UNIVERSIDAD AUTNOMA DE

QUERTARO
CAMPUS SAN JUAN DEL RO
FACULTAD DE INGENIERA

Distribucin de
Poisson

DISTRIBUCIN DE POISSON
La distribucin de Poisson se emplea para
describir varios procesos, entre otros la
distribucin de las llamadas telefnicas
que llagan a un conmutador, la demanda
(necesidades)
de
servicios
en
una
institucin asistencial por parte de los
pacientes, los arribos de los camiones y
automviles a la caseta de cobro y el
nmero de accidentes en un cruce. Los
ejemplos citados tienen un elemento en
comn, pueden ser descritos por una
variable aleatoria discreta que asume
valores
enteros
(0,1,2,3,4,5
y
as

CARACTERSTICAS DE LOS
PROCESOS QUE PRODUCEN UNA
DISTRIBUCIN DE LA
PROBABILIDAD DE POISSON
El nmero de vehculos que pasan por una
caseta de cobro en las horas de mayor trfico
sirve
como
ejemplo
para
mostrar
las
caractersticas
de
una
distribucin
de
probabilidad de Poisson.
El promedio (media) de los arribos de vehculos
por hora de gran trfico puede estimarse a
partir de los datos anteriores del trfico.

Si dividimos las horas de gran trfico en

periodos (intervalos) de un segundo
cada uno, encontraremos que los
siguientes enunciados son verdaderos:
a)
La
probabilidad
de
que
exactamente un
vehculo llegue por
segundo a una caseta individual es un
nmero muy pequeo y es constante
para que cada intervalo de un segundo.
b) La probabilidad de que dos o ms
vehculos lleguen en un intervalo de un
segundo es tan reducida que podemos

c) El nmero de vehculos que llegan

en
determinado
intervalo
de
un
segundo es independiente del momento
en que el
intervalo de un segundo
ocurre durante la hora de gran trfico.
d) El nmero de llegadas en cualquier
intervalo de un segundo no depende del
nmero de arribos de cualquier otro
intervalo de un segundo.

Ahora
bien,
podemos
generalizar
partiendo de las cuatro condiciones que
hemos descrito en este ejemplo, si estas
condiciones se cumplen nos apoyaremos
en una distribucin de probabilidad de
Poisson para describirlos.

CLCULO DE
PROBABILIDADES
MEDIANTE LA
DISTRIBUCIN
DE POISSON
La
distribucin de Poisson,
segn hemos
sealado, se refiere a ciertos procesos que
pueden ser descritos con una variable
aleatoria discreta. La letra X suele
representar esa variable y puede adems
asumir valores enteros (0,1,2,3 etc..) .
Utilizamos la letra X mayscula para
representar la variable aleatoria y la x
minscula
para
designar
un
valor
especfico
que
puede
asumir
la
X
mayscula.

La probabilidad de exactamente x
ocurrencias en una distribucin de
Poisson se calcula mediante la frmula:
x
=
Lambda(nmero
medio
de
ocurrencias por intervalo de tiempo)
elevada a la potencia x.
e-= e= 2.71828 elevado a la potencia
de lambda negativa.
x! = x factorial.

Ejemplos :
1. Supngase
que
estamos
investigando la seguridad de un
crucero muy peligroso. Los archivos
de la polica indican una media de
cinco accidentes por mes en l. El
nmero
de
accidentes
est
distribuido
conforme
a
la
distribucin de Poisson, y la divisin
de seguridad en carreteras quiere
calcular
la
probabilidad
de

Aplicando la frmula anterior:

P(0) = (5)0 (e-5) /0! = 0.00674
P(1) = (5)1 (e-5) /1! = 0.03370
P(2) = (5)2 (e-5) /2! = 0.08425
P(3) = (5) (e-5) /3! = 0.14042
P(4) = (5)4 (e-5) /4! = 0.17552

Para saber cual es la probabilidad en 3 o menos, sumaremos las

probabilidades de 0,1,2,3 lo que ser igual a :
P(0) = 0.00674
P(1) = 0.03370
P(2) = 0.08425
P(3) = 0.14042
P(3 o menos) = 0.26511
Dado que la probabilidad de que haya 3 o menos accidentes es de
0.26511 entonces la probabilidad de que ocurran ms de tres debe
ser = 1 0.26511 = 0.73489.

