DISTRIBUCION POISSON (Variable Mixta: Entera y Con

 x e 
P ( x)  2.71828183
x!
DISTRIBUCION POISSON
1 x λ P(=X) NOTA: λ TIENE QUE ESTAR EXPRESADA
0 6 0.0024788 0.00247875 EN LAS MISMAS UNIDADES QUE X (TIEMP
=POISSON.DIST(B5,C5,0)
2 2.- DISTRIBUCION POISSON λ=np Para una aproximacion
x λ P(≤ x)
5 10 0.06708596288
Tres son los requisitos para utilizar la distribución P
como una aproximación a la distribución binomial:
• n ≥ 100
• np ≤ 10
3.-DISTRIBUCION POISSON • λ=np
3 x λ P(>x)
5 10 0.93291403712
6 6.- DISTRIBUCION POISSO
4.-DISTRIBUCION POISSON X1 X2
4 x λ P(≥x) 2 5
16 10 0.0487404033
7.-DISTRIBUCION POISSON
5.- DISTRIBUCION POISSON 7 n p
5 x λ P( < x)
  np 5 6
5 6 0.28505650032

 
Ejemplos:
1.- Si un banco recibe en promedio 6 cheques sin fondo por día, ¿cuáles son las
probabilidades de que reciba,
a) Cuatro cheques sin fondo en un día dado, RESULTADO: 0.1338
b) 10 cheques sin fondos en un dia dado? RESULTADO: 0.0413
c) mas de 5 cheques sin fondo en un dia? RESULTADO: 0.5543
d) Identifique los resultados infrecuentes altos. RESPUESTA X≥ 11 Cheques por dia
e) Identifique los resultado infrecuentes bajos. RESPUESTA X≤ 1 Cheque por dia
Lo normal es que aparezcan entre 2 y 10 cheques sin fondos en un dia.

DISTRIBUCION POISSON 3.-DISTRIBUCION POISSON

 x λ P(=X) x λ P(>x)
4 6 0.1338526 a) 5 6 0.55432036
10 6 0.0413031 b) 10 6 0.04262092

2.- DISTRIBUCION POISSON

x λ P(≤ x)
1 6 0.01735126524

2.- En la inspección de hojalata producida por un proceso electrolítico continuo, se identifican

imperfecciones en promedio por minuto. Determine las probabilidades de identificar
a) Una imperfección en 3 minutos, RESP: 0.3293
b) Al menos dos imperfecciones en 5 minutos, RESP: 0.2642
c) A lo más, una imperfección en 15 minutos. RESP: 0.1991
Para el inciso c), responda lo siguiente:
d) Cuales son los valores X infrecuentes altos? RESP: X≥7
e) Cuales son los valores X infrecuentes bajos? RESP: X≤ 0
f) Que valores de X se esperaria tener normalmente? Lo normal es que aparezcan entre 1 y 6
Solución:
a)      x = variable que nos define el número de imperfecciones en la hojalata por cada 3 minuto
 = 0.2 defectos/minuto x 3 minutos = 0.6 imperfecciones en promedio por cada 3 minutos en
hojalata

b)      x = variable que nos define el número de imperfecciones en la hojalata por cada 5 minuto
 = 0.2 defectos/minuto x 5 minutos = 1 imperfección en promedio por cada 5 minutos en la h
=1-(0.367918+0.367918) = 0.26416
 
c)      x = variable que nos define el número de imperfecciones en la hojalata por cada 15
 = 0.2 defectos /minuto x 15 minutos = 3 imperfecciones en promedio por cada 15 minutos en
hojalata
 
= 0.0498026 + 0.149408 = 0.1992106

DISTRIBUCION POISSON
x λ P(=X)
a) 1 0.6 0.3292870 Probabilidad de 1 imperfeccion en 3 minutos
 4.-DISTRIBUCION POISSON
b) x λ P(≥x)
2 1 0.26424112 Probabilidad de 2 o mas imperfecciones en 5 minutos

2.- DISTRIBUCION POISSON

x λ P(≤ x)
c) 1 3 0.19914827 Probabilidad de 1 o menos imperfecciones en 15 minut

4.-DISTRIBUCION POISSON 2.- DISTRIBUCION POISSON

x λ P(≥x) x λ P(≤ x)
7 3 0.03350853531 d) 0 3 0.04978707

3.- La produccion de televisores en SAMSUNG trae asociada una probabilidad de

defecto del 2%, si se toma un lote o muestra de 85 televisores , obtener la probabili
de que existan 4 televisores con defectos.

