Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ArticuloBegonaFernandez PDF
ArticuloBegonaFernandez PDF
DENIS POISSON
1. Introducción
Fue difı́cil elegir el nombre y el contenido de este trabajo. La intención
era escribir algo sobre Siméon Denis Poisson, la Distribución y el Proceso Es-
tocástico que llevan su nombre, sus variaciones, su desarrollo en la historia de la
Probabilidad. Al revisar mis notas, apuntes, el libro Recherches sur la Probabi-
lités des Jugements en Matière Criminelle et en Matière Civile escrito por él en
2000 Mathematics Subject Classification. Primary 6001, 62E20; Secondary 60G55, 62J75.
Palabras Claves. Siméon Denis Poisson, Poisson Distribution, Poisson Process, Risk Pro-
cess, Ruin Probability.
219
220 BEGOÑA FERNÁNDEZ FERNÁNDEZ
1834 -que en un viaje a Francia con el Prof. Miguel Angel Garcı́a fotocopiamos
de la Biblioteca de la Universidad de Estrasburgo, ası́ como algunos artı́culos
antiguos- los ejemplos y las aplicaciones que aparecen en los libros modernos
sobre la Distribución y el Proceso Poisson, me di cuenta que aún cuando sabı́a
estas cosas no era realmente conciente de su extensión, riqueza y profundidad.
Escribir sobre Poisson me ha agobiado durante los tres meses que me dieron
de plazo para entregar el artı́culo. Mientras más reviso mis anotaciones, más
difı́cil es. Después de decir que nació el 21 de junio de 1781 en Pityhiviers,
murió el 25 de abril de 1840 en Sceaux (cerca de Paris) , fue alumno de Laplace
y Lagrange1, cualquier cosa que pueda decir me parece poco. Poisson fué un
gran matemático, merece todos los honores, ¿cómo hacerle justicia?
Por otro lado, de la Distribución y el Proceso Poisson, existen y se pueden
escribir grandes tratados, ¿cómo convencer a los lectores de su importancia en
un artı́culo de unas cuantas páginas? ¿Cómo convencer, en fin, a los estudiantes
que se inician en la Probabilidad que no podrı́amos vivir sin el legado de Poisson
y su Distribución?
En los últimos momentos, en los momentos de desesperación, en los que sentı́
que no tenı́a salida, recordé dos menciones, una sobre Siméon Denis Poisson y
otra sobre la Distribución Poisson, dos menciones que en realidad son parte y
serán parte de las leyendas, de la tradición, que describen claramente tanto al
matemático como a la importancia de su distribución.
La primera se refiere a la siguiente frase que según Francois Arago [1] Poisson
repetı́a frecuentemente:
Life is good for only two things, discovering mathematics and teaching math-
ematics2
La vida vale la pena por sólo dos cosas, descubrir matemáticas y enseñar
matemáticas
1
Lagrange fue su asesor de tesis
2
Tenı́a la impresión de que esta frase deberı́a estar en francés, sin embargo, al parecer la
referencia de Aragó está en inglés
LA LEY DE LOS EVENTOS RAROS 221
Si tuviera que irme a una isla desierta, y sólo pudiera llevar conmigo a una
distribución, elegirı́a a la Distribución Poisson.
3
El Capı́tulo III de [14] lleva como tı́tulo Calcul des probabilités qui dependent de très
grands nombres y es, según Oscar Sheynin [17] el primero en utilizar esta terminologı́a
4
Entre otras publicaciones, autor junto con Karlin de uno de los libros de Procesos Es-
tocásticos que aparecen en la bibliografı́a de casi todos los cursos en el mundo [11]
5
Comunicación verbal de Beatriz Rodrı́guez, estudiante del Prof. Taylor
6
Hasta la fecha yo no he entendido que quieren decir.
222 BEGOÑA FERNÁNDEZ FERNÁNDEZ
n!
(2.1) P [Sn = k] = pk (1 − p)n−k
(n − k)! k!
A primera vista, tenemos resuelto el problema, tenemos una fórmula que
nos da esta probabilidad. De hecho, es una de las primeras fórmulas que los
estudiantes aprenden, pues son los términos del desarrollo del binomio (p+(1−
p))n . La suma sobre k de todos los términos es igual a 1. Aparentemente es el
mejor de los escenarios posibles: una fórmula sencilla, conocemos cada uno de
sus términos, sólo aparecen productos y potencias.
Sin embargo, esta fórmula es engañosa, depende de dos parámetros n y p.
El encanto se acaba cuando queremos calcularla para n grande dada, ya que
LA LEY DE LOS EVENTOS RAROS 223
para 1 ≤ k ≤ n:
n! n(n − 1) · · · (n − k + 1) k
pk (1 − p)n−k = p (1 − p)n−k .
(n − k)! k! k!
