REPUBLICA BOLIVARIANA DE VENEZUELA
MINISTERIO DEL PODER POPULAR PARA LA EDUCACIÓN UNIVERSITARIA
COLEGIO UNIVERSITARIO DE CARACAS (C.U.C.)
ALDEA BOLIVARIANA “AMENODORO URDANETA”
SAN FRANCISCO, EDO. ZULIA
FRANKLIN DE JESÚS PEÑA MEDINA
7711057
SAN FRANCISCO – ESTADO ZULIA
DISTRIBUCIÓN DE POISSON
En teoría de probabilidad y estadística, la distribución de Poisson es una distribución de
probabilidad discreta. asi tiempo fijo si estos eventos ocurren con una frecuencia media
conocida y son independientes del tiempo discurrido desde el último evento.
Fue descubierta por Siméon-Denis Poisson, que la dio a conocer en 1838 en su trabajo
Recherches sur la probabilité des jugements en matières criminelles et matière civile
(Investigación sobre la probabilidad de los juicios en materias criminales y civiles).
Propiedades
La función de masa de la distribución de Poisson es
Donde λ es un parámetro positivo que representa la frecuencia esperada del fenómeno
modelado por la distribución.
Tanto el valor esperado como la varianza de una variable aleatoria con distribución de
Poisson son iguales a λ. Los momentos de orden superior son polinomios de Touchard en λ
cuyos coeficientes tienen una interpretación combinatoria. De hecho, cuando el valor
esperado de la distribución de Poisson es 1, entonces según la fórmula de Dobinski, el n-
ésimo momento iguala al número de particiones de tamaño n.
La moda de una variable aleatoria de distribución de Poisson con un λ no entero es igual a
, el mayor de los enteros menores que λ (los símbolos representan la función parte
entera). Cuando λ es un entero positivo, las modas son λ y λ − 1.
La función generadora de momentos de la distribución de Poisson con valor esperado λ es
Las variables aleatorias de Poisson tienen la propiedad de ser infinitamente divisibles.
La divergencia Kullback-Leibler desde una variable aleatoria de Poisson de parámetro λ0 a
otra de parámetro λ es
Relación con otras distribuciones
Sumas de variables aleatorias de Poisson
La suma de variables aleatorias de Poisson independientes es otra variable aleatoria de
Poisson cuyo parámetro es la suma de los parámetros de las originales. Dicho de otra
manera, si
son N variables aleatorias de Poisson independientes, entonces
Procesos de Poisson
La distribución de Poisson, se aplica a varios fenómenos discretos de la naturaleza (esto es,
aquellos fenómenos que ocurren 0, 1, 2, 3, ... veces durante un periodo definido de tiempo o
en un área determinada) cuando la probabilidad de ocurrencia del fenómeno es constante en
el tiempo o el espacio. Ejemplos de estos eventos que pueden ser modelados por la
distribución de Poisson incluyen:
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 animales muertos encontrados por unidad de longitud de ruta.
El número de mutaciones de determinada cadena de ADN después de cierta
cantidad de radiación.
El número de núcleos atómicos inestables que decayeron en un determinado período
en una porción de sustancia radiactiva. La radiactividad de la sustancia se debilitará
con el tiempo, por lo tanto el tiempo total del intervalo usado en el modelo debe ser
significativamente menor que la vida media de la sustancia.
El número de estrellas en un determinado volumen de espacio.
La distribución de receptores visuales en la retina del ojo humano.
La inventiva de un inventor a través de su carrera.
DISTRIBUCIÓN BINOMIAL
La distribución de Poisson es el caso límite de la distribución binomial. De hecho, si los
parámetros n y θ de una distribución binomial tienden a infinito de manera que se
mantenga constante, la distribución límite obtenida es de Poisson.
Aproximación normal
Como consecuencia del teorema central del límite, para valores grandes de λ, una variable
aleatoria de Poisson X puede aproximarse por otra normal dado que el cociente
converge a una distribución normal de media nula y varianza 1.
Distribución exponencial
Supóngase que para cada valor t > 0, que representa el tiempo, el número de sucesos de
cierto fenómeno aleatorio sigue una distribución de Poisson de parámetro λt. Entonces, los
tiempos discurridos entre dos sucesos sucesivos sigue la distribución exponencial.
Ejemplos
Si el 2% de los libros encuadernados en cierto taller tiene encuadernación defectuosa, para
obtener la probabilidad de que 5 de 400 libros encuadernados en este taller tengan
encuadernaciones defectuosas usamos la distribución de Poisson. En este caso concreto, k
es 5 y , λ, el valor esperado de libros defectuosos es el 2% de 400, es decir, 8. Por lo tanto,
la probabilidad buscada es
Este problema también podría resolverse recurriendo a una distribución binomial de
parámetros k = 5, n = 400 y θ=0,02.
