APROXIMACIÓN DE LA BINOMIAL POR LA DE POISSON

En matemáticas, especialmente en Teoría de probabilidades, la aproximación

de Poisson de la distribución binomial se puede emplear, cuando hay un
resultado diferente sobre la probabilidad de que ocurra una cantidad
determinada de éxitos en una serie de experimentos independientes.
Esta aproximación es, particularmente, ventajoso en el caso de que la
probabilidad de éxito es pequeña y la cantidad de experimentos es bastante
grande.
La aproximación de Poisson a la distribución binomial no es trivial y siempre
aplicable; se deben cumplir una serie de condiciones que nos garantizarán que
la aproximación es correcta. Las condiciones son las siguientes: que sea
grande; tiene que ser pequeña (es lo que se conoce como un evento raro o
poco común); y el producto .

Si se cumplen las condiciones podremos calcular la expresión (1) mediante la

fórmula de la distribución de probabilidad de Poisson:

(5)

donde el valor de . Sustitumos los valores por los datos que nos
proporciona el problema que estamos usando en la explicación:

(6)

Podemos observar que obtenemos el mismo valor que usando la expresión de

la distribución binomial (1), pero realizando bastantes menos cálculos y
mucho menos engorrosos.

Llegados a este punto parece que hemos encontrado, bajo ciertas condiciones,
una buena aproximación a la distribución binomial. Cabe preguntarse cómo es
de buena esta aproximación.

GRAFICA;
 APLICACIONES EN LA REALIDAD

EJEMPLO 1
La probabilidad de dar en un blanco en cada disparo es de 0.01. Hallar la
probabilidad de que suceda , por lo menos, un acierto en 400 disparos.
Solución
Se tiene P(μ400 = 0) ≈ e-400(0.019 = e-4 = 0.0183, de modo que

P(μ400 ≥ 1) = 1 - P(μ400 = 0) ≈ 0.9817

Ejemplo 2:
llamadas por hora a un centro de llamadas Los centros de llamadas utilizan la
distribución de Poisson para modelar la cantidad de llamadas esperadas por
hora que recibirán para saber cuántos representantes del centro de llamadas
deben mantener en el personal. Por ejemplo, suponga que un centro de
llamadas determinado recibe 10 llamadas por hora. Podemos usar una
calculadora de distribución de Poisson para encontrar la probabilidad de que
un centro de llamadas reciba 0, 1, 2, 3… llamadas en una hora determinada: P
(X = 0 llamadas) = 0.00005 P (X = 1 llamada) = 0,00045 P (X = 2 llamadas) =
0,00227 P (X = 3 llamadas) = 0,00757 Y así. Esto les da a los gerentes del
centro de llamadas una idea de cuántas llamadas probablemente recibirán por
hora y les permite administrar los horarios de los empleados en función de la
cantidad de llamadas esperadas.