Para p fija, tenemos dos términos en el producto del lado derecho, uno que
tiende a infinito y otro que tiende a cero cuando n tiende a infinito. Si esto
se lo damos a una computadora para calcularlo, tenemos que tener cuidado,
pues podrı́a despreciar el término que tiende a cero. De hecho, serı́a intere-
sante que supiéramos que hacen los programas de cómputo que calculan estas
probabilidades, pues claramente las aproximan, la pregunta es que tan fina es
la aproximación. Tener el cálculo preciso para n grande sabemos que es difı́cil,
si no imposible, pero de cualquier manera nos interesa saber de qué orden es.
Todos los matemáticos nos enfrentamos constantemente a expresiones como
ésta, difı́ciles de entender - aún cuando podamos encontrar sus propiedades-
difı́ciles de saber de qué orden de magnitud son. No puedo encontrar mejor
manera de expresar lo que se requiere que con la siguiente cita:
n!
P [Sn = k] = pk (1 − p)n−k
(n − k)! k!
k n−k
n! λ λ
= 1−
(n − k)! k! n n
−k n
n(n − 1) · · · (n − k + 1) λk
λ λ
(2.2) = 1 − 1 − .
nk k! n n
224 BEGOÑA FERNÁNDEZ FERNÁNDEZ
P0 (t + h) = P [Nt+h = 0]
= P [Nt = 0, Nt+h − Nt = 0]
= P [Nt = 0]P [Nt+h − Nt = 0], por (iii)
(3.1) = P0 (t)[1 − λh + o(h)], por (iv)-(v),
de donde
P0 (t + h) − P0 (t)
= −P0 (t)λh + o(h).
h
Tomando el lı́mite cuando h tiende a cero, obtenemos
P0 (t + h) − P0 (t)
P00 (t) = lim = −λP0 (t).
h→0 h
Esta ecuación diferencial tiene como solución
Tn = Wn − Wn−1 ,
0
1 2 3 4 5 6 7 8 9 10
35
30
25
20
15
10
0
1 2 3 4 5 6 7 8 9 10
decir,
Z t
P [T2 > t] = λ P [T2 > t | T1 = s]e−λs ds
0
Z t
= λ P [Nt+s − Ns = 0]e−λs ds por (iii)
0
−λt
(3.3) = e
228 BEGOÑA FERNÁNDEZ FERNÁNDEZ
Rtx = x + ct − St .
El monto de las reclamaciones está descrito por variables aleatorias indepen-
dientes e idénticamente distribuidas y ocurren de acuerdo a un Proceso Poisson
con intensidad λ.
Nuevamente en el tiempo 0 iniciamos el contador y para cada t > 0 el
monto que la aseguradora ha pagado hasta el tiempo t será la suma de todas
las reclamaciones hasta el tiempo t, en otras palabras es la suma de variables
aleatorias independientes e idénticamente distribuidas y el número de términos
de esta suma estará dado por el Proceso Poisson al tiempo t es decir, por Nt .
En otras palabras será una suma aleatoria de variables aleatorias.
Más precisamente sea (Nt )t≥0 un Proceso Poisson con intensidad λ > 0 y
(Yn )≥1 variables aleatorias positivas, independientes, idénticamente distribuidas
e independientes del Proceso Poisson, entonces
Nt
X
(3.5) St = Yi
i=1
90
80
70
60
50
40
30
20
10
1 2 3 4 5 6 7 8 9 10
600
500
400
300
200
100
1 2 3 4 5 6 7 8 9 10
25
20
15
10
0 2 4 6 8 10
14
12
10
0
0 2 4 6 8 10
δ(x) = 1 − P [τ x < ∞]
234 BEGOÑA FERNÁNDEZ FERNÁNDEZ
Observemos que la ruina puede ocurrir sólo en los tiempos de salto del
Proceso Poisson, pues entre ellos el proceso es creciente, por lo tanto calcular
la probabilidad de supervivencia se reduce a calcular:
δ(x) = P [St − ct ≤ x, para toda t > 0]
" n #
X
= P (Yk − cTk ) ≤ x para toda n ≥ 1 ,
i=1
donde las Tk son los tiempos entre los saltos del Proceso Poisson. Condicio-
nando con respecto a Y1 , T1 , obtenemos
" n #
X
P (Yk − cTk ) ≤ x para toda n ≥ 1 | T1 = s, Y1 = y
i=1
n
" #
X
= P (Yk − cTk ) ≤ x + cs − y para toda n ≥ 2, y − cs ≤ x
i=2
1 ρ
δ(x) = 1 − exp − x , x ≥ 0,
1+ρ µ(1 + ρ)
donde ρ = c/(λµ) − 1. Para otros casos, puede consultarse Asmussen [2]. Una
discusión sobre esta ecuación puede encontrarse en [5]. En estas dos referencias
aparecen también otros métodos para calcular la probabilidad de ruina ver
también Grandel [8].
