UNIVERSIDAD NACIONAL AUTONOMA DE MEXICO
Facultad de Economía
Estadística
EQUIPO 3:
Frausto Esquivel Zianya Fernanda
Galindo Rangel Luis Alberto
Pedraza Pérez Alessandra
Pinzón Celón Francisco Marco
DISTRIBUCIÓN DE POISSON
En la probabilidad existen distribuciones o modelos los cuales se dividen en dos
grupos, dependiendo del tipo de variable; como lo son las distribuciones de
probabilidad discretas (cuando la variable aleatoria es de naturaleza discreta) y
distribuciones de probabilidad continuas (cuando la variable aleatoria es continua).
Sin embargo, en esta práctica se limitará a estudiar la distribución de Poisson, así
abarcando quien la propuso y en que fecha, para que se usa, en que casos puede
usarse, en que consiste esta distribución, su esperanza, media, varianza, los
parámetros, y propiedades
Esta distribución fue propuesta por Simeón-Denis Poisson (Frances, nacido el 21
de junio de 1781, y murió el 25 de abril de 1840), fue un físico y matemático que la
dio a conocer en 1838 en su trabajo Investigación sobre la probabilidad de los juicios
en materias criminales y civiles.
La distribución de Poisson se utiliza en situaciones donde los sucesos o eventos
tienen una ocurrencia aleatoria, y suceden dentro de una magnitud determinada
como un periodo tiempo, un área o volumen, o sea se utiliza para describir el número
de veces que un evento ocurre en un espacio finito definido de observación.
Permite determinar la probabilidad con un resultado discreto, es especialmente útil
cuando la muestra o segmento es grande y la probabilidad muy pequeña.
Algunos ejemplos de ella son:
1.- El número de manchas, producto de errores en la producción, en cada
metro de tela producido
2.- El número de llamadas entrantes a un call center los días sábado durante
una hora específica
Un dato curioso sobre esta distribución es que “fue utilizada para determinar si
durante la segunda guerra mundial los alemanes al bombardear Londres
desde Calais (Francia 🇫🇷) con los proto misiles V1 y V2 apuntaban o simplemente
disparaban al azar. Era un hecho realmente importante determinar ese punto pues
si los objetivos alcanzados con estos primitivos misiles eran los blancos que los
alemanes habían seleccionado, implicaba que éstos disponían de una tecnología
balística muy superior a la sospechada.” (Márquez, 2016)
Esta distribución ya antes mencionada es una distribución de probabilidad discreta
que consiste en expresar a partir de una frecuencia de ocurrencia media, la
probabilidad de que ocurra un determinado número de sucesos durante cierto
periodo de tiempo se especializa en la ocurrencia de sucesos con probabilidad
pequeña o raros está conformada por:
Donde:
X es la variable discreta aleatoria que toma un valor finito (1,2,3
…. Etc.)
µ o λ es la media o promedio del número positivo de ocurrencias
de éxito en un intervalo de tiempo específico
℮ es una constante 2.718
x! es la factorial de x.
Propiedades del modelo de Poisson
Cabe mencionar que La distribución de Poisson se especifica por un
parámetro: lambda (λ). Este parámetro es igual a la media y la varianza.
La media, esperanza matemática, es:
E(x) = =
La varianza es:
2 =
La desviación es:
Supuestos de los que parte:
1.- la probabilidad es proporcional al tamaño del periodo (tiempo, espacio)
independientemente de lo que ocurra afuera
2.-la probabilidad tiende a cero a medida que disminuya la dimensión de la
región de estudio
¿Cuáles son sus diferencias entre la distribución de Poisson y la
distribución binomial?
La distribución de Poisson es similar a la distribución binomial porque ambas
modelan conteos de eventos. Sin embargo, dentro de su espacio de
observación finito, la distribución de Poisson no establece un límite superior
a este conteo: una central telefónica podría recibir un número ilimitado de
llamadas en un día y no violar los requisitos de la distribución de Poisson.
En cambio, la distribución binomial establece un límite superior en el conteo:
el número de eventos que usted observa no puede exceder el número de
ensayos que realiza. (Desconocido, 2019)
Aplicación en R (Molina, D. Lara M, 2016)
Ahora bien, en la aplicación en R de la distribución de Poisson es similar al
empleado con la distribución binomial. La diferencia más notable es el cambio
de sufijo, ejemplo: “binom” a “pois”
En la función masa de probabilidad (dpois) calcula los valores de la
función masa de probabilidad de la distribución
dpois(x, lambda)
Donde:
o X: es el valor de la variable a que se quiere calcula la función
de masa de probabilidad
o Lambda: es el parámetro
Función de distribución (funciones acumuladas): La función ppois se
utiliza para calcular valores de la función de distribución
ppois(q, lambda)
Cuantiles de la distribución: La función qpois se utiliza para calcular
los valores de los cuantiles de una distribución de Poisson
qpois(p, lambda)
BIBLIOGRAFÍA
Anderson, D. (2008). Estadística para administración y economía.
México. Cengage Learning.
Desconocido. (2019). Distribución de Poisson. Abril 11, 2020, de
Minitab Sitio web: [Link]
and-how-to/probability-distributions-and-random-data/supporting-
topics/distributions/poisson-distribution/
Marquez, F. (2016). La Distribución de Poisson. Abril 11, 2020, de
Estadística Sitio web: [Link]
poisson/
Mendenhall, W. (2002). Introducción a la Probabilidad y Estadística.
México. Edit. Thomson
Molina, D. y Lara M. (2016). DISTRIBUCIONES DE PROBABILIDAD:
BINOMIAL, POISSON Y NORMAL. Abril 11,2020, de Universidad de
Granada Sitio web: [Link]
