Distribución de Poisson: fundamentos, aplicaciones y ejemplos en ingeniería civil
1. Introducción
La estadística y la probabilidad constituyen herramientas fundamentales en la ingeniería y
otras ciencias aplicadas. En particular, la distribución de Poisson cumple un papel central al
permitir modelar fenómenos que se presentan de forma aleatoria, esporádica, pero que requieren
un tratamiento cuantitativo riguroso. Este informe tiene por objetivo explicar las características
esenciales de esta distribución, sus usos más frecuentes, así como su aplicabilidad en el ámbito de
la ingeniería civil.
2. Definición y origen del nombre
La distribución de Poisson es un modelo de probabilidad discreta, diseñado para contar el
número de veces que ocurre un evento en un intervalo fijo de tiempo o espacio, cuando los
eventos suceden de forma independiente entre sí y a una tasa promedio constante. Se utiliza para
estudiar fenómenos poco frecuentes que, sin embargo, pueden repetirse en un marco dado, como
los accidentes, errores, fisuras o llamadas.
Su nombre proviene del matemático francés Siméon Denis Poisson, quien la formuló en el año
1837. Poisson buscaba modelar matemáticamente la probabilidad de que ciertos eventos raros
ocurrieran dentro de un intervalo definido. Su modelo resultó tan útil que se convirtió en una de
las herramientas básicas de la teoría de la probabilidad.
3. Características y parámetros de uso
Entre las principales características de la distribución de Poisson se destacan las siguientes: es
una variable aleatoria discreta que toma solo valores enteros no negativos (0, 1, 2, ...); los eventos
que cuenta son independientes entre sí; la tasa promedio de ocurrencia (denotada con la letra
griega λ, lambda) se mantiene constante durante el intervalo; y no se permite que los eventos
ocurran simultáneamente. Además, es relevante señalar que esta distribución puede tomar el
valor cero, lo cual representa la posibilidad de que no ocurra ningún evento dentro del intervalo
considerado.
La función de probabilidad de la distribución de Poisson está definida por la fórmula:
P(X = k) = (e^−λ * λ^k) / k!
1
donde X representa el número de eventos que se presentan, λ es el promedio de eventos por
intervalo, e es la constante matemática aproximadamente igual a 2.71828, y k es el número
específico de eventos a evaluar. La media y la varianza de esta distribución coinciden, siendo
ambas igual a λ.
4. Dónde se lo aplica
Esta distribución se aplica en una amplia variedad de contextos donde se cuenta el número de
veces que ocurre un evento en un intervalo determinado. Algunos ejemplos incluyen: el número
de llamadas que recibe una central telefónica por hora, la cantidad de vehículos que cruzan un
punto de control en 10 minutos, el número de errores tipográficos por página en un libro, las
fallas mecánicas de una máquina por semana, los accidentes de tránsito en una carretera durante
un mes o las fisuras detectadas por metro cuadrado en una superficie de concreto. Todos estos
casos comparten el hecho de que los eventos suceden al azar, con un promedio conocido, y de
manera independiente.
5. Ejemplos ilustrativos
Para ilustrar el uso de esta distribución, se presentan dos ejemplos. El primero está pensado
para resolverse en la pizarra. Supóngase que en un hospital, en promedio, llegan tres pacientes
por hora a la sala de emergencias. ¿Cuál es la probabilidad de que lleguen exactamente cinco
pacientes en una hora? En este caso, λ = 3 y k = 5. Utilizando la fórmula:
P(X = 5) = (e^−3 * 3^5) / 5! = (0.0498 * 243) / 120 = 0.1008
Por tanto, la probabilidad de que lleguen exactamente cinco pacientes en una hora es
aproximadamente 10.08 %.
El segundo ejemplo se resuelve mediante software, en este caso Excel. Una empresa
constructora detecta que en promedio hay dos fisuras por metro cuadrado en una losa de
concreto. Se desea conocer la probabilidad de que en un metro cuadrado haya exactamente cuatro
fisuras. Para esto, se emplea la función:
=POISSON.DIST(4, 2, FALSE)
El resultado es 0.0902, lo cual indica que existe una probabilidad del 9.02 % de que aparezcan
2
exactamente cuatro fisuras. Si se desea calcular la probabilidad de que haya al menos cuatro
fisuras, se utiliza el complemento acumulado:
=1 - POISSON.DIST(3, 2, TRUE)
Este cálculo da como resultado 0.1429, es decir, una probabilidad del 14.29 % de que ocurran
cuatro o más fisuras.
6. Conclusiones
En conclusión, la distribución de Poisson es una herramienta eficaz para modelar fenómenos
aleatorios donde los eventos son discretos, independientes y se presentan a una tasa constante. Su
aplicabilidad en ingeniería civil es amplia: permite predecir y analizar la ocurrencia de eventos
como fisuras en estructuras, fallas en materiales, accidentes laborales o interrupciones en
procesos constructivos. Comprender esta distribución no solo facilita el análisis de datos, sino
que también permite una mejor toma de decisiones basadas en probabilidades reales.
