Modelos

Estocásticos

Semana
Tema:

03 El proceso de Poisson

Mg. Adiel Omar FLORES RAMOS

Propósito semanal
• Demostrar el cálculo de
probabilidades en procesos
estocásticos formados a través
de las distribuciones de Poisson.
 Introducción

 En esta unidad se describe el uso de la distribución de Poisson

para obtener la probabilidad de ocurrencia de sucesos raros
cuyo resultado lo representa una variable discreta.
 La distribución de Poisson se utiliza para describir
comportamientos tales como el decaimiento radiactivo, la
llegada de pasajeros en una línea, la reproducción de águilas en
una región, los pacientes que llegan a la sala de emergencias y
los usuarios de Internet que visitan un sitio Web.

16/05/2017 Adiel Omar FLORES RAMOS 3

Dato histórico

• La distribución de Poisson se llama así

en honor a su creador, el francés
Simeón Dennis Poisson (1781-1840),
• Esta distribución de probabilidades
fue uno de los múltiples trabajos
matemáticos que Dennis completó en
su productiva trayectoria.
Definición

• La distribución de Poisson es una distribución de probabilidad

discreta que se aplica a las ocurrencias de algún suceso durante
un intervalo específico.
• La variable aleatoria es el número de veces que ocurre un suceso
en un intervalo.
• El intervalo puede ser tiempo, distancia, área, volumen o alguna
unidad similar.
Utilidad

• La distribución de Poisson se utiliza en situaciones donde los

sucesos son impredecibles o de ocurrencia aleatoria. En otras
palabras no se sabe el total de posibles resultados.
• Permite determinar la probabilidad de ocurrencia de un suceso
con resultado discreto.
• Es muy útil cuando la muestra o segmento n es grande y la
probabilidad de éxitos p es pequeña.
Utilidad
• Se utiliza cuando la
probabilidad del evento que
nos interesa se distribuye
dentro de un segmento n
dado como por ejemplo
distancia, área, volumen o
tiempo definido.
Ejemplos de la aplicación

• La llegada de un cliente al negocio durante una hora.

• Las llamadas telefónicas que se reciben en un día.
• Los defectos en manufactura de papel por cada metro producido.
• Los envases llenados fuera de los límites por cada 100 galones de
producto terminado.

La distribución de Poisson se emplea para describir

procesos con un elemento en común, pueden ser descritos
por una variable aleatoria discreta.
Requisitos de la distribución de Poisson

• La variable aleatoria x es el número de veces que ocurre un

suceso durante un intervalo.
• Las ocurrencias deben ser aleatorias.
• Las ocurrencias deben ser independientes entre sí.
• Las ocurrencias deben estar uniformemente distribuidas dentro
del intervalo empleado.
Parámetros de la distribución de Poisson

• La media es λ.
• La desviación estándar es  = λ.
Distribución de Poisson

1. La distribución de Poisson sólo se ve afectada por la media λ.

2. Los valores posibles x de una distribución de Poisson son 0,1,
2,..., sin límite superior.
Propiedades de un proceso de Poisson

1. La probabilidad de observar exactamente un éxito en el segmento o

tamaño de muestra n es constante.
2. El evento debe considerarse un suceso raro.
3. El evento debe ser aleatorio e independiente de otros eventos

Si repetimos el experimento n veces

podemos obtener resultados para la
construcción de la distribución de Poisson.
La función P(x=k)

A continuación veremos la función de probabilidad de la

distribución de Poisson.

Donde:

P(X=K) es la probabilidad de ocurrencia cuando la variable discreta

X toma un valor finito k.
λ = Lambda es la ocurrencia promedio por unidad (tiempo,
volumen, área, etc.). Es igual a p por el segmento dado.
e = La constante e tiene un valor aproximado de 2.71828182845...
K es el número de éxitos por unidad
Ejemplo de la función F (x=k)

La probabilidad de que haya un accidente en una

compañía de manufactura es de 0.02 por cada día de
trabajo. Si se trabajan 300 días al año, ¿cuál es la
probabilidad de tener 3 accidentes?
Solución
Como la probabilidad p es menor que 0.1, y el
producto n * p es menor que 10 (300 * 0.02 =
6), entonces, aplicamos el modelo de distribución
de Poisson:

Al realizar el cómputo tenemos que

P(x = 3) = 0.0892
Por lo tanto, la probabilidad de tener 3 accidentes
laborales en 300 días de trabajo es de 8.9%.
Ejemplo de la función F(x=k)

La probabilidad de que un producto salga defectuoso

es de 0.012. ¿Cuál es la probabilidad de que entre
800 productos ya fabricados hayan 5 defectuosos?
Solución
En este ejemplo vemos nuevamente la probabilidad p
menor que 0.1, y el producto n * p menor que 10,
por lo que aplicamos el modelo de distribución de
Poisson:

