2.2.5.

DISTRIBUCIÓN DE PROBABILIDAD POISSON

MATERIA: PROBABILIDAD Y ESTADISTICA.

TITULAR: ING. FELIPE SALINAS VELAZQUEZ
CARRERA: INGENIERIA EN INDUSTRIAS ALIMENTARIAS.

La distribución de probabilidad poisson es discreta, llamada así en memoria de

Simeon Denis Poisson(1781- 1840), útil para estimar el número de ocurrencias en
un intervalo específico de tiempo o espacio, según Luis Rodríguez Ojeda (2007),
calcula la probabilidad correspondiente al número de “éxitos” que ocurren en una
región o en el intervalo de tiempo y espacio especificados, si se conoce el número
promedio de “ éxitos” que ocurren.

Algunas situaciones que se pueden utilizar con el modelo.

Como puede ser el número de autos que arriban a una estación de gasolina,
también puede ser el número de enfermos que llegan a un hospital para ser
atendidos, el número de defectos por cada metro de tela, número de accidentes
automovilísticos producidos en una intersección, en una semana, número de
llamadas telefónicas que entran en una central por minuto

Mientras que la distribución Binomial está orientada a resolver problemas

relacionados con los éxitos esperados en “n” ensayos, la distribución de Poisson
busca dar respuesta a problemas relacionados con los éxitos esperados en un
intervalo de tiempo o de espacio.

PROPIEDADES DE UN EXPERIMENTO POISSON:

1. La probabilidad de ocurrencia es la misma para cualquiera de dos intervalos

de igual longitud.
2. La ocurrencia o no ocurrencia en cualquier intervalo de tiempo o espacio es
independiente.
3. El experimento aleatorio consiste en contar el número de veces que ocurre
el evento en una unidad de tiempo o espacio.
4. La probabilidad de obtener un éxito en un acontecimiento es muy pequeña
y el número de intentos es muy grande (tamaño de la muestra).
5. La distribución no es simétrica.
6. La variable X puede tomar los valores de {0, 1, 2, 3,…}.

La distribución de probabilidad poisson tiene la siguiente función:

Fórmula general
𝜆𝑥 𝑒 −𝜆
P(X=x)=
𝑥!
 Donde

p(X=x) = probabilidad de x ocurrencias en un intervalo

λ = valor esperado o promedio de ocurrencias en un intervalo de tiempo o

espacio

λ = np

e = 2.71828

Ejemplo 1

Usted desea conocer el número de enfermos que llegan por la mañana a

una clínica “SINAI” durante la semana en un periodo de una hora. Si
asumimos que la probabilidad de que un paciente que llega es la misma
para cualesquiera de dos periodos de igual duración y que la llegada o no
llegada de un paciente en cualquier periodo es independiente del arribo o
no en cualquier otro periodo, entonces es aplicable la distribución poisson.
Si se tienen registros que el número promedio de pacientes que llegan en
un periodo de una hora es de 4, ¿Cuál sería la probabilidad de que en una
hora lleguen 2 pacientes?

La variable aleatoria es: X = número de pacientes que llegan en una hora a

la clínica.

Se tiene como dato λ =4. Por lo tanto P(x=2) sería:

𝜆𝑥 𝑒 −𝜆 42 (2.71828)−4
P(x=2)= = = 0.1465
𝑥! 2!
Aquí involucramos el intervalo de tiempo de una hora, pero podemos utilizar
otros intervalos de tiempo, por ejemplo, si se quiere conocer la probabilidad
de que lleguen 2 pacientes, en los siguientes 30 minutos.

Ahora, el intervalo de tiempo se ha modificado a 30 minutos (.5 horas), por

lo que tenemos que ajustar el valor de µ que está en horas. Esto es λ = 2
cada media hora.

𝜆𝑥 𝑒 −𝜆 22 (2.71828)−2
P(x=2)= = = 0.2707
𝑥! 2!
Una variable que tiene una distribución poisson con un número conocido de
ensayos n y una probabilidad conocida de éxitos p, se pude determinar su valor
esperado, su desviación estándar y varianza es:

E(x)=np= λ = 2
𝜎𝑥 = √𝜆 =√2 =1.4142
V(x)= np = λ = 2

La distribución de Poisson se puede considerar como el límite de una distribución

binomial cuando “n” es muy grande y “p” es muy pequeña.

Cuando n es grande (n≥30) y crece indefinidamente y p es pequeña con

tendencia a cero, de tal manera que la media (np<5) entonces las
probabilidades binomiales se aproximan a la fórmula de Poisson.

La probabilidad de tener un accidente en el salón de clase de danza es de .006,

en un grupo de 100 alumnos, ¿cuál es la probabilidad de que haya un accidente?.

Variable aleatoria: X = número de accidentes en el salón de clase.

n=100 p=0.006 λ=np=µ

Por lo tanto

µ= n p µ=100(0.006) =0.6

¿P(x=1)=?

𝜇𝑥 𝑒 −𝜇 0.61 (2.71828)−1
P(x=1)= = = 0.3292
𝑥! 1!

Ejercicios para resolver:

Si el 2% de los garrafones retornables de agua electropura se detectan fisuras

antes de ser llenados, determine la probabilidad de que cinco de los próximos 400
garrafones que se intenten llenar presenten fisuras. R= 9.16%

Datos:

P=0.02 np=400x0.02=8 𝜇=8 x=5

 2.718288 85
P(x=5)= = 0.0916= 9.16%
5!
Usted sabe que dispone en este momento de 6 refrescos gaseosos y cada uno de
sus invitados consume en promedio 1.5 refrescos en una hora.

¿Cuál es la probabilidad de que en la siguiente hora no le alcancen los refrescos?

p(x=0)=?

Datos:

En promedio, cada una de las 18 gallinas de un gallinero pone un huevo al día. Si

se recogen los huevos cada hora. ¿Cuál es el número medio de huevos que se
recogen en cada visita? ¿Con qué probabilidad encontraremos x huevos para x=
0,1, 2 ,3? ¿Y la probabilidad de que x=3?

Calcule el promedio de huevos por cada hora λ=np

Aplicando la fórmula general: complemente la tabla.

Sucesos
observados
x
Probabilidad
(%)
EJEMPLO
(0.750 ) (2.718282−0.75 )
P(0)= = 47.2 compruebe los demás cálculos y grafique
0!

Supóngase que estamos investigando la seguridad del tramo carretero Juc.-

Tehuantepec que es muy peligroso. Los archivos de la policía federal indican una
media de cinco accidentes por mes en él. El número de accidentes está distribuido
conforme a la distribución de Poisson, y la división de seguridad en carreteras
quiere calcular la probabilidad de exactamente 0, 1, 2, 3 y 4 accidentes en un mes
determinado.

Aplicando la fórmula de Poisson: calcule

(50 ) (2.718282−5 )
P(0)= = 0.00674
0!

P(1)=

P(2)=
P(3)=

P(4)=

Para saber cuál es la probabilidad en 3 ó menos (X ≤3), sumaremos las

probabilidades de 0,1,2,3 lo que será igual a :P(X≤3) = P(0)+P(1)+P(2)+P(3) = ?

Dado que la probabilidad de que haya 3 ó menos accidentes es de 0.26511

entonces la probabilidad de que ocurran más de tres (X > 3) debe ser =

Obtenga el gráfico correspondiente.