DISTRIBUCIÓN DE POISSON

• También se denomina de sucesos raros.

• Se obtiene como aproximación de una distribución
binomial con la misma media, para ‘n grande’ (n>30)
y ‘p pequeño’ (p<0,1).
• Queda caracterizada por un único parámetro μ (que
es a su vez su media y varianza.)
• Función de probabilidad:

 k
P[ X  k ]  e , k  0,1,2,...
k!
 EJEMPLOS DE VARIABLES DE POISSON

• El número de individuos que será atendido un día

cualquiera en el servicio de urgencias del hospital
clínico universitario.
– En S.M.P. hay 500.000 habitantes(n grande)
– La probabilidad de que cualquier persona tenga un
accidente es pequeña, pero no nula. Supongamos
que es 1/10.000
– Bin (n=500.000,p=1/10.000)≈ Poisson(μ=np=50)
 EJEMPLOS DE VARIABLES DE POISSON
• Sospechamos que diferentes hospitales pueden tener
servicios de traumatología de diferente “calidad”
(algunos presentan pocos, pero creemos que aún
demasiados, enfermos con secuelas tras la
intervención). Es dificil compararlos pues cada
hospital atiende poblaciones de tamaños diferentes
(ciudades, pueblos,…)
– Tenemos en cada hospital n, nº de pacientes
atendidos o nº individuos de la población que cubre
el hospital.
– Tenemos p pequeño calculado como frecuencia
relativa de secuelas con respecto al total de
pacientes que trata el hospital, o el tamaño de la
población,…
– Se puede modelar mediante Poisson(μ=np)
 CARACTERÍSTICAS DE POISSON
• En este tipo de experimentos los éxitos buscados son
expresados por unidad de área, tiempo, pieza, etc, etc,:
• # de defectos de una tela por m2
• # de aviones que aterrizan en un aeropuerto por día, hora,
minuto, etc, etc.
• # de bacterias por cm2 de cultivo
• # de llamadas telefónicas a un conmutador por hora,
minuto, etc, etc.
• # de llegadas de embarcaciones a un puerto por día, mes,
etc, etc.
• Para determinar la probabilidad de que ocurran x éxitos
por unidad de tiempo, área, o producto, la fórmula a
utilizar sería:
CARACTERÍSTICAS DE POISSON
x
µ
P(x)=
µ
X!e

  PROBABILIDAD
  PARCIAL ACUMULADA
0 0.0024788 0.0024788
1 0.0148725 0.0173513
2 0.0446175 0.0619688
3 0.0892351 0.1512039
4 0.1338530 0.2850569
 Ejercicio 1: Si un banco recibe en promedio 6 cheques sin fondo por día,
¿cuáles son las probabilidades de que reciba, a) cuatro cheques sin fondo en
un día dado, b) 10 cheques sin fondos en cualquiera de dos días
consecutivos?

Solución: a)
x = variable que nos define el número de cheques sin fondo que llegan al banco en un día cualquiera = 0, 1, 2, 3, ....., etc.

µ = 6 cheques sin fondo por día; e = 2.718

x 4
µ 6
P(x)= = = 0.134
µ 6
X!e 4!e

Podemos también buscar el valor de P(4) en tablas, para µ = 6 y x = 4 tenemos que sale según tabla el valor 0.285 (pero este es un

acumulado), le debemos de restar P(x) cuando µ= 6; y x = 3; P(3) = 0.151, restamos y tenemos que P(4) = 0.285 – 0.151 = 0.134
 Solución: b)
• x = variable que nos define el número de cheques sin fondo que llegan al
banco en dos días consecutivos = 0, 1, 2, 3, ......, etc.
• µ = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos
días consecutivos
• Nota: µ siempre debe de estar en función de x siempre o dicho de otra forma,
debe “hablar” de lo mismo que x.

x 10
µ 12
P(x)= = = 0.104953
µ 12
X!e 10!e

e = 2.718281828459045
 Ejercicio 2: En la inspección de hojalata producida por un proceso electrolítico
continuo, se identifican 0.2 imperfecciones en promedio por minuto. Determine las
probabilidades de identificar
a) una imperfección en 3 minutos,
b) al menos dos imperfecciones en 5 minutos,
c) cuando más una imperfección en 15 minutos.
nnn

Solución: a)
x = variable que nos define el número de imperfecciones en la hojalata por cada 3 minutos = 0, 1, 2, 3, ...., etc., etc.

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

x 1
µ 0.6
P(x)= = = 0.329307
µ 0.6
X!e 1!e
Solución: b)
x = variable que nos define el número de imperfecciones en la
hojalata por cada 5 minutos = 0, 1, 2, 3, ...., etc.
µ = 0.2 x 5 =1 imperfección en promedio por cada 5 minutos
en la hojalata.

