Henry Crdenas Cajamarca Freddy Quizhpi Culcay- Diana Bohorquez

Distribucin de Poisson
hcardenasc1@est.ups.edu.ec fquizhpic2@est.ups.edu.ec dbohorquez@est.ups.edu.ec
Universidad Politcnica Salesiana - Sede Cuenca

Resumen. Analizaremos la distribucin de Poisson cules son las ventajas de este tipo de distribucin
en comparacin con otras distribuciones que estudiaremos ms adelante.

OBJETIVOS
Objetivo General:

Resolver problemas de variables discretas.

Objetivos Especficos:

Dominar el uso de las funciones asociadas a una variable aleatoria discreta para calcular
probabilidades.
Reconocer y aplicar modelos de probabilidad discretos.

I. MARCO TERICO
Espacio Muestral

Es el conjunto de todos los posibles resultados de una experiencia aleatoria

Media

Es la suma de todas las observaciones dividida entre el nmero total de observaciones.

podemos decir que la media aritmtica es la cantidad total de la variable distribuida a partes
iguales entre cada observacin.
n

Xi
x= i=1
n

Varianza

Es un valor numrico que mide el grado de dispersin relativa porque depende de la posicin de
los datos con respecto a la media.
Es el cuadrado de la desviacin estndar.

( x ix )2
S 2= i=1
n

Desviacin estndar

Es una medida de dispersin para variables de razn, variables cuantitativas. Desviacin

estndar o Desviacin tpica es la raz cuadrada de la varianza.

s 2=s
 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.

La distribucin de Poisson es definida por un parmetro: lambda ().

Este parmetro es igual a la media y la varianza. A medida que lambda aumenta, la distribucin
de Poisson se acerca a una distribucin normal.

Utilice la distribucin de Poisson para describir el nmero de veces que un evento ocurre en un
espacio finito de observacin.

Una variable sigue una distribucin de Poisson si se cumplen las siguientes condiciones:

Los datos son conteos de eventos (enteros no negativos, sin lmite superior).
Todos los eventos son independientes.
La tasa promedio no cambia durante el perodo de inters.

Caractersticas

El nmero medio (promedio) de eventos en el espacio temporal o regin especfica de inters,

por lo general esta media se representa por la lambda griega ()

La probabilidad de que un resultado muy pequeo ocurra en un intervalo de tiempo muy corto o
en una regin pequea es proporcional a la longitud del intervalo de tiempo o al tamao de la
regin.

La probabilidad de que ms de un resultado ocurra en un intervalo de tiempo tan corto o en esa

regin tan pequea es inapreciable, que se puede asignar el valor de 0.

Diferencias entre la distribucin de Poisson y la distribucin binomial

La distribucin de Poisson es similar a la distribucin binomial porque ambas modelan conteos

de eventos.

Sin embargo, dentro de su espacio de observacin finito, la distribucin de Poisson no establece

un lmite superior a este conteo: una central telefnica podra recibir un nmero infinito de
llamadas en un da y no violar los requisitos de la distribucin de Poisson.

En cambio, la distribucin binomial establece un lmite superior en el conteo: el nmero de

eventos que usted observa no puede exceder el nmero de ensayos que realiza.
 Formula
x
e
P ( x| )=
x!

P ( x| ) es la probabilidad de que ocurran X xitos cuando el nmero promedio de

ocurrencia de ellos es .

es la 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).

II. DESARROLLO
Ejemplo 1

Si un banco recibe en promedio 6 cheques sin fondo por da, Cules son las probabilidades de que
reciba,
a) 4 cheques sin fondo en un da dado,
b) 10 cheques sin fondos en cualquier de dos das consecutivos?

Resolucin:

X = es la variable que define de los cheques sin fondo que llegan al banco en un da.
= es el numero de cheques sin fondo por da

a) 4 cheques sin fondo en un da dado

xe
( |
Px= )
x!

6 4e6
P ( x =4| =6 )=
4!

( 1296 )(0,00248)
P ( x =4| =6 )=
4321

P ( x =4| =6 )=0,13392

b) 10 cheques sin fondos en cualquier de dos das consecutivos

xe
P ( x| )=
x!
12 12
10 e
P ( x =10|=12 )=
10 !
 ( 6,1917 x 1010 )(6,144 x 106)
P ( x =10|=12 )=
3628800

P ( x =10|=12 )=0,10483
Ejemplo 2

En una empresa el termino medio de accidentes es de 3 por mes. Determine la probabilidad

de:

a) Que no ocurra ningn accidente en un mes.

b) Que mximo ocurran 2 accidentes en un mes.
c) Que ocurran 30 accidentes en un ao.
d) Que ocurran 8 accidentes en un trimestre.

a) Que no ocurra ningn accidente en un mes

x
e
P ( x| )=
x!

30e3
P ( x =0|=3 )=
0!

( 1 )(0,04978)
P ( x =0|=3 )=
0!

P ( x =0|=3 )=0,04978

b) Que mximo ocurran 2 accidentes en un mes

P ( x 2 )=P ( x =0 ) + P ( x=1 ) + P ( x=2 )

P ( x 2 )=0,04978+0,1493+0,2040

P ( x 2 )=0,40308

0 3
3 e
P ( x =0|=3 )=
0!

( 1 )(0,04978)
P ( x =0|=3 )=
0!

P ( x =0|=3 )=0,04978

1 3
3 e
P ( x =1| =3 )=
1!

( 3 )(0,04978)
P ( x =1| =3 )=
1!
 P ( x =1| =3 )=0,1493

32e3
P ( x =2| =3 )=
2!

( 9 )(0,04978)
P ( x =2| =3 )=
2!

P ( x =2| =3 )=0,2240
Resolver los siguientes literales del ejercicio anterior:
c) Que ocurran 30 accidentes en un ao

Realizamos una regla de tres para saber el numero de que es el numero de accidentes por ao.
Tenemos que es 36 accidentes por ao.

3630e36
P ( x =30|=36 )=
30 !
32
2,6525 x 10
( 4,887 x 1046 )(2,3195 x 1016)
P ( x =30|=36 )=

P ( x =30|=36 )=0,0427

d) Que ocurran 8 accidentes en un trimestre

Realizamos una regla de tres para saber el numero de que es el numero de accidentes en el
trimestre.
Tenemos que es 9 accidentes por trimestre.

8 9
9 e
P ( x =8|=9 ) =
8!

( 43046721 )(1,2340 x 104 )

P ( x =8|=9 ) =
40320

P ( x =8|=9 ) =0,1317

III. BIBLIOGRAFIA

[1]http://ocw.um.es/ciencias/estadistica-en-el-grado-de-ciencia-y-tecnologia-de/material-de-clase-1/cyta-
estadistica-tema4.pdf
[2]https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Poisson#Procesos_de_Poisson
[3]http://support.minitab.com/es-mx/minitab/17/topic-library/basic-statistics-and-graphs/probability-
distributions-and-random-data/distributions/poisson-distribution/
[4]http://www.virtual.sepi.upiicsa.ipn.mx/mdid/poisson.pdf
[5]https://es.wikipedia.org/wiki/Distribuci%C3%B3n_binomial