Estadística 1 - Ing.

Claudia Contreras

DISTRIBUCIONES DE PROBABILIDAD
DISCRETA – DISTRIBUCIÓN DE POISSON

PARTE III
Inga. Claudia Contreras
Estadística 1
 Estadística 1 - Ing. Claudia Contreras

Distribución de Probabilidad de Poisson

Se utiliza para modelar las llegadas aleatorias en

situaciones de línea de espera.

Se utiliza para estimar el número de ocurrencias en

cierto intervalo específico de tiempo, ó bien el
número de ocurrencias en un intervalo específico
de espacio.

La variable aleatoria discreta indica el número de

ocurrencias.
 Estadística 1 - Ing. Claudia Contreras

Distribución de Probabilidad de Poisson

PROPIEDADES DE UN EXPERIMENTO DE
POISSON

1. La probabilidad de ocurrencia es la misma

para cualquiera dos intervalos de igual
longitud.

2. La ocurrencia o no ocurrencia en cualquier

intervalo es independiente de la ocurrencia o
no ocurrencia en cualquier otro intervalo.
 Estadística 1 - Ing. Claudia Contreras

Distribución de Probabilidad de Poisson

Ejemplos de Experimentos de Poisson
-- En una tubería se evalúa el número de fugas por kilómetro
recorrido.

-- En un call center se evalúa el número de llamadas que ingresa en

un período de 20 minutos, durante la hora pico.

-- En una página web se estudia el número de visitantes que visitan

la página por minuto.

-- El número de clientes que arriban a un banco durante un periodo

de cinco minutos.

-- En una pared recién pintada se evalúa el número de defectos

encontrados por metro cuadrado.
 Estadística 1 - Ing. Claudia Contreras

Distribución de Probabilidad de Poisson

FUNCIÓN DE PROBABILIDAD DE POISSON

=
!
Donde:
= .

= ú
= ú í
=
 Estadística 1 - Ing. Claudia Contreras

Distribución de Probabilidad de Poisson

Ejemplo 1: En un nuevo proceso de producción

automatizada hay un promedio de 1.5 interrupciones por
día. Debido a los costos asociados con una interrupción,
la Gerencia está preocupada por la posibilidad que haya
tres o más durante el día. Suponga que estas ocurren
aleatoriamente, que la probabilidad de interrupción es la
misma para cualesquiera de dos intervalos de tiempo de
igual duración y que las interrupciones en un lapso de
tiempo son independientes de las que ocurren en otro
lapso de tiempo:

Calcule la probabilidad que haya tres o más

interrupciones durante el día.
 Estadística 1 - Ing. Claudia Contreras

Distribución de Probabilidad de Poisson

Solución Ejemplo 1: Se trata de un experimento de Poisson.

La variable de interés es el número de interrupciones que
ocurren en un período de un día. La media para este
experimento de Poisson es de 1.5 interrupciones por día:

Calcule la probabilidad que haya tres ó más interrupciones

≥! = − # + +
 Estadística 1 - Ing. Claudia Contreras

Distribución de Probabilidad de Poisson

Cont. Solución Ejemplo 1:

≥! = − # + +

.% # .% .% .% .% .%
≥! = − + +
#! ! !

≥! = − #. ! + #. !!&'( + #. % # = #. (
 Estadística 1 - Ing. Claudia Contreras

Distribución de Probabilidad de Poisson

Ejemplo 2: Las llegadas de los clientes a un banco son

aleatorias e independientes y la probabilidad de un arribo
en un período de un minuto es la misma que en cualquier
otro minuto. Responda las siguientes preguntas
suponiendo una tasa media de llegada de tres clientes por
minuto.

a) ¿Cuál es la probabilidad que exactamente lleguen tres en

un minuto?

b) ¿Cuál es la probabilidad de por lo menos tres en un

minuto?
 Estadística 1 - Ing. Claudia Contreras

Distribución de Probabilidad de Poisson

Solución Ejemplo 2: Se trata de un experimento de

Poisson, la variable aleatoria indica el número de clientes
que llegan al banco en un periodo de un minuto. La
media del experimento es 3 clientes por minuto.

a) ¿Cuál es la probabilidad que exactamente lleguen tres

en un minuto?
!! !
! = = = #. &#&
! !!
 Estadística 1 - Ing. Claudia Contreras

Distribución de Probabilidad de Poisson

Cont. Solución Ejemplo 2: ¿Cuál es la probabilidad de por
lo menos tres en un minuto?

≥! = − # + +

! # ! ! ! ! !
≥! = − + +
#! ! !

