DERECHO USS 2016

Mtodos estadsticos
Distribucin de poisson
Facultad de Derecho
Escuela Acadmico Profesional de Derecho

AUTORES
HERRERA HEREDIA GODOFREDO
MECHAN PISFIL JOAN MANUEL.
SNCHEZ GIL ELENA LILIANA.
DAZ GARCA TATIANA.
CASTAEDA GUERRERO JEREMY.

DOCENTE
FLORES CUBAS GLORIA

Pimentel, 09 de abril del 2016.

LA DISTRIBUCION DE POISSON

Mtodos estadsticos
La distribucin de poisson es una distribucin discreta de gran utilidad la
variable suele estudiar el nmero de eventos independientes que ocurren a
velocidad constante en un tiempo o espacio. El intervalo puede ser de
cualquier longitud, como un minuto, una semana. Por ejemplo, el nmero de
llamadas telefnicas por hora que llegan a una oficina, el nmero de
mensajes que llegan a un servidor de correos durante una hora, etc.
La Distribucin de Poisson se llama as en honor a Simen Dennis Poisson
(1781-1840), francs que desarroll esta distribucin basndose en estudios
efectuados en la ltima parte de su vida. Aqu en esta distribucin interesa
contar el nmero de veces que un determinado suceso ocurre en un periodo
de tiempo determinado.
Es un proceso de tiempo continuo que consiste en contar eventos raros que
ocurren a lo largo del tiempo (Raymond, H y Myers, S., 1998)
Consideremos X una variable que da el nmero de individuos que presentan
una cierta caracterstica por unidad de tiempo, volumen, superficie,
Entonces diremos que X sigue una distribucin de Poisson. (Angel Juan,
Mximo Sedano, Alicia Vila, Jos Francisco Martnez, Anna Lpez: modelos
de probabilidad)
Ejemplos:
X= Nmero de coches que cruzan un cruce en una hora.
Y= Nmero de enfermos de Sida por ao y por Comunidad Autnoma.
La funcin de probabilidad de la distribucin de Poisson es:

p ( x )=

e k
k!

Para x=0,1,2,3,.

Donde es el nmero medio de ocurrencias durante un intervalo especfico

de tiempo, superficie, .. e (e= 2,71828) es la constante exponencial y x es
el nmero de ocurrencias (xitos).
Observamos de la expresin de la funcin de probabilidad que el parmetro
caracteriza las variables con distribucinde Poisson.
Otra caracterstica de la Poisson es que su media es igual a su varianza y
ambas son igual al parmetro : = , =
Observamos adems que una variable con distribucin Poisson toma
infinitos valores, 0,1,
Ahora bien, las probabilidades van disminuyendo cada vez ms rpidamente
cuando el valor es alto, hacindose prcticamente nulas a partir de un valor.
Por esto muchas veces la distribucin de Poisson tambin se la llama
distribucin de los sucesos raros o poco probables.

2
Carrera Profesional de Derecho

Mtodos estadsticos
Aplicacin:
Esta distribucin de probabilidades es muy utilizada para situaciones donde
los sucesos son impredecibles o de ocurrencia aleatoria.( Martnez Gmez,
Mnica, Mar Benlloch, Manuel: Estadstica, Investigacin Operativa
Aplicadas y Calidad).
Su utilidad se da en general en los problemas llamados lneas de espera,
teora de colas o similares.
La distribucin de Poisson se emplea para describir varios procesos, entre
otros la distribucin de las llamadas telefnicas que llegan a un conmutador,
la demanda de servicios en una institucin asistencial por parte de los
pacientes, los arribos de los camiones y automviles a la caseta de cobro y
el nmero de accidentes en un cruce. Los ejemplos citados tienen un
elemento en comn, pueden ser descritos por una variable aleatoria
discreta que asume valores enteros (0,1,2,3,4,5 y as sucesivamente).
La distribucin Poisson es, junto con la distribucin binomial, una de las ms
importantes distribucin de probabilidad para variables discretas, es decir,
slo puede tomar los valores 0, 1, 2, 3, 4, ..., k.
Cada una de estas variables aleatorias representa el nmero total de
ocurrencias de un fenmeno durante un periodo de tiempo fijo o en una
regin fija del espacio. Expresa la probabilidad de un nmero 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 ltima ocurrencia o suceso.

