Mgt.

Alfredo Marcavillaca Luna Estadística General (Derecho)

DISTRIBUCIÓN DISCRETA DE POISSON

VARIABLE ALEATORIA DE POISSON. PROCESO DE POISSON
La distribución de Poisson es una de las más importantes distribuciones de
variables discretas. Sus principales aplicaciones hacen referencia a la
modelización de situaciones en la que nos interesa determinar el número de
hechos de cierto tipo que se puede producir en un intervalo de tiempo o de
espacio.
La variable aleatoria de Poisson se define como el número de veces X que ocurre
un evento particular durante una unidad dada de tiempo y tiene las siguientes
características:
1. Las condiciones experimentales deben ser constantes a lo largo de todo
intervalo.
2. La probabilidad de que ocurra un evento en una unidad dada de tiempo es la
misma para todas las unidades de tiempo.
3. El número de eventos que ocurre en una unidad de tiempo es independiente
del número de los que ocurren en otras unidades.
4. El número medio de eventos en cada unidad se denomina tasa de ocurrencias
y se denota por  .
El experimento descrito es conocido como proceso de Poisson.
La unidad o intervalo de tiempo unitario, puede en las aplicaciones, ser cambiada
por unidad de longitud, de área, de volumen, o de cualquier otra medida.
DISTRIBUCIÓN DE PROBABILIDADES DE POISSON
DEFINICIÓN. La distribución de probabilidad para una variable aleatoria de
Poisson con tasa de ocurrencia X en una unidad de tiempo dada, es la función
discreta:
 e −  x
 , x = 0,1, 2,3,....
f (x) = P  X = x  = P  x;   =  X!
0
 , caso contrario
Donde: e = 2.71828......
Como por ejemplo de una variable aleatoria de Poisson podemos citar al número
de partículas emitidas por una sustancia reactiva en una hora, el número de
mensajes que llega a un servidor de correo durante una hora, etc.
La función de distribución acumulada de la variable aleatoria de Poisson X es.
0, si x  0
 r − x
 e 
f (x) = P  X  x  =   , si x = 0,1, 2,3,..., n − 1
 x =0 x!

1 ,si x  n
En la práctica se presentan problemas donde es necesario encontrar
P  X  x  o P a  x  b  y para ello se dispone de las sumas binomiales
r
f ( x,  ) =  P  x,  
x =0

1
UNIVERSIDAD ANDINA DEL CUSCO
 Mgt. Alfredo Marcavillaca Luna Estadística General (Derecho)

La notación que resume la distribución de Poisson es X P().

La esperanza y la varianza de una variable aleatoria discreta X con distribución de
probabilidad de Poisson P  x,  son:
Media o Esperanza: x = E(x) = 
Varianza: x = Var(x) = 
2

La notación que resume la distribución de Poisson es X P(),

Si X P(), entonces, su media  =  y su varianza es:  =  2

e−  x
Observe que: f (x) = P  X = x  = , x = 0,1, 2,.....
X!
Si el periodo es extendido o comprimido a [0, t], la media es:  = t.
La distribución de Poisson tiene las siguientes propiedades:

1. propiedad reproductiva de Poisson

Si X1 ,X2 ,X3 ,......,Xn . son variables aleatorias independientes y cada
X1 Poisson(i ),
n n
entonces,  Xi
i =1
Poisson( i ).
i =1

2. Aproximación de la distribución de la Binomial por la Poisson

− x
P  X = x  = Cnx p x (1 − p) n − x sea próxima a P  X = x  = e  .
X!

Cuando n → +, p → 0, y  = np, permanece constante.

La aproximación es buena si np  5 y p  0.1.
La distribución de Poisson se aplica a cualquier fenómeno aleatorio que ocurre
por unidad de tiempo, de longitud, de área, de volumen etc., entre otras, en
control de calidad y en situaciones alternantes de éxitos y fracasos. Poisson es el
modelo de probabilidad - adecuado del número de defectos que ocurren en una
unidad de un producto. En control de calidad es asociada con la distribución
gamma.
EJERCICIOS
1. En una empresa de tornillos S.A. hallar la probabilidad de producir 5 tornillos
defectuosos en un día, si se sabe que la producción de ese día fue de 1000 y si
se sabe que la producción de tornillos defectuosos es de 2 en cada 1000.
SOLUCIÓN

2
Tenemos n = 1000 (grande), p = = 0.002 (pequeña), x = 5 y λ = np = (1000)(0.002) = 2
1000
Luego:

2
UNIVERSIDAD ANDINA DEL CUSCO
 Mgt. Alfredo Marcavillaca Luna Estadística General (Derecho)

− x
f (x) = P  X = x  = P  x;   = e 
X!
e−λ .λx (2.71828)−2 .25
𝑓(𝑥) = 𝑃[x = 5] = P(5; 2) = = = 0.03609
x! 5!

