UNIVERSIDAD ESTATAL DEL SUR DE

MANABI.
FACULTAD DE CIENCIAS
ECONÒMICA.
CARRERA ADMINISTRACIÒN DE
EMPRESAS.
2do NIVEL
PARALELO: ‘‘A’’ MATUTINO.
DOCENTE PHD: ERICK GEOVANNY SALAZAR PONCE.
ASIGNATURA: ESTADISTICA.
TEMA: DISTRIBUCION DE POISSON.

INTEGRANTES GRUPO # 3
 MACIAS MENDOZA DANIELA ELIZABETH.
 MOLINA MENDOZA DANIELA NOHELY.
 MIRANDA BALDERRAMO TANIA FERNANDA.
 MORANTE MAYON MELANIE TATIANA.
 MARCILO LUCAS MADELLEN DENISSE.
 MOREIRA CASTRO JEREMIAS ABDUL.
 MORAN PINCAY MILTON VICENTE.
 MOYA DOMINGUEZ YARITZA YARELLY.
 MUÑIZ QUIROZ NOHELIA NAYELY.
 OLVERA LASCANO LIGNER DENIS.
 OCHOA SARMIENTO MELANY DAMARIS.
 PARISMORENO ZAMBRANO RONALD ARMANDO.
 DISTRIBUCION DE POISSON.

FUNDAMENTOS TEÓRICOS

La distribución de Poisson fue desarrollada por Simeón – Denis Poisson (1781-1840) .

Esta distribución de probabilidades es muy utilizada para situaciones de donde los
sucesos son impredecibles o de ocurrencia aleatoria.

En general, la distribución de Poisson se utiliza para aproximaciones de experimentos

Binomiales donde el número de pruebas es muy alto (n ➝ ∞), pero la

probabilidad su éxito es muy bajo (p ➝ 0).

Siméon Denis Poisson

(1781/06/21 - 1840/04/25)

 Físico y matemático francés

 Conocido por sus contribuciones teóricas a la electricidad y al magnetismo,

también por sus teorías de la geometría diferencial y la de probabilidades.

 Obras: Distribución de Poisson; Regresión de Poisson; Ecuación de Poisson;

Proceso de Poisson; Coeficiente de Poisson...

 Campos: Análisis matemático, teoría de la probabilidad, matemáticas y

mecánica

 Padres: Siméon Poisson y Aimée Marie Poisson

 Cónyuges: Anne Poisson

 Hijos: Simeon Jean Charles, Marie-Alexandrine, Anne-Denise-Joséphine-Marie

Siméon Denis Poisson nació el 21 de junio de 1781, en Loiret, Francia.

En 1802 fue ayudante del matemático Jean-Baptiste Joseph Fourier, y en 1808 fue
nombrado astrónomo en la Oficina de Longitudes y, cuando se instituyó la Facultad de
Ciencias en 1809, profesor de matemáticas puras.

SEGÚN LEONARD KAZMIER Y ALFREDO DIAZ MATA (2004)

La distribución de Poisson se puede expresar en forma gráfica ya que en realidad

consiste en diagrama de barras, similares a funciones de probabilidad, pero con forma
asimétrica positiva como su distribución binomial.

Modelo y propiedades

La distribución de Poisson tiene las siguientes propiedades:

-El tamaño de la muestra es grande: n → ∞.

-Los sucesos o eventos considerados son independientes entre sí y ocurren

aleatoriamente.

-La probabilidad P de que cierto suceso y ocurra durante un periodo de tiempo concreto
es muy pequeña: P→ 0.

-La probabilidad de que ocurra más de un suceso en el intervalo de tiempo es 0.

-El valor promedio se aproxima a una constante dada por: μ = n.p (n es el tamaño de la
muestra)

-Puesto que la dispersión σ es igual a μ, a medida que esta adopta valores más grandes,
la variabilidad también se hace mayor.

-Los sucesos deben estar distribuidos uniformemente en el intervalo de tiempo usado.

-El conjunto de posibles valores del suceso y es: 0,1,2,3,4….

-La suma de i variables que siguen una distribución de Poisson, es también otra variable
de Poisson. Su valor promedio es la suma de los valores promedio de dichas variables.

¿Qué es la distribución de Poisson?

La distribución de Poisson es una distribución de probabilidad discreta que se aplica a

las ocurrencias de algún evento durante un periodo determinado. Es decir, es una
distribución de probabilidad discreta en la que solo es necesario conocer los eventos y
cuál es su frecuencia media de ocurrencia para poder conocer la probabilidad de que
ocurran.
Una distribución es discreta cuando se toma un número de valor finito, mientras que las
continuas usan un número infinito de valores.

La distribución de Poisson fue creada por el matemático y filósofo francés del siglo
XVII Simeón-Denis Poisson en su proyecto para modelar la frecuencia de eventos
durante un rango de tiempo determinado. Esta distribución la hizo pública en el año
1838 en su trabajo “Investigación sobre la probabilidad de los juicios en materias
criminales y civiles”.
Qué diferencias hay entre distribución de Poisson y binomial.

La distribución de Poisson es una distribución binomial que está limitada al solo

depender de un parámetro, el número esperado de eventos que ocurrirán en un intervalo
fijado, es decir, la frecuencia de los eventos.
Si en una función binomial sus parámetros tienden a infinito y a cero, la distribución
límite obtenida es la de Poisson.

Cómo saber si una distribución es de Poisson

Para que una distribución sea considerada como distribución de Poisson debe cumplir
con tres requisitos:

 La variable discreta “x” es el número de ocurrencias de un evento durante un

intervalo determinado (de tiempo, espacio, etc.).
 Las ocurrencias deben ser aleatorias y no contener ningún factor que favorezca
unas ocurrencias en favor de otras.
  Las ocurrencias deben estar uniformemente distribuidas dentro del intervalo que
se emplee.

Una propiedad importante de la distribución de Poisson es que, la suma de “n” variables

de Poisson independientes tendrán como resultado también una variable de Poisson,
siendo su parámetro la suma del valor de los parámetros originales.

Qué aplicaciones tiene la distribución de Poisson

En la vida real se utiliza la distribución de Poisson para hacer cálculos de probabilidades

donde se requiere contar el número de veces que se produce un suceso aleatorio durante
un periodo determinado de tiempo (o también de distancia, área u otro parámetro). Es
especialmente útil para calcular probabilidades muy pequeñas o sucesos que tienen
pocas posibilidades de producirse.

Ejemplos de la aplicación de la distribución de Poisson

A continuación, presentamos algunos ejemplos de la aplicación de la distribución de

Poisson en la vida real:

 Contador de Geiger. Es un instrumento para medir la radiactividad de un

objeto o zona. Se utiliza la distribución de Poisson para calcular el
comportamiento estadístico de la radiación y así poder establecer su nivel.
 Operaciones bursátiles. En el mundo de los mercados y la bolsa se utiliza la
distribución de Poisson para calcular el riesgo de las operaciones en los
tiempos de espera entre transacciones financieras.
 Contador de personas. Los contadores de personas que habitualmente se
utilizan en los comercios para saber el número de personas que entran en su
establecimiento durante un periodo de tiempo (número de clientes en la última
hora, por ejemplo).
  Otras aplicaciones. Otros ejemplos del uso de esta distribución son el cálculo
de las llamadas de teléfono que se reciben en un día en una centralita, hallar el
número de bacterias que hay en un volumen de determinado de agua, el
número de peticiones de servicio diarias de un servidor web, establecer el
riesgo de crédito en una operación de financiación, calcular la cantidad de
estrellas en un
 determinado volumen espacio o el número de accidentes por año registrados por
una compañía de seguros.

La distribución de Poisson también se usa a veces para aproximar una distribución

binomial. También se utiliza en ocasiones una aproximación de la distribución de
Poisson a una distribución Gaussiana (aunque esta es de probabilidad continua y no
discreta).

Hemos visto como la distribución de Poisson es capaz de calcular la probabilidad de

que se produzca un evento durante un periodo determinado de tiempo o una región
específica. Las aplicaciones de esta distribución se usan en todas las áreas de la vida,
siendo especialmente útiles en el sector empresarial para poder hacer predicciones sobre
el riesgo de las operaciones.

En la ciencia y en la medicina es habitual la aplicación de la distribución de Poisson

para realizar cálculos de probabilidades en sucesos que son muy difíciles de predecir y
que tienen una ocurrencia aleatoria.
Distribución de Poisson

En teoría de probabilidad y estadística, la distribución de Poisson es una distribución de

probabilidad discreta que expresa, a partir de una frecuencia de ocurrencia media, la
probabilidad de que ocurra un determinado número de eventos durante cierto período de
tiempo. Concretamente, se especializa en la probabilidad de ocurrencia de sucesos con
probabilidades muy pequeñas, o sucesos «raros».

La distribución de Poisson fue creada por el matemático y filósofo francés del siglo
XVII Simeón-Denis Poisson en su proyecto para modelar la frecuencia de eventos
durante un rango de tiempo determinado. Esta distribución la hizo pública en el año
1838 en su trabajo “Investigación sobre la probabilidad de los juicios en materias
criminales y civiles”.

