Calculadora de probabilidad de Poisson

Calculadora de probabilidad de Poisson

En crecimiento AI Skill PRO

Ingresar cálculo

Resultados

P(X = k)
0,224042
probabilidad de exactamente k ocurrencias
P(X < k) 0,199148
P(X ≤ k) 0,42319
P(X ≥ k) 0,800852
P(X > k) 0,57681

Fórmula

P(X=k)=λke−λk!P(X = \text{k}) = \frac{{\lambda}^{\,\text{k}}\; e^{-{\lambda}}}{\text{k}!}
Estadísticas de uso

Publicidad

Informar de un error en esta página

¿Qué es la calculadora de probabilidad de Poisson?

La distribución de Poisson modela el número de veces que ocurre un suceso en un intervalo fijo de tiempo, espacio o volumen, siempre que esos sucesos se produzcan de forma independiente y a una tasa media constante. Esta calculadora obtiene P(X = k), la probabilidad de observar exactamente k sucesos, junto con las probabilidades acumuladas y de cola. Algunos usos habituales son las llamadas que llegan a un centro de atención, las visitas a una web por minuto, los defectos por lote, los goles por partido o los conteos de desintegración radiactiva.

Cómo usarla

Introduce la tasa media λ (el número esperado de sucesos en tu intervalo) y el conteo objetivo k (un número entero no negativo). La calculadora devuelve la probabilidad de exactamente k sucesos más otras cuatro probabilidades relacionadas: \(P(X < k)\), \(P(X \le k)\), \(P(X \ge k)\) y \(P(X > k)\). Asegúrate de que λ y k se refieran al mismo intervalo: si pasas de «por hora» a «por día», ajusta λ en la misma proporción.

Línea de tiempo con puntos de eventos dispersos al azar en un intervalo fijo rotulado lambda
Lambda es el número medio de eventos que se espera en el intervalo.

La fórmula explicada

La función de masa de probabilidad de Poisson es $$P(X = \text{k}) = \frac{\lambda^{\,\text{k}}\; e^{-\lambda}}{\text{k}!}$$ donde \(e \approx 2{,}71828\) es el número de Euler y \(\text{k}!\) es el factorial de \(\text{k}\). El término \(\lambda^{\text{k}}\) crece a medida que aumentan los sucesos, \(e^{-\lambda}\) actúa como factor de decaimiento que normaliza el resultado, y dividir entre \(\text{k}!\) tiene en cuenta que el orden de los sucesos es indistinguible.

Publicidad

Ejemplo resuelto

Supongamos que una tienda recibe una media de \(\lambda = 3\) clientes por hora y quieres saber la probabilidad de que entren exactamente \(\text{k} = 2\) clientes en la próxima hora. $$P(X = 2) = \frac{3^{2} \cdot e^{-3}}{2!} = \frac{9 \times 0{,}049787}{2} = \frac{0{,}448084}{2} = \mathbf{0{,}224042}$$ es decir, alrededor del 22,4 %.

Gráfico de barras de la distribución de Poisson con una barra resaltada en el valor k
La función de masa de probabilidad de Poisson: cada barra es la probabilidad de que ocurran exactamente k eventos.

Preguntas frecuentes

¿Qué representa λ? Es la media (y también la varianza) de la distribución: el número esperado de sucesos por intervalo.

¿Puede k ser mayor que λ? Sí. k puede ser cualquier entero no negativo; la probabilidad simplemente se reduce a medida que k se aleja de λ.

¿Cuándo conviene usar el modelo de Poisson? Cuando los sucesos son independientes, ocurren a una tasa media constante y dos sucesos no pueden producirse exactamente en el mismo instante.

Última actualización:

Lo más popular en Matemáticas y Estadísticas

Ver todas las calculadoras de Matemáticas y Estadísticas