DISTRIBUCION DE

PROBABILIDADES: POISSON Y
EXPONENCIAL
 DISTRIBUCION DE POISSON
Es una distribución de probabilidad discreta que expresa,
a partir de una frecuencia de ocurrencia media, la
probabilidad que ocurra un determinado número de
eventos durante cierto periodo de tiempo.

 En este tipo de distribución los éxitos buscados son

expresados por unidad de: área, tiempo, pieza, etc.
 La cantidad promedio de eventos se mantiene
CARACTERISTICAS: constante de intervalo a intervalo.
 La probabilidad que ocurra el evento es proporcional
al tamaño del intervalo
 Permite determinar la probabilidad de ocurrencia en
un suceso con resultado discreto.
APLICACIONES:
 Defectos en productos
 Accidentes
 Fallas en equipos, etc.

FUNCION DE PROBABILIDAD: EJEMPLOS:

F(X=x)= −𝜆 𝜆𝑥
𝑒 * 𝑥!  La llegada de un cliente al negocio
durante una hora.
Dónde: x=0, 1, 2,3………….. Y 𝞴>0  Las llamadas telefónicas que se
 𝞴: número de ocurrencias por unidad de reciben en un día.
tiempo o espacio  Los envases llenados fuera de los
 e: 2.718281……. límites por cada 100 galones de
 P(X=x) : probabilidad de ocurrencia cuando producto terminado.
la variable discreta “X” toma un valor finito “x”
LA MEDIA Y LA VARIANZA :
 MEDIA: µ=𝞴
 VARIANZA: 𝜎 2 =𝞴

La probabilidad de que ocurra K eventos de poisson en

un intervalo de tiempo es:
𝜆∗𝑡 𝜆𝑡 2
P(X=k)= 𝑒 *
𝑘!
Donde “t” es el número de ocurrencias de eventos en el
periodo espacio t
 EJERCICIOS
1) Las lesiones laborales graves que ocurren en una planta siderúrgica, tiene una media anual de 3. Dado
que las condiciones de seguridad serán iguales en la planta durante el próximo año ¿Cuál sería la
probabilidad de que el número de lesiones graves sea menor que dos?

DATOS:
 X<2
 𝞴=2.7
 P(X<2)
SOLUCION:
P(X<2)= P(X=0) + P(X=1)

−3 30 −3 31
P(X<2)= (𝑒 x ) + (𝑒 x )
0! 1!
P(X<2)= 0.0498 + 0.149 = 0.1988
La probabilidad de que el número de lesiones graves sea
menor a 2 es de 19.88%
2) Una empresa de metal mecánica. El 8% de su registro contable presenta algún problema. Si un auditorio toma
muestra de 25 registros ¿se desea calcular la probabilidad de que existan 5 registros con problemas?
DATOS: SOLUCION:
25
P(X=5)= (𝑒 −2 x )
5!
• X=5
• 𝞴=0.08*25= 2 P(X<2)= 0.036
• P(X=5) La probabilidad de que existan 5 registros con problemas
es de 3.6%
3) La probabilidad de que haya un accidente en una compañía de metal mecánica es de 0.01 por cada día de
trabajo. Si se trabaja 312 días al año ¿cuál es la probabilidad de tener 4 accidentes?

SOLUCION:
DATOS:
3.124
 X=4 P(X=4)= (𝑒 −3.12 x )
4!
 𝞴=0.01*312= 3.12
P(X<2)= 0.1743
 P(X=4)
La probabilidad de tener 4 accidentes laborales en 312
días de trabajo es de 17.43%
4) En la elaboración de una pieza de cardanes la probabilidad de que la pieza salga defectuosa es de 0.013
¿Cuál sería la probabilidad de que entre 200 piezas ya fabricadas hayan 5 defectuosas?
DATOS: SOLUCION:
 X=5 2.65
P(X=4)= (𝑒 −2.6 x )
 𝞴=0.013*200= 2.6 5!
 P(X=5) P(X<2)= 0.074
La probabilidad que haya 5 piezas defectuosas entre las
200 piezas fabricadas es de 7.4%
 DISTRIBUCION EXPONENCIAL
la distribución exponencial tiene una gran utilidad práctica
ya que podemos considerarla como un modelo adecuado
para la distribución de probabilidad del tiempo de espera
entre dos hechos que sigan un proceso de Poisson. De
hecho la distribución exponencial puede derivarse de un
proceso experimental de Poisson pero tomando como
variable aleatoria, el tiempo que tarda en producirse un
hecho

 La distribucion exponencial es continua porque el

CARACTERISTICAS: tiempo entre dos hechos no tiene que ser
numero entero.
 Los tiempos de servicio son aleatorios
 La distribucion exponencial no tiene memoria
 No depende de lo que sucedió con anterioridad
la distribución exponencial es una distribución de probabilidad continua con un parámetro λ>0
cuya función de densidad es:

Su función de distribución acumulada es:

El valor esperado y la varianza de una variable aleatoria X con distribución exponencial son:

Resumen :
Ejemplo:
 El tiempo transcurrido en un centro de llamadas hasta recibir la primera
llamada del día se podría modelar como una exponencial.
 El intervalo de tiempo entre terremotos (de una determinada magnitud)
sigue una distribución exponencial.
 Supongamos una máquina que produce hilo de alambre, la cantidad de
metros de alambre hasta encontrar una falla en el alambre se podría
modelar como una exponencial.
 En fiabilidad de sistemas, un dispositivo con tasa de fallo constante
sigue una distribución exponencial
 EJERCICIOS
1. La duración de vida de una pieza de un motor sigue una distribución exponencial, sabiendo que la
probabilidad de que sobrepase las 100 horas de uso es 0,9.
Se pide:
a) Probabilidad de que sobrepase las 200 horas de uso
b) ¿Cuántas horas se mantiene funcionando con probabilidad 0,95?
Solución:
Sea X = "tiempo de vida de la pieza del motor"
la la función de distribución => F(X)= 1 − 𝑒 −λ.𝑥
Siendo:
P[X>100] = 1 –P[X≤100] =1-P(100)=1-[1-𝑒 −λ.100 = 0.9

𝑒 −λ.100 = 0.9 - -100λ=Ln(0.9)  -100λ = - 0.10536  λ = 0.0010536

F(X)= 1 − 𝑒 −0.0010536.𝑥 𝑋>0

a) P [ X > 200] = 1- P [ X  200] = 1- F(200) = 1- 1- 𝑒−0.0010536(200) = 0,81

b) P [ X > t] = 0,95 P [ X > t] = 1- P [ X  t] = 1- F(t) = 𝑒−0.0010536(𝑡) = 0,95

𝑒−0.0010536(𝑡) = 0,95  - 0,00105 t = Ln 0,95  - 0,00105 t = - 0,05129  t = 48,85