INFORME DE LA DISTRIBUCIÓN DE POISSON

Jhoan Leandro Díaz Osorio. Código: 1112786181

Programa de Ingeniería Eléctrica, Universidad Tecnológica de Pereira, Pereira, Colombia

Resumen: La finalidad del presente objeto de aprendizaje, la distribución es, en principio, el factor de
es adquirir la destreza y conocimiento necesario para la proporcionalidad para la probabilidad de un hecho en un
correcta utilización de la distribución de Poisson en el cálculo intervalo infinitésimo. Se le suele designar como
de probabilidades. Se va a conocer las características básicas parámetro de intensidad , aunque más tarde veremos que
de la distribución de Poisson y sus posibles aplicaciones
se corresponde con el número medio de hechos que cabe
prácticas que permita estimar la pauta de variabilidad para
variables discretas que siguen dicha distribución, haciendo
esperar que se produzcan en un intervalo unitario (media
especial relevancia en cómo identificarla y diferenciarla de de la distribución); y que también coincide con la
otras distribuciones discretas..  varianza de la distribución.
Por otro lado es evidente que se trata de un modelo
Palabras Claves: distribución de Poisson, probabilidad, discreto y que el campo de variación de la variable será
variables discretas. el conjunto de los número naturales, incluido el cero:
X=0,1,2,3,…..
Abstract: The purpose of this learning object is to acquire the
skills and knowledge necessary for the correct use of the
Poisson distribution in the calculation of probabilities. We will
know the basic characteristics of the Poisson distribution and II. MARCO TEORICO
its possible practical applications in order to develop a kind of
catalog to go to to develop a probability model that allows us
to estimate the variability pattern for discrete variables that
follow said distribution, making special relevance in how to LA DISTRIBUCIÓN POISSON
identify and differentiate it from other discrete distributions to
help your understanding. Finally, we highlight the basic
La distribución Poisson es, junto con la distribución
learning concepts regarding the Poisson distribution and its
practical applications. binomial,  una de las más importantes distribuciones
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
Keywords: Poisson distribution, discrete variables, procesos:  
probability.
● El número de autos que pasan a través de un
cierto punto en una ruta (suficientemente
[Link]ÓN
distantes de los semáforos) durante un periodo
definido de tiempo. 

En teoría de la probabilidad y estadística, la

● El número de errores de ortografía que uno
distribución de Poisson es una probabilidad discreta de comete al escribir una única página. 
distribución que expresa la probabilidad de que ocurra ● El número de llamadas telefónicas en una
un número determinado de eventos en un intervalo fijo central telefónica por minuto.  
de tiempo y / o espacio. si estos eventos ocurren con una ● El número de servidores web accedidos por
tasa promedio conocida e independientemente del minuto.
tiempo transcurrido desde el último evento. (La ● El número de defectos en una longitud
distribución de Poisson también se puede usar para la específica de una cinta magnética.  
cantidad de eventos en otros intervalos específicos,
como la distancia, el área o volumen.). El parámetro de
 Cada una de estas variables aleatorias representa el proceso experimental de observación en el que se tenga
número total de ocurrencias de un fenómeno durante las siguientes características:
un periodo de tiempo fijo o en una región fija del ● Se observa la realización de hechos de cierto
espacio. Expresa la probabilidad de un número k de tipo durante un cierto periodo de tiempo o a lo
ocurrencias aparecidas en un tiempo fijo, si estos largo de un espacio de observación.
eventos ocurren con una frecuencia media conocida y ● Los hechos a observar tienen naturaleza
son independientes del tiempo discurrido desde la aleatoria; pueden producirse o no de una manera
última ocurrencia o suceso. no determinística.
Para ello, en primer lugar se presenta los objetivos ● La probabilidad de que se produzcan un número
específicos que se pretende conseguir; a continuación x de éxitos en un intervalo de amplitud t no
se trabajara la definición y características de la depende del origen del intervalo (Aunque, sí de
distribución de Poisson, haciendo especial relevancia su amplitud)
en cómo identificarla y diferenciarla de otras ● La probabilidad de que ocurra un hecho en un
distribuciones discretas y se resuelven algunos intervalo infinitésimo es prácticamente
ejemplos prácticos proporcional a la amplitud del intervalo
● La probabilidad de que se produzcan 2 o más
• Identificar las propiedades de una distribución hechos en un intervalo infinitésimo es un
Poisson, así como sus parámetros característicos, infinitésimo de orden superior a dos.
esperanza y varianza.
• Estimar el valor promedio, la  λ, característico de las La función de probabilidad viene definida por:
variables de Poisson a partir de la frecuencia o
probabilidad de ocurrencia, p, y el número de veces
que se presenta un suceso, n.  
• Establecer las bases para el cómputo de las
probabilidades para variables Poisson

