UNIVERSIDAD NACIONAL DE CAJAMARCA

DISTRIBUCIN DE POISSON:
CARACTERSTICAS:
En este tipo de experimentos los xitos buscados son expresados por unidad de
rea, tiempo, pieza, etc, etc,:
- # de defectos de una tela por m2
- # de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc, etc.
- # de bacterias por cm2 de cultivo
- # de llamadas telefnicas a un conmutador por hora, minuto, etc, etc.
- # de llegadas de embarcaciones a un puerto por da, mes, etc, etc.
Para determinar la probabilidad de que ocurran x xitos por unidad de tiempo,
rea, o producto, la frmula a utilizar sera:

Dnde:
p(x, ) = probabilidad de que ocurran x xitos, cuando el nmero promedio de
ocurrencia.
= media o promedio de xitos por unidad de tiempo, rea o producto
e = 2.718
x = variable que nos denota el nmero de xitos que se desea que ocurra
Distribucin de Poisson

El eje horizontal es el ndice k. La funcin

solamente est definida en valores enteros de k.
Las lneas que conectan los puntos son solo
1 ESTADISTICA APLICADA
INGENIERIA CIVIL

UNIVERSIDAD NACIONAL DE CAJAMARCA

guas

Hay que hacer notar que en esta distribucin el nmero de xitos que ocurren por
unidad de tiempo, rea o producto es totalmente al azar y que cada intervalo de
tiempo es independiente de otro intervalo dado, as como cada rea es
independiente de otra rea dada y cada producto es independiente de otro
producto dado.
EJEMPLOS:
1. 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,....., etc.
= 6 cheques sin fondo por da
= 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 que llegan 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.

2. En la inspeccin de hojalata producida por un proceso electroltico continuo, se

identifican 0.2 imperfecciones en promedio por minuto. Determine las
2 ESTADISTICA APLICADA
INGENIERIA CIVIL

UNIVERSIDAD NACIONAL DE CAJAMARCA

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

=1-(0.367918+0.367918) = 0.26416
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

= 0.0498026 + 0.149408 = 0.1992106

3. Una empresa electrnica observa que el nmero de componentes que fallan
antes de cumplir 100 horas de funcionamiento es una variable aleatoria de
Poisson. Si el nmero promedio de estos fallos es ocho.
a) 1 cul es la probabilidad de que falle un componente en 25 horas?
b) 2. y de que fallen no ms de dos componentes en 50 horas?
c) 3. cul es la probabilidad de que fallen por lo menos diez en 125 horas?
SOLUCIN:
3 ESTADISTICA APLICADA
INGENIERIA CIVIL

UNIVERSIDAD NACIONAL DE CAJAMARCA

Sea la variable aleatoria , con distribucin de Poisson con parmetro = [ ] = 8,
E que determina el nmero de componentes que fallan antes de cumplir 100
horas de funcionamiento.
a) Considerando que se cumplen ciertas condiciones de regularidad, podemos
asumir que una variable que mide el nmero de componentes que fallan
antes de cumplir 25 horas de funcionamiento sigue una distribucin de Poisson
con parmetro = E [ ] = 8=4 = 2.
Por lo tanto, la probabilidad deseada es la siguiente:
21
P=(=1)= e2
1!
P=(=1)=0.270967

b) Anlogamente, definimos una variable aleatoria U con distribucin de Poisson

de parmetro
U = 8=2 = 4, que mide el nmero de componentes que fallan antes de cumplir
las 50 horas de funcionamiento. Se tiene entonces que:
1

P(U 1)=
i=0

4ie4
i!

U 1=o .2381
P
3. De la misma forma, definiendo una variable aleatoria V con distribucin de
Poisson de parmetro = 10 V , se obtiene:
10
10ie10
P (U 10 )=1P ( U < 10 )=1
i!
i=0
U 1=0.41696
P
4. Supongamos que el nmero de imperfecciones en un alambre delgado de
cobre sigue una distribucin Poisson con una media de 2.3 imperfecciones por
milmetro.
(a) Determine la probabilidad de 2 imperfecciones en un milmetro de
alambre.
4 ESTADISTICA APLICADA
INGENIERIA CIVIL

UNIVERSIDAD NACIONAL DE CAJAMARCA

(b) Determine la probabilidad de 10 imperfecciones en 5 milmetros de
alambre.
(c) Determine la probabilidad de al menos una imperfeccin en 2mm de
alambre.
SOLUCIN:
(a) Determine la probabilidad de 2 imperfecciones en un milmetro de alambre.
Entonces E(x)=2.3 imperfecciones y
P(x=2)=

3 23 2.3
e
2!

=0.265

(b) Determine la probabilidad de 10 imperfecciones en 5 milmetros de alambre.

Sea que X denote el nmero de imperfecciones en 5 milmetro de alambre.
Entonces, X tiene una distribucin Poisson con E(x)=5mmx2.3
imperfecciones/mm= 11,5 imperfecciones.
Por lo tanto.
P(x=10)=e 11.511.5/10!= 0.113
(c) Determine la probabilidad de al menos una imperfeccin en 2mm de alambre.
Sea que x denote el nmero de imperfecciones en 2 milmetros de alambra.
Entonces, X tiene una distribucin de Poisson con
E(x)=2mmx2.3imperdecciones/mm=4.6imperfecciones
Por lo tanto.
P(x 1)=1-P(x=0)=1-e 4.6 =0.9899

5 ESTADISTICA APLICADA
INGENIERIA CIVIL