UNIVERSIDAD NACIONAL

“SANTIAGO ANTÚNEZ DE

MAYOLO”

FACULTAD DE ADMINISTRACIÓN Y TURISMO

ESCUELA PROFESIONAL DE ADMINISTRACIÓN

APLICACIÓN DE LA DISTRIBUCION DE LA
PROBABILIDAD DE POISSON

PRESENTADO POR
CHOQUE CALSIN, Luz Guadalupe
LLANQUE DE LA CRUZ, Edwin William
HUARAZ MAUTINO, Yunior Jhonatan
MENACHO DURAN, Lizeth Yulisa

DOCENTE:
MENDOZA RIVAS, Denis Leonor

Huaraz – Perú
2022
 INTRODUCIÓN
La distribución de Poisson fue desarrollada por Simeón‐Denis Poisson (1781‐1840). Esta
distribución de probabilidades es muy utilizada para situaciones donde los sucesos son impredecibles
o de ocurrencia aleatoria. En general, utilizaremos la distribución de Poisson como aproximación de
experimentos binomiales donde el número de pruebas es muy alto (n→∞), pero la probabilidad de
éxito muy baja (p→0).
En los últimos años se ha dado un incremento en la preocupación social por los problemas
relacionados con la calidad de los servicios, y en particular, numero de clientes que asisten a las
farmacias, hospitales, restaurantes, y que por lo general el dueño no puede calcular con certeza tales
casos, pero no solo eso sino también se ve en el recibimiento o envío de mensajes de los usuarios al
día.
Cada una de estas variables aleatorias representa el número total de ocurrencias de un fenómeno
durante un periodo de tiempo fijo o en una región fija del espacio. Expresa la probabilidad de un
número k de ocurrencias en un tiempo fijo, si estos eventos ocurren con una frecuencia media
conocida y son independientes del tiempo discurrido desde la última ocurrencia o suceso.
El objetivo de este trabajo es presentar una propuesta que sirva de orientación para dar solución a
aquellos problemas expuestos en el párrafo anterior con técnicas y metodologías estadísticas
adecuadas para poder solucionar esos problemas (distribución de Poisson). Pero no solo eso sino
también tiene como finalidad de aprendizaje, adquirir la destreza y conocimiento necesario para la
correcta utilización de la distribución de Poisson en el cálculo de probabilidades. Para ello, en primer
lugar, presentamos los objetivos específicos que pretendemos conseguir.
 DISTRIBUCION DE LA PROBABILIDAD DE POISSON

La distribución de Poisson es una distribución de probabilidad discreta que se aplica a las ocurrencias
de algún evento durante un periodo determinado. Es decir, es una distribución de probabilidad
discreta en la que solo es necesario conocer los eventos y cuál es su frecuencia media de ocurrencia
para poder conocer la probabilidad de que ocurran.
Una distribución es discreta cuando se toma un número de valor finito, mientras que las continuas
usan un número infinito de valores.
La distribución de Poisson fue creada por el matemático y filósofo francés del siglo XVII Simeón-
Denis Poisson en su proyecto para modelar la frecuencia de eventos durante un rango de tiempo
determinado. Esta distribución la hizo pública en el año 1838 en su trabajo “Investigación sobre la
probabilidad de los juicios en materias criminales y civiles”.

Características: Se dice que X sigue una distribución de Poisson de parámetro λ y que se obtiene
del producto n*p (que nombraremos a partir de aquí como np, por mayor simplicidad), que se
representa con la siguiente notación:
X ~ Ps (λ)
La distribución de Poisson se caracteriza por las siguientes propiedades:

• Sea una población de tamaño ∞.

• Sea una muestra de tamaño n bastante elevado (se suele hablar de que tiende a ∞)

• Los sucesos son independientes entre sí.

• Sea A un suceso que tiene una probabilidad p de suceder durante un periodo de tiempo,
siendo esta probabilidad de ocurrencia durante un periodo de tiempo concreto muy pequeña
(se suele hablar de que tiende a 0).

• El producto n*p, tiende a aproximarse a un valor promedio o número medio, al que

llamaremos λ. Por ejemplo, promedio de llamadas recibidas en una centralita por minuto o
número medio de accidentes producidos en una carretera durante el fin de semana.

• X: número de individuos de la muestra que cumplen A.

