5 ejemplos de la vida real de la distribución de Poisson

La distribución de Poisson es una distribución de probabilidad que se utiliza para modelar la probabilidad de que ocurra un cierto número de eventos durante un intervalo de tiempo fijo cuando se sabe que los eventos ocurren de forma independiente y con una tasa media constante.

En este artículo compartimos 5 ejemplos de cómo se usa la distribución de Poisson en el mundo real.

Ejemplo 1: llamadas por hora a un centro de llamadas

Los centros de llamadas utilizan la distribución de Poisson para modelar la cantidad de llamadas esperadas por hora que recibirán para saber cuántos representantes del centro de llamadas deben mantener en el personal.

Por ejemplo, suponga que un centro de llamadas determinado recibe 10 llamadas por hora. Podemos usar una calculadora de distribución de Poisson para encontrar la probabilidad de que un centro de llamadas reciba 0, 1, 2, 3… llamadas en una hora determinada:

• P (X = 0 llamadas) = 0.00005
• P (X = 1 llamada) = 0,00045
• P (X = 2 llamadas) = 0,00227
• P (X = 3 llamadas) = 0,00757

Y así.

Esto les da a los gerentes del centro de llamadas una idea de cuántas llamadas probablemente recibirán por hora y les permite administrar los horarios de los empleados en función de la cantidad de llamadas esperadas.

Ejemplo 2: número de llegadas a un restaurante

Los restaurantes utilizan la distribución de Poisson para modelar la cantidad de clientes esperados que llegarán al restaurante por día.

Por ejemplo, suponga que un restaurante determinado recibe un promedio de 100 clientes por día. Podemos usar la calculadora de distribución de Poisson para encontrar la probabilidad de que el restaurante reciba más de un cierto número de clientes:

• P (X> 110 clientes) = 0,14714
• P (X> 120 clientes) = 0.02267
• P (X> 130 clientes) = 0,00171

Y así.

Esto les da a los gerentes de restaurantes una idea de la probabilidad de que reciban más de un cierto número de clientes en un día determinado.

Ejemplo 3: número de visitantes del sitio web por hora

Las empresas de alojamiento de sitios web utilizan la distribución de Poisson para modelar la cantidad de visitantes esperados por hora que recibirán los sitios web.

Por ejemplo, supongamos que un sitio web determinado recibe un promedio de 20 visitantes por hora. Podemos usar la calculadora de distribución de Poisson para encontrar la probabilidad de que el sitio web reciba más de un cierto número de visitantes en una hora determinada:

• P (X> 25 visitantes) = 0,11218
• P (X> 30 visitantes) = 0.01347
• P (X> 35 visitantes) = 0,00080

Y así.

Esto les da a las empresas de alojamiento una idea de cuánto ancho de banda proporcionar a diferentes sitios web para asegurarse de que podrán manejar una cierta cantidad de visitantes cada hora.

Ejemplo 4: Número de quiebras presentadas por mes

Los bancos utilizan la distribución de Poisson para modelar el número de quiebras de clientes esperadas por mes.

Por ejemplo, suponga que un banco determinado tiene un promedio de 3 quiebras presentadas por los clientes cada mes. Podemos usar la calculadora de distribución de Poisson para encontrar la probabilidad de que el banco reciba un número específico de archivos de quiebra en un mes determinado:

• P (X = 0 quiebras) = 0,04979
• P (X = 1 quiebra) = 0,14936
• P (X = 2 quiebras) = 0,22404

Y así.

Esto les da a los bancos una idea de la cantidad de efectivo de reserva que deben tener a mano en caso de que ocurra una cierta cantidad de quiebras en un mes determinado.

Ejemplo 5: Número de fallos de red por semana

Las empresas de tecnología utilizan la distribución de Poisson para modelar el número de fallas de red esperadas por semana.

Por ejemplo, suponga que una empresa determinada experimenta un promedio de 1 falla de red por semana. Podemos usar la calculadora de distribución de Poisson para encontrar la probabilidad de que la empresa experimente un cierto número de fallas en la red en una semana determinada:

• P (X = 0 fallas) = 0.36788
• P (X = 1 falla) = 0.36788
• P (X = 2 fallas) = 0.18394

Y así.

Esto le da a la empresa una idea de cuántas fallas es probable que ocurran cada semana.

Recursos adicionales

6 Ejemplos de la vida real de la distribución normal
5 Ejemplos de la vida real de la distribución binomial
4 Ejemplos de uso de regresión lineal en la vida real
4 Ejemplos de uso de ANOVA en la vida real

• https://r-project.org
• https://www.python.org/
• https://www.stata.com/