Probabilidad de Poisson

definición
La distribución 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 pequeña, pero el número de intentos es muy grande, entonces
el evento actual ocurre algunas veces.

La distribución Poisson es, junto con la distribución binomial, una de las más importantes
distribución de probabilidad para variables discretas, es decir, sólo puede tomar los valores 0,
1, 2, 3, 4, ..., k.

La distribución de Poisson se emplea para describir varios procesos, entre otros: - El número
de autos que pasan a través de un cierto punto en una ruta (suficientemente distantes de los
semáforos) durante un periodo definido de tiempo. - El número de errores de ortografía que
uno comete al escribir una única página. - El número de llamadas telefónicas en una central
telefónica por minuto. - El número de servidores web accedidos por minuto. - El número de
defectos en una longitud específica de una cinta magnética. - El número de mutaciones de
determinada cadena de ADN después de cierta cantidad de radiación. - El número de
defectos por metro cuadrado de tela. - El número de estrellas en un determinado volumen de
espacio.

Cada una de estas variables aleatorias representa el número total de ocurrencias de un

fenómeno durante un periodo de tiempo fijo o en una región fija del espacio. Expresa la
probabilidad de un número k de ocurrencias acaecidas en un tiempo fijo, si estos eventos
ocurren con una frecuencia media conocida y son independientes del tiempo discurrido desde
la última ocurrencia o suceso

. Finalmente, destacaremos los conceptos básicos de aprendizaje con respecto a la distribución

de Poisson y sus aplicaciones prácticas. • Identificar las propiedades de una distribución
Poisson, así como sus parámetros característicos, esperanza y varianza. • Estimar el valor
promedio, la λ, característico de las variables de Poisson a partir de la frecuencia o
probabilidad de ocurrencia, p, y el número de veces que se presenta un suceso, n. •
Establecer las bases para el cómputo de las probabilidades para variables Poisson

¿Para qué me puede servir la distribución binomial?

Esta distribución de probabilidades es muy utilizada para situaciones donde los sucesos son
impredecibles o de ocurrencia aleatoria. En general, utilizaremos la distribución de Poisson
como aproximación de experimentos binomiales donde el número de pruebas es muy alto
(n→∞), pero la probabilidad de éxito muy baja (p→0).

Características Se dice que X sigue una distribución de Poisson de parámetro λ y que se

obtiene del producto n*p (que nombraremos a partir de aquí como np, por mayor
simplicidad), que se representa con la siguiente notación: X ~ Ps (λ) La distribución de Poisson
se caracteriza por las siguientes propiedades: - Sea una población de tamaño ∞. - Sea una
muestra de tamaño n bastante elevado (se suele hablar de que tiende a ∞) - Los sucesos son
independientes entre si. - Sea A un suceso que tiene una probabilidad p de suceder durante un
periodo de tiempo, siendo esta probabilidad de ocurrencia durante un periodo de tiempo
concreto muy pequeña (se suele hablar de que tiende a 0).
- El producto n*p, tiende a aproximarse a un valor promedio o número medio, al que
llamaremos λ. Por ejemplo, promedio de llamadas recibidas en una centralita por minuto o
número medio de accidentes producidos en una carretera durante el fin de semana. - X:
número de individuos de la muestra que cumplen A. - El conjunto de posibles valores de A es, E
= {0,1,2,3,4....}

Su función de probabilidad viene definida por:

Ecuación 1. Función de Probabilidad de la distribución Poisson.

donde x debe ser un entero positivo. Esta expresión, se obtiene tomando los límites cuando n
tiende a ∞, p tiende a 0 y no permanece constante e igual a λ, de la función de probabilidad de
la distribución de una variable binomial:

Ecuación 2. Función de Probabilidad de la distribución Poisson.

La media o esperanza y la varianza, se obtienen mediante el mismo procedimiento, tomando

los límites cuando n tiende a ∞, p tiende a 0 y np tiende a λ:

Una propiedad importante de la distribución de Poisson, es que la suma de n variables de

Poisson independientes, Ps(λ1)+Ps(λ2)+…….+Ps(λn), es tambien una variable de Poisson siendo
el valor de su parámetro λ, la suma de los de las variables que se suman, Ps(λ1+λ2+…….+λn).

En general, la distribución de Poisson, ofrecerá buenas aproximaciones a probabilidades de

variables binomiales cuando n ≥ 50 y p ≤ 0,1 y en el intervalo, 10 ≤ np ≤100, las aproximaciones
serán excelentes, ya que en muchos casos la aplicación de la función de probabilidad de la
binomial puede llegar a ser complicada. • Ejemplo La probabilidad de que en una mascletà
en fallas una persona se desmaye es de 0,001. Considerando que acuden unas 5000 personas a
ver la mascletà el día de San José, ¿cúal es la probabilidad de que se desmayen 25
personas? Se trata de una binomial con n=5000 y p=0,001. La probabilidad solicita sería:

que resulta complejo de calcular. Por eso se prefiere aproximar a una distribución de Poisson,
con λ=5000*0,001=50, y quedaría:

La distribución de Poisson se puede expresar de forma gráfica, ya que en realidad consiste en

un diagrama de barras, similar a los obtenidos en la función de probabilidad, pero con forma
asimétrica positiva como sucede con la distribución binomial. Sin embargo al ir aumentando
los valores de λ, va adquiriendo la típica forma de campana de Gauss, pudiendo a deducirse,
que conforme aumenta λ, las variables de Poisson van a poder aproximarse a la distribución
normal, por el Teorema Central del Límite. La aproximación se considera buena para valores
de λ iguales o superiores a 9.
“La probabilidad de obtener “X “ éxitos en un intervalo continuo” Se emplea para describir
varios procesos: Distribución de las llamadas telefónicas que llagan a un conmutador La
demanda de servicios en un hospital por parte de los pacientes Los arribos de los camiones y
automóviles a la caseta de cobro El número de accidentes en un cruce El número de defectos
en una tela por m2 El número de bacterias por cm2

Poisson, características Características El número medio (promedio) de eventos en el espacio

temporal o región específica de interés, por lo general esta media se representa por la lambda
griega (λ) El número de resultados que ocurren en un intervalo de tiempo o región específicos
es independiente de el número que ocurre en cualquier otro intervalo de tiempo o región La
probabilidad de que un resultado muy pequeño ocurra en un intervalo de tiempo muy corto o
en una región pequeña es proporcional a la longitud del intervalo de tiempo o al tamaño de la
región La probabilidad de que más de un resultado ocurra en un intervalo de tiempo tan corto
o en esa región tan pequeña es inapreciable, que se puede asignar el valor de 0

Fórmula de Poisson

P (x I λ) = la probabilidad de que ocurran X éxitos cuando el número promedio de ocurrencia

de ellos es λ λ media o promedio de éxitos por unidad de tiempo, área o producto e es la
constante 2.7183, base de los logaritmos naturales, en tanto que los valores de e -λ pueden
obtenerse de tablas. X señala un valor específico que la variable pueda tomar (el número de
éxitos que deseamos ocurran) Por definición, el valor esperado (media en el intervalo o región
de interés) de una distribución de probabilidad de Poisson es igual a la media de la
distribución. E(X) = λ La varianza del número de eventos de una distribución de probabilidad
de Poisson también es igual a la media de la distribución λ. De este modo, la desviación
estándar es la raíz cuadrada de λ. V(X) = λ σ = √λ

Aproximación de la distribución binomial por una de Poisson

Algunas veces, si se desea evitar el tedioso trabajo de calcular las distribuciones binomiales,
sobre todo si n (ensayos) es muy grande y p o q (éxito y fracaso) es muy pequeña, se puede
usar a cambio la de Poisson, pero debe cumplir con ciertas condiciones como : n ≥ 30 np ó nq <
5 En los casos en que se satisfacen tales condiciones, podemos sustituir la media de la
distribución binomial en lugar de la media de la distribución de Poisson de modo: λ=np
Ejemplo: Se sabe que 1% de los artículos de un gran embarque de transistores procedente de
un proveedor son defectuosos. Si se selecciona aleatoriamente una muestra de 30
transistores, la probabilidad de que dos o más de ellos sean defectuosos. P (X ≥ 2 I n=30, p=
0.01) = P (X=2) + P (X=3) + …= 0.0328+0.0031+0.0002 = 0.0361 Si λ=np=30(0.01) = 0.3, la
aproximación de Poisson del anterior valor de probabilidad es P (X ≥ 2 I λ = 0.3) = P (X=2) + P
(X=3) + …= 0.0333 + 0.0033 + 0.0002 = 0.0368 Así la diferencia entre la aproximación de
Poisson y el valor de probabilidad binomial real es de sólo 0.0007
En este caso la variable aleatoria representa el número de sucesos independientes que
ocurren, a una velocidad constante, en el tiempo o en el espacio. Su nombre lo debe al francés
Simeón Denis Poisson, que fue el primero en describirla en el Siglo XIX. Veamos algunos
ejemplos típicos de esta distribución: • El número de personas que llega a una tienda de
autoservicio en un tiempo determinado. • El número de solicitudes de seguro procesadas por
una compañía en un período específico. • El número de bacterias en un cultivo. La distribución
de Poisson es el modelo de probabilidad que más se utiliza para analizar problemas de listas de
espera. Podemos hablar de las siguientes características de una distribución de Poisson:

1- Debemos tener un fenómeno dicotómico (ocurrencia o no de un determinado suceso).

2- Las pruebas que se realicen han de ser independientes y la probabilidad de éxito se
ha de mantener constante en todas ellas. 3- Los sucesos han de ser poco comunes, por
eso se le conoce como "Ley de los sucesos raros". 4- Puesto que la probabilidad de
éxito ha de ser pequeña, entendemos que p100. 5- Los sucesos ocurren en un
intervalo de tiempo. 6- Se caracteriza por un parámetro ! , que es el número medio de
ocurrencia del suceso aleatorio por unidad de tiempo. 7- Siempre que la media y la
varianza sean similares, podemos pensar en un modelo de Poisson