DISTRIBUCIN DE POISSON La distribucin de Poisson debe su nombre a Simen Denis Poisson (17811840), un francs que desarroll la distribucin a partir

de los estudios que realiz durante la ltima parte de su vida. La distribucin de Poisson se utiliza para describir ciertos tipos de procesos, entre los cuales se encuentra la distribucin de llamadas telefnicas que llegan a un conmutador, las solicitudes de pacientes que requieren servicio en una institucin de salud, las llegadas de camiones t automviles a una castea de cobro, y el nmero de accidentes registrados en cierta interseccin. Estos ejemplos tienen en comn un elemento: pueden ser descritos mediante una variable aleatoria discreta que toma valores enteros (0, 1, 2, 3, 4, 5, etc.). El nmeros de pacientes que llegan al consultorio de in mdico en un cierto intervalos ser de 0, 1, 2, 3, 4, 5 o algn otro nmero entero. De manera parecida, si se cuenta el nmero de automviles que llegan a una caseta de cobro de alguna carretera durante un periodo de 10 minutos, el nmero ser de 0, 1, 2, 3, 4, 5, y as sucesivamente. Caracterstica de los procesos que producen una distribucin de probabilidad de Poisson El nmero de vehculos que pasan por una sola caseta de cobro en una hora pico sirve para ilustrar las caractersticas de la distribucin de probabilidad de Poisson. 1. El promedio (la media) del nmero de vehculos que llegan por hora pico puede estimarse a partir de datos sobre trfico que se tengan disponibles. 2. Si dividimos la hora pico en periodos (intervalos) de un segundo cada uno, encontraremos que las siguientes afirmaciones son verdaderas: a) La probabilidad de que exactamente un vehculo llegue a una caja por segundo es muy pequea y es constante para cada intervalo de un segundo. b) La probabilidad de que dos o ms vehculos lleguen en un intervalo de un segundo es tan pequea que le podemos asignar un valor de cero. c) El nmero de vehculos que llegan en un intervalo dado de un segundo es independiente del momentos en que dicho intervalo se presente en la hora pico. d) El nmero de llegadas en cualquier intervalo de un segundo no depende del nmero de llegadas en cualquier otro intervalo de un segundo. Ahora estamos en disposicin de generalizar a partir de este ejemplo de la caseta de cobro y aplicar estas caractersticas a otros procesos. Si estos nuevos procesos cumplen con las mismas cuatro condiciones, entonces podemos utilizar la distribucin de probabilidad de Poisson para describirlos.

Clculo de la probabilidad de Poisson La distribucin de probabilidad de Poisson, tiene que ver con ciertos procesos que pueden ser descritos por una variable aleatoria discreta. Generalmente, la letra X representa a esta variable discreta y puede tomar valores enteros (0, 1, 2, 3, 4, 5, etc.). Utilizamos la mayscula X para representar a la variable aleatoria y la minscula x para sealar un valor especfico que dicha variable pueda tomar. La probabilidad de tener exactamente x ocurrencias en una distribucin de Poisson se calcula con la siguiente frmula:

Donde:     

   

  

  

Ejemplo: Suponga que estamos investigando la seguridad de una peligrosa interseccin. Los registros policiacos indican una media de cinco accidentes mensuales en una interseccin, el nmero de accidentes est distribuido de acuerdo con una distribucin de Poisson, y el departamento de seguridad de trnsito desea que calculemos la probabilidad de que en cualquier mes ocurran exactamente 0, 1, 2, 3, o 4 accidentes. Aplicando la frmula:

Podemos calcular la probabilidad de que no ocurran accidentes:

De que ocurra exactamente un accidente:

De que ocurra exactamente dos accidentes:

De que ocurran exactamente tres accidentes:

De que ocurran exactamente cuatro accidentes:

La distribucin de Poisson como una aproximacin de la distribucin binomial En algunas ocasiones, si deseamos ahorrarnos la tediosa tarea de calcular distribuciones binomiales de probabilidad, podemos utilizar la distribucin de Poisson. La distribucin de Poisson puede ser una razonable aproximacin de la binomial, pero slo bajo ciertas condiciones. Tales condiciones se presentan cuando n es grande y p es pequea, esto es, cuando el nmero de ensayos es grande y la probabilidad binomial de tener xito es pequea. La regla que utilizan con ms frecuencia los estadsticos es que la distribucin de Poisson es una buena aproximacin de la distribucin de la distribucin binomial cuando n es igual o mayor que 20 y p es igual o menor que 0.05. En los casos en que se cumplen estas condiciones, podemos sustituir la media de la distribucin binomial (np) en lugar de la media de la distribucin de Poisson ( ), de modo que la frmula queda:

Ejemplo: Digamos que tenemos un hospital con 20 aparatos para dilisis y que la probabilidad de que cualquiera de ellos no funciones bien durante un da cualquiera es de 0.02 Cul es la probabilidad de que exactamente tres mquinas estn fuera de servicio en el mismo da?