Aproximacion a la distribucion binomial

  np DISTRIBUCION POISSON
x λ P(=X)
4 1.7 0.06357463

Distribucion binomial. Este resultado es mas exacto

n p No exitos X P(X)
85 0.02 4 0.06306829

4.- En promedio, cada una de las 18,000 gallinas de un gallinero pone un huevo al día. Si se recogen lo
huevos cada hora.
a) ¿Cuál es el número medio de huevos que se recogen en cada hora? RESPUESTA: λ=750 huevos/h
b) ¿Con qué probabilidad encontraremos x huevos en una hora para x = 0,1,2,3?
c) ¿Y la probabilidad de que recojan 830 o más huevos; p( x ≥ 830) ? RESPUESTA: 0.212%
d) Encontrar menos de 675 huevos en una hora. Resp= 0.002563166
e) Encontrar entre 750 y 850 huevos en una hora inclusive.
f) Grafique la distribucion de probabilidad de X (huevos recogidos por hora)
g)Con un 95% de confianza, determine los resultados infrecuentes altos e infrecuentes bajos. Respues
X≤ 696 huevos/hora: X≥ 805 huevos/hora
h) Con un 95% de confianza, cuales resultados de la variable X son esperados. Entre 697 a 804 huevo
por hora

a) λ= 1 * 18000 / 24 750 Huevos/hora

 Delta
2
1.- DISTRIBUCION POISSON
b) x λ P(=X)
640 750 3.23144E-06
642 750 4.41698E-06
644 750 6.00000E-06
646 750 8.09993E-06 f ) Di s tri buci on de P rob abi l i ad de l
648 750 1.08674E-05 ducci ón de hue vo por hora; λ=7
Hue vos /hora
650 750 1.44907E-05 0.016 2.5% 95% 2.5%
652 750 1.92036E-05
0.014
654 750 2.52938E-05
656 750 3.31125E-05 0.012
658 750 4.30847E-05 0.01
660 750 5.57207E-05
0.008
662 750 7.16274E-05
0.006
664 750 9.15209E-05
666 750 1.16238E-04 0.004
668 750 1.46746E-04 0.002
670 750 1.84157E-04
0
672 750 2.29731E-04 640650660670680690700710720730740750760770780790
674 750 2.84883E-04
676 750 3.51188E-04
678 750 4.30371E-04 4.-DISTRIBUCION POISSON
680 750 5.24309E-04 x λ
682 750 6.35006E-04 830 750
684 750 7.64582E-04
686 750 9.15233E-04
688 750 1.08920E-03 2.- DISTRIBUCION POISSON
690 750 1.28873E-03 x λ P(≤ x)
692 750 1.51601E-03 674 750 0.00256317
694 750 1.77309E-03
696 750 2.06186E-03
698 750 2.38393E-03
700 750 2.74057E-03 6.- DISTRIBUCION POISSON
702 750 3.13263E-03 X1 X2 λ
704 750 3.56044E-03 750 850 750
706 750 4.02376E-03
708 750 4.52170E-03
710 750 5.05266E-03 2.- DISTRIBUCION POISSON
712 750 5.61427E-03 x λ
714 750 6.20337E-03 696 750
716 750 6.81603E-03
718 750 7.44749E-03 4.-DISTRIBUCION POISSON
720 750 8.09229E-03 x λ
722 750 8.74423E-03 805 750
724 750 9.39652E-03
726 750 1.00419E-02
728 750 1.06726E-02
730 750 1.12809E-02
732 750 1.18587E-02
734 750 1.23982E-02
736 750 1.28919E-02
738 750 1.33326E-02
740 750 1.37140E-02
742 750 1.40302E-02
744 750 1.42766E-02
746 750 1.44495E-02
748 750 1.45463E-02
750 750 1.45657E-02
752 750 1.45076E-02
754 750 1.43732E-02
756 750 1.41647E-02
758 750 1.38856E-02
760 750 1.35404E-02
762 750 1.31345E-02
764 750 1.26741E-02
766 750 1.21661E-02
768 750 1.16176E-02
770 750 1.10363E-02
772 750 1.04297E-02
774 750 9.80561E-03
776 750 9.17136E-03
778 750 8.53406E-03
780 750 7.90035E-03
782 750 7.27631E-03
784 750 6.66739E-03
786 750 6.07835E-03
788 750 5.51325E-03
790 750 4.97538E-03
792 750 4.46732E-03
794 750 3.99094E-03
796 750 3.54746E-03
798 750 3.13747E-03
800 750 2.76099E-03
802 750 2.41758E-03
804 750 2.10636E-03
806 750 1.82609E-03
808 750 1.57529E-03
810 750 1.35223E-03
812 750 1.15504E-03
814 750 9.81755E-04
 816 750 8.30382E-04
818 750 6.98916E-04
820 750 5.85396E-04
822 750 4.87930E-04
824 750 4.04718E-04
826 750 3.34073E-04
828 750 2.74428E-04
830 750 2.24346E-04
832 750 1.82522E-04
834 750 1.47784E-04
836 750 1.19085E-04
838 750 9.55015E-05
840 750 7.62240E-05
842 750 6.05489E-05
844 750 4.78695E-05
846 750 3.76664E-05
848 750 2.94983E-05
850 750 2.29929E-05

