PROBABILIDAD Y ESTADÍSTICA

DISTRIBUCIÓN DE POISSON

Ing. Jaime Pedroza Soler

DISTRIBUCIONES PROBABILIDAD DISCRETA DISTRIBUCIÓN DE POISSON

DISTRIBUCIÓN DE POISSON Y PROCESO DE POISSON

PROCESO DE POISSON

Los experimentos que producen valores numéricos de una variable aleatoria X, el

número de resultados que ocurren durante un intervalo de tiempo determinado, o
en una región específica, se denominan experimentos de Poisson. El intervalo de
tiempo puede ser de cualquier duración. La región específica puede ser un
segmento de recta, un área, un volumen o quizá una pieza de material.

Fuente: Probabilidad y estadística para ingeniería y ciencias. Novena edición. Walpole – Myers-Myers. Pearson. 2012 Ing. Jaime Pedroza Soler
DISTRIBUCIONES PROBABILIDAD DISCRETA DISTRIBUCIÓN DE POISSON

Un experimento de Poisson se deriva del proceso de Poisson y tiene las

siguientes propiedades

1. El número de resultados que ocurren en un intervalo o en una región

específica es independiente del número que ocurre en cualquier otro
intervalo de tiempo o región del espacio disjunto. De esta forma vemos que
el proceso de Poisson no tiene memoria.

2. La probabilidad de que ocurra un solo resultado durante un intervalo de

tiempo muy corto o en una región pequeña es proporcional a la longitud del
intervalo o al tamaño de la región, y no depende del numero de resultados
que ocurren fuera de este intervalo de tiempo o región.

3. La probabilidad de que ocurra mas de un resultado en tal intervalo de

tiempo corto o que caiga en tal región pequeña es insignificante.

Fuente: Probabilidad y estadística para ingeniería y ciencias. Novena edición. Walpole – Myers-Myers. Pearson. 2012 Ing. Jaime Pedroza Soler
 DISTRIBUCIONES PROBABILIDAD DISCRETA DISTRIBUCIÓN DE POISSON

DISTRIBUCIÓN DE POISSON
El número “X” de resultados que ocurren durante un experimento de Poisson se
llama variable aleatoria de Poisson y su distribución de probabilidad de llama
Distribución de Poisson.
El número medio de resultados se calcula a partir de 𝝁 = 𝝀𝒕, donde t es el
“tiempo”, la “distancia”, el “área” o el “volumen” específicos de interés.
La distribución de probabilidad de la variable aleatoria de Poisson X, la cual
representa el número de resultados que ocurren en un intervalo de tiempo dado o
región específica y que se denotan con “t” es:

𝑒 −𝜆𝑡 (𝜆𝑡)𝑥
𝑝 𝑥, 𝜆𝑡 = , 𝑥 = 0, 1, 2, … ,
𝑥!
𝑟
Para facilitar el desarrollo de la función acumulativa se
𝑝(𝑟; 𝜆𝑡) = ෍ 𝑝(𝑥, 𝜆𝑡)
pueden emplear las tablas de la distribución.
𝑥=0

Tanto la media como la varianza de la distribución de poisson son iguales 𝝀𝒕, es

decir 𝝁 = 𝝀𝒕 = 𝝈𝟐

Fuente: Probabilidad y estadística para ingeniería y ciencias. Novena edición. Walpole – Myers-Myers. Pearson. 2012 Ing. Jaime Pedroza Soler
DISTRIBUCIONES PROBABILIDAD DISCRETA DISTRIBUCIÓN DE POISSON

Fuente: Probabilidad y estadística para ingeniería y ciencias. Novena edición. Walpole – Myers-Myers. Pearson. 2012 Ing. Jaime Pedroza Soler
DISTRIBUCIONES PROBABILIDAD DISCRETA DISTRIBUCIÓN POISSON

Ejemplo:
En cierto cruce ocurren, en promedio, 3 accidentes de tránsito al mes. ¿Cuál es la
probabilidad de que en cualquier determinado mes en este cruce ocurran
a./ exactamente 5 accidentes?

S//

X= Número de accidentes que ocurren en el cruce 𝑒 −𝜆𝑡 (𝜆𝑡)𝑥

𝑝 𝑥, 𝜆, 𝑡 =
𝑥!
𝑥=5 𝑡=1 𝜆=3

𝑒 −3∗1 ∗(3∗1)5
P(X = 5) = p 5,3,1 = = 0,1008
5!

R// La probabilidad de que en cualquier determinado mes en este cruce ocurran

exactamente 5 accidentes es de 0,1008 ó 10,08 %

Fuente: Probabilidad y estadística para ingeniería y ciencias. Novena edición. Walpole – Myers-Myers. Pearson. 2012 Ing. Jaime Pedroza Soler
DISTRIBUCIONES PROBABILIDAD DISCRETA DISTRIBUCIÓN POISSON

Ejemplo
En cierto cruce ocurren, en promedio, 3 accidentes de tránsito al mes. ¿Cuál es la
probabilidad de que en cualquier determinado mes en este cruce ocurran
b.// ocurran menos de 3 accidentes?
𝑒 −𝜆𝑡 (𝜆𝑡)𝑥
𝑝 𝑥, 𝜆, 𝑡 =
S// X= Número de accidentes que ocurren en el cruce 𝑥!
𝑟
𝑥≤2 𝑡=1 𝜆=3 𝑝(𝑟; 𝜆𝑡) = ෍ 𝑝(𝑥, 𝜆𝑡)
𝑥=0
𝑃 𝑥 ≤ 2 = 𝑝 𝑥 = 0 + 𝑝 𝑥 = 1 + 𝑝(𝑥 = 2)

𝑒 −3∗1 (3 ∗ 1)0
𝑝 𝑥 = 0 = 𝑝 0,3,1 = = 0,0498
0!
R// La probabilidad de
𝑒 −3∗1 (3 ∗ 1)1
𝑝 𝑥 = 1 = 𝑝 1,3,1 = = 0,1494 que en cualquier
1! determinado mes en
𝑒 −3∗1 (3 ∗ 1)2 este cruce ocurran
𝑝 𝑥 = 2 = 𝑝 2,3,1 = = 0,2240
2! menos de 3 accidentes
es de 0,423 ó 42,3%
𝑝 𝑥 ≤ 2 = 0,0498 + 0,1494 + 0,2240 = 0,423 = 42,3%

Fuente: Probabilidad y estadística para ingeniería y ciencias. Novena edición. Walpole – Myers-Myers. Pearson. 2012 Ing. Jaime Pedroza Soler
DISTRIBUCIONES PROBABILIDAD DISCRETA DISTRIBUCIÓN POISSON

Ejemplo: b.// ocurran menos de 3 accidentes?

También se puede resolver utilizando las tablas de la distribución, así:

𝑟
S// X= Número de accidentes que ocurren en el cruce
𝑝(𝑟; 𝜆𝑡) = ෍ 𝑝(𝑥, 𝜆𝑡)
𝑥≤2 𝑡=1 𝜆=3 𝜇 = 𝜆𝑡 = 3 ∗ 1 = 3 𝑥=0

𝑃 𝑥 ≤ 2 =?

R// La probabilidad de que en cualquier determinado mes en este cruce ocurran

menos de 3 accidentes es de 0,423 ó 42,3%

Fuente: Probabilidad y estadística para ingeniería y ciencias. Novena edición. Walpole – Myers-Myers. Pearson. 2012 Ing. Jaime Pedroza Soler