UNIVERSIDAD NACIONAL DANIEL ALCIDES CARRIÓN
TEMA:
DISTRIBUCIÓN DE POISSON
ASIGNATURA: ESTADISTICA
CATEDRATICO:
RAMOS PANDO, Clodoaldo
SEMESTRE: VII TURNO: “U”
ALUMNO:
Est. ESCALANTE LAZARO, Jhonathan Stewar.
CERRO DE PASCO JUNIO DEL 2017
1
Caratula
Índice
Introducción
INDICE
CAPÍTULO I DISTRIBUCIÓN DE POISSON
1.1 Biografía 5
1.2 Aplicación de la variable de Poisson 6
1.3 Poisson características 9
1.4 Función de probabilidad y parámetros de Poisson 10
1.5 Aplicaciones de la distribución de Poisson 12
CONCLUSIONES
BIBLIOGRAFIA
ANEXOS
INTRODUCCIÓN
En este trabajo describiremos el uso de la distribución de Poisson para obtener la
probabilidad de ocurrencia de sucesos raros (evento que ocurren con poca
2
frecuencia) cuyo resultado lo representa una variable discreta.
En teoría de la probabilidad y la estadística, la distribución de Poisson es una
distribución de probabilidad discreta que expresa la probabilidad de que un
determinado número de eventos que ocurren en un intervalo fijo de tiempo y/o
espacio si estos eventos se producen con una tasa media conocida e
independientemente del tiempo desde el último evento. La distribución de Poisson
también puede ser utilizado para el número de eventos en otros intervalos
especificados tales como la distancia, área o volumen. La distribución de Poisson
se utiliza para describir cierto tipo de procesos, entre los que se encuentra la
distribución de llamadas telefónicas que llegan a un conmutador, las solicitudes de
pacientes que requieren de servicios en una institución de salud, la llegada de
automóviles y camiones a una caseta de cobro y el número de accidentes
registrados en ciertas intersecciones.
Los ejemplos anteriores pueden ser descritos mediante una variable aleatoria
discreta que toma valores enteros (0, 1, 2, 3, 4, 5, etc.). El número de pacientes
que llegan a un consultorio en ciertos intervalos será de 0, 1, 2, 3, 4, 5 o algún otro
número entero. De manera parecida si se cuenta el número de automóviles que
llegan a una caseta de cobro durante un periodo de 10 minutos, el número será de
0, 1, 2, 3, 4, 5 y así consecutivamente.
3
Capítulo I
. DISTRIBUCIÓN DE POISSON
4
I. DISTRIBUCIÓN DE POISSON
1.1 Biografía. -
Poisson, Siméon Denis (1781-1840)
Poisson nació el 27 junio de 1781 en Pithiviers, ciudad en la que su padre había
sido destinado en un modesto puesto administrativo tras combatir como soldado
en la guerra de los siete años. Matemático, astrónomo y físico francés. Fue
alumno de Lagrange y Laplace en l’École Polytechnique, donde comenzó su
actividad docente como ayudante de Fourier. Miembro de la Academia de
Ciencias, presidente del Bureau des Longitudes y profesor de mecánica de la
Facultad de Ciencias, para Poisson “la vida es trabajo”. De su esfuerzo continuado
a lo largo de su vida surgieron más de trescientas obras que recogen importantes
aportaciones a la física (elasticidad, magnetismo, calor, capilaridad, mecánica
celeste,…) y a la matemática (teoría de números, probabilidad, series de Fourier,
…).
Su nombre está asociado a un buen número de conceptos relacionados con estas
ciencias: ecuación de Poisson, coeficiente de Poisson, ley de Poisson, paréntesis
de Poisson, distribución de Poisson, integral de Poisson, etc.
5
Un trabajo importante en probabilidad fue publicado en el año 1837, la distribución
de Poisson recién aparecía.
1.2 Aplicaciones de la Variable de Poisson. –
La distribución de Poisson describe la probabilidad como un acontecimiento
fortuito ocurrido en un tiempo o intervalo de espacio bajo las condiciones que la
probabilidad de un acontecimiento ocurre es muy pequeña, pero el número de
intentos es muy grande, entonces el evento actual ocurre algunas veces.
La distribución Poisson es, junto con la distribución binomial, una de las más
importantes distribución de probabilidad para variables discretas, es decir, sólo
puede tomar los valores 0, 1, 2, 3, 4,..., k.
La distribución de Poisson se emplea para describir varios procesos, entre otros:
El número de autos que pasan a través de un cierto punto en una ruta
(suficientemente distantes de los semáforos) durante un periodo definido
de tiempo.
El número de errores de ortografía que uno comete al escribir una única
página.
El número de llamadas telefónicas en una central telefónica por minuto.
El número de servidores web accedidos por minuto.
El número de defectos en una longitud específica de una cinta
magnética.
6
El número de mutaciones de determinada cadena de ADN después de
cierta cantidad de radiación.
El número de defectos por metro cuadrado de tela.
El número de estrellas en un determinado volumen de espacio.
Conteos en el tiempo:
Número de accidentes de tráfico en un tramo de cierta carretera en un
mes.
Número del registro de partículas de una desintegración radioactiva por
segundo.
Número de mutaciones en una población de animales durante 5 años.
Conteos en el espacio:
Número de accidentes de tráfico que se originan en el cruce de 2
carreteras.
Número de organismos infecciosos propagados en una placa agárica.
Número de células sanguíneas en una muestra de sangre (el espacio es
igual al volumen en centímetros cúbicos).
Número de árboles infectados por hectárea en un bosque.
