Simón Poisson
(1781-1840)
Inicialmente su formación se orientó
hacia la cirugía, pero Poisson se dio
cuenta de que no poseía condiciones
para esta profesión que tampoco le
llamaba mucho la atención.
Es entonces cuando descubre su interés por las matemáticas y
consigue ingresar en el año 1798 en la École Polytechnique
(Escuela Politécnica) de París, siendo alumno de Lagrange y
Laplace, profesores en quienes encuentra la fuente para
aprender los conceptos matemáticos y el apoyo para progresar
profesionalmente.
¿Para que nos sirve?
Se emplea para varios
describir procesos.
Ejemplos de los procesos:
• La distribución de las llamadas
telefónicas que llagan a un conmutador.
• La demanda (necesidades) de
servicios en una institución asistencial
por parte de los pacientes.
• Los arribos de los camiones y
automóviles a la caseta de cobro.
• El número de accidentes en un cruce.
Características de los procesos
que producen una Distribución de Poisson
• La esperanza de ocurrencia de un evento en un intervalo es la
misma que la esperanza de ocurrencia del evento en otro
intervalo cualquiera, sin importar donde empiece el intervalo.
• Que las ocurrencias de los eventos son independientes, sin
importar donde ocurran.
• Que la probabilidad de que ocurra un evento en un intervalo
de tiempo depende de la longitud del intervalo.
• Que las condiciones del experimento no varían.
• Que nos interesa analizar el número promedio de ocurrencias
en el intervalo.
Ejemplos
• Nύmero de visitantes diarios a un
museo.
• Nύmero de defectos en un
metro de tela.
• Nύmero de llamadas recibidas en una
central en una hora.
Todo experimento que tenga estas
caracteristicas diremos que sigue el Modelo
de la Distribucion de Poisson.
Fórmula
Sea m el número promedio de veces que ocurre un evento en
cierto tiempo o espacio. La probabilidad de k sucesos de este
evento es:
𝑃 𝑥 = 𝜇 𝑘𝑘𝑒 − µ
=𝑘 !
µ= el número promedio de veces que ocurre un evento en cierto
Donde:o espacio.
tiempo
e= es la base de los logaritmos naturales. Y su valor es:
2.71828…
Media y Desviación Estándar
Media: µ
Desviación estándar: 𝑠 = 𝜇
Ejemplo 1. Crucero
Supóngase que estamos investigando la seguridad de un crucero muy
peligroso. Los archivos de la policía indican una media de cinco
accidentes por mes en él. El número de accidentes está distribuido
conforme a la distribución de Poisson, y la división de seguridad en
carreteras quiere calcular la probabilidad de exactamente 0,1,2,3 y 4
accidentes en un mes determinado.
Aplicando la fórmula dada se obtiene que:
P(0) = (5)0 (e-5) /0! = 0.00674
P(1) = (5)1 (e-5) /1! = 0.03370
P(2) = (5)2 (e-5) /2! = 0.08425
P(3) = (5)3 (e-5) /3! = 0.14042
P(4) = (5)4 (e-5) /4! = 0.17552
Para saber cual es la probabilidad en 3 o menos, sumaremos las
probabilidades de 0,1,2,3 lo que será igual a:
P(0) = 0.00674
P(1) = 0.03370
P(2) = 0.08425
P(3) = 0.14042
P(3 o menos) = 0.26511
Dado que la probabilidad de que haya 3 o menos accidentes es de
0.26511 entonces la probabilidad de que ocurran más de tres debe
ser:
1 – 0.26511 = 0.73489.
Ejemplo 2. Radar
Un radar de carretera detecta un promedio de 6 infracciones
diarias. ¿Calcula la probabilidad de que en un dia dado el
radar detecte 4 infracciones?
Datos
X= numero de infracciones detectadas por el radar/dia.
λ= promedio de infracciones detectadas por el radar/dia=6.
x~Po(6)
−4 1
P(x=4)= 𝑒 6
= 0.134 La prob. de que el radar detecte 4
4! infracciones es de 13.4%
REFERENCIAS
Sitios web:
http://www.gestiopolis.com/que-es-la-distribucion-de-poisson/
http://148.204.211.134/polilibros/portal/polilibros/P_Terminados/Probab
ilidad/doc/Unidad%202/2.9.htm
http://estadistica1poisson.blogspot.mx/2013/03/breve-biogradia-de-
poisson.html?m=1
Bibliográfica:
Mendenhall William, Beaver Robert J., Beaver Barbara M. (2006). La
distribución de probabilidad de poisson. Introducción a la probabilidad y
estadística (197-204). México, DF: Cengage Learning.