0 1
1 1
P(x)= 1 - + = 0.26416
1 1
0!e 1!e
Solución: c)
x = variable que nos define el número de imperfecciones
en la hojalata por cada 15 minutos = 0, 1, 2, 3, ....., etc.,
etc.
µ= 0.2 x 15 = 3 imperfecciones en promedio por cada 15
minutos en la hojalata

0 1
3 3
P(x)= 1 - + = 0.1992106
3 3
0!e 1!e
Ejercicio 3: Cierta enfermedad tiene una probabilidad de ocurrir,
p=1/100.000. Calcular la probabilidad de que en una ciudad con
500.000 habitantes haya más de 3 personas con dicha
enfermedad.
Solución :

• Si consideramos la v.a. X que contabiliza el número de

personas que padecen la enfermedad, es claro que sigue un
modelo binomial, pero que puede ser muy bien aproximado
por un modelo de Poisson, de modo que
X->B (n=500000,p=1/100000) ->X ->Poi(λ=5)
• Así el número esperado de personas que padecen la
enfermedad es E [X] = 5 .Como Var [X] = 5 ,existe una gran
dispersión, y no sería extraño encontrar que en realidad hay
muchas más personas o menos que están enfermas. La
probabilidad de que haya más de tres personas enfermas es:
 Solución : (continua)

• P [X>3] = 1 – P[ X ≤ 3 ]

• P [X>3] = 1 – P[ X = 0] - P[X=1] - P[ X = 2 ] - P[ X = 3 ]

• P [X>3] = 1 - e-5*0 – e-5*1 - e-5*2 – e-5*3

0! 1! 2! 3!

• P [X>3] = 0,735
Ejercicio 4: El número de enfermos que solicitan atención de
urgencia en un hospital durante un periodo de 24 horas tiene una
media de m = 43.2 pacientes. Unas obras en las instalaciones
mermarán las capacidades de atención del servicio, el cual se
sabe que colapsará si el número de enfermos excede de 50. ¿Cual
es la probabilidad de que colapse el servicio de urgencias del
hospital? .

Solución :
• Bajo las condiciones del modelo de Poisson, se trata de una
distribución P(43.2). La probabilidad solicitada es

Pr(X>50) = 1 – Pr(X≤50) = 1 – F(50)

Pr(X>50) = 0.1343
Ejercicio 5: Un equipo tiene dos componentes: A y B. El
componente A se rompe, en promedio, cada 400hs; el
componente B, cada 600hs. El equipo deja de funcionar
cuando se rompe cualquiera de esos dos componentes.
¿Cuál es la probabilidad de que ese equipo funcione por

menos de 800hs?

Solución :

• Sea XA la cantidad de tiempo que funciona la máquina A, con

distribución exponencial negativa y λA=1/400 y XB la
cantidad de tiempo que funciona la máquina B, con
distribución exponencial negativa y λB=1/600 . De aquí en
adelante, podemos resolver el problema de al menos dos
maneras:
Opción a: La probabilidad de que el sistema dure menos de
800hs es P((XA<800)) U (XB . Esto se debe a que el sistema
trabaja “en serie“. Las dos situaciones NO son disjuntas, por lo que
la unión debe expresarse como la suma de la probabilidad de cada
una, menos la intersección (como son independientes, la

intersección se calcula como el producto).

Opción b: Como la duración del equipo viene dada por la del componente que se rompa primero, la distribución

de su duración es la del mínimo entre . La probabilidad de que se rompa antes de las 800hs sería integrar eso

entre 0 y 800. Al buscar la fórmula para obtener la distribución del mínimo, tener en cuenta que son dos variables

independientes con distinta tasa de falla.

El resultado final es 0,9643.

Ejercicio 6: Unas galletitas tienen pedacitos de chocolate
blanco y pedacitos de chocolate negro. Los pedacitos negros
tienen una distribución de Poisson, con una media de 4
pedacitos/galleta; los blancos también tienen una distribución de
Poisson pero la media es de 3 pedacitos/galleta. Un paquete de
estas galletitas trae 8 unidades. ¿Cuál es la probabilidad de que
en el mismo paquete haya al menos 2 galletitas sin ningún

pedacito de chocolate?
Solución :
•Se puede considerar un proceso Bernoulli el agarrar una
galletita y comprobar si tiene algún copito o no.
La p de que no tenga copitos es la P de que no tenga blancos
Y no tenga negros. Son independientes, así que esa
intersección es el producto de ambas probabilidades . Otra
opción es considerar una variable que represente el total de
copitos ( ); su distribución también será de Poisson y su media
será la suma de las media.
 Solución :

• En este caso,
• El número de veces que se lleva a cabo el
experimento es 8 (n=8). Como piden que AL MENOS
2 no tengan copitos, conviene sacar la P de que
ninguna tenga copitos y la de que 1 no tenga copitos,
sumarlas, y restarlas a 1.

-5
Resultado: 5,44x10           
Ejercicio 7: El numero de llamadas que llegan a cierta
Central Telefónica en determinado periodo de tiempo sigue
un proceso de Poisson de tasa 180 llamadas la hora. La
capacidad de la Central Telefónica permite atender un
máximo de 5 llamadas por minuto. Calcular:
a) La probabilidad de que en un minuto determinado se
reciban mas llamadas de las que se pueden atender.
b) La probabilidad de que en un intervalo de 5 minutos se
produzcan mas de 10 llamadas.
c) La probabilidad de que en 2 minutos se produzcan
exactamente 4 llamadas.
d) El número medio de minutos por hora en que la Central
Telefónica podrá atender todas las llamadas recibidas.
e) La probabilidad de que no se produzca saturación en
ningún minuto a lo largo de una hora.