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%.

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).