INTEGRANTES:

Anaya Meza, Ivonne

Chafloque Santisteban, Mirella
Granados de la Cruz, Yenni
Patazca Silva, Meylin
Las distribuciones de probabilidad están relacionadas con la distribución de frecuencias;
debido a que la distribuciones tratan sobre expectativas de que algo suceda, resultan ser
modelos útiles para hacer inferencias y tomar decisiones de incertidumbre una
distribución; por ello la distribución de frecuencias teórica es una distribución de
probabilidades que describe la forma en que se espera que varíen los resultados. A
continuación se presentará la distribución de Poisson.
3
Dar a conocer las diversas herramientas que
nos brinda el sistema en espera poissoniano
para poder optimizar el tiempo de espera del
cliente, ya que este mejora la eficiencia del
servicio que se brinda, además que se
incrementa los ingresos.

4
Es una distribución de probabilidad discreta que expresa, a
partir de una frecuencia de ocurrencia media, la probabilidad de
que ocurra un determinado número de eventos durante cierto
período de tiempo. Fue propuesta por Siméon-Denis Poisson,
que la dio a conocer en 1838 en su trabajo Recherches sur la
probabilité des jugements en matières criminelles et matière
civile (Investigación sobre la probabilidad de los juicios en
materias criminales y civiles)
Donde:
X : Número de arribos en el periodo
e = 2,71828
Parámetros V(X)=E(X)= λ

6
El número de tarros de cerveza en el AAA Pub sigue una
distribución de Poisson con promedio de 30 cervezas por hora.
a. Determinar el promedio del número de cervezas pedidas en
el lapso de 9 y 11 pm.
b. Calcular la probabilidad de pedir 60 cervezas en el tiempo
de a).
c. Calcular la probabilidad de que el tiempo entre dos pedidos
consecutivos sea entre 1 y 3
minutos.

7
 a) Para 1 λ= 30 cervezas /hora;
entonces λ = 2(30) = 60 cervezas en el lapso
de 2 horas.
b) Calculando P (60 pedidos entre las 9 y 11
pm)

c) En minutos λ= 30 / 60 = 0.5

8
1
Sea una población de tamaño ∞

2 Sea una muestra de tamaño n

bastante elevado

3 Los sucesos son independientes

entre sí.

4 X: número de individuos de la
muestra que cumplen A

5 El conjunto de posibles valores de A

es, E = {0,1,2,3,4....}

9
Es aquella en la que el número de clientes que entran al
sistema no afecta la tasa a la cual dicha población genera
nuevos clientes. Por ejemplo, considere una operación de
pedidos por Internet para la cual la población de clientes está
constituida por los compradores que han recibido un
catálogo de los productos que vende la compañía vía lista de
distribución por correo electrónico.

10
Cola Servidor

Arribos
Salidas

11
12
13
14
 No se permite que las
unidades que salen
vuelvan a ingresar al
sistema.

15
Según la notación de Kendall:

M / M / 1 / FIFO / ∞

Consideraciones que se deben conocer

para el estudio de sistemas de colas. La
estación de servicio puede atender las
demandas de los clientes

16
17
1 λ:Tasa de arribos; unidades /
periodos de tiempo

2 1/ λ : Media del tiempo entre

arribos

3 u: Tasas de servicio; unidades /

periodo de tiempo

4
1/u : Media del tiempo de servicio

5 Factor de utilización : p = λ / u
Si u> λ , las siguientes expresiones son válidas:

19
Si la frecuencia media de servicio es u, y el
tiempo esperado para prestar servicio es 1/u.
Esto significa que una llegada al azar puede
esperar encontrar n clientes en el sistema y
cada uno de ellos requiere un promedio 1/u
unidades de tiempo para ser servidos.
En algunos casos, el número de clientes potenciales es tan
pequeño, que el arribo de un cliente para ser atendido o la
terminación de un servicio afecta la probabilidad de futuras
llegadas. Como regla empírica, si la población es menor que 30
deben usarse las ecuaciones correspondientes a una población
finita.
 El tiempo de servicio es constante para cada arribo

Los arribos tienen una distribución de Poisson

Disciplina de servicio: Primero en arribar,

primero en ser servido

Tamaño de cola infinito

22
Número medio de llegadas de clientes por unidad
de tiempo.

La tasa puede variar en función del número de

clientes en la cola.

(1/λ es entonces el tiempo medio entre

llegadas).
 Número medio de entrada de
clientes (los que realmente acceden
Tasa media de acceso (o
al sistema) por unidad de tiempo.
de llegada efectiva) λEF Sólo tiene sentido cuando hay una
capacidad de cola.
1. La distribución de Poisson es particularmente importante ya que
tiene muchos casos de uso, usualmente se emplea para describir
varios procesos para poder realizar mejoras en la empresa, tales
como la distribución de las llamadas telefónicas que llegan a un
conmutador, la demanda (necesidades) de servicios en una
institución asistencial por parte de los pacientes, los arribos de
los camiones y automóviles a la caseta de cobro y el número de
accidentes en un cruce.

25
2. En teoría de probabilidad y
estadística, la distribución de
Poisson es una distribución de
probabilidad discreta. Expresa
la probabilidad de un número k
de eventos ocurriendo en un
tiempo fijo si estos eventos
ocurren con una frecuencia
media conocida y son
independientes del tiempo
discurrido desde el último
evento.

26