• El conjunto de posibles valores de A es, E = {0,1,2,3,4....}

✓ Variable Aleatoria: En un proceso de Poisson de parámetro 𝝀 se observa t unidades de

medida, definimos Variable Aleatoria X de la siguiente manera: Número de ocurrencia de
eventos en t unidades de medida. 𝑥: 0, 1, 2, …

✓ Función de probabilidad: Función de cuantía:

✓ Función de distribución:

✓ Teorema:
 APLICACIONES A LA VIDA REAL DE LA DISTRIBUCIÓN DE POISSON

Caso 1
El número de solicitudes de ayuda recibidas por un servicio de grúas es un proceso Poisson con
razón 4 solicitudes por hora.
Calcule la probabilidad de que exactamente diez solicitudes sean recibidas durante un periodo
particular de 2 horas.
La tasa de ocurrencia del evento es:

La tasa se debe modificar a la unidad del tiempo de la pregunta

4𝑙𝑙𝑎𝑚𝑎𝑑𝑎𝑠 8 𝑙𝑙𝑎𝑚𝑎𝑑𝑎𝑠
λ= × 2ℎ𝑜𝑟𝑎𝑠 =
ℎ𝑜𝑟𝑎 2ℎ𝑜𝑟𝑎𝑠

𝑒 −λ .λ𝑥
P(x=10) =f(x)=
𝑥!
La probabilidad pedida es:

𝑒 −8 .810
P(x=10) =f(x)= = 0.09926153383 es decir = 9.92%
10!
Dpoisson(x=10, lambda=8)

B) calculé la probabilidad de que por lo menos cinco solicitudes sean recibidas durante un periodo
particular de 2 horas.

𝑒 −8 .8𝑥
P(x≥5) =1−P(x≤4) =1−∑4𝑥=0
𝑥!
= 90.03%
Caso 2

Un vendedor de seguros de vida vende en promedio 3 pólizas por semana. Calcular la

probabilidad de:
1. Que venda algunas pólizas en una semana.
2. Que venda 2 ò más pólizas, pero, menos de 5. (una semana)
3. Suponiendo que hay 5 días de trabajo por emana, ¿Cuál es la probabilidad de que en
un día dado venda una póliza?
4. Calcule la media, la varianza y la desviación estándar de la distribución de
probabilidad que se infiere de este problema.
1. Que venda algunas pólizas en una semana.
𝑿 = 𝒏𝒖𝒎𝒆𝒓𝒐 𝒅𝒆 𝒗𝒆𝒏𝒕𝒂 𝒅𝒆 𝒑ò𝒍𝒊𝒛𝒂𝒔
𝝁 = 𝟑 𝒑ò𝒍𝒊𝒛𝒂𝒔 𝒂 𝒍𝒂 𝒔𝒆𝒎𝒂𝒏𝒂
𝑷(𝒙 > 𝟎) = 𝑷(𝒙 = 𝟏) + 𝑷(𝒙 = 𝟐) … … … … … … … … … … … … … . +𝑷(𝒙 = 𝟑𝟎) … .
𝒂𝒑𝒍𝒊𝒄𝒂𝒎𝒐𝒔 𝒍𝒂 𝒑𝒓𝒐𝒑𝒊𝒆𝒅𝒂𝒅 𝒅𝒆 𝒆𝒔𝒕𝒂𝒅𝒊𝒔𝒕𝒊𝒄𝒂 𝒅𝒆 𝒔𝒖𝒔𝒄𝒆𝒔𝒐𝒔:
̅)
𝑷(𝑨) = 𝟏 − 𝑷(𝑨 𝑷(𝑿 > 𝟎) = 𝟏 − 𝑷(𝑿 = 𝟎)
𝒆−𝟑 𝟑𝟎
𝑷(𝑿 = 𝟎) = = 𝟎. 𝟎𝟒𝟗𝟕𝟖 ≅ 𝟒. 𝟗𝟕𝟖%
𝟎!
𝟎! = 𝟏
2. Que venda 2 ò más pólizas, pero, menos de 5. (una semana)

𝑷(𝟐 ≤ 𝑿 < 𝟓) = 𝑷(𝒙 = 𝟐) + 𝑷(𝒙 = 𝟑) + 𝑷(𝒙 = 𝟒)

𝒆−𝟑 𝟑𝟐 𝒆−𝟑 𝟑𝟑 𝒆−𝟑 𝟑𝟒
+ + = 𝑶. 𝟔𝟏𝟔𝟏𝟏𝟑
𝟐! 𝟑! 𝟒!
= 𝟔𝟏𝟔𝟏%

3. Suponiendo que hay 5 días de trabajo por semana, ¿Cuál es la

probabilidad de que en un día dado venda una póliza?
𝒆−𝟑 𝟑𝟏
𝑷(𝑿 = 𝟏) =
𝟏!
𝝁 = 𝟑 𝑹𝑬𝑭𝑬𝑹𝑰𝑫𝑨 𝑨 𝟕 𝑫𝑰𝑨𝑺.
𝟑 𝒆−𝟎,𝟔 𝟎, 𝟔𝟏
𝝁` = = 𝟎, 𝟔 → 𝑷(𝑿 = 𝟏) = = 𝟎. 𝟑𝟐𝟐𝟐𝟗 = 𝟑𝟑%
𝟓 𝟏!
4. Calcule la media, la varianza y la desviación estándar de la distribución de
probabilidad que se infiere de este problema.

𝑬(𝑿) = 𝝁 = 𝟑
 𝑽(𝑿) = 𝝁 = 𝟑

𝝈 = √𝑽(𝑿) = √𝟑

Caso 3
En una fábrica se manufacturan láminas de aluminio, el departamento de calidad de dicha fábrica
está estudiando la frecuencia del número de fallas por lámina con el objetivo de poder predecir las
probabilidades de láminas defectuosas, los datos son los siguientes:

NUMERO FRECUENCIA
DE
FALLOS
0 4
1 3
2 5
3 2
4 4
5 1
6 1

a) Calcular la probabilidad de encontrar una lamina al azar que tenga 3 defectos como
mínimo.

𝑥: 𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑓𝑎𝑙𝑙𝑜𝑠 𝑑𝑒 𝑢𝑛𝑎 𝑙𝑎𝑚𝑖𝑛𝑎

𝑷(𝑿 ≥ 𝟑) = 𝑷(𝑿 = 𝟑) + 𝑷(𝑿 = 𝟒) + ⋯ 𝑷(𝑿 = 𝟔) + ⋯

𝒆−𝝁 × 𝝁𝒙
𝑷(𝑿 ≥ 𝟑) =
𝒙!

𝑷(𝑿 ≥ 𝟑) = 𝟏 − 𝑷(𝑿 ≤ 𝟐)

𝟏 − 𝑷(𝑿 < 𝟑)
𝑷(𝑿 = 𝟎) + 𝑷(𝑿 = 𝟏) + 𝑷(𝑿 = 𝟐)
 Como no nos dan el valor de la media vamos a hallar de la siguiente manera:

# 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑓𝑎𝑙𝑙𝑜𝑠 0∗4+1∗3+2∗5…6∗1 46 NUMERO FRECUENCIA

𝜇= # 𝑑𝑒 𝑙𝑎𝑚𝑖𝑛𝑎𝑠
= 20
= 20
DE
FALLOS
𝜇 = 2,3 0 4
1 3
2 5
3 2
4 4
5 1
6 1

𝟏 − 𝑷(𝑿 < 𝟑)

𝑷(𝑿 = 𝟎) + 𝑷(𝑿 = 𝟏) + 𝑷(𝑿 = 𝟐)

𝒆−𝟐.𝟑 × 𝟐. 𝟑𝟎 𝒆−𝟐.𝟑 × 𝟐. 𝟑𝟏 𝒆−𝟐.𝟑 × 𝟐. 𝟑𝟐

𝟏−{ + + }
𝟎! 𝟏! 𝟐!

𝟏 − {𝟎. 𝟏 + 𝟎. 𝟐𝟑𝟏 + 𝟎. 𝟑𝟔𝟓}

𝟏 − 𝑷(𝑿 < 𝟑) = 𝟎. 𝟒𝟎𝟒 → 𝟒𝟎, 𝟒%
Caso 4
El número promedio de clientes que llega a la farmacia es de 10 personas en un lapso de 15
minutos.
a) ¿cuál es la probabilidad de que lleguen exactamente 5 clientes a la farmacia en un lapso de
15 minutos?

𝑥 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 clientes a la farmacia en un lapso de 15 minutos

Datos del ejercicio:

𝝁 = 𝟏𝟎
P (𝒙 = 𝟓 )
𝒆 = 𝟐. 𝟕𝟏𝟖𝟐𝟖

SOLUCIÓN

𝒆−𝝁 × 𝝁𝒙
𝑷(𝑿) =
𝒙!
 𝒆−𝟏𝟎 × 𝟏𝟎𝟓
𝑷(𝟓) =
𝟓!

𝑷(𝟓) = 0.0378332748

Por lo tanto, la probabilidad de que exactamente 5 clientes lleguen a la farmacia en un

lapso de 15 minutos es de 3.78%.

b) ¿Cuál es la probabilidad de que lleguen 3 o menos clientes a la farmacia en un lapso de 15

minutos?

Datos del ejercicio:

P (𝒙 ≤ 𝟑)

• P (𝒙 = 𝟑 )

𝒆−𝝁 × 𝝁𝒙
𝑷(𝑿) =
𝒙!

𝒆−𝟏𝟎 × 𝟏𝟎𝟑
𝑷(𝟑) =
𝟑!

𝑷(𝟑) = 0. 0075

• P (𝒙 = 𝟐)

𝒆−𝟏𝟎 × 𝟏𝟎𝟐
𝑷(𝟐) =
𝟐!

𝑷(𝟐) = 0. 0023
• P (𝒙 = 𝟏)

𝒆−𝟏𝟎 × 𝟏𝟎𝟏
𝑷(𝟐) =
𝟏!

𝑷(𝟐) = 0. 0005
• P (𝒙 = 𝟎)

𝒆−𝟏𝟎 × 𝟏𝟎𝟎
𝑷(𝟐) =
𝟎!

𝑷(𝟐) = 0. 00005
 ∴ ∑(𝒑(𝟑) + 𝑷(𝟐) + 𝒑(𝟏) + 𝒑(𝟎) = 𝟎. 𝟎𝟏𝟎𝟑𝟔

𝒆−𝝁 × 𝝁𝒙
∑+∞
𝑥=0( 𝒙!
)
𝒙
𝒆−𝟏𝟎 × 𝟏𝟎
+3
∑𝑥=0(
𝒙!
)
∑+3
𝑥=0 = 𝟎. 𝟎𝟏𝟎𝟑6

La probabilidad de que lleguen 3 o menos clientes a la farmacia en un lapso de 15 minutos

es de 1. 0336 %.

c) ¿Cuál es la probabilidad de que lleguen más de 3 clientes a la farmacia en un lapso de 15

minutos?

P (𝒙 > 𝟑) P (𝒙 ≤ 𝟑) 𝑷(𝒙 > 𝟑)

Población de clientes 012345678…

𝟏 − 𝑷(𝒙) ≤ 𝟑) = 𝟏 − 𝟎, 𝟎𝟏𝟎𝟑

𝑷(𝒙 > 𝟑) = 0. 9897

La probabilidad de que lleguen más de 3 clientes a la farmacia en un lapso de 15

minutos es de 98. 97%
Caso 5
Los usuarios de mensajes de texto reciben o envían un promedio de 41,5 mensajes de texto al día.

a. ¿Cuántos mensajes de texto recibe o envía un usuario por hora?

Supongamos que X = el número de mensajes de texto que un usuario envía o recibe
en una hora. El número promedio de mensajes de texto recibidos por hora
es 41,52441,524 ≈ 1,7292.
b. ¿Cuál es la probabilidad de que un usuario de mensajes de texto reciba o envíe dos
mensajes por hora?
𝑢𝑥 𝑒 −𝑢 1,7292 𝑒 −1,729
𝑃(𝑋 = 2) = = = 0,265
𝑥! 2!
c. ¿Cuál es la probabilidad de que un usuario de mensajes de texto reciba o envíe más
de dos mensajes por hora?
70 𝑒 −7 71 𝑒 −7 72 𝑒 −7
𝑃(𝑋 > 2) = 1 − 𝑃(𝑥 ≤ 2) = 1 − ቈ ቉ = 0.250
0! 1! 2!
 CONCLUCIONES
Hemos visto como la distribución de Poisson es capaz de calcular la probabilidad de que se produzca
un evento durante un periodo determinado de tiempo o una región específica. Las aplicaciones de
esta distribución se usan en todas las áreas de la vida, siendo especialmente útiles en el sector
empresarial para poder hacer predicciones sobre el riesgo de las operaciones.

• En el coso numero 1 el argumento lower tail si es falso, es equivalente a P(X>x),

es por ello que la probabilidad de al menos 10 se debe evaluar en el valor anterior
9. De poisson (4, lambda = 8, lower.tail0 falso)

• En el caso número 2 se puede apreciar que la probabilidad de que se pueda vender

algunas pólizas en una semana es de 4.978%, además la probabilidad de que se pueda
vender 2 o más pólizas, pero menos de 5 en una semana es de 61.61%. por lo tanto,
se puede concluir que la venta de estos seguros es muy escasa dado que ofrece pocos
veneficios o algunas cuestiones que no pueda favorecer al comprador.

• En el caso numero 3 como se pudo ver nos refiere el numero probable de encontrar
una lamina que tenga 3 fallos, esto es crucial para las empresas de este tipo por que
les ayudara a reducir estos inconvenientes que se pueda tener y es mas que los pueda
llevar al fracaso.

• En caso numero 4 el número de clientes que pueda llegar o acudir a las farmacias
para la compra de algún medicamento es crucial para esta pueda generar mejores
utilidades. Pero no solo eso sino quizás si tiene pocos clientes le puede ayudar a
mejorar o ver en que está fallando.

• En el caso número 5 se puede deducir que el número de promedio de mensajes de

texto recibido es de 1,7292 por hora; la probabilidad de que un usuario reciba o envíe
dos mensajes es de 26,5% y además la probabilidad de que un usuario envíe o reciba
más de dos mensajes es de 25%.