DISTRIBUCIN DE POISSON

POISSON
Simon Denis Poisson, (1781-1840), astronauta francs, alumno de Laplace y Lagrange,
en Recherchs sur la probabilit des jugements...., un trabajo importante en probabilidad
publicado en el ao 1837, la distribucin de Poisson recin apareca.

La distribucin de Poisson describe la probabilidad como un acontecimiento fortuito

ocurrido en un tiempo o intervalo de espacio bajo las condiciones que la probabilidad de
un acontecimiento ocurre es muy pequea, pero el nmero de intentos es muy grande,
entonces el evento actual ocurre algunas veces.

Poisson, usos
La probabilidad de obtener X xitos en un intervalo continuo
Se emplea para describir varios procesos:
Distribucin de las llamadas telefnicas que llagan a un conmutador
La demanda de servicios en un hospital por parte de los pacientes
Los arribos de los camiones y automviles a la caseta de cobro
El nmero de accidentes en un cruce
El nmero de defectos en una tela por m2
El nmero de bacterias por cm2

Poisson, caractersticas
Caractersticas
El nmero medio (promedio) de eventos en el espacio temporal o regin especfica de inters,
por lo general esta media se representa por la lambda griega ( )
El nmero de resultados que ocurren en un intervalo de tiempo o regin especficos es
independiente de el nmero que ocurre en cualquier otro intervalo de tiempo o regin
La probabilidad de que un resultado muy pequeo ocurra en un intervalo de tiempo muy corto o
en una regin pequea es proporcional a la longitud del intervalo de tiempo o al tamao de la regin
La probabilidad de que ms de un resultado ocurra en un intervalo de tiempo tan corto o en esa
regin tan pequea es inapreciable, que se puede asignar el valor de
0

Frmula de Poisson
P(x I ) =
x!

* e-

P (x I ) = la probabilidad de que ocurran X xitos cuando el nmero promedio de ocurrencia de ellos

es
media o promedio de xitos por unidad de tiempo, rea o producto
e es la constante 2.7183, base de los logaritmos naturales, en tanto que los valores de e- pueden
obtenerse de tablas.
X seala un valor especfico que la variable pueda tomar (el nmero de xitos que deseamos ocurran)
Por definicin, el valor esperado (media en el intervalo o regin de inters) de una distribucin de
probabilidad de Poisson es igual a la media de la distribucin.
E(X) =
La varianza del nmero de eventos de una distribucin de probabilidad de Poisson tambin es igual a la
media de la distribucin . De este modo, la desviacin estndar es la raz cuadrada de .
V(X) =

Ejemplos
P(x I ) =
x!

* e-

Supngase que estamos investigando la seguridad de un crucero muy peligroso. Los archivos de la polica
indican una media de cinco accidentes por mes en l. El nmero de accidentes est distribuido conforme a la
distribucin de Poisson, y la divisin de seguridad en carreteras quiere calcular la probabilidad de
exactamente 0,1,2,3 y 4 accidentes en un mes determinado.
Aplicando la frmula anterior:
P(0) = (5)0 (e-5) /0! = 0.00674
P(1) = (5)1 (e-5) /1! = 0.03370
P(2) = (5)2 (e-5) /2! = 0.08425
P(3) = (5)3 (e-5) /3! = 0.14042
P(4) = (5)4 (e-5) /4! = 0.17552
Para saber cual es la probabilidad en 3 o menos (X 3), sumaremos las probabilidades de 0,1,2,3 lo que
ser igual a :
P(X 3) = P(0)+P(1)+P(2)+P(3) = 0.26511
Dado que la probabilidad de que haya 3 o menos accidentes es de 0.26511 entonces la probabilidad de que
ocurran ms de tres (X > 3) debe ser = 1 0.26511 = 0.73489.

En una tienda de telas, un promedio de 12 personas por hora le hacen preguntas a un decorador. La probabilidad de que 3
ms personas se acerquen al decorador para hacerle preguntas en un periodo de 10 minutos.
Promedio por hora =12
= promedio por 10 minutos = 12/6 = 2.0
P (X 3 I = 2) = P (X=3 I = 2) + P (X=4 I = 2) + P (X=5 I = 2) +

P (X 2 I = 2) = 1 [ P (X=0 I = 2) + P (X=1 I = 2) + P (X=2 I = 2) ]

Solucin 1
P (X=3 I
P (X=4 I
P (X=5 I
P (X=6 I
P (X=7 I
P (X=8 I
P (X=9 I

= 2) = 0.1804
= 2) = 0.0902
= 2) = 0.0361
= 2) = 0.0120
= 2) = 0.0034
= 2) = 0.0009
= 2) = 0.0002

P (X 3 I = 2) = 0.3232

Solucin 2
P (X= 0 I = 2) = 0.1353
P (X= 1 I = 2) = 0.2707
P (X= 2 I = 2) = 0.2707
P (X 3 I = 2) = 0.3232

Aproximacin de la distribucin binomial por

una de Poisson
Algunas veces, si se desea evitar el tedioso trabajo de calcular las distribuciones binomiales, sobre todo
si n (ensayos) es muy grande y p o q (xito y fracaso) es muy pequea, se puede usar a cambio la de
Poisson, pero debe cumplir con ciertas condiciones como :
n 30
np nq < 5
En los casos en que se satisfacen tales condiciones, podemos sustituir la media de la distribucin
binomial en lugar de la media de la distribucin de Poisson de modo:
=np
Ejemplo: Se sabe que 1% de los artculos de un gran embarque de transistores procedente de un proveedor
son defectuosos. Si se selecciona aleatoriamente una muestra de 30 transistores, la probabilidad de que
dos o ms de ellos sean defectuosos.
P (X 2 I n=30, p= 0.01) = P (X=2) + P (X=3) + = 0.0328+0.0031+0.0002 = 0.0361
Si =np=30(0.01) = 0.3, la aproximacin de Poisson del anterior valor de probabilidad es
P (X 2 I = 0.3) = P (X=2) + P (X=3) + = 0.0333 + 0.0033 + 0.0002 = 0.0368
As la diferencia entre la aproximacin de Poisson y el valor de probabilidad binomial real es de slo 0.0007