Diapositiva 1
Distribución de Poisson
➢ Es una distribución de probabilidad discreta que describe el
número de eventos que ocurren en un intervalo de tiempo o
espacio fijo.
➢ Existe un régimen que caracteriza el proceso (número de
ocurrencias por intervalo de tiempo o espacio).
➢ Se usa para describir las distribuciones de probabilidad de:
1. Errores en la captura de datos.
2. Número de ralladuras u otras imperfecciones en autos.
3. Demanda de productos o de servicios.
4. Número de clientes en espera de servicio.
5. Número de llamadas telefónicas en una central.
6. Número de accidentes.
7. Número de llegadas de vehículos.
8. Número de defectos observados en longitudes, superficies, u
Diapositiva 2
objetos.
Características:
➢ La probabilidad de que exactamente una ocurrencia se
presente en cada sub-intervalo de tiempo o espacio es muy
pequeña y es constante para cada sub-intervalo.
➢ La probabilidad de que se presenten dos o más ocurrencias en
un sub-intervalo es tan pequeña que puede ser considerada
cero.
➢ El número de ocurrencias que se presentan en un sub-intervalo
no depende de donde esté localizado dicho sub-intervalo.
➢ El número de ocurrencias que se presenten en un sub-intervalo
no depende del número de ocurrencias de cualquier otro sub-
intervalo.
Diapositiva 3
Probabilidad en una
Distribución de Poisson
Si f ( x) = P( X = x) para x = 0, 1, 2,...,n
− x
e
P( X = x) = NUMERO DE
PROBABILIDAD QUE SE VA A CALCULAR PARA UN
x! OCURRENCIAS
VALOR DADO DE “ X “
▪ λ = promedio de ocurrencias en t unidades de medida
▪ e = 2.71828 Base de logaritmos neperianos o naturales.
Diapositiva 4
Distribución de Poisson como una
aproximación de la Distribución Binomial
▪ La distribución de Poisson es una buena aproximación
de la distribución binomial cuando n es igual o mayor
que 20 y p es igual o menor a 0.05.
= np
− np x
e (np )
f ( x) =
x!
Diapositiva 5
6-32
Distribución de Poisson
▪ El número medio de éxitos se puede determinar por:
= = np
▪ La varianza de la distribución de Poisson es:
2 = = np
▪donde n es el número de ensayos y
▪p la probabilidad de éxito.
Diapositiva 6
Condiciones de Uso:
La distribución de Poisson es adecuada para modelar
situaciones en las que los eventos ocurren de manera
aleatoria pero con una tasa constante. Algunos
ejemplos son:
➢ El número de llamadas que recibe una central
telefónica en una hora.
➢ El número de autos que pasan por un peaje en un
minuto.
➢ El número de errores tipográficos en una página
de un libro.
Diapositiva 7
EJEMPLO 1
▪ Supongamos que se está interesado en la
probabilidad de que exactamente 5 clientes
lleguen a Plaza Vea lleguen durante la
siguiente hora (o en cualquier hora dada)
laboral. La observación simple de la últimas
80 horas ha demostrado que 800 clientes
han entrado al negocio.
t : 80 horas ; = 800 clientes
t : 1 hora ; =
e −10 10 5
P ( X = 5) = = 0.0378
5!
Diapositiva 8
EJEMPLO 2
Si un banco recibe en promedio de 6 cheques sin fondo
por día ¿Cuál es la probabilidad de que reciba 4
cheques sin fondo por día?
= 6 cheques sin fondo por día.
e = 2.718
P (x = 4; = 6) = (2.718)-6 (6)4 = 0.13392
4!
Diapositiva 9
EJEMPLO 3
▪La probabilidad de tener un accidente de tráfico cada vez que
se viaja es de 0,02, si se realizan 300 viajes, ¿Cuál es la
probabilidad de tener 3 accidentes?
Como la probabilidad de que ocurra un accidente p = 0.02 < 0,05, y n = 300 > 20,
entonces aplicamos el modelo de distribución de Poisson.
= np = (300)(0.02) = 6
e −6 6 3
P ( X = 3) = = 0.0892
3!
Por lo tanto, la probabilidad de tener 3
accidentes de tráfico en 300 viajes es
del 8,9%
Diapositiva 10
EJEMPLO 4
En la edificación de cada conjunto habitacional del programa Mi vivienda la
probabilidad de que un trabajador tenga un accidente es de es de 0,012. ¿Si se
realizan 800 conjuntos habitacionales, Cuál es la probabilidad de que sucedan 5
accidentes?
La probabilidad de que un trabajador sufra un accidente es p = 0.012 < 0,05, y
n = 800 > 20, entonces aplicamos el modelo de distribución de Poisson.
= np = (800)(0.012) = 9.6
e −9.6 9.6 5
P ( X = 5) = = 0.046
5!
Por lo tanto, la probabilidad de que ocurran 5 accidentes
en 800 construcciones es del 4,6%.
Diapositiva 11
RECOMENDACIONES:
•Frente a un problema concreto, analice detenidamente todas
sus características, y al elegir el modelo apropiado, verifique
que se cumplan todos los supuestos del mismo.
•No olvide emplear la distribución de Poisson a la binomial en
aquellos casos en que p es pequeño y n es grande.
•En el caso de variables aleatorias discretas, es importante
diferenciar si la probabilidad deseada incluye o no el valor
particular de la variable. Es decir, que P(X > x) no es lo mismo
que P(X > x) y P (X < x) es distinto de P(X < x).
Diapositiva 12