UNIVERSIDAD NACIONAL AGRARIA DE LA SELVA
FACULTAD DE RECURSOS NATURALES RENOVABLES
ESPECIALIDAD EN CONSERVACIÓN DE SUELOS Y AGUA
DISTRIBUCIÓN DE PROBABILIDAD DE POISSON
NOMBRES: LAURENTE TRUJILLO, Nicolás
SOTO TASAYCO, Sophya
AGUIRRE ILLATOPA, Janyra
ALFARO ARGAS, Anderson
ALVAREZ GARCÍA, Benjamín
GARCÍA AGUIRRE, Anita
PROFESOR: Lic. PAREDES ACUÑA, Ulises
CURSO: ESTADISTICA
I. INTRODUCCIÓN
En teoría de probabilidad y estadística, la distribución de Poisson
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.
Concretamente, se especializa en la probabilidad de ocurrencia de
sucesos con probabilidades muy pequeñas, o sucesos "raros".
HISTORIA
La Distribución de Poisson se llama así en honor
a Simeón Dennis Poisson (1781-1840), francés
que desarrolló esta distribución basándose en
estudios efectuados en la última parte de su
vida.
MARCO TEÓRICO
La distribución de Poisson se emplea para describir
varios procesos, entre otros la distribución de las
llamadas telefónicas que llagan 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.
OTRAS FORMAS DE
USO
El número de enfermos que llegan a un consultorio en cierto
intervalo de tiempo será de 0,1,2,3,4,5 o algún otro número
entero. De manera análoga, si se cuenta el número de
automóviles que llegan a una caseta de cobro durante un
periodo de diez minutos, el número será entero.
UTILIDAD
• La distribución de Poisson se utiliza en
situaciones donde los sucesos son
impredecibles o de ocurrencia
aleatoria. En otras palabras, no se sabe
el total de posibles resultados
Permite determinar la probabilidad de
ocurrencia de un suceso con resultado
discreto.
EJEMPLOS
La llegada de un cliente al negocio durante una hora.
Las llamadas telefónicas que se reciben en un día.
Número de bacterias en un volumen de un m3 de agua.
Número de accidentes de trabajo que ocurren en una fábrica durante una semana.
PROBABILIDADES
P (x I λ) = la probabilidad de que ocurran X éxitos
cuando el número promedio de ocurrencia de ellos
es λ.
λ media o promedio de éxitos por unidad de tiempo,
área o producto
e es la constante 2.7183, base de los logaritmos
naturales, en tanto que los valores de e -λ pueden
P x | λ = obtenerse de tablas.
X señala un valor específico que la variable pueda
λ𝑋 ∗ 𝑒 −λ tomar (el número de éxitos que deseamos ocurran)
𝑥!
EJEMPLOS DE EJERCICIOS DESARROLLADOS
1. Supóngase que estamos P(0) = (5)0 (e-5) /0! = 0.00674
investigando la seguridad de un
P(1) = (5)1 (e-5) /1! = 0.03370
crucero muy peligroso. Los
archivos de la policía indican P(2) = (5)2 (e-5) /2! = 0.08422
una media de cinco accidentes P(3) = (5)3 (e-5) /3! = 0.14037
por mes en él. El número de
accidentes está distribuido P(4) = (5)4 (e-5) /4! = 0.17547
conforme a la distribución de Para saber cuál es la probabilidad en 3 o menos (X ≤ 3),
Poisson, y la división de sumaremos las probabilidades de 0,1,2,3 lo que será
seguridad en carreteras quiere igual a:
calcular la probabilidad de
exactamente 0,1,2,3 y 4 P(X ≤ 3) = P(0)+P(1)+P(2)+P(3) = 0.26503
accidentes en un mes Dado que la probabilidad de que haya 3 o menos
determinado. Aplicando la accidentes es de 0.26511 entonces la probabilidad de
fórmula anterior: que ocurran más de tres (X > 3) debe ser = 1 –0.26503 =
0.734997.
2. En una tienda de telas, unos promedios de
12 personas por hora le hacen preguntas a un
decorador. La probabilidad de que 3 ó más Solución 1 Solución 2
personas se acerquen al decorador para P (X=3 I λ = 2) = 0.1804 P (X= 0 I λ = 2) = 0.1353
hacerle preguntas en un periodo de 10 minutos.
P (X=4 I λ = 2) = 0.0902 P (X= 1 I λ = 2) = 0.2707
Promedio por hora =12
P (X=5 I λ = 2) = 0.0361 P (X= 2 I λ = 2) = 0.2707
λ = promedio por 10 minutos = 12/6 = 2.0 P (X=6 I λ = 2) = 0.0120 P (X ≥ 3 I λ = 2) = 0.3232
P (X ≥ 3 I λ = 2) = P (X=3 I λ = 2) + P (X=4 I P (X=7 I λ = 2) = 0.0034
λ = 2) + P (X=5 I λ = 2) + …
P (X=8 I λ = 2) = 0.0009
P (X ≤ 2 I λ = 2) = 1 – [ P (X=0 I λ = 2) + P P (X=9 I λ = 2) = 0.0002
(X=1 I λ = 2) + P (X=2 I λ = 2)]
P (X ≥ 3 I λ = 2) = 0.3232