La distribucin de Poisson

Luis Armando Verdin Medina

Introduccin
En este mdulo se describe el uso de la
distribucin de Poisson para obtener la
probabilidad de ocurrencia de sucesos raros cuyo
resultado lo representa una variable discreta.
Se recomienda haber estudiado primero los
mdulos de las Reglas de probabilidad, el de
Distribucin normal y luego el de Distribucin
Binomial.

Objetivo general del

mdulo

Esperamos que cuando termines esta

presentacin puedas determinar cmo y
cundo se debe utilizar la distribucin de
Poisson para obtener las probabilidades de
aquellas situaciones gerenciales que ocurren
de forma impredecible y ocasional.

Objetivos especficos
Adems, esperamos que puedas:
1.

Identificar las propiedades de una distribucin Poisson.

2.

Determinar los valores de frecuencia p y segmento n

para establecer las bases para el cmputo de las
probabilidades.

3.

Determinar el promedio, la varianza y la desviacin

estndar utilizando las variables de la distribucin de
Poisson.

Dato histrico

La distribucin de Poisson se llama as

en honor a su creador, el francs
Simen Dennis Poisson (1781-1840),
Esta distribucin de probabilidades fue
uno de los mltiples trabajos matemticos
que Dennis complet en su productiva trayectoria.

Utilidad
La distribucin 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.
Es muy til cuando la muestra o segmento n es grande y la
probabilidad de xitos p es pequea.
Se utiliza cuando la probabilidad del evento que nos interesa se
distribuye dentro de un segmento n dado como por ejemplo
distancia, rea, volumen o tiempo definido.

Ejemplos de la
utilidad
La llegada de un cliente al negocio durante una hora.
Las llamadas telefnicas que se reciben en un da.
Los defectos en manufactura de papel por cada metro producido.
Los envases llenados fuera de los lmites por cada 100 galones
de producto terminado.

La distribucin de Poisson se
emplea para describir procesos con
un elemento en comn, pueden ser
descritos por una
variable aleatoria discreta.

Propiedades de un
proceso de Poisson
1.

La probabilidad de observar exactamente un xito en el

segmento o tamao de muestra n es constante.

2.

El evento debe considerarse un suceso raro.

3.

El evento debe ser aleatorio e independiente de otros

eventos
Si repetimos el experimento n veces podemos
obtener resultados para la construccin de la
distribucin de Poisson.

La distribucin de Poisson
La distribucin de probabilidad de Poisson es un
ejemplo de distribucin de probabilidad discreta.
La distribucin de Poisson parte de la distribucin
binomial.
Cuando en una distribucin binomial se realiza el
experimento muchas veces, la muestra n es grande y
la probabilidad de xito p en cada ensayo es baja, es
aqu donde aplica el modelo de distribucin de
Poisson.
Se tiene que cumplir que:
p < 0.10
p * n < 10

La funcin P(x=k)
A continuacin veremos la funcin de
probabilidad de la distribucin de Poisson.

Donde:
P(X=K) es la probabilidad de ocurrencia cuando la variable
discreta X toma un valor finito k.
= Lambda es la ocurrencia promedio por unidad
(tiempo, volumen, rea, etc.). Es igual a p por el segmento
dado. La constante e tiene un valor aproximado de
2.711828
K es el nmero de xitos por unidad

Ejemplo1 de la funcin
F (x=k)
La probabilidad de que haya un accidente en una compaa
de manufactura es de 0.02 por cada da de trabajo. Si se
trabajan 300 das al ao, cul es la probabilidad de tener 3
accidentes?
Como la probabilidad p es menor que 0.1, y el producto n *
p es menor que 10 (300 * 0.02 = 6), entonces, aplicamos
el modelo de distribucin de Poisson:

Al realizar el cmputo tenemos que P(x = 3) = 0.0892

Por lo tanto, la probabilidad de tener 3 accidentes laborales
en 300 das de trabajo es de 8.9%.

Ejemplo 2 de la funcin
F(x=k)
La probabilidad de que un producto salga defectuoso es
de 0.012. Cul es la probabilidad de que entre 800
productos ya fabricados hayan 5 defectuosos?
En este ejemplo vemos nuevamente la probabilidad p
menor que 0.1, y el producto n * p menor que 10, por
lo que aplicamos el modelo de distribucin de Poisson:

El resultado es P (x = 5) = 0.04602
Por lo tanto, la probabilidad de que haya 5 productos
defectuosos entre 800 recin producidos es de 4.6%.

En resumen
En este mdulo hemos determinado la probabilidad de Poisson
mediante el uso de la funcin de Poisson, MINITABG y la
calculadora. Adems, aprendimos que:
1.

2.

3.

4.

