DISTRIBUCIN DE POISSON

DATO HISTRICO: Simen Denis Poisson naci el 21 de junio de 1781, en Pithiviers(Francia). Fue un fsico y matemtico francs al que se le conoce por sus diferentes trabajos en el campo de la electricidad, tambin hizo publicaciones sobre la geometra diferencial y la teora de probabilidades. En 1838 public en Recherches sur la probabilit des jugements en matirescriminelles et matirecivile (Investigacin sobre la probabilidad de los juicios en materias criminales y civiles), un trabajo importante en la probabilidad, en el cual 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 pequea, pero el nmero de intentos es muy grande, entonces el evento ocurre algunas veces. Muere el 25 de abril de 184, en Sceaux (Altos del Sena), Francia.

CONCEPTO: La distribucin de Poisson es una distribucin de probabilidad y se aplica a varios fenmenos discretos de la naturaleza (esto es, aquellos fenmenos que ocurren 0, 1, 2, 3,... veces durante un periodo definido de tiempo o en un rea determinada) cuando la probabilidad de ocurrencia del fenmeno es constante en el tiempo o el espacio.

Algunos eventos pueden ser:

El nmero de autos que pasan a travs de un cierto punto en una ruta (suficientemente distantes de los semforos) durante un periodo definido de tiempo. El nmero de errores de ortografa que uno comete al escribir una nica pgina. El nmero de llamadas telefnicas en una central telefnica por minuto. El nmero de servidores web accedidos por minuto. El nmero de animales muertos encontrados por unidad de longitud de ruta. El nmero de mutaciones de determinada cadena de ADN despus de cierta cantidad de radiacin. El nmero de ncleos atmicos inestables que decayeron en un determinado perodo El nmero de estrellas en un determinado volumen de espacio. La distribucin de receptores visuales en la retina del ojo humano. La inventiva de un inventor a lo largo de su carrera. El nmero de defectos de una tela por m2

CARACTERISTICAS: Un modelo de probabilidad de Poisson tiene las siguientes caractersticas: 1. El espacio muestral se genera por un nmero muy grande (puede considerarse infinito) de repeticiones de un experimento cuyo modelo de probabilidad es el de Bernoulli, con probabilidad de xito muy pequea. Por esta razn, a la distribucin de Poisson suele llamrsele eventos raros. Las repeticiones del experimento de Bernoulli se realizan en cada uno de los puntos de un intervalo de tiempo o espacio. El nmero de xitos en el intervalo li es ajeno al nmero de xitos en el intervalo lk, por lo que li lk = La probabilidad de que se tengan dos o ms xitos en el mismo punto del intervalo es cero. El nmero promedio de xitos en un intervalo es una constante, que no cambia de intervalo a intervalo.

2.

3.

4.

FRMULA: Para determinar la probabilidad de que ocurran, la frmula a utilizar sera:

Donde: k es el nmero de ocurrencias del evento o fenmeno (la funcin nos da la probabilidad de que el evento suceda precisamente k veces). es un parmetro positivo que representa el nmero de veces que se espera que ocurra el fenmeno durante un intervalo dado. Por ejemplo, si el suceso estudiado tiene lugar en promedio 4 veces por minuto y estamos interesados en la probabilidad de que ocurra k veces dentro de un intervalo de 10 minutos, usaremos un modelo de distribucin de Poisson con = 104 = 40.

e es la base de los logaritmos naturales (e = 2,71828...)

Tanto el valor esperado como la varianza de una variable aleatoria con distribucin de Poisson son iguales a . Los momentos de orden superior son polinomios de Touchard en cuyos coeficientes tienen una interpretacin combinatoria. De hecho, cuando el valor esperado de la distribucin de Poisson es 1, entonces segn la frmula de Dobinski, el n-simo momento iguala al nmero de particiones de tamao n. La moda de una variable aleatoria de distribucin de Poisson con un no entero es igual a , el mayor de los enteros menores que (los smbolos representan la funcin parte entera). Cuando es un entero positivo, las modas son y 1.

La funcin generadora de momentos de la distribucin de Poisson con valor esperado es

Las variables aleatorias de Poisson tienen la propiedad de ser infinitamente divisibles. La divergencia Kullback-Leibler desde una variable aleatoria de Poisson de parmetro 0 a otra de parmetro es

Relacin con otras distribuciones

Sumas de variables aleatorias de Poisson
La suma de variables aleatorias de Poisson independientes es otra variable aleatoria de Poisson cuyo parmetro es la suma de los parmetros de las originales. Dicho de otra manera, si

Son N variables aleatorias de Poisson independientes, entonces:

Distribucin binomial
La distribucin de Poisson es el caso lmite de la distribucin binomial. De hecho, si los parmetros n y de una distribucin binomial tienden a infinito y a cero de manera que se mantenga constante, la distribucin lmite obtenida es de Poisson.

 Aproximacin normal
Como consecuencia del teorema central del lmite, para valores grandes de , una variable aleatoria de Poisson X puede aproximarse por otra normal dado que el cociente

Converge a una distribucin normal de media nula y varianza 1.

Distribucin exponencial
Supngase que para cada valor t > 0, que representa el tiempo, el nmero de sucesos de cierto fenmeno aleatorio sigue una distribucin de Poisson de parmetro t. Entonces, los tiempos discurridos entre dos sucesos sucesivos sigue la distribucin exponencial.

Distribucin Acumulada
La funcin de distribucin acumulada correspondiente es:

En muchos casos el clculo de probabilidades de variables aleatorias que se apegan a una distribucin de Poisson es largo y tedioso. En donde sea posible, al igual que en la distribucin Binomial, se puede hacer uso de las tablas, las cuales se basan en la funcin de distribucin acumulada y tan slo hay que aplicar las propiedades ya vistas para esta funcin para simplificar los clculos. Para efectos de representacin y un mayor control de los datos, haremos que

Ejemplo: Si 8 de 100 viviendas violan el cdigo de construccin. Cul es la probabilidad de que un inspector de viviendas, que selecciona aleatoriamente a 50 de ellas, descubra que: a) ninguna de las casas viola el cdigo de construccin b) una viola el cdigo de construccin c) dos violan el cdigo de construccin d) al menos tres violan el cdigo de construccin