2. Supongamos que llega en forma aleatoria una serie de llamadas a un central

telefónico con un promedio de 2 llamadas por minuto.
a) Calcular la probabilidad de que ocurra 5 o más llamadas en el periodo de un
minuto
b) Calcular la probabilidad de que ocurra 9 o más llamadas, en 4 minutos

SOLUCIÓN
a) Sea X el número de llamadas que ocurre en el periodo de un minuto. El
promedio de llamadas en el periodo de un minuto es λ = ut = 2(1) = 2.
La probabilidad de que ocurra x llamadas en el periodo de un minuto es:
e−  x e−2 2x
f (x) = P  X = x  = = , x = 0,1, 2,3,......
x! x!

Y la probabilidad de que acurra 5 o más llamadas en dicho periodo en dicho periodo

es:
4 4
e−2 . 2x
P[x ≥ 5] = 1 − P[x ≤ 4] = 1 − ∑ P(x; 2) = 1 − ∑
x!
x=0 x=0

De la tabla, para x = 4, λ = 2, tenemos

P[x ≥ 5] = 1 − 0,9473 = 0,0527
b) Para este caso, consideremos X el número de llamadas recibidas en el periodo
de t minutos. La probabilidad de recibir x llamadas en el periodo de t es:

e−ut .(ut)x
P[X = x] = , x = 0,1, 2, ……, u>0
x!

donde u = 2 es el promedio de llamadas por minuto y el periodo de 4 minutos ocurre

cuando t = 4, Entonces λ = ut = (2)(4) = 8 y por lo tanto x=8
8
e−8 . 8x
P[x ≥ 9] = 1 − P[x ≤ 8] = 1 − ∑ = 1 − 0.5925 = 0.4075
x!
x=0

3. El número medio de automóviles que llega a una estación de suministro de

gasolina es de 210 por hora. Si dicha estación puede atender a un máximo de 10
automóviles por minuto, determinar la probabilidad de que en un minuto dado
lleguen a la estación de suministro más automóviles de los que pueden atender.
SOLUCIÓN
La variable aleatoria x es el número de automóviles que llega a la estación de
servicio en un minuto.

3
UNIVERSIDAD ANDINA DEL CUSCO
 Mgt. Alfredo Marcavillaca Luna Estadística General (Derecho)

e−λ .λx 210

como 𝑓(𝑥) = P[X = x] = ⇒ λ= = 3.5
x! 60

la estación no podrá atender si llega más de 10 automóviles por minuto.

+
P  x  10 =  P  X = x  = 1 − P  x  10 = 1 − 0.9990 = 0.0010
x =11

4. El número de clientes que llega a un banco es una variable de Poisson. Si el

número promedio es de 120 por hora. ¿Cuál es la probabilidad de que en un
minuto lleguen por lo menos tres clientes?

SOLUCIÓN

X: número de clientes que llegue a un barco en un minuto E(x) = 120 clientes por

120
hora. E(x) = =2= =2 x=2
60

2
e−2 .2x
P  x  3 = 1 − P  X  3 = 1 − P  x  2 = 1 − 
x =0 x !

P[x ≥ 3] = 1 − P[x < 3] = 1 − [P[x = 0] + P[x = 1] + P[x = 2]]

 e−2 20 e−2 21 e −2 22 
P  X  3 = 1 − P  x  3 = 1 −  + + 
 0! 1! 2! 
 −2
2

P  X  3 = −  e−2 + e −2 2 +
e 4  = 1 − ( e −2 + 2e −2 + 2e −2 ) = 1 − 5e −2
 2 
 

P  x  3 = 1 − 5 ( 2.7182 )
−2
=  −  = 0.3233

La probabilidad es de un 32.33% aproximadamente.

5. Del volumen de producción diario en dos plantas diferentes de una fábrica, se

sabe que la probabilidad de que resulten x unidades defectuosas es:
e−4 .4x
• En la primera planta: para x = 0,1,2, …
X!
e−6 .6x
• En la segunda planta: X! para x = 0,1,2, …
Determinar la probabilidad de que, en un día determinado.
a) Resulten cinco o más unidades defectuosas en la primera planta
b) Resulten cuatro o menos unidades defectuosas en la segunda planta
c) Resulten ocho o más unidades defectuosas del total de la producción de la
fabrica

SOLUCIÓN
4
UNIVERSIDAD ANDINA DEL CUSCO
 Mgt. Alfredo Marcavillaca Luna Estadística General (Derecho)

a) X1: número de unidades defectuosas en la primera planta = P(  = 4)

4
e−4 .4x
P[x1  5] = 1 − P[x  5] = 1 − P  x  4 = 1 −  = 1 − 0.6288 = 0.3712
x =1 x!