Si Poisson aún viviera y tuviera ante él esta ecuación, quizás tendrı́a una
sección en alguno de sus libros que iniciarı́a asi: Necesidad de recurrir a métodos
de aproximación para la solución de una ecuación integro-diferencial. Afortu-
nadamente, tanto Lundberg como Cramér tuvieron esta misma inquietud y
la resolvieron, al menos cuando las distribuciones de las variables Yi aceptan
transformada de Laplace. En este caso, tenemos la llamada desigualdad de
Lundberg [13]
(4.3) P [τ x < ∞] ≤ e−γx ,
donde γ es conocido como el coeficiente de ajuste o coeficiente de Lundberg y
es la máxima raiz positiva de la ecuación
h(γ) = −cγ + λ(Lf (γ) − 1) = 0,
y Lf (γ) es la transformada de Laplace de la densidad f .
Por otro lado, se tiene también la llamada Aproximación de Cramér Lund-
berg,
Z ∞ −1
γ
lim eγx P [τ x < ∞] = C < ∞, C = ueγu (1 − F (u))du ,
x→∞ ρµ 0
donde, F es la función de distribución de las variables Yi .
Existen resultados similares (las cotas no son de tipo exponencial) cuando
las variables aleatorias Yi no aceptan transformada de Laplace pero son de
tipo sub-exponencial. Para la demostración de estos resultados, ampliar y
profundizar los conocimientos sobre este tema puede consultarse [2, 5, 8].
Hay una gran variedad de extensiones de este modelo, desde encontrar la
estrategia óptima de reaseguro (ver por ejemplo [16]) hasta considerar que
la compañı́a puede invertir en un activo con riesgo y encontrar la estrategia
óptima de inversión (ver por ejemplo [7, 10, 16] y la bibliografı́a contenida en
estas referencias) entre otros.
Por último quisiera terminar este artı́culo con un comentario de Poisson [14]
pag. 36 acerca de de la Probabilidad, descripción que los apasionados de lo
aleatorio traemos siempre con nosotros:
une des principales branches des mathématiques, soit par le nombre et l’utilité
de ses applications, soit par le genre d’analyse auquel il a donné naissance.
236 BEGOÑA FERNÁNDEZ FERNÁNDEZ
una de las principales ramas de las matemáticas, sea por el número y la uti-
lidad de sus aplicaciones, sea por el tipo de análisis al que ha dado nacimiento.
Ninguna otra rama de las matemáticas es tan susceptible de aplicaciones tan
numerosas y tan inmediatamente aplicables.
Bibliografı́a
[1] F. Arago, Siméon Denis Poisson. Oeuvres complètes de Francois Arago II. Paris, (1984),
591-698.
[2] S. Asmussen, Ruin Probabilities. World Scientific, Advances Series on Statistical Science
and Applied Probability, 2, (2000).
[3] A-A Cournot, Expositions de la théorie ded chances et de probabilités. Paris, (1843).
[4] H. Cramér, On the Mathematical Theory of Risk. Skandia Jubilee Volume, Stocholm,
(1930).
[5] P. Embrechts, C. Kluppelberg, T. Mikosch, Modelling Extremal Events for Insurance
and Finance. Applications of Mathematics Stochastic Modelling and Applied Probabil-
ity, 33, Springer, (1977).
[6] W. Feller, Introducción a la Teorı́a de Probabilidades y sus Aplicaciones. Volumen 1,
Segunda reimpresión. Limusa, (1980).
[7] G. Gaier, P. Grandits, W. Schachermayer, Assymptotic Ruin Probabilities and Optimal
Investment. Annals of Appl. Prob. 13, no. 3, (2003), 1054-1076.
[8] J. Grandell, Aspects of Risk Theory. Springer, Berlin, (1991).
[9] F. A. Haight, Handbook of Poisson Distribution. New York, (1967).
LA LEY DE LOS EVENTOS RAROS 237
[10] C. Hipp, M. Plum, Optimal Investment for Insurers. Insurance, Math. and Econom. 27,
(2003), 215-228.
[11] S. Karlin, H. M. Taylor, A Second Course in Stochastic Processes. Academic Press, Inc.
New York, (1986).
[12] F. Lundberg, Approximerad främstallning av sannolikhetsfunktionen. Aterförsäkring av
kollektivrisker. Akad. Afhandling. Almqvist och Wiksell, Upsala, (1903).
[13] F. Lundberg, Forsakringsteknisk Riskutjamming. F. Englunds Boktryckeri AB, Stock-
holm, (1926).
[14] S. D. Poisson, Recherches sur la Probabilité des Jugements en Matière Criminèlle et en
Matière Civile.
[15] S. Ross, A First Course in Probability. Fourth Edition. Prentice Hall, (1994).
[16] H. Schmidli, Optimisation in non life insurance. Stochastic Models. Special issue: Pro-
ceedings of the 8 th. Sym. on Prob. and Stoch. Processes. 22, no. 4, (2006).
[17] O. B. Sheynin, S. D. Poisson’s work in probability. Arch. History Exact Sci. 18, no. 3,
(1977/78), 245-300.