DISTRIBUCIÓN DE POISSON

Introducción
En esta clase describiremos el uso de la distribución de Poisson para obtener la probabilidad de
ocurrencia de sucesos raros (eventos que ocurren con poca frecuencia) cuyo resultado lo representa
una variable discreta.

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
1. 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.
2. Permite determinar la probabilidad de ocurrencia de un suceso con resultado discreto.
3. Es muy útil cuando la muestra o segmento n es grande y la probabilidad de éxitos p es pequeña.
4. 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.
 Número de fallas en la superficie de una cerámica rectangular.
 Número de bacterias en un volumen de un m3 de agua.
 Número de accidentes de trabajo que ocurren en una fábrica durante una semana.

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
Definición: Se dice que la variable aleatoria discreta X , cuyos valores posibles son : 0,1, 2,…etc., tienen
distribución de Poisson con parámetro  y se escribe X~P (  ), si su función de probabilidad es:
𝑒 −𝜆 (𝜆)𝑥
𝑃[𝑋 = 𝑥] =
𝑥!

Donde:
𝑃[𝑋 = 𝑥]: es la probabilidad de ocurrencia cuando la variable discreta X toma un valor finito x.
𝜆: Lambda es la ocurrencia promedio por unidad (tiempo, volumen, área, etc.).
La constante e: tiene un valor aproximado de 2.71828183
x : es el número de éxitos por unidad

MEDIDAS DE RESUMEN DE LA DISTRIBUCION POISSON:

 Valor esperado o media aritmética

E(X)=  = 
 Varianza:
V(X)= 
 Desviación estándar:
 ( x)  

EJEMPLOS:
1. El número de casos admitidos de emergencia en cierto hospital en 1 hora es una variable
aleatoria con distribución de Poisson con λ = 3. Determinar la probabilidad que en cierta hora
a) ningún caso de emergencia es admitido.
b) más de 3 casos de emergencia son admitidos.
2. Los defectos de cierta clase de tejido de lana ocurren al azar con un promedio de 1 por 100 pies
cuadrados. Calcular la probabilidad que una pieza que mide 50 por 10 pies no contenga
defectos.
3. Cierto alimento produce una reacción alérgica en un 0.01% de una población grande. Si
100,000 personas comen este alimento diario en promedio.
a) ¿Cuál es el número esperado de personas con reacción alérgica?
b) ¿Cuál es la función de probabilidad del número de personas en este grupo de 100,000 son
alérgicos a este alimento?
4. La probabilidad de que haya un accidente en una compañía de manufactura es de 0,03 por cada
día de trabajo. Si se trabajan 300 días al año, ¿cuál es la probabilidad de :
a) De no tener accidentes
b) Tener a lo más 5 accidentes
c) De 3 a 8 accidentes
d) Por lo menos 6 accidentes
5. La probabilidad de que un producto salga defectuoso es de 0,012. ¿Cuál es la probabilidad de
que entre 800 productos ya fabricados hayan:
a) De no tener defectuosos
b) Tener a lo más 5 defectuosos
c) De 3 a 8 defectuosos
d) Por lo menos 6 defectuosos
6. En determinada planta manufacturera han ocurrido accidentes a razón de 3 cada 4 meses.
Suponiendo que ocurren en forma independiente. ¿Cuál es el número esperado de accidentes
al año? ¿Cuál es la desviación estándar del número de accidentes al año? ¿Cuál es la
probabilidad que no haya accidentes en 18 meses?
7. Cierto alimento produce una reacción alérgica en un 0.01% de una población grande. Si
100,000 personas comen este alimento diario en promedio.
a) ¿Cuál es el número esperado de personas con reacción alérgica?
b) ¿Cuál es la función de probabilidad del número de personas en este grupo de 100,000 son
alérgicos a este alimento?