A partir de las hipótesis del proceso, se obtiene una

ecuación diferencial de definición del mismo que puede
integrarse con facilidad para obtener la función de
cuantía de la variable "número de hechos que ocurren en
un intervalo unitario de tiempo o espacio " Que sería:      
Función de Probabilidad de la distribución Poisson.

donde x debe ser un entero positivo.

Esta distribución de probabilidades es muy utilizada para
situaciones donde los sucesos son impredecibles o de Esta expresión, se obtiene tomando los límites cuando n
ocurrencia aleatoria. En general, se utilizara la tiende a ∞, p tiende a 0 y np permanece constante e igual
distribución de Poisson como aproximación de a λ, de la función de probabilidad de la distribución de
experimentos binomiales donde el número de pruebas es una variable binomial:
muy alto (n→∞), pero la probabilidad de éxito muy baja
(p→0).
La media o esperanza y la varianza, se obtienen
mediante el mismo procedimiento, tomando los límites
Características cuando n tiende a ∞, p tiende a 0 y np tiende a λ:

Se dice que X sigue una distribución de Poisson de

parámetro λ y que se obtiene del producto n*p (que se
nombrara a partir de aquí como np, por mayor
simplicidad), que se representa con la siguiente notación:
X ~ Ps (λ) Esta distribución se puede hacer derivar de un Varianza de la distribución Poisson.
 -Caso 1
Una propiedad importante de la distribución de Poisson,
es que la suma de n variables de Poisson independientes,
Ps(λ1)+Ps(λ2)+…….+Ps(λn), es tambien una variable de
Poisson siendo el valor de su parámetro λ, la suma de los
de las variables que se suman, Ps(λ1+λ2+…….+λn).
¿Cuándo se usa la Distribución de Poisson?

La distribución de Poisson es particularmente importante

ya que tiene muchos casos de uso. Podemos poner como
ejemplos de uso: la disminución de una muestra
radioactiva, la llegada de pasajeros de un aeropuerto o
estación de trenes o autobuses, los usuarios que se
conectan a una web determinada por hora (es un caso
particularmente interesante que usa Googlee en sus
métricas predictivas de visitantes únicos a una web).

Figura [Link] de barras de la función de probabilidad con

III. DESARROLLO λ:2,9338

La distribución de Poisson se puede expresar de forma

gráfica, ya que en realidad consiste en un diagrama de
barras, similar a los obtenidos en la función de
probabilidad, pero con forma asimétrica positiva como
sucede con la distribución binomial.

Sin embargo al ir aumentando los valores de λ, va

adquiriendo la típica forma de campana de Gauss,
pudiendo a deducirse, que conforme aumenta λ, las
variables de Poisson van a poder aproximarse a la
distribución normal, por el Teorema Central del Límite.
La aproximación se considera buena para valores de λ
iguales o superiores a 9.

Se producen muchas situaciones experimentales en las

que observamos los recuentos de eventos dentro de una
unidad de tiempo establecida, área, volumen, duración,
etc.