b) X2: número de unidades defectuosas en la segunda planta = P (  = 6)

4
e−6 .6x
P  x 2  4 =  = 0.2851
x =0 x!
c) X3: número de unidades defectuosas del total de la producción
⟹ λ = 4 + 6 = 10 x=7
7
e−10 .10x
P  X3  8 = 1 − P  X  8 = − P  X  7  = 1 −  = 1 − 0.2202 = 0.7798
x =0 x!
6. El número de mensajes que llegan a un sistema de comunicación sigue una
distribución de Poisson con una desviación estándar de 240 mensajes por minuto.
El sistema puede procesar un máximo de 6 mensajes por segundo.
a) Calcule la probabilidad que en el primer segundo de empezado a funcionar el
sistema no se pueda procesar algún mensaje.
SOLUCION
a) Sea X = Número de mensajes que llegan en el periodo de un segundo. Entonces.
240
= =4
60
6
e−4 4x
X P( = 4) y P  X  6 = 1 − P  X  6 = 1 −  = 1 − 0.8893 = 0.1107
x = 0 X!

7. Un estudio realizado en las tierras de cultivo de Tarapoto concluye afirmando que

la probabilidad de que cada hectárea de siembra de arroz contenga por lo menos
un nido de hormiga es de 0.005. ¿Qué probabilidad hay de que de 1000 hectáreas
de siembras de arroz al menos 5 de ellas contengan por lo menos un nido de
hormiga?
SOLUCIÓN.
Sea X el número hectáreas, de las 1000 de siembras de arroz escogidas, que
contengan por lo menos un nido de hormiga. Los posibles valores de X son
r
0,1,2,..., 1000 y se distribuyen según el modelo binomial: f ( x,  ) =  P  x,  
x =0
B(1000,0.005), esto es:
P  X = x  = C1000 K
K (0.005) (0.995)
1000 − K
, k = 0,1, 2,3,...,1000
La probabilidad de que al menos 5 de las hectáreas de siembras de arroz
contengan por lo menos un nido de hormiga es:

5
UNIVERSIDAD ANDINA DEL CUSCO
 Mgt. Alfredo Marcavillaca Luna Estadística General (Derecho)

4
P  X  5 = 1 − P  X  4 = 1 −  C1000 K
K (0.005) (0.995)
1000− K

K =0

Si utilizamos la aproximación a la Poisson, se tiene:

 = np = 1000(0.005) = 5   = 5 .

Donde p= número de éxitos, n=1000, tamaño de muestra.

1000 − K e−5 5k e−5 .5x

C1000 K
K (0.005) (0.995)   y
k! x!
P  X  5 = 1 − P  X  4  1 − 0.4405 = 0.5595

8. Supongamos que llega en forma aleatoria una serie de llamadas a un central

telefónico con un promedio de 4 llamadas por minuto.
a) Calcular la probabilidad de que ocurra 7 o más llamadas en el periodo de un
minuto
b) Calcular la probabilidad de que ocurra 11 o más llamadas, en 5 minutos

SOLUCIÓN
a. Sea X el número de llamadas que ocurre en el periodo de un minuto. El promedio
de llamadas en el periodo de un minuto es  = t = 4(1) = 4   = 4 .
Y la probabilidad de que acurra 7 o más llamadas en dicho periodo en dicho periodo
es:
6
e−4 .4 x
P  x  7  = 1 − P  x  6 = 1 − 
x =0 x !
De la tabla, para x = 6,  = 4, tenemos

P  x  7 = 1 − 0.8893 = 0.1107

b. Para este caso, consideremos X el número de llamadas recibidas en el periodo

de t minutos. La probabilidad de recibir x llamadas en el periodo de t es:

e−ut .(ut)x
P[X = x] = , x = 0,1, 2, ……, u>0
x!

donde u = 4 es el promedio de llamadas por minuto y el periodo de 4 minutos ocurre

cuando t = 6, Entonces λ = ut = (4)(5) = 20 y por lo tanto x=10
10
e−20 . 20x
P[x ≥ 11] = 1 − P[x ≤ 10] = 1 − ∑ = 1 − 0.0108 = 0.9892
x!
x=0

6
UNIVERSIDAD ANDINA DEL CUSCO
Mgt. Alfredo Marcavillaca Luna Estadística General (Derecho)

7
UNIVERSIDAD ANDINA DEL CUSCO
Mgt. Alfredo Marcavillaca Luna Estadística General (Derecho)

8
UNIVERSIDAD ANDINA DEL CUSCO
Mgt. Alfredo Marcavillaca Luna Estadística General (Derecho)

9
UNIVERSIDAD ANDINA DEL CUSCO
Mgt. Alfredo Marcavillaca Luna Estadística General (Derecho)

10
UNIVERSIDAD ANDINA DEL CUSCO