2.
2 DISTRIBUCIÓN DE POISSON
u La distribución de probabilidad de Poisson describe el número de veces que
se presenta un evento durante un intervalo específico (tiempo, distancia,
área o volumen).
u Características:
1. La variable aleatoria es el número de veces que ocurre un evento durante
un intervalo definido.
2. La probabilidad de que ocurra el evento es proporcional al tamaño del
intervalo.
3. Los intervalos no se superponen y son independientes.
u Aplicaciones:
Para describir la distribución de errores en una entrada de datos, el número de
rayones y otras imperfecciones en las cabinas de automóviles recién pintados, el
número de partes defectuosas en envíos, el número de clientes que esperan
mesa en un restaurante y el número de accidentes en la carretera en un periodo
de tres meses.
u Se describe matemáticamente por medio de la siguiente fórmula:
Donde:
µ: es la media de la cantidad de veces (éxitos) que se presenta un evento en un
intervalo particular.
℮: es la constante 2.71828 (base del sistema de logaritmos naperianos
X: es el número de veces que se presenta un evento
P(x): es la probabilidad para un valor específico de x.
Ejemplo 1
Suponga que pocas veces se pierde equipaje en Northwest Airlines. En la
mayoría de los vuelos no se pierden maletas; en algunos se pierde una; en unos
cuantos se pierden dos; pocas veces se pierden tres, etc. Suponga que una
muestra aleatoria de 1000 vuelos arroja un total de 300 maletas perdidas. Si el
número de maletas perdidas por vuelo se rige por una distribución de Poisson,
calcule la probabilidad
a) de que no se pierda ninguna maleta,
b) De que se pierda exactamente una maleta
Ejemplo 2
Un libro de 500 páginas tiene 200 errores de impresión distribuidos
aleatoriamente.
a) Calcule la probabilidad de que cualquier página elegida al azar tenga un error.
b) Calcule la probabilidad de que cualquier página tenga 2 errores o menos.
c) Calcule la probabilidad de que cualquier página tenga 3 errores o más.
a. Distribución de Poisson, tablas de
probabilidades Poisson y Excel
u La función de Excel que calcula probabilidades Poisson tiene la
siguiente sintaxis:
=POISSON(X,media,acumulado)
En donde X es el número de sucesos, “media” es la media de la
distribución, y el último parámetro “acumulado” se usa para determinar
el resultado del cálculo: si no se anota nada (aunque sí se debe anotar
una coma después del valor de la probabilidad) o se anota “FALSO”,
entonces la función devuelve el valor de la probabilidad para los
parámetros anotados; si se anota “VERDADERO”, o “1”, entonces el valor
que se produce es la probabilidad acumulada desde 0 , y hasta el valor
anotado de X, el número de éxitos.
Para encontrar todos los resultados que se calcularon antes, se podrían
anotar los números 0 al 5 en los primeros 6 renglones de una hoja de
Excel, y, después, anotar =POISSON(A1,0.4,) en la celda B1 y luego copiar
la fórmula hasta el renglón 6, con lo que se obtiene la siguiente
distribución de probabilidad:
Ejemplo 3
En un estudio sobre accidentes laborales, la compañía Seguros Nacionales analiza los
historiales de 20 años de 100 empresas, lo cual conduce a los siguientes 2000
resultados de accidentes por año y por empresa:
Xi núm. De accidentes
Fi frecuencia observada
por año y por empresa
0 1,100
1 600
2 270
3 20
4 10
Si se considera que los accidentes tienen una distribución aleatoria, calcular la
distribución teórica de la probabilidad de accidentes.
Ejemplo 4.
Durante una hora, una impresora saca en promedio 3 hojas por minuto,
¿cuál es la probabilidad de que la impresora imprima 5 hojas durante un
minuto escogido al azar?
b. Distribución de Poisson como
aproximación de la distribución binomial
Los registros de una empresa muestran que la probabilidad de que falle
cierto tipo de foco en las primeras 100 horas de uso es p=0.0005.
Determine la probabilidad de que, de un lote de 1000 focos, cuando
mucho 2 fallen en las primeras 100 horas de uso
a) Usando la distribución de Poisson
b) Usando la binomial
c. Media y varianza de la distribución de
Poisson
u La media de la distribución de Poisson es:
µ = E(X) = np
El cual es igual a su varianza:
Var(X) = µ = np