5.- Un centro de atención al cliente recibe en promedio 0.6 quejas de clientes por hora. La gerenc
recibir menos de 3 quejas por hora. Asuma que el número de quejas sigue a la Distribución de Po
a) Determine la probabilidad de que la gerencia logre su objetivo la siguente hora. RESPUESTA: 0
b) Determine la probabiliad de que el objetivo sea logrado en cada una de las cuatro horas conse
0.910696
c) Determine la probabilidad de que en cuatro horas haya menos de 3 quejas. Resp 0.5697
d) Determine la probabilidad de que exactamente cuatro quejas sean recibidas durante las proxim
RESPUESTA: 0.1820
Variable Mixta: Entera y Continua)

=EXP(1) Características DE DISTRIBUCION POISSON:

En este tipo de experimentos los éxitos buscados so
tiempo, pieza, etc, etc,:
QUE ESTAR EXPRESADA - # de defectos de una tela por m2
AS UNIDADES QUE X (TIEMPO, AREA…) - # de aviones que aterrizan en un aeropuerto por d
- # de bacterias por cm2 de cultivo
=np Para una aproximacion a la Dist. Binomial
- # de llamadas telefónicas a un conmutador por ho
a utilizar la distribución Poisson - # de llegadas de embarcaciones a un puerto por d
la distribución binomial: - # Accidentes por dia, hora...
Para determinar la probabilidad de que ocurran x éx
producto, la fórmula a utilizar sería:
donde:
p(x, ) = probabilidad de que ocurran x éxitos, cuan
6.- DISTRIBUCION POISSON de ellos es 
λ P( X1≤ X≤X2)
 = media o promedio de éxitos por unidad de tiem
10 0.066586563651645 e = 2.718...
x = Variable aleatoria que denota el número (entero
IBUCION POISSON X≤∞
λ  
30 Hay que hacer notar que en esta distribución el núm
de tiempo, área o producto es totalmente al azar y q
independiente de otro intervalo dado, así como cad
dada y cada producto es independiente de otro pro
 
 
 

s son las

ues por dia

e por dia
 < MENOS QUE
c) > MAS QUE
Más de 10 cheques

ntinuo, se identifican 0.2

de identificar

parezcan entre 1 y 6

ata por cada 3 minutos .

por cada 3 minutos en la

ata por cada 5 minutos

ada 5 minutos en la hojalata

ata por cada 15

or cada 15 minutos en la

2106

ion en 3 minutos
perfecciones en 5 minutos

mperfecciones en 15 minutos

e)

a probabilidad de
obtener la probabilidad

al día. Si se recogen los

ESTA: λ=750 huevos/hr

?
STA: 0.212%

uentes bajos. Respuesta:

Entre 697 a 804 huevos

 on de P rob abi l i ad de l a P ro -
de hue vo por hora; λ=7 5 0
Hue vos /hora
95% 2.5%

710720730740750760770780790800810820830840850

IBUCION POISSON
P(≥x)
0.00211975 c)

5.- DISTRIBUCION POISSON

x λ P( < x)
d) d) 675 750 0.00256317

ON POISSON
P( X1≤ X≤X2)
0.50469547 e)

IBUCION POISSON 5.- DISTRIBUCION POISSON

P(≤ x) x λ P( < x)
0.02434327 697 750 0.02434327
g)
IBUCION POISSON 3.-DISTRIBUCION POISSON
P(≥x) x λ P(>x)
 g)

0.02426637 804 750 0.02426637

es por hora. La gerencia tiene como objetivo
a la Distribución de Poisson.
e hora. RESPUESTA: 0.9769
as cuatro horas consecutivas. RESPUESTA:

as. Resp 0.5697

idas durante las proximas ocho horas.
UCION POISSON:
os los éxitos buscados son expresados por unidad de área,

por m 2
n en un aeropuerto por día, hora, minuto, etc, etc.
cultivo
a un conmutador por hora, minuto, etc, etc.
ciones a un puerto por día, mes, etc, etc.
a...
lidad de que ocurran x éxitos por unidad de tiempo, área, o
zar sería:

ue ocurran x éxitos, cuando el número promedio de ocurrencia

xitos por unidad de tiempo, área o producto

denota el número (entero) de éxitos que se desea que ocurra 0 ≤

n esta distribución el número de éxitos que ocurren por unidad

o es totalmente al azar y que cada intervalo de tiempo es
rvalo dado, así como cada área es independiente de otra área
dependiente de otro producto dado.