Distribución de poisson

La distribución de la probabilidad de Poisson determina la cantidad de veces que ocurre

un evento en un intervalo específico que puede ser de tiempo, distancia, área o volumen.
(Lind, Marchal, & Wathen, 2011). Sin embargo lo más común es su aplicación en
fenómenos en los cuales los cambios se realizan en función del tiempo. (Ramírez, 2007).

La distribución de Poisson se enfoca en dos suposiciones. “La primera es que la

probabilidad es proporcional a la duración del intervalo. La segunda es que los intervalos
son independientes” (Lind, Marchal, & Wathen, 2011). Lo que quiere decir que mientras
más largo se el intervalo la probabilidad aumentará, y el número de ocurrencias de un
intervalo no afecta a los demás intervalos. (Lind, Marchal, & Wathen, 2011)

Para la aplicación de la distribución de Poisson es preciosa cumplir con las siguientes

condiciones:
 Las apariciones de los eventos son independientes.
 La probabilidad del evento, es proporcional a la longitud del intervalo
 Teóricamente debe ser un posible número infinito de apariciones del evento en el
intervalo. (Ramírez, 2007)

Aplicaciones

“La distribución de Poisson se utiliza como modelo para describir las distribuciones de
errores en la entrada de información”. (Lind, Marchal, & Wathen, 2011)
Se utiliza en situaciones en donde la muestra o segmento (n) es muy grande y la
probabilidad de existo (p) es muy pequeña. (Monroy, 2008)

Ejemplo: Las llamadas que se recibe en una oficina durante un día.

Formula

La distribución de Poisson se describe por medio de la siguiente formula:

 𝜇 𝑥 𝑒 −𝜇
𝑃 (𝑥) =
𝑥!

Donde:
µ (mu) es la media de la cantidad de veces (éxitos) que se presenta un evento en un
intervalo particular.
e es la constante 2,71828
x es el número de veces que se presenta un evento
P(x) es la probabilidad para un valor específico de x. (Lind, Marchal, & Wathen, 2011)

Media de una distribución de Poisson

La media (µ) de números de éxitos se puede determinar con la siguiente formula:

𝜇 =𝑛∗𝑝
Donde:
n es el número de pruebas totales
p es la probabilidad de éxito. (Lind, Marchal, & Wathen, 2011)

Naturaleza de la función de la probabilidad de Poisson

“Al igual que muchas distribuciones discretas y continuas, la forma de la distribución de

Poisson se vuelve cada vez más simétrica, incluso con forma de campana, a medida que
la media se hace más grande.” (Walpore, Myers, Myers, & Ye, 2012)

Un ejemplo de esto son las gráficas de la función de probabilidad para μ = 0.1, μ = 2 y

finalmente μ = 5 como se indica en el grafico 1, donde se acerca a la simetría cuando μ
se vuelve tan grande como 5. (Walpore, Myers, Myers, & Ye, 2012)
Grafico 1. Funciones de densidad de Poisson para diferentes medias
Fuente: (Walpore, Myers, Myers, & Ye, 2012)