Distribuciónes de
Probabilidad
Distribución Poisson
1
Permite determinar la
probabilidad de la ocurrencia
de un número dado de éxitos
por unidad de medición
(minuto, hora, centímetro,
metro, cuadrado, etc.)
2-2008 2
Distribución de Poisson
Las ocurrencias de un evento pueden ser descritas en
términos de una variable aleatoria discreta.
Existe un régimen que caracteriza el proceso (número de
ocurrencias por intervalo de tiempo o espacio).
Se usa para describir las distribuciones de probabilidad de:
Errores en la captura de datos.
Número de ralladuras u otras imperfecciones en autos.
Demanda de productos o de servicios.
Número de clientes en espera de servicio.
Número de llamadas telefónicas en una central.
Número de accidentes.
Número de llegadas de vehículos.
Número de defectos observados en longitudes, superficies, u
objetos.
2-2008 3
Poisson como Aproximación de la Binomial
La distribución de probabilidades binomial se
hace cada vez más sesgada a la derecha
conforme la probabilidad de éxitos disminuye.
La forma límite de la distribución binomial donde
la probabilidad de éxito p es muy pequeña y n es
grande, se llama:
Distribución de probabilidades de Poisson.
Proceso de Poisson: Consiste en observar la
ocurrencia de eventos discretos en un intervalo
continuo (unidad de medida).
2-2008 4
Distribución de Poisson
Muchos estudios se basan en el
conteo de las veces que se
presenta un evento dentro de un
área de oportunidad dada.
El área de oportunidad es una
variables continua en donde se
puede presentar más de un evento.
2-2008 5
• Número de clientes que son atendidos en el
banco en una hora
• Clientes: Variable discreta
• Hora: Rango de tiempo
Variable continua.
• Sí aplica Poisson
6
• Número de personas que viven en Valparaíso por
kilómetro cuadrado
• Personas: Variable discreta
• Kilometro: Superficie
Variable continua.
• Sí aplica Poisson
7
Distribución de Poisson
• La distribución de Poisson tiene un
parámetro que representa la media.
• El símbolo para denotar la distribución de
Poisson es la letra griega Lambda (λ).
• La media λ es igual que la varianza
2-2008 8
Distribución de Poisson
La fórmula de la distribución es:
e x
P( X x)
x!
e = 2.71828
9
Si λ=4. ¿A qué es igual P(X=2)?
e x
P ( X x)
x!
e 4 42
P ( X 2)
2!
(0.0183156)(16) 0.29305
P ( X 2) 0.146525
2 x1 2
La probabilidad de que x=2 es del 14.65%
10
Si λ=2.5. ¿A qué es igual P(X=4)
e x
P( X x)
x!
e 2.5 2.54
P ( X 4)
4!
(0.082085)(39.06) 3.2064
P ( X 4) 0.1336
4 x3 x 2 x1 24
La probabilidad de que x=4 es del 13.36%
11
En estudios anteriores, en una agencia bancaria, en
promedio llegan 3 clientes a una ventanilla para ser
atendido durante la hora del almuerzo. Si en la
actualidad queremos hacer modificaciones en la
ventanillas, una de las preguntas que se pueden hacer
los del depto. de Marketing es:
¿Cuál es la probabilidad de que lleguen dos clientes en
un minuto dado.
12
En el enunciado el promedio es de 3 clientes por
minuto; λ=3; al preguntar por la probabilidad de que 2
clientes lleguen en un minuto dato se quiere calcular
x=2
e x e 3 32
P( X x) P ( X 2)
x! 2!
(0.049787)(9)
P ( X 2) 0.224
2 x1
La probabilidad que lleguen 2 clientes por minuto es 22.4%
13
Desigualdades en la Distribución
Poisson
• La probabilidad de que un evento sea menor o igual que
2, se denota así:
P( X 2) P ( X 2) P ( X 1) P ( X 0)
• Cuando la población es infinita, la probabilidad en
mayor se convierten en tipo menor, de la siguiente
manera:
P( X 2) 1 P( X 2)
14
Calcular P(X < 2), si λ=3
P( X 2) P ( X 1) P ( X 0)
e 3 31 e 3 30
P ( X 2)
1! 0!
(0.049787)(3) (0.049787)(1)
P ( X 2)
1 1
P( X 2) 0.14936 0.049787
P( X 2) 0.199147
La probabilidad de que x<2 es de 19.91%
15
Si λ=3, calcular P(X ≤ 2)
P( X 2) P ( X 2) P ( X 1) P ( X 0)
e 3 32 e 3 31 e 3 30
P ( X 2)
2! 1! 0!
(0.049787)(9) (0.049787)(3) (0.049787)(1)
P ( X 2)
2 x1 1 1
P( X 2) 0.22404 0.14936 0.049787
P( X 2) 0.423187
La probabilidad de que x ≤ 2 es de 42.32%
16
Si λ=3 y n=5, calcular P(X > 2)
P( X 2) P( X 3) P ( X 4) P( X 5)
e 3 33 e 3 34 e 3 35
P( X 2)
3! 4! 5!
(0.049787)(27) (0.049787)(81) (0.049787)(243)
P( X 2)
3 x 2 x1 4 x3 x 2 x1 x 4 x3 x 2 x1
P( X 2) 0.22404 0.16803 0.10082
P( X 2) 0.49289
La probabilidad de que x ≤ 2 es de 42.32%
2-2008 17
#1 Suponga que los clientes llegan a una fila de espera a una tasa
d 4 por minutos. Suponiendo que el número de personas que
llegan a la fila en cualquier intervalo de tiempo dado tiene
distribución Poisson. ¿Cuál es la probabilidad de que al menos
una persona llegue a la fila en un intervalo de ½ minuto?
18
