MAESTRÍA EN ADMINISTRACIÓN DE NEGOCIOS

 
NOMBRE DEL PROFESOR: DIONISIO ALVAREZ VILCHIS
 
MATERIA: MODELOS CUANTITATIVOS PARA LA TOMA
DE DECISIONES
 
ALUMNO: GLORIA SHARON CARBAJAL MEJÍA
 
TEMA: DISTRIBUCION POISSON

GRUPO: MAN301
 
Introducción
Esta distribución es una de las más importantes distribuciones de variable discreta. Sus principales
aplicaciones hacen referencia a la modelización de situaciones en las que nos interesa determinar el
número de hechos de cierto tipo que se pueden producir en un intervalo de tiempo o de espacio, bajo
presupuestos de aleatoriedad y ciertas circunstancias restrictivas. Otro de sus usos frecuentes es la
consideración límite de procesos dicotómicos reiterados un gran número de veces si la probabilidad de
obtener un éxito es muy pequeña .
Esta distribución se puede hacer derivar de un proceso experimental de observación en el que tengamos
las siguientes características:
· Se observa la realización de hechos de cierto tipo durante un cierto periodo de tiempo o a lo largo de un
espacio de observación· Los hechos a observar tienen naturaleza aleatoria ; pueden producirse o no de
una manera no determinística.· La probabilidad de que se produzcan un número x de éxitos en un
intervalo de amplitud t no depende del origen del intervalo (Aunque, sí de su amplitud)En consecuencia,
en un intervalo infinitésimo podrán producirse O ó 1 hecho pero nunca más de uno El parámetro de la
distribución es, en principio, el factor de proporcionalidad para la probabilidad de un hecho en un
intervalo infinitésimo. Se le suele designar como parámetro de intensidad , aunque más tarde veremos
que se corresponde con el número medio de hechos que cabe esperar que se produzcan en un intervalo
unitario (media de la distribución); y que también coincide con la varianza de la distribución.
A) En una tienda en línea, se sabe que los clientes realizan Utilizando la distribución de Poisson
compras en promedio 12 veces por hora. Se desea saber cuál es
la probabilidad de que en un intervalo de 4 minutos lleguen
exactamente 3 clientes.
Sustituyendo los valores en la formula:
En este punto obtendremos 𝜆 y esto se resolverá multiplicando 12 veces
por hora por 4 minutos se obtiene dividiendo el promedio por hora entre
60 y 𝑘 = 3
La posible probabilidad de un intervalo de 4 minutos a que lleguen
𝑃 ( 𝑋 =3 ) =¿ ¿
exactamente 3 clientes es aproximadamente de 0.03834 o 3.8%

B) En una línea de producción, se sabe que se producen en Nuevamente utilizaremos la distribución de Poisson
promedio 2 piezas defectuosas por hora. se desea saber cuál es la
probabilidad de que en un intervalo de 30 minutos no se produzca
ninguna pieza defectuosa.

En este caso obtendremos λ=2/2=1 en cada media hora se

Sustituyendo los valores en la formula:
produce una pieza defectuosa y k = 0
0.367879
Las posibles probabilidades de que en un intervalo de 30 minutos
no se produzca ninguna pieza defectuosa es aproximadamente
0.3679 o 36.79%.
C) En un centro de atención telefónica, se reciben en
promedio 5 llamadas por minuto. se desea saber cuál es la Utilizando la distribución de Poisson
probabilidad de que en un intervalo de 2 minutos se reciban al
menos 8 llamadas.

En este ejercicio se considera un que λ=0.1666 ya que en Sustituyendo los valores en la formula:
cada minuto se tienen en promedio 5 llamadas, por lo que en
dos minutos serian el doble 1.2467

La probabilidad de recibir al menos 8 llamadas en un

intervalo de 2 minutos es de 1.2467 o de 1.25%
D) En un restaurante, se sabe que se reciben en promedio Utilizando la distribución de Poisson
15 clientes por hora. Se desea saber cuál es la probabilidad
de que en un intervalo de 15 minutos se reciban
exactamente 5 clientes.
En este ultimo ejercicio 𝜆=3.75 al ser el promedio de 15
Sustituyendo los valores en la formula:
clientes entre 15 minutos de una hora), además 𝑘 = 5
0.145330

la probabilidad de que en un intervalo de 15 minutos se

reciban 5 clientes es aproximadamente de 0.145330es
decir el 14.5%.
Conclusión:

Esta distribución a posteriori nos dará cuenta de toda la información disponible acerca del
parámetro desconocido, (número medio de pacientes por hora); tanto de la información
subjetiva de los expertos (convenientemente ponderada) como de la información empírica
suministrada por la observación.

A partir de esta distribución a posteriori podemos plantear nos dar un valor concreto para la
estimación de considerando una función de pérdida cuadrática .
REFERENCIAS

Devore, J., 2018. Fundamentos de probabilidad y estadística. 1ra ed. México: Cengage Learning, pp.124-
131.Córdova Zamora, M. (2009). Estadística descriptiva e inferencial. 5a ed. Lima: Moshera, pp.268-
272.Wiśniewski, P., 2014. Estadística y probabilidad. 1ra. ed. México: Editorial Trillas, pp.141-153.Lind, D.,
Marchal, W. y Wathen, S., 2015. Estadística aplicada a los negocios y la economía. 10a ed. México: McGraw-Hill,
p.173.Newbold, P., Carlson, W. y Thorne, B., 2008. Estadística para administración y economía. 6a ed. Madrid:
Pearson Educación, pp.173-178.