DISTRIBUCIÓN DE POISSON 

 
 Los experimentos que resultan en valores numéricos de una variable aleatoria X, misma 
que  representa  el  número  de  resultados  durante  un  intervalo  de  tiempo  dado  o  en  una 
región especifica, frecuentemente se llaman experimentos de Poisson. 
 
El intervalo de tiempo dado puede ser de cualquier duración por ejemplo 1 minuto, una 
semana 1 mes o inclusive 1 año, de aquí que un experimento de Poisson puede generar 
observaciones  para  la  variable  aleatoria  X  que  represente  el  numero  de  llamadas 
telefónicas por hora que se reciben en una oficina, el numero de días en que la escuela se 
cierra durante el invierno debido a la nieve, o el numero de juegos pospuestos debido a la 
lluvia durante la temporada de béisbol.  La región especificada podría ser un segmento de 
una  línea,  una  área  o  un  volumen  o  tal  vez  el  numero  de  ratas  de  campo  por  acre,  el 
numero de bacterias en un determinado cultivo, etc.  
 
La distribución de Poisson es utilizada para determinar las probabilidades de ocurrencia de 
eventos poco probables esto es cuando p es un valor cercano a 0 y q es muy cercana a 1, 
con un tamaño de muestra grande (mayor a 50).  Esta observación de la distribución de 
Poisson a partir de la distribución binomial nos permite entender mejor el planteamiento 
teórico del proceso de Poisson. 
 
Un proceso de Poisson tiene como propiedades las siguientes: 
 
1.‐ El numero de resultados que ocurren en un intervalo de tiempo o región específicos es 
independiente  del  número  que  ocurre  en  cualquier  otro  intervalo  disjunto  de  tiempo  o 
región del espacio desjunto.  De esta manera se dice que el proceso de Poisson  no tiene 
memoria. 
 
2.‐  La  probabilidad  de  que  un  resultado  sencillo  ocurra  en  un  intervalo  de  tiempo  muy 
corto o en una región pequeña es proporcional a la longitud del intervalo o al tamaño de 
la región y no depende del número de resultados que ocurren fuera de este intervalo  o 
región. 
 
3.‐  La  probabilidad  de  que  más  de  un  resultado  ocurra  en  ese  intervalo  de  tiempo  tan 
corto o en esa región tan pequeña es despreciable. 
 
El numero X de resultados que ocurren en un experimento se le llama variable aleatoria 
de Poisson y su distribución de probabilidad recibe el nombre de distribución de Poisson.  
El  número  promedio  de  resultados  se  calcula  con      λ    t,    donde  t  es  el  tiempo  o  región 
específicos de interés.   
Dado  que  sus  probabilidades  dependen  de    λ  ,  la  tasa  de  ocurrencia  de  resultados  se 
representa por la expresión  p (x;  λ t).   
 
La  distribución  de  probabilidad  de  la  variable  aleatoria  de  Poisson  X,  que  representa  el 
número  de  resultados  que  ocurren  en  un  intervalo  de  tiempo  dado  o  en  una  región 
especifica indicada por t,  es: 
  
                                             ‐ λ t              x 
                                  e     ( λ  t) 
               p (x ;  λ t) )  =   ____________ ,      x = 0, 1,2,..., 
                                       x !  
 
Donde  λ    (lambda) es el numero promedio de resultados por unidad de tiempo o región 
y  e  es una constante que  tiene un valor de 2.71828 
 
 
Ejemplo  1:  El  número  promedio  de  partículas  radioactivas  que  pasan  a  través  de  un 
contador durante un milisegundo en un experimento de laboratorio es igual a 4.  ¿Cual es 
la probabilidad de que entren 6 partículas al contador en un milisegundo determinado?   
Si se utiliza la distribución de Poisson con x  igual a 6 y  ( λ  t ) = 4 tendremos: 
                                     
                    (2.71828)‐ 4     4 6                   4096                 4096    
p (6;  4 ) =  ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐   =    ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐   =   ‐‐‐‐‐‐‐‐   =   0.1042 
                               6!                           (54.6) (720)         39,312 
 
Por tanto la probabilidad de que entren 6 partículas en un milisegundo determinado es de 
10.42%. 
 
Para  la  Distribución  de  probabilidad  de  Poisson  la  media  aritmética  y  la  desviación 
estándar se calculan a partir de los siguientes modelos matemáticos: 
 
            µ  =   λ  t                σ   =   √ λ  t                                
 
Si consideramos los datos del ejemplo anterior tenemos: 
  
                µ   =  4                        σ   =  √  4      =  2 

Ejemplo  2: La probabilidad de tener un accidente de tráfico es de 0,02 cada vez que se 
viaja, si se realizan 300 viajes, ¿Cual es la probabilidad de tener 3 accidentes? 

                    (2.71828)‐ 6  6 3               216                  216    
p (3; 6 ) =  ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐   =    ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐   =   ‐‐‐‐‐‐‐‐   =  0.0892 = 8.9 % 
                               3!                   (403.4) ( 6 )        2420.4 
 
Ejemplo  2:  El  numero  de  solicitudes  de  préstamo  que  un  banco  recibe  por  día  es  una 
variable  aleatoria  que  tiene  una  distribución  poisson  con    λ  =  7.5  ¿Calcule  las 
probabilidades de que en cualquier día el banco reciba exactamente 6 solicitudes. 
Datos  
λ  t = 7.5 
X = 6 
 
p (6; 7.5) = (2.71828)‐ 7.5(7.5)3 / 6! = (7.5)3/ (2.71828)7.5 (6!) = 
                 =  421,875/ (1808.033293) (720) = 421,875 / 1´301,783.98  
                =   0.3240 = 32.4 %