La distribución de Poisson

Fac. Domingo De la Cruz .

Tabla de contenido

 Introducción.
 Objetivos de la Presentación.
 La media y la desviación estándar.
 Dato histórico.
 Utilidad.
 Propiedades de un proceso de Poisson.
 La distribución de Poisson.
 La función.
 Ejemplos.
Introducción
En este módulo se describe el uso de la distribución
de Poisson para obtener la probabilidad de
ocurrencia de sucesos raros cuyo resultado lo
representa una variable discreta.

Se recomienda haber estudiado primero los

módulos de las Reglas de probabilidad, y luego el de
Distribución Binomial.
Objetivo general del módulo

Esperamos que cuando termines esta

presentación puedas determinar cómo y cuándo
se debe utilizar la distribución de Poisson para
obtener las probabilidades de aquellas situaciones
gerenciales que ocurren de forma impredecible y
ocasional.
 Objetivos específicos
Además, esperamos que puedas:

1. Identificar las propiedades de una distribución Poisson.

2. Determinar los valores de frecuencia p y segmento n para

establecer las bases para el cómputo de las probabilidades.

3. Determinar el promedio, la varianza y la desviación estándar

utilizando las variables de la distribución de Poisson.
Esperanza matemática o valor
esperado E(X)
 El valor esperado, o media, de una variable
aleatoria es una medida de la localización central
de la variable aleatoria.
 VALOR ESPERADO DE UNA VARIABLE ALEATORIA
DISCRETA
E(x) = μ = ∑ x f (x)
Ejemplo: Dada la experiencia aleatoria de anotar las
puntuaciones obtenidas al lanzar un dado. Calcular el
valor esperado.
 Varianza: Se usa para resumir la variabilidad
en los valores de la variable aleatoria.
Var(x) = σ2 = ∑ (x - μ) 2 f (x)
Continuación
 VALOR ESPERADO Y VARIANZA EN LA
DISTRIBUCIÓN BINOMIAL.
 E(x) = μ = np
 VALOR ESPERADO Y VARIANZA EN LA
DISTRIBUCIÓN BINOMIAL.
 Var(x) = σ2 = n·p(1 - p) = n·p·q
Ejemplo: La probabilidad de que un artículo producido
por una fabrica sea defectuoso es 0.02 . Se envió un
cargamento de 10,000 artículos a unos almacenes.
Hallar el número esperado de artículos defectuosos, la
varianza y la desviación típica.
Dato histórico

La distribución de Poisson se llama así

en honor a su creador, el francés
Simeón Dennis Poisson (1781-1840),
Esta distribución de probabilidades fue
uno de los múltiples trabajos matemáticos
que Dennis completó en su productiva trayectoria.
Utilidad
 La distribución 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 útil cuando la muestra o segmento n es grande y la probabilidad de

éxitos p es pequeña.

 Se utiliza cuando la probabilidad del evento que nos interesa se distribuye

dentro de un segmento n dado como por ejemplo distancia, área, volumen
o tiempo definido.
Ejemplos de la
utilidad
 La llegada de un cliente al negocio durante una hora.

 Las llamadas telefónicas que se reciben en un día.

 Los defectos en manufactura de papel por cada metro producido.

 Los envases llenados fuera de los límites por cada 100 galones de
producto terminado.
Propiedades de un
proceso de Poisson
1. La probabilidad de observar exactamente un éxito en el
segmento o tamaño 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 construcción de la
distribución de Poisson.
La distribución de Poisson
La distribución de probabilidad de Poisson es un ejemplo de
distribución de probabilidad discreta.
La distribución de Poisson parte de la distribución binomial.
Cuando en una distribución binomial se realiza el experimento
muchas veces, la muestra n es grande y la probabilidad de
éxito p en cada ensayo es baja, es aquí donde aplica el
modelo de distribución de Poisson.

Se tiene que cumplir que:

p < 0.10
p * n < 10
La función P(x=k)
A continuación veremos la función de probabilidad de la
distribución de Poisson.

Donde:

P(X=K) es la probabilidad de ocurrencia cuando la variable discreta

X toma un valor finito k.

μ = Miu es la ocurrencia promedio por unidad (tiempo, volumen,

área, etc.). Es igual a p por el segmento dado. La constante e
tiene un valor aproximado de 2.71828…

K es el número de éxitos por unidad

Ejemplo1 de la función
F (x=k)
La probabilidad de que haya un accidente en una compañía de
manufactura es de 0.02 por cada día de trabajo. Si se trabajan 300
días al año, ¿cuál 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
distribución de Poisson:

Al realizar el cómputo tenemos que P(x = 3) = 0.0892

Por lo tanto, la probabilidad de tener 3 accidentes laborales en 300
días de trabajo es de 8.9%.
Ejemplo 2 de la función
F(x=k)
La probabilidad de que un producto salga defectuoso es de
0.012. ¿Cuál 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 distribución de Poisson:

El resultado es P (x = 5) = 0.04602
Por lo tanto, la probabilidad de que haya 5 productos
defectuosos entre 800 recién producidos es de 4.6%.
Tablas de probabilidad de Poisson
Utilizando la tabla de probabilidad de Poisson se pueden resolver los
ejemplos anteriores.

Para esto, usted debe saber los valores X y μ.

X es el número de éxitos que buscamos. Este es el valor K.

μ es el número promedio de ocurrencias por unidad (tiempo, volumen, área,

etc.). Se consigue multiplicando a p por el segmento dado n.

Del ejemplo 1: μ = 0.02 * 300 = 6

Del ejemplo 2: =μ 0.012 * 800 = 9.6

En resumen
En este módulo hemos determinado la probabilidad de Poisson mediante
el uso de la función de Poisson, las tablas de distribución y la calculadora
del enlace. Además, aprendimos que:

1. La distribución de Poisson se forma de una serie de experimentos de

Bernoulli.

2. La media μ o valor esperado en la distribución de Poisson es igual a

λ.

3. La varianza (σ2 ) en la distribución de Poisson también es igual a λ.

4. La desviacion estándar es la raíz de λ.

Ejercicios de prueba
Los siguientes ejercicios de prueba fueron resueltos utilizando
la distribución binomial en el módulo con ese mismo nombre.
Refiérase a los ejercicios en ambos módulos y compare la
diferencia de cada pregunta.

¿Puede responder por qué se resuelven esta vez utilizando la

distribución de Poisson?

Demuestre su razonamiento.