Nuestra variable aleatoria x representará el número de ocurrencias de un suceso en un

intervalo determinado, el cual podrá ser tiempo, distancia, área, volumen o alguna otra
unidad similar o derivada de éstas.

La probabilidad de nuestra variable aleatoria X viene dada por la siguiente expresión.

donde:

 Nuestra variable aleatoria discreta puede tomar los

valores:

 donde es la media del número de sucesos en el intervalo que estemos

tomando, ya sea de tiempo, distancia, volumen, etc. Es importante
entender que este valor es una media en el sentido estrictamente
estadístico de la palabra y como tal se calculará mediante dicha
 expresión y no debe calcularse nunca con una regla de proporcionalidad
o regla de tres.

 Se debe cumplir la condición de normalización

 La desviación típica es

 Cuando realizamos un experimento contando sucesos y obtenemos un

valor x, su error vendrá determinado por la raíz de x.

-Suponemos que queremos calcular el número total de veleros que salen a pescar en
media hora. Sabemos que, en promedio, salen 4 veleros cada 5 minutos.

Velero

Entonces, podemos igualar lo siguiente:

El número esperado de veleros que saldrán a pescar en media hora serán:

24 veleros saldrán a pescar en total durante media hora teniendo en cuenta que se
esperan que salgan 4 veleros cada 5 minutos.

Ejemplos.

La veterinaria de Jorge recibe un promedio de μ = 4 pacientes por día. Sabiendo que el

número de pacientes que llegan en un día sigue una distribución de Poisson, calcular:

a) la probabilidad de que lleguen 3 pacientes en un día.

Primero definimos nuestra variable aleatoria:

X = número de pacientes que llegan en un día.

Además, nos indican que esta variable aleatoria X sigue una distribución de Poisson,
entonces podemos aplicar la fórmula:

Calculamos la probabilidad de que lleguen 3 pacientes en un día, es decir, f(3). Además,

el enunciado nos indica que llegan en promedio 4 pacientes por día, es decir, μ = 4.
La probabilidad de que lleguen 3 pacientes en un día es de 0,1954 o 19,54 %.

b) la probabilidad de que lleguen 5 pacientes en un día.

Calculamos la probabilidad de que lleguen 5 pacientes en un día, es decir, f(5). Además,
el enunciado nos indica que el enunciado que llegan en promedio 4 pacientes por día, es
decir, μ = 4.
La probabilidad de que lleguen 5 pacientes en un día es de 0,1563 o 15,63 %.
EJERCICIO DISTRIBUCION DE POISSON
Cada año ocurre un promedio de 24 accidentes aéreos.
a) Calcule la probabilidad de que ocurra exactamente un accidente en
un mes.

X= n° de accidentes aéreos que ocurren en 1 mes

X~ Poisson (2)
x= 1
u= 2

24 12m
? 1m
2
? = 24 ac * 1m = 2ac
12m
-u x
f (x) = P (X=x) = e * u
x!
-2 1 -2
f (1) = P (X=1) = e * 2 = e * 2
1!
1

f (1) = P (X=1) = 0,2707 R//

La distribución de Poisson tiene un
parámetro, llamado (letra griega lambda minúscula), que es
la media o el número esperado de eventos por unidad. La
varianza de la distribución de Poisson también es
igual a l , y su desviación estándar es igual a
. El número
de eventos X de la variable aleatoria de Poisson fluctúa
desde 0 hasta infinito.

Donde:

P(X) = Probabilidad de X eventos en un

área de oportunidad

= Número de eventos
esperados

X = Número de eventos

Este número es de gran importancia,

tan sólo comparable a la del número π (pi), por
su gran variedad de aplicaciones. El número e
suele definirse como el límite de la
expresión:

(1 + 1/n)n

Cuando n tiende hacia el infinito. Algunos

valores de esta expresión para determinados valores de la
n se muestran en la tabla siguiente:

Observando la columna de la derecha de la

tabla anterior, se puede ver que a medida que n crece el valor de
la expresión se aproxima, cada vez más, a un valor
límite. Este límite es
2,7182818285….

EJEMPLOS ILUSTRATIVOS
1) Suponga una distribución de
Poisson. Si = 1 ,
calcular P(X= 0)

Solución:

Aplicando la fórmula se

obtiene:

También se puede obtener con lectura

de la tabla de probabilidades de Poisson
El cálculo de P(X = 0)con = 1 en Excel se realizan de
la siguiente manera:

a) Se inserta la función

POISSON
b) Clic en Aceptar. En la ventana de
Argumentos de la función, en X seleccionar B2 en Media
escribir o seleccionar B1 y en Acumulado escribir

Falso.

c) Clic en Aceptar