1

Distribucin de Poisson
Cuando en una distribucin binomial el nmero de intentos (n)
es grande y la probabilidad de xito (p) es pequea, la
distribucin binomial converge a la distribucin de Poisson:







0 2 1 0 ,
!
) ( > = =

... , , , x
x
e
x p
x
Observa que si p es pequea, el xito es un suceso raro.

La distribucin de Poisson, junto con la uniforme y la binomial,
son las distribuciones ms utilizadas.
donde np =
2
Caractersticas de la distribucin de
Poisson
= 0.5
= 6
1 2 3 4 5
X
2 4 6 8 10
X
Media
Desviacin estndar

o
E X = =
=
( )
0
.2
.4
.6
0
P(X)
0
.2
.4
.6
0
P(X)
Nota: el mximo de la distribucin
se encuentra en x ~
0 2 1 0 ,
!
) ( > = =

... , , , x
x
e
x p
x
3
Distribucin de Poisson para varios valores de .
La distribucin de Poisson se obtiene como aproximacin de
una distribucin binomial con la misma media, para n grande
(n > 30) y p pequeo (p < 0,1). Queda caracterizada por un nico
parmetro (que es a su vez su media y varianza).

= o = np =

4
Si la probabilidad de fabricar un televisor defectuoso es
p = 0.01, cul es la probabilidad de que en un lote de 100
televisores contenga ms de 2 televisores defectuosos?
El suceso complementario A
c
: No ms de 2 televisores
defectuosos puede aproximarse con una distribucin de
Poisson con = np = 1, sumando p(0) + p(1) + p(2).
9197 . 0 ) 1 1 ( ) (
2
1
1
= + + ~

e A P
c
,....) 1 , 0 (
!

) (

x
= =

x e
x
x p
La distribucin binomial nos dara el resultado exacto:
9206 . 0
100
1
100
99
2
100
100
1
100
99
1
100
100
99
0
100
) (
2 98 99 100
=
|
.
|

\
|
|
.
|

\
|
|
|
.
|

\
|
+
|
.
|

\
|
|
.
|

\
|
|
|
.
|

\
|
+
|
.
|

\
|
|
|
.
|

\
|
=
c
A P
) ,.... 1 , 0 ( ) ( n x q p
x
n
x p
x n x
=
|
|
.
|

\
|
=

5
6
Bombas sobre Londres en la II Guerra Mundial (Feller)
10 x 10
400 bombas
Supn que vivas en uno de los 100 bloques que aparecen en la grfica
inferior. La probabilidad de que una bomba cayera en tu bloque era 1/100.
Como cayeron 400 bombas, podemos entender el nmero de impactos en tu
bloque como el nmero de xitos en un experimento de Bernoulli con n = 400
y p = 1/100. Podemos usar una Poisson con = 400 1/100 = 4:
!
4
) (
4
x
e
x p
x
=
Observado
Predicho
8
Un proceso poissoniano es aqul compuesto de
eventos discretos que son independientes en el
espacio y/o en el tiempo.
Por ejemplo la llegada de fotones a un detector.
Usemos la distribucin binomial para modelar el
proceso. Podemos dividir el intervalo de tiempo en el
que ocurre el proceso en n subintervalos suficientemente
pequeos, como para asegurarnos que a lo sumo se
produce un evento en cada subintervalo. De modo que
en cada subintervalo, o se producen 0 o 1 ocurrencias.
A lo sumo llega un fotn en cada subintervalo o ninguno.
De modo que podemos entender el proceso como un
experimento de Bernoulli. Para determinar p, podemos
razonar de la siguiente manera:
9
En promedio se producirn t ocurrencias en un intervalo de
tiempo t. Si este intervalo se divide en n subintervalos,
entonces esperaramos en promedio (usando Bernoulli):
np ocurrencias. As: t = np, p = t / n.

Sin prdida de generalidad supongamos que t = 1 y que X
es la variable aleatoria = nmero total de ocurrencias.
Sabemos que:
n
n
n
p p n B X P
|
.
|

\
|
= = = =

1 ) 1 ( ) 0 , , ( ) 0 (
Observa que para n grande P(X = 0) es aproximadamente e
-
.
Adems para n grande (y por tanto p muy pequeo):
k p k
p k
k p n B
k p n B
~

=
) 1 (
) 1 (
) 1 , , (
) , , (
10
) 1 , , ( ) , , (
) 0 , , (
=
=

k p n B
k
k p n B
e p n B

Tenemos entonces
la siguiente ecuacin
iterada:

= =
= = =
= = =
e
k
k X P
e p n B X P
e p n B X P
k
!
) (
...
2
) 2 , , ( ) 2 (
) 1 , , ( ) 1 (
2
Que nos proporciona:
11
La seal promedio recibida en un telescopio de una fuente celeste es
de 10 fotones por segundo. Calcular la probabilidad de recibir 7
fotones en un segundo dado.
P(7) = 10
7
e
10
/ 7! = 0.09, es decir 9%
Parece muy baja. Comparemos con el valor de mxima probabilidad
que ocurrir para x = 10:
= 10 P(10) = 10
10
x e
10
/ 10! = 0.125, es decir 12.5%
Las probabilidades poissonianas para un nmero de eventos dado,
son siempre pequeas, incluso en el mximo de la distribucin de
probabilidad.
,....) 1 , 0 (
!

) (

x
= =

x e
x
x p
Una distribucin de Poisson
con = 10.
12
Si en promedio, entran 2 coches por minuto en un garaje, cul
es la probabilidad de que durante un minuto entren 4 o ms
coches?
Si asumimos que un minuto puede dividirse en muchos
intervalos cortos de tiempo independientes y que la probabilidad
de que un coche entre en uno de esos intervalos es p que para
un intervalo pequeo ser tambin pequeo podemos
aproximar la distribucin a una Poisson con = np = 2.
y la respuesta es 1 0.857 = 0.143
El suceso complementario entran 3 coches o menos tiene
probabilidad:
857 . 0 ) ( ) 3 ( ) 2 ( ) 1 ( ) 0 ( ) (
! 3
2
! 2
2
! 1
2
! 0
2
2
3 2 1 0
= + + + = + + + ~

e p p p p A P
c
,....) 1 , 0 (
!

) (

x
= =

x e
x
x p
El nmero de enfermos que solicitan atencin de urgencia en un hospital
durante un periodo de 24 horas tiene una media de = 43,2 pacientes.
Unas obras en las instalaciones mermarn las capacidades de atencin
del servicio. Se sabe que colapsar si el nmero de enfermos excede de
50. Cual es la probabilidad de que colapse el servicio de urgencias del
hospital?
Bajo las condiciones del modelo de Poisson, se trata de una
distribucin P(43,2). La probabilidad solicitada es

Pr {X > 50} = 1 Pr {X <= 50} = 1 - F(50) = 0.13.

El responsable del servicio deber valorar si esta probabilidad es
lo suficientemente alta como para reforzar urgencias.


Cierta enfermedad tiene una probabilidad muy baja de ocurrir, p = 1/100.000.
Calcular la probabilidad de que en una ciudad con 500.000 habitantes haya ms de
3 personas con dicha enfermedad. Calcular el nmero esperado de habitantes que
la padecen.
Consideremos la v.a. X que contabiliza el nmero de personas que padecen la
enfermedad. Claramente sigue un modelo binomial, pero que puede ser
aproximado por un modelo de Poisson, de modo que:



As el nmero esperado de personas que padecen la enfermedad es

Existe una gran dispersin, y no sera extrao encontrar que en realidad hay
muchas ms personas o menos que estn enfermas. La probabilidad de que
haya ms de tres personas enfermas es: