Distribucin de

Poisson
Francisco Ramrez
Juan Carlos Flores
Arturo Garca Lzaro
Distribucin
de Poisson
Esta distribucin
debe su nombre al
matemtico
francs Simn
Poisson
(1781-1840),
quien estableci su
modelo.
Distribucin de Poisson
Existen fenmenos o experimentos en los que los
eventos ocurren en intervalos continuos de
tiempo o espacio (reas y volmenes), donde
slo importa la ocurrencia del fenmeno, ya que
la no ocurrencia no tiene sentido.
Distribucin de Poisson

Lo mismo sucede para
otros fenmenos; como el
numero de derrumbes
anuales en una regin
montaosa, accidentes
de trfico diarios en
cierto crucero, personas
atendidas en un banco
en un perodo de 10
minutos, partculas de
polvo en cierto volumen
de aire, nacimientos de
nios en un periodo de
tiempo, etc
1. La esperanza de ocurrencia de un evento en un
intervalo es la misma que la esperanza de
ocurrencia del evento en otro intervalo
cualesquiera, sin importar donde empiece el
intervalo
2. Que las ocurrencias de los eventos son
independientes, sin importar donde ocurran.
3. Que la probabilidad de que ocurra un evento
en un intervalo de tiempo depende de la
longitud del intervalo
4. Que las condiciones del experimento no varan,
y que nos interesa analizar el nmero promedio
de ocurrencias en el intervalo

Caractersticas de la
Distribucin de Poisson

Si consideramos que:

1. La esperanza de ocurrencia de un
evento en un intervalo es la misma que la
esperanza de ocurrencia del evento en otro
intervalo cualesquiera, sin importar donde
empiece el intervalo
2. Que las ocurrencias de los eventos son
independientes, sin importar donde ocurran

Distribucin de Poisson

3. Que la probabilidad de que ocurra un
evento en un intervalo de tiempo depende de
la longitud del intervalo
4. Que las condiciones del experimento no
varan, y
5. Que nos interesa analizar el nmero
promedio de ocurrencias en el intervalo

concluyendo se puede afirmar, que la variable
aleatoria mencionada en los fenmenos
descritos es una variable de Poisson.

Distribucin de Poisson

Caractersticas de la
Distribucin de Poisson

Un modelo de probabilidad de Poisson tiene
las siguientes caractersticas:

1. El espacio muestral se genera por un
nmero muy grande (puede considerarse
infinito) de repeticiones de un experimento
cuyo modelo de probabilidad es el
de Bernoulli, con probabilidad de xito muy
pequea.

Por esta razn, a la distribucin de Poisson
suele llamrsele de eventos raros.
Las repeticiones del experimento
de Bernoulli se realizan en cada uno de los
puntos de un intervalo de tiempo o espacio.

2. El nmero de xitos en el intervalo l
i
es
ajeno al nmero de xitos en el
intervalo l
k
, por lo que l
i
l
k
=

3. La probabilidad de que se tengan
dos o ms xitos en el mismo punto del
intervalo es cero.

4. El nmero promedio de xitos en un
intervalo es una constante l, que no
cambia de intervalo a intervalo.

Ejemplo(sin calculos) Se menciona el nmero de accidentes
diarios en un cruce de calles como un caso de fenmeno en
el que los eventos ocurren en intervalos continuos de tiempo,
en donde slo importa la ocurrencia del fenmeno, y de
acuerdo a sus caractersticas puede decirse que la variable
aleatoria del nmero de accidentes diarios puede
representarse por un modelo de Poisson.
Distribucin de Poisson

analizamos lo razonable de los 4 postulados anteriores en
esta situacin:
1. Si consideramos un lapso, tan pequeo como se
quiera, pero que para propsitos prcticos puede ser un
segundo y tomamos como xito que ocurra un accidente
en ese lapso, tenemos que en el intervalo de tiempo de un
da hay 86,400 segundos, o sean 86,400 repeticiones de un
experimento de Bernoulli. Es obvio que la probabilidad de
xito en cada repeticin es muy pequea.

Distribucin de Poisson

2. Aqu, cada intervalo l
i
puede ser un da, por lo
que es lgico suponer que el nmero de
accidentes en un da es independiente del
nmero de accidentes en otro da cualquiera, lo
cual no ocurre,
Por ejemplo, con el nmero de personas que adoptan una moda en un da
determinado, ya que una moda tiene una etapa creciente, un apogeo y una
etapa decreciente. En estas ltimas condiciones, se dice que existe contagio y el
modelo de probabilidad no puede suponer independencia entre los intervalos. En
el caso del modelo de Poisson se dice que no existe contagio.
Distribucin de Poisson

3. Puesto que una repeticin del
experimento de Bernoulli ocurre cada
segundo, es razonable suponer que no
pueden ocurrir dos accidentes en el
mismo segundo
Distribucin de Poisson

4. Mientras las condiciones de vialidad no
cambien en el crucero de calles, es
aceptable el supuesto de que el nmero
promedio de accidentes por da, al que
representaremos por lambda, permanece
constante.
Distribucin de Poisson

Otra forma de generar el modelo probabilstico de Poisson, es considerar un
nmero muy grande de repeticiones de un experimento de Bernoulli, con
probabilidades de xito muy pequeas.
En este caso se supone que cada repeticin del experimento de Bernoulli que
genera el espacio muestral, ocurre en cada punto del intervalo y, por lo tanto, el
nmero de repeticiones puede considerarse infinito.*
Bajo ciertas condiciones, la distribucin de la variable X definida como el nmero
de xitos en las n repeticiones, se aproxima (cuando n tiende a infinito) a la funcin
de probabilidades de Poisson. Por esta razn se considera a veces al modelo de
Poisson como una forma lmite de la distribucin Binomial y se le utiliza para
aproximar probabilidades en sta.
*La variable aleatoria exponencial, es el tiempo que transcurre hasta que se da el primer evento de
Poisson. Es decir, la distribucin exponencial puede modelar el lapso entre dos eventos consecutivos
de Poisson que ocurren de manera independiente y a una frecuencia constante.

Distribucin de Poisson

Suponga que una variable
aleatoria X tiene distribucin
Binomial con n = 100 y p =
0.001. Enseguida se
presentan algunas
probabilidades usando la
distribucin Binomial y su
aproximacin mediante la
distribucin de Poisson
con l = np = (100)(0.001) = 0.1.
Una variable
aleatoria X tiene
una distribucin
de Poisson, si su
funcin de
probabilidades
est dada por:


donde e es la
base de los
logaritmos
naturales y el
promedio de la
distribucin, la
cual debe ser
mayor que cero.

Distribucin
de Poisson
Funcin de
Probabilidad
Funcin de Distribucin Acumulada
Si X es una variable aleatoria que tiene
distribucin de Posson con parmetro ,
entonces:
La funcin de distribucin acumulada
correspondiente es:


Distribucin de Poisson

Para efectos de representacin y un
mayor control de los datos que
intervienen en la tabla, haremos que
Distribucin de Poisson

Media y Variancia
La distribucin
de Poisson tiene
la caracterstica
de que la
esperanza y
la variancia son
iguales, esto es:


Distribucin de Poisson

Ejemplos


1. Si un banco recibe en promedio 6
cheques sin fondos por da, cules son
las probabilidades de que reciba?
a) Cuatro cheques sin fondo en un da
dado.
b) 10 cheques sin fondos en cualquiera de
dos das consecutivos
Distribucin de Poisson



a) x= variable que nos define el nmero de
cheques sin fondos que llegan la banco
en un da cualquiera
En un da llegan e cheques sin fondos
e=2.718
= 4, = 6 =
(6)
4
(2.718)
6
4!
=
(1296)(0.00248)
24
= 0.13392

Distribucin de Poisson

e=2.718
x=4 x P(x) P(x)%
l=6 1 0.01487251 1.48725131
2 0.04461754 4.46175392
3 0.08923508 8.92350784
4 0.13385262 13.3852618
V. Esp.o = 6 5 0.16062314 16.0623141
6 0.16062314 16.0623141
7 0.13767698 13.7676978
8 0.10325773 10.3257734
9 0.06883849 6.8838489
10 0.04130309 4.13030934
() =

!