La distribucin de Poisson se forma de una serie de

experimentos de Bernoulli.
La media
igual a .

o valor esperado en la distribucin de Poisson es

La varianza (2 ) en la distribucin de Poisson tambin es igual

a .
La desviacion estndar es la raz de .

Ejercicio de prueba #1
Un comerciante de verduras tiene conocimiento de
que el 3% de la caja est descompuesta. Si un
comprador elige 100 verduras al azar, encuentre la
probabilidad de que,
a) las 4 estn descompuestas.
b) de 1 a 3 estn descompuestas
Para resolver la pregunta b repase el
mdulo de las reglas de probabilidad.
En este caso se resuelve sumando las
probabilidades P(x=1) + P(x=2) + P(x=3)
= 0.1494 + 0.2240 + 0.2240

Ejercicio de prueba #2
En pruebas realizadas a un amortiguador para automvil se
encontr que el 0.04 presentaban fuga de aceite. Si se instalan
150 de estos amortiguadores, hallar la probabilidad de que,
a) 4 salgan defectuosos,
b) ms de 5 tengan fuga de aceite.
c) de 3 a 6 amortiguadores salgan defectuosos.
d) Determine el promedio y la desviacin estndar de
amortiguadores con defectos.
La pregunta b debe sumar las probabilidades desde
P(x=6) en adelante.
En la c debe sumar P(x=3) + P(x=4) + P(x=5) + P(x=6).

Ejercicio de prueba #3
Un ingeniero que labora en el departamento de control de
calidad de una empresa elctrica, inspecciona una muestra
al azar de 200 alternadores de un lote. Si el 2% de los
alternadores del lote estn defectuosos. Cul es la
probabilidad de que en la muestra,
a) ninguno est defectuoso,
b) uno salga defectuoso,
c) al menos dos salgan defectuosos
d) ms de tres estn con defectos

Para la pregunta d puede realizar

la siguiente operacin:
1 [P(x=0) + P(x=1) + P(x=2)]

Ejercicio de prueba #4
La probabilidad de que un CD de msica dure al menos un
ao sin que falle es de 0.95, calcular la probabilidad de que
en una muestra de 15,
a) 12 duren menos de un ao,
b) a lo ms 5 duren menos de un ao,
c) al menos 2 duren menos de un ao.

Ejercicio de prueba #5
Si 8 de 100 viviendas violan el cdigo de construccin.
cul es la probabilidad de que un inspector de viviendas,
que selecciona aleatoriamente a 50 de ellas, descubra que:
a) ninguna de las casas viola el cdigo de
construccin
b) una viola el cdigo de construccin
c) dos violan el cdigo de construccin
d) al menos tres violan el cdigo de construccin

Glosario de trminos
Aleatorio que ocurre al azar.

Distribucin de Poisson Distribucin discreta que se

aplica cuando se realizan ms de una vez y de forma
independiente el experimento de Bernoulli.
xitos Es la ocurrencia del evento de inters como
cantidad de defectos, llamadas recibidas, servicios
completados.
Experimento independiente Cuando el resultado de un
experimento no tiene influencia en el resultado de otro
experimento.

Glosario de trminos
Resultado discreto Son resultados con un nmero finito
de valores (3 defectos, menos de 8, hasta 5, etc.)

Suceso raro Un evento que ocurre con poca frecuencia.

Segmento - es un intervalo, porcin, fragmento o tamao
de muestra, ya sea en unidades de distancia, rea,
volumen, tiempo o cualquier otra medida.
Variable Aleatoria Discreta - Variable que puede obtener
un nmero finito de valores de forma impredecible o al
azar.
Variable Discreta Variable que puede obtener un
nmero finito de valores como 0, 1, 2, 3.

Referencias

Anderson,S.(2006).Estadsticasparaadministraciny
economa.(8tvaed.).Mxico:Thomson.
NewboldP.(2003).StatisticsforBusinessAndEconomics.
(2003).(5ta.Ed.).NewJersey:PrenticeHall.
Bluman,A.G.(2007).Statistics.(6taed.).NewYork:McGraw
Hill.
http://cyber.gwc.cccd.edu/faculty/jmiller/Binom_Tab.pdf
http://stattrek.com/Tables/poisson.aspx#calculator

Referencias
http://www.udc.es/dep/mate/estadistica2/documentospdf/dmtablas.pdf
http://karnak.upc.es/teaching/estad/MC/taules/com-usar-taules.pdf
http://www.capdm.com/demos/software/html/capdm/qm/poissondist
/usage.html
http://www.uv.es/zuniga/09_La_distribucion_de_Poisson.pdf
http://www.matematicas.net/paraiso/download.php?
id=formula/fr_poisson.zip