PROBABILIDAD Y

ESTADSTICA
Ing. Miguel Angel Sevillanos
Dominguez

Distribucin Poisson
En teora de probabilidad y estadstica, la
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 "raros".
La distribucin de Poisson se utiliza con
frecuencia en el trabajo cientfico. Una

Diremos que un experimento de este tipo

sigue un proceso de Poisson cuando se
cumplan las siguientes condiciones:
1. El nmero de resultados que ocurren en
un intervalo es independiente del
nmero que ocurre en otro intervalo
disjunto. Es decir, los sucesos aparecen
aleatoriamente
de
forma
independiente. Se dice entonces que el
proceso no tiene memoria.

2. La probabilidad de que un resultado

sencillo ocurra en un intervalo pequeo
es proporcional a la longitud de dicho
intervalo. Adems dicha probabilidad
permanece constante, de forma que se
puede definir un nmero medio de
resultados por unidad de intervalo. Se
dice que el proceso es estable.
3. La probabilidad de que ocurra ms de
un
resultado
en
un
intervalo
suficientemente
pequeo
es

Se define entonces la variable aleatoria de

Poisson como el nmero de resultados que
aparecen en un experimento que sigue el
proceso de Poisson. Ntese que el campo
de variabilidad de la variable de Poisson
ser: X={0,1,2,...}. La distribucin de
probabilidad asociada con esta variable se
denomina distribucin de Poisson y
depender fundamentalmente del nmero
medio de resultados (o sucesos) por
intervalo, que denotaremos por . De esta

Caractersticas:

En este tipo de experimentos los xitos

buscados son expresados por unidad de
rea, tiempo, pieza, etc,:
# de defectos de una tela por m2
# de aviones que aterrizan en un
aeropuerto por da, hora, minuto, etc,
etc.
# de bacterias por cm2de cultivo
# de llamadas telefnicas a un
conmutador por hora, minuto, etc, etc.
# de llegadas de embarcaciones aun


Para
determinar la probabilidad de que ocurran
x xitos por unidad de tiempo, rea, o
producto, la frmula a utilizar sera:

donde:
p(x,)= probabilidad de que ocurran x xitos,
cuando el nmero promedio de ocurrencia de
ellos es
= es un parmetro positivo que representa el
nmero de veces que se espera que ocurra el
fenmeno durante un intervalo dado. media o
promedio de xitos por unidad de tiempo, rea
o producto
= 2.718
x = variable que nos denota el nmero de

Hay que hacer notar que en esta

distribucin el nmero de xitos que
ocurren por unidad de tiempo, rea o
producto es totalmente al azar y que cada
intervalo de tiempo es independiente de
otro intervalo dado, as como cada rea es
independiente de otra rea dada y cada
producto es independiente de otro
producto dado.
Respecto a la forma de la distribucin de
Poisson se encuentra que presenta una

Ejemplo:
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=4

= 6 cheques sin fondo por da

e = 2.718

b)

10
x=
= 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.

Ejemplo 02
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.

a)

= variable que nos define el nmero de

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

b)

= variable que nos define el nmero de

x
imperfecciones en la hojalata por cada 5
minutos = Al menos dos imperfecciones
en 5 minutos
= 0.2 x 5 =1 imperfeccin en promedio
por cada 5 minutos en la hojalata

c)

= variable que nos define el nmero de

x
imperfecciones en la hojalata por cada 15
minutos =Mximo una imperfeccin
= 0.2 x 15 = 3 imperfecciones en
promedio por cada 15 minutos en la
hojalata

Ejemplo 03

abuela hornea galletas de chispas de

La
chocolates en grupos de 100. Ella agrega
300 chispas en la masa. Cuando las
galletas estn hechas, le ofrece una. Cul
es la probabilidad de que su galleta no
tenga chispas de chocolate?
X = Cantidad de chispas de chocolate =
Cero chispas
= 300/100 = 3

Uso de la distribucin de
Poisson para estimar una
razn

menudo se realizan experimentos para

A
estimar una razn que represente la
media del nmero de eventos que ocurren
en una unidad de tiempo o espacio. En
estos experimentos se cuenta el nmero
de eventos X que ocurre en t unidades, y
se estima la razn con la cantidad .
(Observe que en virtud de que la cantidad
X/t se utiliza para estimar , sta se
denota como ).

