DEFINICIÓN DE LA DISTRIBUCIÓN DE POISSON

La distribución de Poisson es una distribución de probabilidad discreta que se

aplica a las ocurrencias de algún suceso durante un intervalo determinado.
Nuestra variable aleatoria x representará el número de ocurrencias de un suceso
en un intervalo determinado, el cual podrá ser tiempo, distancia, área, volumen o
alguna otra unidad similar o derivada de éstas.
La probabilidad de nuestra variable aleatoria X viene dada por la siguiente
expresión: 

donde:

Nuestra variable aleatoria discreta puede tomar los valores:  

 donde es la media del número de sucesos en el intervalo que estemos
tomando, ya sea de tiempo, distancia, volumen, etc. Es importante entender que
este valor es una media en el sentido estrictamente estadístico de la palabra y
como tal se calculará mediante dicha expresión y no debe calcularse nunca con
una regla de proporcionalidad o regla de tres.

Se debe cumplir la condición de normalización  

La desviación típica es    

Cuando realizamos un experimento contando sucesos y obtenemos un valor x, su
error vendrá determinado por la raíz de x.   
La distribución de Poisson debe de cumplir los siguientes requisitos:
 La variable discreta   es el número de ocurrencias de un suceso durante
un intervalo (esto es la propia definición que hemos dado anteriormente).
 Las ocurrencias deben ser aleatorias y no contener ningún vicio que
favorezca unas ocurrencias en favor de otras.
 Las ocurrencias deben estar uniformemente distribuidas dentro del intervalo
que se emplee.
¿Cuándo se usa la Distribución de Poisson?
La distribución de Poisson es particularmente importante ya que tiene muchos
casos de uso. Podemos poner como ejemplos de uso: la disminución de una
muestra radioactiva, la llegada de pasajeros de un aeropuerto o estación de trenes
o autobuses, los usuarios que se conectan a una web determinada por hora (es un
caso particularmente interesante que usa Googlee en sus métricas predictivas de
visitantes únicos a una web).

Protomisil V2 de los que se lanzaban sobre Londres desde Calais ( Francia )

Como caso realmente interesante cabe mencionar que la distribución de poisson
fue utilizada para determinar si durante la segunda guerra mundial los alemanes al
bombardear Londres desde Calais (Francia 🇫🇷) con los portamisiles V1 y V2
apuntaban o simplemente disparaban al azar. Era un hecho realmente importante
determinar ese punto pues si los objetivos alcanzados con estos primitivos misiles
eran los blancos que los alemanes habían seleccionado, implicaba que éstos
disponían de una tecnología balística muy superior a la sospechada.
Distribución de Poisson como una aproximación a la Distribución Binomial
La distribución de Poisson se usa en ocasiones para aproximar la distribución
binomial. Existe un consenso en poder realizar esta aproximación cuando se
satisfagan las siguientes condiciones:

En caso de que hagamos la aproximación porque se cumplan ambas condiciones

vamos a necesitar el valor de   que lo calcularemos mediante la siguiente
expresión :

También suele usarse a menudo una aproximación de la distribución de Poisson a

una distribución Gaussiana, aunque esta última es una distribución de probabilidad
continua.

Propiedades del modelo de Poisson

1) Esperanza: E(X) = λ.
La función generadora de momentos de la distribución de Poisson con valor esperado
λ es
 2) Varianza: V(X) = λ.

En esta distribución la esperanza y la varianza coinciden.

EJEMPLOS

1. En la inspección de hojalata producida por un proceso electrolítico continuo, se identifican

0.2 imperfecciones en promedio por minuto. Determine las probabilidades de identificar
a) una imperfección en 3 minutos, b) al menos dos imperfecciones en 5 minutos, c)
cuando más una imperfección en 15 minutos.

Solución:

a)      x = variable que nos define el número de imperfecciones en la hojalata por cada 3 minutos =
0, 1, 2, 3, ...., etc., etc.

λ = 0.2 x 3 =0.6 imperfecciones en promedio por cada 3 minutos en la hojalata

                      

b)      x = variable que nos define el número de imperfecciones en la hojalata por cada 5 minutos =
0, 1, 2, 3, ...., etc., etc.

λ = 0.2 x 5 =1 imperfección en promedio por cada 5 minutos en la hojalata

 
                      =1-(0.367918+0.367918) = 0.26416

c)     x = variable que nos define el número de imperfecciones en la hojalata por cada 15 minutos =
0, 1, 2, 3, ....., etc., etc.

λ = 0.2 x 15 = 3 imperfecciones en promedio por cada 15 minutos en la hojalata

           

       
                                                       = 0.0498026 + 0.149408 = 0.1992106
2. Si el 2% de los libros encuadernados en cierto taller tiene encuadernación defectuosa,
para obtener la probabilidad de que 5 de 400 libros encuadernados en este taller
tengan encuadernaciones defectuosas usamos la distribución de Poisson. En este
caso concreto, k es 5 y, λ, el valor esperado de libros defectuosos es el 2% de 400, es
decir, 8. Por lo tanto, la probabilidad buscada es