Distribución de Poisson

Este tipo de distribución de probabilidad es para variable discreta y se usa para

determinar la probabilidad de ocurrencia de un número de determinado de eventos,
cuando éstos ocurren en un continuo de espacio o tiempo, el proceso se considera no
estacionario e independientes los eventos unos de otros y que no hay ensayo explícito.
A un proceso de este tipo se llama proceso de Poisson. Ej.: Cantidad de llamadas
entrante en una central telefónica durante un intervalo de tiempo o cantidad de
vehículos registrados en un estacionamiento.

Para determinar la probabilidad de que ocurra un número determinado de eventos en

un proceso de Poisson se requiere un solo valor: el número medio de eventos a largo
plazo en un lapso específico o en una dimensión de espacio que interese. Por lo
general la media se representa por la letra griega lambda ( λ) .Las fórmula para
determinar la probabilidad de un número determinado “x” de éxitos en una
x −λ
λ e
distribución de Poisson es: p( x ) =
x!

Ejercicios:

1) En un departamento de reparación de maquinaria se recibe un promedio de 5

solicitudes de servicios por hora. La probabilidad de que se reciban al azar:
a) Exactamente 3 solicitudes de servicio por hora.
b) Exactamente 2 solicitudes de servicio por hora.
c) Al menos 2 solicitudes de servicio por hora.
d) A lo sumo 3 solicitudes de servicio por hora.
2) En promedio, 12 personas realizan consultas cada hora a un consultor de decoración
en una tienda de telas. Eligiendo una hora al azar, determine la probabilidad de que:
a) 7 personas haga consulta.
b) Más de la mitad consulte.
c) A lo sumo 3 haga consulta.

3) En una tienda de departamentos, seis personas por hora en promedio usan un cajero
automático durante las horas pico. ¿Cuál es la probabilidad de que:
a) Exactamente seis personas usen el cajero durante una hora tomada al azar?
b) Nadie use la instalación durante una hora específica?
c) Al menos 5 personas usen el cajero durante una hora cualquiera?
 Aproximación de Poisson a Probabilidades Binomiales

Cuando el número “N” de observaciones o en ensayos en un proceso de Bernoulli es

grande los cálculos son muy tediosos y por lo general no se disponen de tabla de
probabilidad para valores pequeños de “p”. Por estas razones la distribución de
Poisson se puede usar como aproximación a las probabilidades binomiales cuando “N”
es grande y “p” o “q” son pequeños. Una regla útil es que esta aproximación se puede
emplear cuando N ≥30 y N . p ≤ 5 o N . q ≤ 5 .Donde la media de la distribución de
probabilidad de Poisson que se usa para aproximar las probabilidades binomiales es
λ=N . p ; x=0 , 1 ,2 , 3 , … y “p” es la probabilidad de ocurrencia del evento. Y “e” es la
base del logaritmo neperiano cuyo valor es aproximadamente 2,71828182849…

Ejercicios:

1) El 1% de los tornillos producidos por una máquina son defectuosas. Hallar la

probabilidad de que en una muestra de 30 tornillos tomadas al azar a)
exactamente 2 sean defectuosas, b) a lo sumo 2 sean defectuosas; Utilizando la
aproximación de Poisson.

2) Un lote grande de transistores provenientes de un determinado proveedor, se sabe

que el 1% de las piezas tienen defectos. Si se toma una muestra de 30 transistores al
azar. Aproxime por medio de la distribución de Poisson la probabilidad de que:

a) Al menos dos transistores tengan defectos.

b) A lo sumo 27 transistores tengan defectos.

3) Si el 0,1% de las válvulas manufacturadas por una compañía son defectuosas, hallar
la probabilidad de que en una muestra de 100 válvulas: a) 0 sean defectuosa, b) a lo
sumo 3 sean defectuosa, c) como mínimo 3 sean defectuosa; Utilizando la
aproximación de Poisson.