INTRODUCCIN

Las cosas ms cotidianas, menos esperadas e incluso ms sencillas, seran

fcilmente optimizadas con un poco de estadstica. Por ejemplo, un bufete jurdico
recibe un promedio de 4 casos por hora. El director sabe este bufete tiene la
capacidad de atender a 6 clientes con sus respectivos casos por hora. Pero
Qu pasara si el nmero de casos creciera? Cmo saber cundo es necesario
hacerse de ms practicantes? Cul es la probabilidad de que dicho bufete sea
insuficiente para atender los clientes que llegan por hora?

La Distribucin de Poisson, el tema central de esta investigacin, es una

distribucin de probabilidad discreta (es decir con elementos finitos), cuya finalidad
es expresar a partir de una frecuencia dada la probabilidad de que ocurra un
determinado nmero de eventos durante un segmento n de distancia, rea,
volumen tiempo especfico.

DESARROLLO
DISTRIBUCIN DE POISSON:

La distribucin de Poisson es un conjunto de procedimientos descubiertos

por el matemtico francs por Simon Poisson (cuyo apellido curiosamente
significa Pescado en francs), quien no se limit a aportar slo a la estadstica,
sino tambin a la matemtica, electricidad y hasta astronoma.

Esta distribucin se basa principalmente en la medida en que ocurren

cierto nmero de eventos, ya sea una medida de longitud, de rea, tiempo, etc., la
idea es que mientras esta medida est en funcionamiento ocurre n cantidad de
eventos, que es el valor a encontrar.

Por ejemplo, la cantidad de usuarios que entra a un servidor por minuto, o

dicho de otro modo menos complicado, la cantidad de personas que entra a una
pgina web en un minuto.

Otros ejemplos aplicables podran ser la cantidad de muertos por da en

cierta ciudad, las mutaciones ocurridas en una cadena de ADN despus de ser
expuesta a cierta cantidad de radiacin, las probabilidades de obtener ciertos
nmeros de entre las 75 pelotas de bingo, etc., desde casos muy complejos hasta
otros bastante cientficos, pero todos con una medida limitante, que en los casos
ms comunes en ejemplos es el tiempo, una buena limitante.

RELACIN CON LA DISTRIBUCIN BINOMIAL:

La distribucin binomial mide el nmero de xitos en una secuencia de n

ensayos bernoulli. El nmero de ensayos es fijo, es por tal razn que el recorrido
de la variable aleatoria va desde 0 hasta n. Cosa que no ocurre en la distribucin
de Poisson cuyo recorrido va desde 0 a infinito.

La distribucin de Poisson se utiliza para obtener probabilidades de

ocurrencia dentro de un marco continuo (conociendo una tasa de ocurrencia por
unidad de peso, volumen, tiempo, etc.). El recorrido de la variable Poisson va de 0
a infinito, no se limita como 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

Si los parmetros de n y de

una distribucin binomial tienden a infinito en

n y a 0 en , haciendo a la media con un valor de cero, la distribucin limite es la

misma que la de Poisson, es decir es el lmite de la distribucin binomial.

RESOLVER PROBLEMAS CON LA DISTRIBUCIN DE POISSON

Para resolver problemas que cumplan las condiciones de la distribucin de
Poisson se usa la siguiente frmula:

P ( x=k )=

e
k!

De cual podemos comprender que:

VALORES PRESENTES EN LA FORMULA

Es el nmero de veces en que ocurre el evento.
Es el nmero de veces en que se espera que ocurra el evento.

Debe ser un nmero positivo. Por ejemplo, s se espera que un

CD gire 50 veces cada 4 segundos se aplicar as:

=50 x 4=200

e
P ( x=k )

Constante con valor 2,71828

Probabilidad de ocurrencia cuando la variable discreta X toma un
valor finito K

Teniendo esto en claro veamos unos ejemplos:

EJEMPLO #1:
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 tres accidentes?

SOLUCIN:

Como se tiene p<0.1, y el producto n*p es menor que 10 (300*0.02=6), entonces

se aplica el modelo de la distribucin de Poisson:

P ( x=3 )=

e663
=0.0892
3!

Con sta informacin llegamos a la conclusin de que tener 3 accidentes en 300

das de trabajo es del 8.92%.

EJEMPLO #2:
La probabilidad de que un producto salga defectuoso es de 0.012. Cul es la
probabilidad de que entre 800 productos fabricados 5 hayan salido defectuosos?

SOLUCIN:
= n * p = 800x0.012=9.6

9.6

( x=5 )= e

9.6
=0.04602
5!

Con esto llegamos a la conclusin de que la probabilidad de que hayan 5

productos defectuosos entre 800 es de 4.6%

EJEMPLO #3:

En un taller se tiene que el 2% de los libros encuadernados tiene encuadernacin

defectuosa. Se desea saber la probabilidad de que 5 de 400 libros encuadernados
en este taller tengan encuadernaciones defectuosas usamos la distribucin de
Poisson.

SOLUCIN:
= n * p = 400 * 0.02 = 8

8
5
( x=5 )= e 8 =0.092
5!

Con base en el anterior resultado podemos llegar a la conclusin de que la

probabilidad de que 5 de 400 libros estn defectuosos es de 9.2%

Tambin podemos hacer uso de la varianza con la frmula:

Var ( y )=

EJEMPLO #4:

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, etc.
l = 6 cheques sin fondo por da
e = 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.
l = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en
dos das consecutivos
Nota: l siempre debe de estar en funcin de x siempre o dicho de otra
forma, debe hablar de lo mismo que x.

CONCLUSIN:
La distribucin de Poisson tiene una utilidad en aquellos casos donde el
valor conocido sea la variable discreta que representa el rango en el que los
hechos son llevados a cabo, es decir durante su ejecucin los hechos son llevados
a cabo.

La distribucin de Poisson es el lmite de la distribucin Binomial, es decir,

es cuando la distribucin Binomial el valor de la media es igual a cero, es la
distribucin de Poisson, esta interjeccin hace posible que en ciertos
procedimientos se utilicen ambos tipos de distribuciones.

BIBLIOGRAFIA
1) Wikipedia:
http://es.wikipedia.org/wiki/Distribucin_de_Poisson
2) Instituto Tecnolgico de Chihuahua
http://www.itch.edu.mx/academic/industrial/sabaticorita/_private/05Distr
%20Poisson.htm
3) Elementos de Probabilidad y estadstica
Autor: Juan Ortega Snchez

4) Gua bsica para el estudio de la estadstica inferencial

Autor: M.A. Jos Rafael Aguilera

INDICE

INTRODUCCIN................................................................................................... 1
DESARROLLO...................................................................................................... 2
DISTRIBUCIN DE POISSON:.........................................................................2
RELACIN CON LA DISTRIBUCIN BINOMIAL:...............................................3
RESOLVER PROBLEMAS CON LA DISTRIBUCIN DE POISSON.......................4
CONCLUSIN:..................................................................................................... 8
BIBLIOGRAFIA..................................................................................................... 9