Uso de la distribucin de
Poisson para estimar una
razn

Si los nmeros de eventos en intervalos

disjuntos son independientes, y si no es
posible
que
los
eventos
ocurran
simultneamente, entonces X sigue una
distribucin de Poisson. Al proceso que da
como resultado dichos eventos se le
denomina proceso de Poisson. Puesto que
la media del nmero de eventos que
ocurre en t unidades de tiempo o espacio
es igual a t, X~ Poisson(t)

Ejemplo

Una
suspensin contiene partculas en una
concentracin desconocida de por mL.
Se agita por completo la suspensin, y
despus se extraen 4 mL y se cuentan 17
partculas. Estime .
Solucin
Sea X=17 el nmero de partculas
contadas y t = 4 mL el volumen extrado
de la suspensin. Entonces
= 17/4 = 4.25 partculas por mL.

Incertidumbre en la razn
estimada
incertidumbre es la desviacin estndar
La
. Dado que , Se tiene que: . Debido a que
X~Poisson (t), se tiene que
Por
consecuencia,

Ejemplo
saca una muestra de 5 mL de una
Se
suspensin, y se cuenta 47 partculas.
Estime la media del nmero de partculas
por mL y encuentre la incertidumbre en la
estimacin.
Solucin
El nmero de partculas contadas es X=47.
El volumen extrado es t=5 mL. La media
estimada del nmero de partculas por mL
es

Ejercicios
El nmero promedio de accidentes de
trnsito en cierto crucero de carretera es
dos por semana. Suponga que el nmero
de accidentes sigue una distribucin de
Poisson con =2.
1. Encuentre la probabilidad de que no
haya accidentes en este crucero de
carretera durante un periodo de 1
semana.
2. Encuentre la probabilidad de que a lo
sumo haya tres accidentes en esta seccin

Ejercicio 02
El nmero de mensajes recibidos por el
tablero computado de anuncios es una
variable aleatoria de Poisson con una
razn media de ocho mensajes por hora.
a) Cul es la probabilidad de que se
reciban cinco mensajes en una hora?
b) Cul es la probabilidad de que se
reciban diez mensajes en 1.5 horas?
c) Cul es la probabilidad de que se
reciban menos de tres mensajes en 1 12
horas?

LA APROXIMACIN DE
POISSON A LA DISTRIBUCIN
BINOMIAL
La distribucin de probabilidad de Poisson
da una aproximacin sencilla, fcil de
calcular y precisa a probabilidades
binomiales cuando n es grande y =np es
pequea, de preferencia con np<7

Ejemplo
Suponga que una compaa de seguros de
vida asegura las vidas de 5000 hombres
de 42 aos de edad. Si estudios
actuariales muestran que la probabilidad
de que cualquier hombre de 42 aos
muera en un ao determinado es 0.001,
encuentre la probabilidad exacta de que la
compaa
tendr
que
pagar
x=4
reclamaciones
durante
un
ao
determinado.

Solucin
probabilidad exacta est dada por la
La
distribucin binomial como


para
la cual no se dispone de tablas
binomiales. Calcular P(x =4) sin ayuda de
una computadora sera muy lento, pero la
distribucin de Poisson se puede usar para
dar una buena aproximacin para P(x= 4).
Calculando = np=(5000)(.001)=5 y
sustituyendo en la frmula para la
distribucin de probabilidad de Poisson,
tenemos

Ejemplo 02
Una fabricante de podadoras para el pasto
compra motores de 1 hp y 2 ciclos, en
lotes de 1000, a un proveedor. Ella
entonces equipa cada una de las
podadoras producidas por su planta con
uno de los motores. La historia muestra
que la probabilidad de que cualquier
motor
del
proveedor
resulte
no
satisfactorio es .001. En un embarque de
1000 motores, cul es la probabilidad de
que ninguno sea defectuoso? Hay cuatro?

Solucin

ste
es un experimento binomial con
n=1000 y p=0.001. El nmero esperado
de motores defectuosos en un embarque
de n=1000 motores es ==np=(1000)
(.001)=1. Como ste es un experimento
binomial con np=7, la probabilidad de x
motores defectuosos en este embarque
puede aproximarse con