Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Donde:
Como caso realmente interesante cabe mencionar que la distribución de poisson fue utilizada
para determinar si durante la segunda guerra mundial los alemanes al bombardear Londres
desde Calais (Francia 🇫🇷) con los protomisiles 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. En las vídeo clases
haré un ejercicio muy similar a dicho problema para ver un caso de utilidad que ha sido real.
𝑛 ≥ 100
𝑛𝑝 ≤ 10
En caso de que hagamos la aproximación porque se cumplan ambas condiciones vamos a
necesitar el valor de µ que lo calcularemos mediante la siguiente expresión:
𝜇 = 𝑛𝑝
También suele usarse a menudo una aproximación de la distribución de Poisson a una
distribución Gaussiana, aunque esta última es una distribución de probabilidad continua. Este
último apunte lo trataremos en otro momento.
La distribución de Poisson se especifica por un parámetro: lambda (λ). Este parámetro es igual a
la media y la varianza. Cuando lambda aumente a valores lo suficientemente grandes, la
distribución normal (λ, λ) podría utilizarse para aproximar la distribución de Poisson.
Utilice la distribución de Poisson para describir el número de veces que un evento ocurre en un
espacio finito de observación. Por ejemplo, una distribución de Poisson puede describir el
número de defectos en el sistema mecánico de un avión o el número de llamadas a un centro
de llamadas en una hora. La distribución de Poisson se utiliza con frecuencia en el control de
calidad, los estudios de fiabilidad/supervivencia y los seguros.
Una variable sigue una distribución de Poisson si se cumplen las siguientes condiciones:
Los datos son conteos de eventos (enteros no negativos, sin límite superior).
Las siguientes gráficas representan distribuciones de Poisson con valores diferentes de lambda.
La tasa de ocurrencia es igual a la media (λ) dividida entre la dimensión del espacio de
observación. Es útil para comparar conteos de Poisson recolectados en diferentes espacios de
observación. Por ejemplo, la central telefónica A recibe 50 llamadas telefónicas en 5 horas y la
central telefónica B recibe 80 llamadas en 10 horas. Usted no puede comparar directamente
estos valores, porque sus espacios de observación son diferentes. Debe calcular la tasa de
ocurrencia para comparar estos conteos. La tasa de la central telefónica A es (50 llamadas / 5
horas) = 10 llamadas/hora. La tasa de la central telefónica B es (80 llamadas / 10 horas) = 8
llamadas/hora.