Introduccin

En teora de probabilidad y estadstica, la distribucin de

Poisson es una distribucin de probabilidad discreta que
expresa, a partir de una frecuencia de ocurrencia media, la
probabilidad de que ocurra un determinado nmero de
eventos durante cierto perodo de tiempo. Concretamente,
se especializa en la probabilidad de ocurrencia de sucesos
con probabilidades muy pequeas, o sucesos "raros".

Objetivos
General:
Determinar cmo y cundo se debe utilizar la
distribucin de Poisson para obtener las probabilidades
de aquellas situaciones que ocurren de forma
impredecible y ocasional.
Especficos:
- Definir la funcin de probabilidad de la distribucin
de Poisson.
- Definir la varianza de la distribucin de Poisson.
- Esperanza de la distribucin de Poisson.
- Distribucin acumulada de la distribucin de
Poisson.
- Definir la desviacin estndar.

Distribucin de Poisson
1) Definicin.
La distribucin Poisson es, junto con la distribucin
binomial, una de las ms importantes distribuciones
de probabilidad para variables discretas, es decir, slo
puede tomar los valores 0, 1, 2, 3, 4, ..., k. La
distribucin de Poisson se emplea para describir varios
procesos, entre otros:
El nmero de autos que pasan a travs de un
cierto punto en una ruta (suficientemente
distantes de los semforos) durante un periodo
definido de tiempo.
El nmero de errores de ortografa que uno comete
al escribir una nica pgina.
El nmero de llamadas telefnicas en una central
telefnica por minuto.
El nmero de servidores web accedidos por
minuto.
El nmero de defectos en una longitud especfica
de una cinta magntica.
El nmero de mutaciones de determinada cadena
de ADN despus de cierta cantidad de radiacin.
El nmero de defectos por metro cuadrado de tela.
El nmero de estrellas en un determinado volumen
de espacio.
Cada una de estas variables aleatorias representa el
nmero total de ocurrencias de un fenmeno durante
un periodo de tiempo fijo o en una regin fija del
espacio. Expresa la probabilidad de un nmero k de
ocurrencias acaecidas en un tiempo fijo, si estos
eventos ocurren con una frecuencia media conocida y
son independientes del tiempo discurrido desde la
ltima ocurrencia o suceso.

2) Utilidad de la distribucin de Poisson.

La distribucin de Poisson fue desarrollada por
SimonDenis Poisson (17811840). Esta distribucin
de probabilidades es muy utilizada para situaciones
donde los sucesos son impredecibles o de ocurrencia
aleatoria. En general, utilizaremos la distribucin de
Poisson
como
aproximacin
de
experimentos
binomiales donde el nmero de pruebas es muy alto
(n), pero la probabilidad de xito muy baja (p0).
3) Caractersticas.
Se dice que X sigue una distribucin de Poisson de
parmetro y que se obtiene del producto n*p (que
nombraremos a partir de aqu como np, por mayor
simplicidad), que se representa con la siguiente
notacin: X ~ Ps () La distribucin de Poisson se
caracteriza por las siguientes propiedades:
Sea una poblacin de tamao .
Sea una muestra de tamao n bastante elevado
(se suele hablar de que tiende a Los sucesos son
independientes entre si.
Sea A un suceso que tiene una probabilidad p de
suceder durante un periodo de tiempo, siendo esta
probabilidad de ocurrencia durante un periodo de
tiempo concreto muy pequea (se suele hablar de
que tiende a 0).
El producto n*p, tiende a aproximarse a un valor
promedio o nmero medio, al que llamaremos .
Por ejemplo, promedio de llamadas recibidas en
una centralita por minuto o nmero medio de
accidentes producidos en una carretera durante el
fin de semana.
X: nmero de individuos de la muestra que
cumplen A.
El conjunto de posibles valores de A es, E =
{0,1,2,3,4....}

4) Funcin de probabilidad.
f ( x , )=

e . x
x!

X es el nmero de ocurrencias del evento o

fenmeno (la funcin nos da la probabilidad de
que el evento suceda precisamente k=x veces).
es un parmetro positivo que representa el
nmero de veces que se espera que ocurra el
fenmeno durante un intervalo dado. Por
ejemplo, si el suceso estudiado tiene lugar en
promedio 4 veces por minuto y estamos
interesados
en
la
probabilidad
de
que
ocurra k veces dentro de un intervalo de 10
minutos, usaremos un modelo de distribucin de
Poisson con = 104 = 40.
e es la base de los logaritmos naturales (e =
2,71828...)
Esta expresin, se obtiene tomando los lmites
cuando n tiende a , p tiende a 0 y np permanece
constante e igual a , de la funcin de probabilidad
de la distribucin de una variable binomial:

- Ejemplo:
La probabilidad de que en una masclet en fallas
una persona se desmaye es de 0,001. Considerando
que acuden unas 5000 personas a ver la masclet
el da de San Jos, cal es la probabilidad de que
se desmayen 25 personas?
Se trata de una binomial con n=5000 y p=0,001.
La probabilidad solicita sera:

Que resulta complejo de calcular. Por eso se

prefiere aproximar a una distribucin de Poisson,
con =5000*0,001=50, y quedara:
La
distribucin de Poisson se puede expresar de forma
grfica, ya que en realidad consiste en un diagrama
de barras, similar a los obtenidos en la funcin de
probabilidad, pero con forma asimtrica positiva
como sucede con la distribucin binomial. Sin
embargo al ir aumentando los valores de , va
adquiriendo la tpica forma de campana de Gauss,
pudiendo a deducirse, que conforme aumenta , las
variables de Poisson van a poder aproximarse a la
distribucin normal, por el Teorema Central del
Lmite. La aproximacin se considera buena para
valores de iguales o superiores a 9.

La figura es la grfica de la funcin de probabilidad

de variables Poisson

Se puede observar que la curva de la funcin de

Poisson es asimtrica, como la binomial. El promedio y
la varianza de esta variable aleatoria son iguales al
parmetro de la distribucin:
Por lo que, la desviacin standard es:

La distribucin de Poisson tiene una propiedad cuyas

consecuencias son muy importantes para el Control
Estadstico de Procesos. Supongamos que se
tienen m variables aleatorias de Poisson:

5) Media o Esperanza de la distribucin de Poisson.

Se obtiene cuando np tiende a .

6) Varianza de la distribucin de Poisson.

Se obtiene cuando np tiende a

. En la siguiente

ecuacin.

Una propiedad importante de la distribucin de Poisson, es

que la suma de n variables de Poisson independientes,
Ps(1)+Ps(2)+.+Ps(n), es tambin una variable de
Poisson siendo el valor de su parmetro , la suma de los
de las variables que se suman, Ps(1+2+.+n).

7) Funcin de distribucin de Poisson.

Si X es una variable aleatoria que tiene distribucin de
Posson con parmetro , entonces:

8) La desviacin estndar.
Se puede realizar despejando la varianza

Conclusiones
- La funcin de probabilidad de la distribucin de
Poisson es :
f ( x , )=

- La

e . x
x!

varianza

la

media

esperanza

distribucin de Poisson son iguales a

de

la

- La distribucin acumulada de la distribucin de

Poisson es :

- La desviacin estndar es:

Ejercicios
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:

x
e .
(
)
f x , =
x!

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.
= 6 cheques sin fondo por da
= 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.
= 6 x 2 = 12 cheques sin fondo en promedio que
llegan al banco en dos das consecutivos

Un vendedor de seguros de vida vende en promedio 3

plizas por semana. Calcular la probabilidad de:
a) Que venda alguna pliza en una semana.
b) Que venda 2 o ms plizas, pero menos de 5 en una
semana.
c) Suponiendo que trabajo 5 das Cul es la
probabilidad de que en un da dado venda una
pliza?
d) Calcular la media, la varianza y la desviacin
estndar de la distribucin de probabilidad que se
infiere de este problema.
Solucin

f ( x , )=

e .
x!

a) Que venda alguna pliza en una semana.

P ( x >0 )=P ( x =1 )+ P ( x=2 ) + P ( x=3 ) + ..

P ( A )=1P( A )

La probabilidad de que ocurra un suceso es igual

1 menos la probabilidad de que ocurra lo
contrario
P ( x >0 )=1P( x=0)
e330
(
)
P x=0 =
=0.04978 4,978
0!

Entonces la probabilidad es 100% - 4,978% =

95.022% que pueda vender una pliza
b) Que venda 2 o ms plizas, pero menos de 5 en
una semana
P (2 X <5 ) =P ( X=2 ) + P ( X=3 )+ P ( X =4 )
e3 32 e333 e334
+
+
2!
3!
4!
0,6161 61.61

c) Suponiendo que hay 5 das de trabajo por

semana Cul es la probabilidad de que en un da
dado venda una pliza?
En 7 das vende 3 plizas, en 5 das vender 2.14
plizas.
2.14

P ( x=1 )=

2.14
=0.25179 25,18
1!

d) Calcular la media, la varianza y la desviacin

estndar de la distribucin de probabilidad que se
infiere en este problema.
E ( x )==3
V ( x ) ==3
= V (x)= 3