El resultado es P (x = 5) = 0.04602
Por lo tanto, la probabilidad de que haya 5 productos
defectuosos entre 800 recién producidos es de 4.6%.
Ejemplo: Bombas de la 2da GM

• Al analizar los impactos de las bombas V-1 en la segunda guerra

mundial, el sur de Londres se subdividió en 576 regiones, cada
una con un área de 0.25 mk2. En total 535 bombas impactaron el
área combinada de 576 regiones.
Ejemplo
a) Si se selecciona al azar una región, calcule la probabilidad de que haya
sido impactada exactamente en dos ocasiones.
b) Con base a la probabilidad calculada en el inciso a), ¿cuántas de las 576
regiones se esperaría que fueran impactadas exactamente dos veces?
Solución a

• Aplicamos la distribución de Poisson, ya que estamos tratando

con las ocurrencias de un suceso (impactos de bombas) dentro
de un intervalo (una región con una área de 0.25 km2). El
número medio de impactos por región es

𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑖𝑚𝑝𝑎𝑐𝑡𝑜𝑠 𝑑𝑒 𝑏𝑜𝑚𝑏𝑎 535

𝜇= = = 0.929
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑟𝑒𝑔𝑖𝑜𝑛𝑒𝑠 576
Solución a

• Puesto que buscamos la probabilidad de exactamente dos

impactos en una región,
x = 2, y utilizamos la fórmula de la siguiente manera:

• La probabilidad de que una región particular sea impactada

exactamente dos veces es P(2)= 0.170.
Solución b

• Puesto que existe una probabilidad de 0.170 de que una región

sea impactada exactamente dos veces, esperamos que entre las
576 regiones, el número de regiones impactadas exactamente
dos veces será
576 • 0.170 = 97.9.
Tablas de probabilidad de Poisson

• Utilizando la tabla de probabilidad de Poisson se pueden resolver los

ejemplos anteriores.
• Para esto, usted debe saber los valores X y λ.
• X es el número de éxitos que buscamos. Este es el valor K.
• λ es el número promedio de ocurrencias por unidad (tiempo, volumen, área,
etc.). Se consigue multiplicando a p por el segmento dado n.

Del ejemplo 1: λ = 0.02 * 300 = 6

Del ejemplo 2: λ = 0.012 * 800 = 9.6

Tabla de probabilidad de Poisson
En resumen

En este módulo hemos determinado la probabilidad de

Poisson mediante el uso de la función de Poisson, las tablas
de distribución y la calculadora del enlace. Además,
aprendimos que:
1. La distribución de Poisson se forma de una serie de
experimentos de Bernoulli.
2. La media μ o valor esperado en la distribución de
Poisson es igual a λ.
3. La varianza (σ2 ) en la distribución de Poisson también
es igual a λ.
4. La desviacion estándar es la raíz de λ.
Ejercicio de prueba #1

• Un comerciante de verduras tiene conocimiento de que el

3% de la caja está descompuesta. Si un comprador elige
100 verduras al azar, encuentre la probabilidad de que:
a) 4 estén descompuestas.
b) De 1 a 3 estén descompuestas
Ejercicio de prueba #2

• En pruebas realizadas a un amortiguador para automóvil se

encontró que el 0.04 presentaban fuga de aceite. Si se instalan
150 de estos amortiguadores, hallar la probabilidad de que,
a) 4 salgan defectuosos,
b) más de 5 tengan fuga de aceite.
c) de 3 a 6 amortiguadores salgan defectuosos.
d) Determine el promedio y la desviación estándar de amortiguadores
con defectos.
Ejercicio de prueba #3

Un ingeniero que labora en el departamento de control

de calidad de una empresa eléctrica, inspecciona una
muestra al azar de 200 alternadores de un lote. Si el 2%
de los alternadores del lote están defectuosos. Cuál es la
probabilidad de que en la muestra,
a) ninguno esté defectuoso,
b) uno salga defectuoso,
c) al menos dos salgan defectuosos
d) más de tres estén con defectos
Ejercicio de prueba #4

La probabilidad de que un CD de música dure al menos

un año sin que falle es de 0.95, calcular la probabilidad
de que en una muestra de 15,
a) 12 duren menos de un año,
b) a lo más 5 duren menos de un año,
c) al menos 2 duren menos de un año.
Ejercicio de prueba #5

Si 8 de 100 viviendas violan el código de construcción. ¿cuál

es la probabilidad de que un inspector de viviendas, que
selecciona aleatoriamente a 50 de ellas, descubra que:
a) ninguna de las casas viola el código de construcción
b) una viola el código de construcción
c) dos violan el código de construcción
d) al menos tres violan el código de construcción
Referencia electrónica

https://1drv.ms/f/s!Akl29ix9UxGChXyk7Y1mYq6LtZEi
 Gracias por su atención

Mg. Adiel Omar FLORES RAMOS

[email protected]
(#)964660405 - 964378423