Figura [Link] de barras de la función de probabilidad

Por ejemplo: El número total de goles de TODOS LOS simétrica de poisson con λ:2,9409
RESULTADOS DE LOS PARTIDOS JUGADOS ENTRE
1972 Y 2019, En tales situaciones, a menudo nos interesa
saber si los eventos ocurren aleatoriamente en el tiempo o el
espacio, o no.(cabe aclarar que este ejemplo es en el cual se
basa este informe)
 Figura [Link] de barras de la función de probabilidad
Figura [Link] discreta en este caso la de la figura 1 simétrica de poisson con λ:2,9409

Figura [Link] discreta en este caso la de la figura 2

Figura [Link] discreta en este caso la de la figura 5
-caso 2

Figura [Link] discreta en este caso la de la figura 6

Figura [Link] de barras de la función de probabilidad con

λ:2,9358
-caso 3

Figura [Link] discreta en este caso la de la figura 10

Figura [Link] de barras de la función de probabilidad con

λ:2,9358

Figura [Link] de barras de la función de probabilidad

simétrica de poisson con λ:2,9409

Figura [Link] discreta en este caso la de la figura 9

 ● Al Disponer de información y datos que nos
permitan pronosticar victorias, empates,
derrotas, o cantidad de goles, nos ofrecerá altas
probabilidades de ganar dinero apostando.

● Una inmensa cantidad de datos nos permitirá

realizar un análisis de tácticas, procedimientos
de entrenamiento, pronóstico que junto a la
exposición de diversos informes ayudan a
mejorar muchos aspectos para mejorar tanto en
● lo físico como en los resultados deportivos.

● El uso adecuado de un cantidad de datos

siempre será una audaz técnica que calibra las
probabilidades que tienen los equipos en ganar,
empatar, perder basada en tendencias de gráficos
que escenifican su rendimiento en los últimos
meses.

● Según los resultados presentados gráficamente

podemos deducir concretamente que la
distribución de poisson tiene ciertas
características similares a las otras
distribuciones, de tal modo que podríamos
IV. RESULTADOS Y DISCUCIÓN obtener más resultados para analizar según el
caso

-Una de las características principales en esta

distribución es que los datos en las diferentes ● Se puede notar en las distintas graficas la
graficas discretas deben sumar 1 si, se hace el similitud a una campana de gauss, o más bien
cálculo correspondiente, se lograra obtener tiende a ser una parte de la campana.
dicho valor.

- Cuando lambda aumente a valores lo

suficientemente grandes, la distribución VI. CIBERGRAFIA
normal (λ, λ) podría utilizarse para aproximar
la distribución de [Link] este caso, esta
[1] Joachim H. Ahrens, Ulrich Dieter (1974). "Computer
condición no se cumple, puesto que el lamda
Methods for Sampling from Gamma, Beta, Poisson and
es relativamente pequeño, esto es demostrable
Binomial Distributions". Computing 12 (3): 223–246.
en las figuras1,2,5,6,9,10.
doi:10.1007/BF02293108.
-La grafica de la figura 2, es la que más se
aproxima a una campana de gauss. [2]Ronald J. Evans, J. Boersma, N. M. Blachman, A. A.
Jagers (1988). "The Entropy of a Poisson Distribution:
-En las diferentes graficas de barras se puede Problem 87-6". SIAM Review 30 (2): 314–317.
analizar que todas tienden a tener una cola en doi:10.1137/1030059.
la derecha de la distribución esto debido a los [3]Joachim H. Ahrens, Ulrich Dieter (1982). "Computer
datos tomados de los resultados obtenidos de Generation of Poisson Deviates". ACM Transactions on
los distintos partidos. Mathematical Software 8 (2): 163–179.
doi:10.1145/355993.355997.
V. CONCLUSIONES
[4]Donald E. Knuth (1969). Seminumerical Algorithms.
The Art of Computer Programming, Volume 2. Addison
Wesley