Está en la página 1de 14

Distribucin de Poisson

POISSON
Llamada as en honor al probabilista francs Simeon
Denis Poisson, que la dio a conocer en1838en su
trabajoRecherches sur la probabilit des jugements
en matires criminelles et matire civile(Investigacin
sobre la probabilidad de los juicios en materias
criminales y civiles).

DEFINICIN:

La distribucin de Poisson describe la probabilidad como un acontecimiento fortuito ocurrido en un tiempo o intervalo de espacio bajo las condiciones que la

probabilidad de un acontecimiento ocurre es muy pequea, pero el nmero de intentos es muy grande, entonces el evento actual ocurre algunas veces.
Sea el nmero medio de sucesos que ocurren en estos intervalos. La variable aleatoria as definida sigue una distribucin de Poisson de parmetro .

Ejemplos :
N de leucocitos en una gota de sangre
N de veces que una planta de energa
nuclear emite gases radiactivos en un
periodo de tres meses

Usos:
La probabilidad de obtener X xitos en un
intervalo continuo

Se emplea para describir varios procesos:

Distribucin de las llamadas telefnicas que


llegan a un conmutador

La demanda de servicios en un hospital por


parte de los pacientes

Los arribos de los camiones y automviles a la


caseta de cobro

El nmero de accidentes en un cruce

El nmero de defectos en una tela por m2


El nmero de bacterias por cm2

CARACTERSTICAS

El nmero medio (promedio) de eventos en el espacio


temporal o regin especfica de inters, por lo general
esta media se representa por la lambda griega ()

El nmero de resultados que ocurren en un intervalo


de tiempo o regin especficos es independiente de el
nmero que ocurre en cualquier otro intervalo de
tiempo o regin

La probabilidad de que un resultado muy pequeo


ocurra en un intervalo de tiempo muy corto o en una
regin pequea es proporcional a la longitud del
intervalo de tiempo o al tamao de la regin

La probabilidad de que ms de un resultado ocurra en


un intervalo de tiempo tan corto o en esa regin tan
pequea es inapreciable, que se puede asignar el
valor de 0

REQUISITOS:
Aleatoriedad
Los intervalos que ocurren en nuestro
intervalo deben ser independientes.

FRMULA DE POISSON


Ejemplo
1:
En el Hospital Almanzor Aguinaga Asenjo de la ciudad de
Chiclayo, se est estudiando los nacimientos de bebes
varones. Se sabe que en una semana nacen una media de
siete varones. Calcular:

Probabilidad de que nazcan 3 varones en una semana.

Probabilidad de que nazcan menos de 3 varones a la


semana.

Aplicando la frmula anterior:


X= nacimiento de beb varn(suceso)

7 varones a la semana

A) P(X=3) = = 0.052 5,2%


B) P(X<3) = P(X=0)+P(X=1)+P(X=2)=0.0292,9%

= 0.001

= 0.006

= 0.022

Ejemplo 2 :
Si el 2% de los libros de la Biblioteca de Medicina Humana,
son encuadernados en cierto taller y algunos tienen
encuadernacin defectuosa, se desea obtener la probabilidad
de 5 de 400 libros encuadernados en este taller tengan
encuadernaciones defectuosas. Calcular:

Probabilidad de que 5 de 400 libros tengan


encuadernacin defectuosa.

Aplicando la frmula:
X= 5 libros con encuadernacin defectuosa

2% de 400 libros=8

Ejemplo 3 :
Supngase que estamos investigando la seguridad de un crucero muy
peligroso. Los archivos de la polica indican una media de cinco
accidentes por mes en l. El nmero de accidentes est distribuido
conforme a la distribucin de Poisson, y la divisin de seguridad en
carreteras quiere calcular la probabilidad de exactamente 0,1,2,3 y 4
accidentes en un mes determinado.
Aplicando la frmula anterior:
P(0) = (5)0 (e-5) /0! = 0.00674
P(1) = (5)1 (e-5) /1! = 0.03370
P(2) = (5)2 (e-5) /2! = 0.08425
P(3) = (5)3 (e-5) /3! = 0.14042
P(4) = (5)4 (e-5) /4! = 0.17552
Para saber cual es la probabilidad en 3 o menos (X 3), sumaremos
las probabilidades de 0,1,2,3 lo que ser igual a :
P(X 3) = P(0)+P(1)+P(2)+P(3) = 0.26511
Dado que la probabilidad de que haya 3 o menos accidentes es de
0.26511 entonces la probabilidad de que ocurran ms de tres (X >
3) debe ser = 1 0.26511 = 0.73489.

Ejemplo 4 :
En una tienda de telas, un promedio de 12 personas por hora
le hacen preguntas a un decorador. La probabilidad de que 3
ms personas se acerquen al decorador para hacerle
preguntas en un periodo de 10 minutos.

Promedio por hora =12

= promedio por 10 minutos = 12/6 = 2.0

P (X 3 I = 2) = P (X=3 I = 2) + P (X=4 I = 2) + P
(X=5 I = 2) +

P (X 2 I = 2) = 1 [ P (X=0 I = 2) + P (X=1 I = 2)
+ P (X=2 I = 2) ]

Solucin 1

P (X=3 I = 2) = 0.1804
P (X=4 I = 2) = 0.0902
P (X=5 I = 2) = 0.0361
P (X=6 I = 2) = 0.0120
P (X=7 I = 2) = 0.0034
P (X=8 I = 2) = 0.0009
P (X=9 I = 2) = 0.0002
P (X 3 I = 2) = 0.3232

Solucin 2

P (X= 0 I = 2) = 0.1353
P (X= 1 I = 2) = 0.2707
P (X= 2 I = 2) = 0.2707
P (X 3 I = 2) = 0.3232

Ejemplo 5:
Se sabe que 1% de los artculos de un gran embarque de
transistores procedente de un proveedor son defectuosos.
Si se selecciona aleatoriamente una muestra de 30
transistores, la probabilidad de que dos o ms de ellos
sean defectuosos.

P (X 2 I n=30, p= 0.01) = P (X=2) + P (X=3) + =


0.0328+0.0031+0.0002 = 0.0361

Si =np=30(0.01) = 0.3, la aproximacin de Poisson del


anterior valor de probabilidad es

P (X 2 I = 0.3) = P (X=2) + P (X=3) + = 0.0333


+ 0.0033 + 0.0002 = 0.0368

As la diferencia entre la aproximacin de Poisson y el


valor de probabilidad binomial real es de slo 0.0007