INSTITUTO POLITECNICO NACIONAL

Escuela Superior de Ingeniera Mecnica y Elctrica

Unidad Azcapotzalco

Ttulo: Distribucin de Poisson

Grupo: 4SV1

Materia: Probabilidad y estadstica

Nombre del Profesor: Aguirre Buitrn Vladimir

Alumnos:

Carballo Montes Jos ngel

Olvera Lozornio Aldo

Portillo Morales Addi Ivn

Tapia Cruz Gerardo

Tapia Rangel Rogelio Giovanni

Valenzuela Ramos Rodrigo

ndice

Introduccin 1

Historia 1

Ejemplo 2

Ejemplos personales 2

Bibliografa
Introduccin

La distribucin de Poisson es discreta (como la binomial) pues los valores que puede
tomar la variable aleatoria son nmeros naturales. Aunque en la distribucin de Poisson
los casos posibles en teora son infinitos (numerable).

Historia

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 pequeo, pero el nmero de intentos es muy grande,
entonces el evento actual ocurre algunas veces.

Simon Denis Poisson fue atemtico y fsico francs. Profesor en la Escuela Politcnica y
en la Facultad de Ciencias de Pars. Considerado como uno de los fundadores de la
fsica-matemtica, desarroll la teora del potencial gravitatorio, la elasticidad y la teora
de probabilidades.

Esta distribucin se puede hacer derivar de un proceso experimental de observacin en el

que tengamos las siguientes caractersticas:

Se observa la realizacin de hechos de cierto tipo durante un cierto periodo de tiempo

Los hechos a observar tienen naturaleza aleatoria

La probabilidad de que se produzcan un nmero x de xitos en un intervalo de amplitud t

no depende del origen del intervalo (aunque, s de su amplitud)

Frmula de Poisson

( )
() =

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) =

Ejemplo:

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 cul 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.

Ejemplos Valenzuela Ramos Rodrigo:

En la inspeccin de hojalata producida por un proceso electroltico continuo, se identifican

0.2 imperfecciones en promedio por minuto. Determine las probabilidades de identificar a)
una imperfeccin en 3 minutos, b) al menos dos imperfecciones en 5 minutos, c) cuando
ms una imperfeccin en 15 minutos.

Solucin:

a) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 3

minutos = 0, 1, 2, 3, ...., etc., etc.
l = 0.2 x 3 =0.6 imperfecciones en promedio por cada 3 minutos en la hojalata

b) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 5

minutos = 0, 1, 2, 3, ...., etc., etc.

l = 0.2 x 5 =1 imperfeccin en promedio por cada 5 minutos en la hojalata

=1-(0.367918+0.367918) = 0.26416.

c) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 15

minutos = 0, 1, 2, 3, ....., etc., etc.

l = 0.2 x 15 = 3 imperfecciones en promedio por cada 15 minutos en la hojalata

= 0.0498026 + 0.149408 = 0.1992106.

Ejemplos Ivn Portillo

Un pescador se encuentra 12 horas del da pescando a la orilla de un lago, del numero de

anzuelos picados, la probabilidad de que se valla el pez es de 60%. Si al finalizar el dia
atrapo 20 peces cul es la probabilidad de que el da siguiente solo se escapen 10
peces

N= 20

P= 0.6

X= 10

Lambda= 12
Durante la produccin del iphone 8 se establece un margen de error por algun defecto
probable del 4% del total de la produccin. Si se toma un lote de 150 piezas Cul es la
probabilidad de que existan 3 iPhone con algn defecto?

N= 150

P= 0.04

X=3

Lambda= 6

Ejemplos Gerardo Tapia

1.- Si ya se conoce que solo el 3% de los alumnos de ISISA son muy inteligentes.
Calcular la probabilidad de que si tomaramos 100 alumnos al azar 5 de ellos sean muy
inteligentes

n = 100

P = 0.03

Lambda = 100 * 0.03 = 3

x=5

2.- La produccin de televisores en SAMSUNG trae asociada una probabilidad de defecto

del 2%, si se toma un lote o muestra de 85 televisores, obtener la probabilidad de que
existan 4 televisores con defectos

n = 85

(=5)=( 1.7 )(1.74 )

P = 0.02 4!
= 0.0635746

X=4

Lambda = 1.7
Ejemplos Angel Carballo

Los reportes de crmenes recientes indican que 3.2 de los robos de vehculos motorizados
ocurren cada minuto en estados unidos. Suponga que la distribucin de los robos por
minuto puede calcularse con la distribucin de probabilidad de poisson.

a)calcule la probabilidad de que ocurran cuatro robos exactamente en un minuto.

b)cul es la probabilidad de que en un cuarto de hora cualquiera ocurran exactamente

45 robos?

( )
( = 4) =

a)

3.2 (3.24 )
(4) = 4
= 0.1781

b)
e48 (4845 )
( = 45) = = 0.0539
45

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?

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
EJEMPLOS : TAPIA RANGEL ROGELIO GIOVANNI

1.-En una clnica el promedio de atencin es 16 pacientes por 4 horas, encuentre la

probabilidad que en 30 minutos se atiendan menos de 3 personas y que en 180 minutos
se atiendan 12 pacientes.

Usamos la distribucin de Poisson P(X=x) = exp(-) * ^x / x!

**la probabilidad que en 30 minutos se atiendan menos de 3 personas

=16 pacientes en 4 horas--> =4 pacientes/hora --> =2pacientes/media hora

Debemos calcular P(X<3) = P(X=0) + P(X=1) + P(X=2)

P(X=0) = exp(-2) * 2^0 / 0! = 0.1353

P(X=1) = exp(-2) * 2^1 / 1! = 0.2707

P(X=2) = exp(-2) * 2^2 / 2! = 0.2707

P(X<3) = 0.6767

**en 180 minutos se atiendan 12 pacientes

=16 pacientes en 4 horas--> =4 pacientes/hora--> 180 minutos = 3 horas -->

=3*4=12 pacientes/cada 180 minutos

P(X=12) = exp(-12) * 12^12 / 12! = 0.1144

2.- Supongamos que el nmero de imperfecciones en un alambre delgado de cobre sigue una
distribucin Poisson con una media de 2.4 imperfecciones por milmetro.

(a) Determine la probabilidad de 2 imperfecciones en un milmetro de alambre.

(b) Determine la probabilidad de 10 imperfecciones en 5 milmetros de alambre.

(c) Determine la probabilidad de al menos una imperfeccin en 2 mm de alambre

Solucin:

(a) P(x=2;=2.4)= 0.2613

(b) Sea que X denote el nmero de imperfecciones en 5 milmetro de alambre.

Entonces, X tiene una distribucin Poisson con =5mmx2.4 imperfecciones/mm

= 12.0 imperfecciones.

Entonces P(x=10;=12.0)=0.1048.

(c) Sea que x denote el nmero de imperfecciones en 2 milmetros de alambra.

Entonces, X tiene una distribucin de Poisson con =2mmx2.4 imperfecciones xmm

=4.8 imperfecciones.

Entonces P(x1;=4.8)=1-P(x< 1;=4.8)= 1-.0082= .9918

Bibliografa de los ejercicios:

http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/05Distr%20Poisso
n.htm

https://jrvargas.files.wordpress.com/2010/07/ejercicios-resueltos-de-
distribucic3b3n-binomial-y-poison-usando-tablas-y-excel.pdf