≥! = − #. #&( + #. &(& + #. &# = #. % '

 Estadística 1 - Ing. Claudia Contreras

Distribución de Probabilidad de Poisson

Ejemplo 3: En promedio cada una de las 18 gallinas de un

gallinero pone 1 huevo al día. Si se recogen los huevos
cada hora,

a) ¿Cuál es el número medio de huevos que se recoge en

cada visita?

b) ¿Con qué probabilidad encontraremos x huevos para x

= 0, 1, 2, 3 en cada visita al gallinero?
 Estadística 1 - Ing. Claudia Contreras

Distribución de Probabilidad de Poisson

Solución Ejemplo 3: Se trata de un experimento de Poisson, la
variable aleatoria indica el número de huevos que recogeremos
cada hora.

En el problema no nos indican el número medio de huevos que

ponen las gallinas por hora. Sin embargo, dado que tenemos el
número medio de huevos por día que pone cada una, lo
podemos calcular.
 Estadística 1 - Ing. Claudia Contreras

Distribución de Probabilidad de Poisson

Cont. Solución Ejemplo 3:

Para 1 día 1huevo (18gallinas) 18 huevos en un día

Para 1 hora = = #. %
&

a) ¿Cuál es el número medio de huevos que se recoge en cada

visita?
( )( )
= = #. % + +
&
 Estadística 1 - Ing. Claudia Contreras

Distribución de Probabilidad de Poisson

Cont. Solución Ejemplo 3: = #. % + +

b) ¿Con qué probabilidad encontraremos x huevos para x = 0,

1, 2, 3 en cada visita al gallinero?

(#. %)# #. %
# = = = #. & !
! #!
#. %
(#. %)
= = = #. !%&
! !

(#. %) #. %
= = = #. ! %
! !

(#. %)! #. %
! = = = #. #!!
! !!
 Estadística 1 - Ing. Claudia Contreras

Distribución de Probabilidad de Poisson

Cont. Solución Ejemplo 3: = #. % + +

Sucesos observados (x) 0 1 2 3

Probabilidad 0.47 0.35 0.13 0.03

f(x)
Distribución de Poisson para un valor
0.5
medio de μ = 0.75

0 1 2 3 x
 Estadística 1 - Ing. Claudia Contreras

Distribución de Probabilidad de Poisson

Ejemplo 4: Durante la II Guerra Mundial los alemanes

bombardeban Londres con bombas volantes V2 desde Callais
(Francia)
 Estadística 1 - Ing. Claudia Contreras

Distribución de Probabilidad de Poisson

Cont. Ejemplo 4: ¿Los alemanes disparaban al azar o
apuntaban?

Londres tiene una superficie de 144 km2 y se puede considerar

dividida en 576 cuadrados de 0.5 km2. El número de bombas
que habían caído en esa área era de 537 bombas.
 Estadística 1 - Ing. Claudia Contreras

Distribución de Probabilidad de Poisson

Continúa Ejemplo 4:

Definamos la variable aleatoria como el número de bombas V2

que caen en un cuadrado.

Entonces el número medio de bombas en un cuadrado:

%!
= = #. (!
% '
 Estadística 1 - Ing. Claudia Contreras

Distribución de Probabilidad de Poisson

Continúa Ejemplo 4:
Calculemos ahora las probabilidades para x = 0, 1, 2, 3, 4, 5 ó
mas.
(#. (!)# #.(!
# = =
! #!
= #. !(&% x f(x)
0 0.3945
(#. (!) #.(!
1 0.3669
= =
! ! 2 0.1706
= #. !''(
3 0.0528
(#. (!) #.(! 4 0.0122
= =
! ! 5 ó más 0.003
= #. #'

(#. (!)! #.(!

! = =
! !!
= #. #%
 Estadística 1 - Ing. Claudia Contreras

Distribución de Probabilidad de Poisson

Continúa Ejemplo 4:
Calculemos la cantidad de cuadrados esperados con x
impactos y

, =% ' ( )

comparemos los cálculos realizados con anterioridad con los

datos reales:
x f (x) Cuadros esperados con Cuadros reales
x impactos: (576 )f(x) (observados) con x
impactos
0 0.3945 227 229
1 0.3669 211 211
2 0.1706 98 93
3 0.0528 31 35
4 0.0122 7 7
5 ó mas 0.003 2 1
 Estadística 1 - Ing. Claudia Contreras

Distribución de Probabilidad de Poisson

 Estadística 1 - Ing. Claudia Contreras

Distribución de Probabilidad de Poisson

 Estadística 1 - Ing. Claudia Contreras

Remítase a Hoja de Ejercicios a resolver en clase.