Distribucin de Poisson

Cuando en una distribucin binomial el nmero de intentos (n)

es grande y la probabilidad de xito (p) es pequea, la
distribucin binomial converge a la distribucin de Poisson:

e
p ( x)
, x 0 ,1,2 , ... 0
x!
x

donde np =

Observa que si p es pequea, el xito es un suceso raro.

La distribucin de Poisson, junto con la uniforme y la binomial,
son las distribuciones ms utilizadas.
La distribucin de Poisson expresa, a partir de una frecuencia de
ocurrencia media , la probabilidad que ocurra un determinado
nmero de eventos durante cierto periodo de tiempo.
1

 (mu) es la media de la cantidad de veces (xitos) que se

presenta un evento en un
intervalo particular.
e es la constante 2.71828 (base del sistema de logaritmos
neperianos).
x es el nmero de veces que se presenta un evento.
P(x) es la probabilidad de un valor especfico de x.
La media de nmero de xitos, puede determinarse con n;
en este caso, n es el nmero total de ensayos, y , la
probabilidad de xito.

 EXPERIMENTO DE PROBABILIDAD DE POISSON

1. La variable aleatoria es el nmero de veces que
ocurre un evento durante un intervalo
definido.
2. La probabilidad de que ocurra el evento es
proporcional al tamao del intervalo.
3. Los intervalos no se superponen y son
independientes.

Considera los siguientes experimentos:

El nmero de clientes que llegan a la ventanilla de un banco
a la hora.
El nmero de pacientes que ingresan en un da por urgencias
en un hospital.
El nmero de denuncias que se presentan diariamente en un
juzgado.
Las v.a. definidas en los ejemplos anteriores comparten las
El
nmero de
coches que circulan por una rotonda a la hora.
siguientes
caractersticas:

Todas ellas se refieren a contar el nmero de veces que un

determinado suceso ocurre en un periodo de tiempo
determinado.
La probabilidad de que dicho suceso ocurra es la misma
a lo largo del tiempo. (si la unidad de tiempo es un da, la
probabilidad de que el suceso en cuestin ocurra es la misma
para hoy, para maana, etc.)
El nmero de sucesos que ocurren en una unidad de
tiempo es independiente del nmero de sucesos que

Distribucin de Poisson
Consideramos una v.a. X que cuenta el nmero de
veces que un determinado suceso ocurre en
una unidad (normalmente de tiempo o de espacio).
Si verifica:
1) La probabilidad de que el suceso estudiado se produzca en la
unidad es constante a lo largo del tiempo.
2) El nmero de veces que ocurre un suceso durante la unidad
considerada es independiente del nmero de veces que ocurre
dicho suceso en otra unidad.
3) Si se considera una unidad inferior (superior), la probabilidad de
que ocurra un determinado nmero de sucesos se reduce
(aumenta) proporcionalmente.

Entonces X es una v.a. que sigue una distribucin de

Poisson.

Ejemplo: Sea X el nmero de clientes que han

entrado en una tienda de alimentacin a lo
largo de un mes. Para poder suponer que X
sigue una distribucin de Poisson tendramos
que verificar que:
1) La probabilidad de entrar en la tienda es la
misma a lo largo del periodo (suponemos
entonces, que no han abierto/cerrado otras tiendas de
la competencia, etc). Esto es equivalente a comprobar
que el nmero medio de clientes en un mes es ms o
menos constante.
2) Adems tiene que ocurrir que el nmero de
clientes en un determinado mes, por ejemplo,
octubre, sea independiente del nmero de
clientes que hubo en otro mes, por ejemplo,
septiembre. (En este caso sera suponer que no hay
clientela fija).
3) Supongamos que el nmero medio de

Caractersticas de la distribucin
de Poisson p( x) e x , x 0,1,2,... 0
x!

Media
E (X )
Desviacin
estndar

Nota: el mximo de la distribucin
se encuentra en x

= 0.5

P(X)
.6
.4
.2
0
0

X
1

= 6

P(X)
.6
.4
.2
0
0

X
2

8
7

10

La distribucin de Poisson se obtiene como aproximacin

de
una distribucin binomial con la misma media, para n
grande
(n > 30) y p pequeo (p < 0,1). Queda caracterizada
distribucin
de vez
Poisson
es
por un nico parmetro La
(que
es
a
su
su
media y
asimtrica, siendo en general ms
varianza).
probables los valores pequeos de la

np =

variable que los mayores

(normalmente se asocia a procesos
que ocurren muy pocas veces). Sin
embargo, si crece, la distribucin
tiende a la simetra.

Distribucin de Poisson para varios valores de .

8

El nmero medio de aviones que usan una pista de

aterrizaje en un aeropuerto es 2 cada media hora.
Suponiendo que siguen una ley de Poisson, cul es la
probabilidad de que el nmero de llegadas sea 5 o
mayor? Cul es la probabilidad de que en un cuarto de
hora aterrizen ms de 4 aviones?

P(X 5) = 1 - [P(0) + P(1) + P(2) + P(3) + P(4)] =

1 - [e-2+2 e-2 +22 e-2/2 + 23 e-2/6 + 24 e-2/24] = .052.

Sea Y el nmero de aviones que aterrizan en esa
pista cada cuarto de hora. Entonces Y es una Poisson
de parmetro 1:
Por tanto, P( Y > 4) = P(Y 5) = 1 - [P(Y=0) +
P(Y=1) +
P(Y=2) + P(Y=3) + P(Y=4)] =1 - [e-1+1 e-1 +12 e-1/2

Si la probabilidad de fabricar un televisor defectuoso es

p = 0.01, cul es la probabilidad de que en un lote de 100
televisores contenga ms de 2 televisores defectuosos?
La distribucin binomial nos dara el resultado exacto:

P( A )
c

100

99

100

100

100

99

100

0.9206

99

100

n x n x
p ( x) p q
x

100

99

100

98

( x 0,1,....n)

El suceso complementario Ac: No ms de 2 televisores

defectuosos puede aproximarse con una distribucin de
Poisson con = np = 1, sumando p(0) + p(1) + p(2).
P ( Ac ) e 1 (1 1 12 ) 0.9197

x
p( x)
e
x!

( x 0,1,....)
10

100

11

Bombas sobre Londres en la II Guerra Mundial

(Feller)

Supn que vivas en uno de los 100 bloques que aparecen en la grfica
inferior. La probabilidad de que una bomba cayera en tu bloque era 1/100.
Como cayeron 400 bombas, podemos entender el nmero de impactos en tu
bloque como el nmero de xitos en un experimento de Bernoulli con n = 400
y p = 1/100. Podemos usar una Poisson con = 400 1/100 = 4:

400 bombas

e 4 4 x
p( x)
x!

Observado
Predicho

10 x 10

12