. Menos de 64 kg.
D. 64 kg.
E. 64 kg o menos.

μ= 70 kg
σ= 3 kg
n= 500
A) ENTRE 60 Y 65
X 1 =60
X 2 =6 5

60−70 75−70
(60 ≤ X ≤ 75) = 𝑝 ( ≤𝑍≤ )
3 3
−10 5
(60 ≤ X ≤ 75) = 𝑝 ( ≤ 𝑍 ≤ ) = 𝑝(−3.33 ≤ 𝑍 ≤ 1.67)
3 3
p( Z≤ 1.67) - p( Z≤ -3.33 ) =

=p (Z≤ 1.67) -[1 - p( Z≤ -3.33 ) ] =0.9525-(1-0.9996)=0.9525-

0.0004=0.921*500=476

B) MAS DE 90KG

90−70
(
P ( X >90 )=P Z>
3 )
=P ( Z> 6.67 )=1−P ( Z ≤ 6.67 )=1−1=0∗500=0
 C) MENOS DE 64

64−70
(
P ( X <64 )=P Z <
3 )
=P ( Z ←2 )=1−P ( Z ≤ 2 )=1−0.9772=0 .0228∗500=11

D) IGUAL A 64KG

64−70
(
P ( X=64 )=P Z=
3 )
=P ( Z=−2 )=0∗500=0
E) IGUAL A 64 KG O MENOS

P ( X ≤64 )=P ( Z ≤−2 ) =0 .0228∗500=11

EJERCICIO 3

Se supone que los resultados de un examen siguen una distribución normal con media 78 y
varianza 36. Se pide:

a) ¿Cuál es la probabilidad de que una persona que se presenta el examen obtenga una
calificación superior a 72?

72−78
(
P ( X >72 )=P Z >
6 )
=P ( Z >−1 )=1−0.1587=0.8413

EJERCICIO 4

Tras un test de cultura general se observa que las puntuaciones obtenidas siguen una distribución
una distribución N( 65, 18). Se desea clasificar a los examinados en tres grupos (de baja cultura
general, de cultura general aceptable, de excelente cultura general) de modo que hay en el
primero un 20% la población, un 65% el segundo y un 15% en el tercero. ¿Cuáles han de s er las
puntuaciones que marcan el paso de un grupo al otro?
 65%

20% 15%

P ( Z ≤ Z 1 )=0. 2 20% 85%

(−Z 1 )=0.8 4
X 1−65
=−0.8 4
18
P ( Z ≤ Z 2 )=0. 2

X 2−65
=1.0 4
18
P ( Z ≤−Z 1 )=0. 8

( Z 1) =−0.8 4
( X 1) =49.8 8
( Z 2) =1.0 4
( X 2) =83.7 2

RESPUESTA:

- Baja cultura = 49
- Cultura aceptable = entre 50 y83
- Excelente cultura = a partir de 84