Número de pasas en una masa por kg.
La ley de los eventos raros establece que el número total de eventos seguirá una
distribución de Poisson si un evento puede ocurrir en cualquier punto del tiempo o
espacio bajo observación pero la probabilidad de ocurrencia en un punto
determinado es pequeña (Cameron y Trivedi, 1998).
7
De hecho, tal como indica King (1988) habitualmente se asume que el mecanismo
generador de datos que produce recuento de eventos es, con independencia de
su probabilidad de ocurrencia, Poisson.
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 acaecidas 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.
La finalidad del presente objeto de aprendizaje, es adquirir la destreza y
conocimiento necesario para la correcta utilización de la distribución de Poisson en
el cálculo de probabilidades.
Para ayudar a su comprensión. Finalmente, destacaremos los conceptos básicos
de aprendizaje con respecto a la distribución de Poisson y sus aplicaciones
prácticas.
Identificar las propiedades de una distribución Poisson, así como sus
parámetros característicos, esperanza y varianza.
Estimar el valor promedio, la λ, característico de las variables de Poisson a
partir de la frecuencia o probabilidad de ocurrencia, p, y el número de
veces que se presenta un suceso, n.
8
• Establecer las bases para el cómputo de las probabilidades para variables
Poisson.
1.3 Poisson, características
¿Para qué me puede servir la distribución binomial?
La distribución de Poisson fue desarrollada por Siméon‐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
( ) pero la probabilidad de éxito muy baja (p → 0).
Se dice que X sigue una distribución de Poisson de parámetro λ y que se obtiene
del producto n x p (que nombraremos a partir de aquí como np, por mayor
simplicidad), que se representa con la siguiente notación:
X ~ Ps (λ)
El número medio (promedio) de eventos en el espacio temporal o región
específica de interés, por lo general esta media se representa por la lambda
griega (λ).
El número de resultados que ocurren en un intervalo de tiempo o región
específicos es independiente del número que ocurre en cualquier otro intervalo de
tiempo o región.
9
La probabilidad de que un resultado muy pequeño ocurra en un intervalo de
tiempo muy corto o en una región pequeña es proporcional a la longitud del
intervalo de tiempo o al tamaño de la región.
La probabilidad de que más de un resultado ocurra en un intervalo de tiempo tan
corto o en esa región tan pequeña es inapreciable, que se puede asignar el valor
de 0.
1.4 Función de probabilidad y parámetros de Poisson.-
P (x I λ) = la probabilidad de que ocurran X éxitos cuando el número
promedio de ocurrencia de ellos es λ.
λ media o promedio de éxitos por unidad de tiempo, área o producto. es la
constante 2.7183, base de los logaritmos naturales, en tanto que los valores
de - λ pueden obtenerse de tablas.
X señala un valor específico que la variable pueda tomar (el número de
éxitos que deseamos ocurran)
10
Por definición, el valor esperado (media en el intervalo o región de interés)
de una distribución de probabilidad de Poisson es igual a la media de la
distribución. E(X) = λ
La varianza del número de eventos de una distribución de probabilidad de
Poisson también es igual a la media de la distribución λ. De este modo, la
desviación estándar es la raíz cuadrada de λ. V(X) = λ σ =
A continuación se muestran gráficos de la distribución de Poisson para λ = 2, 4, 10
11
12
1.5.- Aplicaciones de la distribución de Poisson:
Ejemplo 1.
Suponga que se sabe que en el hospital “DANIEL ALCIDES CARRIÓN” llegan
pacientes a la sala de emergencia a razón de 5 cada dos horas. ¿Cuál es la
probabilidad de que 1 lleguen exactamente cuatro personas en 2 horas?
Sea X: número de pacientes que llegan a la sala de emergencias del hospital
en 2 horas.
13
Ejemplo 2:
La cámara de vigilancia de la Municipalidad Distrital de Yanacancha detecta un
promedio de 6 infracciones diarias de tránsito .Calcule la probabilidad de que en
un día dado la cámara de vigilancia detecte menos de dos infracciones.
X: Número de infracciones detectadas por la cámara de vigilancia / día.
: Promedio de infracciones detectadas por la cámara de vigilancia / día = 6
14
CONCLUSIONES
La distribución de Poisson describe la probabilidad como un acontecimiento
fortuito ocurrido en un tiempo o intervalo de espacio bajo las condiciones
que la probabilidad de un acontecimiento ocurre es muy pequeña, pero el
número de intentos es muy grande, entonces el evento actual ocurre
algunas veces.
La distribución Poisson se utiliza para calcular la probabilidad del número
de llamadas telefónicas manejadas por un conmutador en un intervalo, el
número de partículas radiactivas que decaen en un periodo particular y el
número de errores que comete una secretaria al mecanografiar una página
La distribución de probabilidad de Poisson, como se ha mostrado, 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 (0, 1, 2, 3, 4, 5. etc.). Utilizando la
mayúsculas X para representar a la variable aleatoria y la minúscula x para
señalar un valor especifico que dicha variable puede tomar.
15
BIBLIOGRAFIA
[1] Canavos G. C. Probabilidad y Estadística. Aplicaciones y Métodos. Traducción
de Edmundo G. Urbina M. McGraw- Hill. México, 1988.
[2] Zylberberg A. D. Probabilidad y Estadística. Editorial Nueva Librería. Argentina,
2005
[3] Armitage P., BerryG. Estadística Para La Investigación Biomédica. Edisión en
español. Harcourt Brace. Madrid, España. 1997.
[4] [Link]
16
ANEXO
17
