5.2.

2 DISTRIBUCIÓN DE
PROBABILIDAD
POISSON
La distribución de probabilidad poisson es discreta, llamada así en memoria
de Simeon Denis Poisson(1781- 1840), útil para estimar el número de
ocurrencias en un intervalo específico de tiempo o espacio. Como puede ser
el número de autos que arriban a una estación de gasolina, también puede
ser el número de enfermos que llegan a un hospital para ser atendidos, el
número de defectos por cada metro de tela.

Mientras que la distribución Binomial está orientada a resolver problemas

relacionados con los éxitos esperados en “n” ensayos, la distribución de
Poisson busca dar respuesta a problemas relacionados con los éxitos
esperados en un intervalo de tiempo o de espacio.
PROPIEDADES DE UN EXPERIMENTO POISSON:
1 La probabilidad de ocurrencia es la misma para cualquiera de dos intervalos de igual longitud.
2 La ocurrencia o no ocurrencia en cualquier intervalo de tiempo o espacio es independiente.
3 El experimento aleatorio consiste en contar el número de veces que ocurre el evento en una
unidad de tiempo o espacio.
La distribución de probabilidad poisson tiene la siguiente función:

Donde

p(x) = probabilidad de x ocurrencias en un intervalo

µ = valor esperado o promedio de ocurrencias en un intervalo de tiempo o espacio

e = 2.71828
 Usted desea conocer el número de enfermos que llegan por la mañana a un clínica regional durante la semana en un periodo de
una hora. Si asumimos que la probabilidad de que un paciente que llega es la misma para cualesquiera de dos periodos de igual
duración y que la llegada o no llegada de un paciente en cualquier periodo es independiente del arribo o no en cualquier otro
periodo, entonces es aplicable la distribución poisson. Si se tienen registros que el número promedio de pacientes que llegan en
un periodo de una hora es de 4, ¿Cuál sería la probabilidad de que en una hora lleguen 2 pacientes?
La variable aleatoria es: X = número de pacientes que llegan en una hora a la clínica.

Se tiene como dato µ=4 . Por lo tanto P(x=2) sería:

Aquí involucramos el intervalo de tiempo de una hora, pero podemos utilizar otros intervalos de tiempo, por ejemplo, si se quiere
conocer la probabilidad de que lleguen 2 pacientes, en los siguientes 30 minutos.

Ahora, el intervalo de tiempo se ha modificado a 30 minutos (.5 horas), por lo que tenemos que ajustar el valor de µ que está en
horas. Esto es µ = 2 cada media hora.
Una variable que tiene una distribución poisson con un número conocido de ensayos n y una probabilidad conocida de éxitos p, se
pude determinar su valor esperado y su desviación estándar.

Fórmula

La distribución de Poisson se puede considerar como el límite de una distribución binomial cuando “ n ” es muy grande y “ p ” es
muy pequeña.

Cuando n es grande (n≥30) y crece indefinidamente y p es pequeña con tendencia a cero, de tal manera que la media (np<5)
entonces las probabilidades binomiales se aproximan a la fórmula de Poisson.
Ejemplo

La probabilidad de tener un accidente en el salón de clase de danza es de .006, en un grupo de 100 alumnos, ¿cuál es la
probabilidad de que haya un accidente?.
Variable aleatoria: X = número de accidentes en el salón de clase. n=100 p=0.006 Por lo tanto µ=np µ=100 ⋅0.006=0.6
P(x=1)=¿?
 Problemas propuestos
1 La central telefónica de un hotel recibe un número de llamadas por minuto con media 0,5. Determinar la probabilidad de que
en un minuto al azar:
a) Se reciba una única llamada.0.3032 1º)P(X=1)=0.3033
b) Se reciban un máximo de dos llamadas 0.0758 2º) P(X<=2)=0,9856
Nota: Este ejercicio no se evaluará.La solución al ejercicio se presenta a continuación en el video
3º)P(X>3)=1-P(X<=3)=1-0,9982=0,0018

a) se reciba una única llamada.

b) se reciban un máximo de dos llamadas.
c) la centralita quede bloqueada, sabiendo que no puede realizar más de 3 conexiones por minuto.
Si el 2% de los garrafones retornables de agua Electropura se detectan fisuras antes de ser llenados, determine la
probabilidad de que cinco de los próximos 400 garrafones que se intenten llenar presenten fisuras.
a) 0.0125
b) 0.02
c) 0.10
d) 0.0916
Usted sabe que dispone en este momento de 6 refrescos gaseosos y cada uno de sus invitados consumen en
promedio 1.5 refrescos en una hora.

¿Cuál es la probabilidad de que en la siguiente hora no le alcancen los refrescos?

a) 0.001
b) 0.0035
c) 0.2231
d) 0.0007