0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
1 2 3 4 5 6 7 8 9 10
P(x)


b) x= variable que nos define el nmero de
cheques sin fondo que llegan al banco en
dos das consecutivos
En dos das llegan 12 cheques sin fondos

= 10, = 12 =
(12)
10
(2.718)
12
10!
=
(6.191736410)(0.000006151)
3628800
= 0.104953


Distribucin de Poisson

x=10 x P(x) P(x)%
l=12 1 7.3731E-05 0.00737305
2 0.00044238 0.04423833
3 0.00176953 0.17695332
4 0.0053086 0.53085995
V. Esp.o = 12 5 0.01274064 1.27406387
6 0.02548128 2.54812775
7 0.04368219 4.368219
8 0.06552328 6.55232849
9 0.08736438 8.73643799
10 0.10483726 10.4837256
() =

!

0
0.02
0.04
0.06
0.08
0.1
0.12
1 2 3 4 5 6 7 8 9 10
P(x)
2. En la inspeccin de hojalata producida
por un proceso electroltico continuo, se
identifican 0.2 imperfecciones en
promedio por minuto. Determine las
probabilidades de identificar.
a) Una imperfeccin en 3 minutos.
b) Al menos dos imperfecciones en 5
minutos.
c) Cuando ms una imperfeccin en 15 min.
Distribucin de Poisson

Solucin:
a) x = variable que nos define el nmero de
imperfecciones en la hojalata por cada
3 minutos.
En el minuto 1 el problema nos dice que el
numero de imperfecciones es de 0.2
Para 3 minutos el nmero de
imperfecciones es de 0.6
= 1, = 0.6 =
(0.6)
1
(2.718)
0.6
1!
=
(0.6)(0.548845)
1
= 0.329307
Distribucin de Poisson

x=1 x P(x) P(x)%
l=0.6 1 0.32928698 32.9286982
2 0.09878609 9.87860945
3 0.01975722 1.97572189
4 0.00296358 0.29635828
V. Esp.o = 0.6 5 0.00035563 0.03556299
6 3.5563E-05 0.0035563
7 3.0483E-06 0.00030483
8 2.2862E-07 2.2862E-05
9 1.5241E-08 1.5241E-06
10 9.1448E-10 9.1448E-08
() =

!

0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
1 2 3 4 5 6 7 8 9 10
P(x)


b. x=variable que nos define el nmero de
cheques sin fondos en dos das consecutivos
En un da llegan 6 cheques sin fondos
En dos das llegan 12

= 2,3,4, = 1 = 1 = 0,1 = 1
= (
1
1
2.718
0.6
0!
+
(1)
1
(2.718)
0.6
1!
)
= 1 0.367918 +0.367918 = 0.26416
c) X= variable que nos define el nmero de
imperfecciones en la hojalata cada 15 min

Distribucin de Poisson

x=2,3,4 x P(x)
l=1 0 0.36787944
1 0.36787944
2 0.18393972
3 0.06131324
1 4 0.01532831
5 0.00306566
6 0.00051094
7 7.2992E-05
8 9.124E-06
9 1.0138E-06
10 1.0138E-07
P(X=2,3,4)
= 0.26424112
() =

!

0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0 1 2 3 4 5 6 7 8 9 10
P(x)



c) X= variable que nos define el nmero de
imperfecciones en la hojalata cada 15 min
3 imperfecciones cada 15 min al menos.

= 0,1 = 3 =
= 0 = 3 + = 1 = 3 = (
3
0
2.718
0.6
0!
+
(3)
1
(2.718)
0.6
1!
)
= 0.0498026 +0149408 = 0.1992106

Distribucin de Poisson

x=0,1 x P(x) P(x)%
l=3 0 0.04978707 4.97870684
1 0.14936121 14.9361205
2 0.22404181 22.4041808
3 0.22404181 22.4041808
3 4 0.16803136 16.8031356
5 0.10081881 10.0818813
6 0.05040941 5.04094067
7 0.02160403 2.16040315
8 0.00810151 0.81015118
9 0.0027005 0.27005039
10 0.00081015 0.08101512
P(X=0,1) = 0.19914827
() =

!

0
0.05
0.1
0.15
0.2
0.25
0 1 2 3 4 5 6 7 8 9 10
P(x)
Distribucin de Poisson