La distribucin de Poisson como una

aproximacin
a
la
distribucin
binomial.
Algunas veces, si se desea evitar el
tedioso
trabajo
de
calcular
las
distribuciones binomiales, se puede
usar a cambio la de Poisson, pero debe
cumplir con ciertas condiciones como :
n=>20p=<0.05

En los casos en que se satisfacen tales

condiciones,
podemos
sustituir
la
media de la distribucin binomial en
lugar de la media de la distribucin de
Poisson de modo que la frmula
quedara as:
P(x) = (np) X * e-np /x!

2.

Si un banco recibe en promedio 6 cheques sin fondo por da,

cules son las probabilidades de que reciba, a) cuatro cheques sin
fondo en un da dado, b) 10 cheques sin fondos en cualquiera de dos
das consecutivos?
Solucin:
a) x = variable que nos define el nmero de cheques sin fondo que
llegan al banco en un da cualquiera = 0, 1, 2, 3, .....

= 6 cheques sin fondo por da

e = 2.718

b)
x= variable que nos define el nmero de cheques sin fondo que
llegan al banco en dos das consecutivos = 0, 1, 2, 3, ......, etc., etc.

= 6 x 2 = 12 cheques sin fondo en promedio quellegan al banco en

dos das consecutivos
Nota:siempre debe de estar en funcin de x siempre o dicho de
otra forma, debe hablar de lo mismo que x.

3. En la inspeccin de hojalata producida por un proceso electroltico

continuo, se identifican 0.2 imperfecciones en promedio por minuto.
Determine las probabilidades de identificar a) una imperfeccin en 3
minutos, b) al menos dos imperfecciones en 5 minutos, c) cuando
ms una imperfeccin en 15 minutos.
Solucin:
a)x = variable que nos define el nmero de imperfecciones en la
hojalata por cada 3 minutos = 0, 1, 2, 3, ...., etc., etc.

= 0.2 x 3 =0.6 imperfecciones en promedio por cada 3 minutos en

la hojalata

b)x = variable que nos define el nmero

de imperfecciones en la hojalata por cada 5
minutos = 0, 1, 2, 3, ...., etc., etc.
= 0.2 x 5 =1 imperfeccin en promedio por
cada 5 minutos en la hojalata

c)x = variable que nos define el nmero

de imperfecciones en la hojalata por cada 15
minutos = 0, 1, 2, 3, ....., etc., etc.
= 0.2 x 15 = 3 imperfecciones en promedio
por cada 15 minutos en la hojalata

Las variables de est distribucin son

aleatorias continuas, lo que significa, que
las magnitudes medidas toman cualquier
valor real.
Ladistribucin binomialy la de Poisson son
distribuciones
de
variables
aleatorias
discretas, que son aquellas que asumen un
conjunto de valores numerables.
Los
enunciados
de
los
problemas
dedistribucin
Normalgeneralmente
expresan
que
los
datos
siguen
la
distribucin normal y dan el valor de la
media y la desviacin estndar, valores
necesarios para estandarizar la variable.

Ahora, para identificar un problema de la

distribucin Binomial, se debe observar si el
evento o experimento tiene dos resultados,
si o no; xito o fracaso; apagado o
encendido;
que
los
eventos
sean
independientes y que la probabilidad
permanezca fija.
Y

por
ltimo
unadistribucin
de
Poissondescribe eventos independientes
que ocurren en un espacio determinado o a
una velocidad constante en el tiempo.