3
Carrera Profesional de Derecho

Mtodos estadsticos

Ejemplos:

Ejemplo 1. Suponga que una compaa de seguros asegura las vidas de 5000 hombres de 42
aos de edad. Si los estudios actuariales muestran que la probabilidad de que un hombre muera
en cierto ao es 0.001, entonces la probabilidad de que la empresa pague exactamente 4
indemnizaciones y= 4 en un cierto ao es:
Aproximando con la distribucin de Poisson, se toma la tasa media de sucesos = np =
(5000)*(0.001)= 5, teniendo:

P( y 4)

4 e 5 4 e 5

0.1745
4!
4!

Ejemplo 2. Una planta tiene 20 mquinas, si la probabilidad de que falla una en cierto da es
0.05. Encuentre la probabilidad de que durante un da determinado fallen dos mquinas.
np = 20 *0.05 = 1.0
P( y 2)

12 e 1
0.184
2!

Ejemplo 3. En una jaula con 100 pericos 15 de ellos hablan ruso calcular la probabilidad de que
si tomamos 20 pericos al azar 3 de ellos hablen ruso.
n = 20
p = 0.15
X=3
lambda =3
Ejemplo 4. Se calcula que en la ciudad el 20% de las personas tienen defecto de la vista si
tomamos una muestra de 50 personas al azar Calcular la probabilidad de que 10 de ellos
tengan defecto en la vista.
n = 50
p = 0.2
lambda =10

4
Carrera Profesional de Derecho

Mtodos estadsticos
Ejemplo 5. Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las
probabilidades de que reciba, a) cuatro cheques sin fondo en un da dado, b) 10 cheques sin
fondos en cualquiera de dos das consecutivos?
Solucin:
a) x = variable que nos define el nmero de cheques sin fondo que llegan al banco en un da
cualquiera = 0, 1, 2, 3, etc.
( 6 )4 ( 2.718 )6 ( 1296 )( 0.00248 )
p( x 4 , 6 )

0.13392
= 6 cheques sin fondo por da
4!
24
b) x= variable que nos define el nmero de cheques sin fondo que llegan al banco en dos das
consecutivos = 0, 1, 2, 3, ......, etc., etc.
= 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos das consecutivos
Nota: siempre debe de estar en funcin de x siempre o dicho de otra forma, debe hablar de lo
mismo que x.
( 12 )10( 2.718 )12 ( 6.191736410 )( 0.000006151 )
p( x 10, 12 )

0.104953
10!
3628800
Ejemplo 6. En la inspeccin de hojalata producida por un proceso electroltico continuo, se
identifican 0.2 imperfecciones en promedio por minuto. Determine las probabilidades de
identificar a) una imperfeccin en 3 minutos, b) al menos dos imperfecciones en 5 minutos, c)
cuando ms una imperfeccin en 15 minutos.
Solucin:
a) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 3 minutos
= 0, 1, 2, 3, etc., etc.
= 0.2 x 3
=0.6 imperfecciones en promedio por cada 3
1
0.6
( 0.6 ) ( 2.718 )
( 0.6 )( 0.548845 )
p( x 1, 0.6 )

0.329307
1!
1
minutos en la hojalata

b) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 5 minutos
= 0, 1, 2, 3, ...., etc., etc.
= 0.2 x 5 =1 imperfeccin en promedio por cada 5 minutos en la hojalata

( 1 )0 ( 2.718 )1 ( 1 )( 2.718 )1
1-(0.367918+0.367918)

0!
1!

p( x 2,3,4,etc.... 1 ) 1 p( x 0,1, 1 ) 1

=0.26416

5
Carrera Profesional de Derecho