Universidad Autónoma De Zacatecas

“Francisco García Salinas”

Unidad Académica De Ingeniería I

Programa De Ingeniería Civil

Hidrología

Dr. Julián González Trinidad

VARIABLE DE POISSON

Blanca Aurora Castro López

27-Septiembre-2019
ÍNDICE
INTRODUCCIÓN..................................................................................................................................1
OBJETIVO............................................................................................................................................1
METODOLOGÍA..................................................................................................................................1
RESULTADOS......................................................................................................................................2
CONCLUSIÓN......................................................................................................................................3
LITERATURA CITADA...........................................................................................................................4
 VARIABLE DE POISSON

INTRODUCCIÓN
La distribución de probabilidad de la variable aleatoria que representa el número
de resultados que suceden durante un intervalo de tiempo dado, o una región
específica, recibe el nombre de distribución de Poisson, con parámetro λ.
(Arroyo,2014)

Usualmente en los cursos de estadística, en el tema de la distribución Poisson de

probabilidades, se da por cierto el hecho de que el valor esperado, media o
esperanza de la variable aleatoria es:

                                                            μ=λ

(Reyes,2017)

OBJETIVO
Demostrar la variación de Poisson para un valor x.

METODOLOGÍA
Material

Internet

Método

Análisis exploratorio:

- Demostración del valor de Poisson

pá g. 1
RESULTADOS
La distribución de Poisson es una distribución de probabilidad discreta que
expresa, a partir de una frecuencia de ocurrencia media λ, la probabilidad que
ocurra un determinado número de eventos durante un intervalo de tiempo dado o
una región específica.

Definición 1.1 Sea X una variable aleatoria que representa el número de eventos
aleatorios independientes que ocurren a una rapidez constante sobre el tiempo o
el espacio. Se dice entonces que la variable aleatoria X tiene una distribución de
Poisson con función de probabilidad.

e− λ λk
p ( k , λ ) ≔f ( k )=
{ k!
0,
, si k=0 ,1 , 2 ,… ; λ >0 ;

De otra manera.

Teorema 1.1 La función f es una función de probabilidad.

Demostración 1.1 Debemos probar que ∑ f ( x )=1.

i ∈R

Para este caso ∑ f ( x )=1.

i ∈R

Debido a que si k ≠ 0 , 1,2, … entonces f ( k )=0, solo debemos analizar

∞ ∞ ∞
e− λ λ k − λ λk λ2
∑ p ( k , λ )= ∑
k=0 k=0 k!
=e ∑ =e− λ 1+ λ+ +…
k=0 k ! 2! ( )
λ2
(
Pero 1+ λ+
2! )
+… =e λ. Así,

∑ p ( k , λ )=¿ e− λ∗e λ =e 0=1 ¿

k=0

Por tanto, f es una función de probabilidad.

pá g. 2
La función de distribución acumulativa de Poisson F ( k ), la cual permite determinar
la probabilidad de que una variable aleatoria de Poisson X sea menor o igual a un
valor específico k , tiene la siguiente forma:

k
e− λ λi
P ( X ≤ k )=F ( k , λ )=∑
i=0 i!

(Arroyo,2014)

Demuestre que si una variable x, se distribuye como Poisson, con parámetro λ, y

que el proceso se repite n veces, entonces el valor esperado, varianza o media es:
μ=λ

1. μ= λ
2. Definición general del valor esperado: μ=∑ x∗p ( x )
3. Sustitución por la función de probabilidad de la distribución de Poisson:
n
k∗e−λ λ k
μ=∑
k=0 k!
4. El primer término desaparece por que k =0:
n
k∗e−λ λ k
μ=∑
k=1 k!
5. Se toman λ , e− λ, como factor común, entonces la expresión queda:
n k −1
−λ λ
μ= λ∗e ∑ (k−1)
k =1 !
6. Se hace un cambio de variable j=k −1
La expresión queda:
n
λj
μ= λ∗e−λ ∑
k =0 j!
n
λj
7. La sumatoria ∑ Es una serie de Taylor, se puede demostrar que es
k=0 j!
igual a e λ.
8. Entonces: μ= λ∗e−λ∗e λ
9. El producto e− λ∗e λ es igual a 1
10. μ= λ (Reyes, 2017)
pá g. 3
CONCLUSIÓN
Es de suma importancia conocer y aprender la distribución de Poisson ya que nos
ayuda a encontrar el número de eventos que queremos calcular, para un cierto
problema. (Castro, 2019)

Poisson: consiste en preguntar por la cantidad de eventos en el período T (la

longitud de un intervalo del continuo que va a estudiarse). Es decir, dado T,
calcular la distribución de k (la cantidad de eventos que hay en ese intervalo).
(Arroyo, 2014)

LITERATURA CITADA
Páginas de internet:

file:///C:/Users/Alumno_Civil/Downloads/poisson.pdf

- Indira Arroyo, Luis C. Bravo M., Dr. Ret. Nat. Humberto Llinás., Msc. Fabián L. Muñoz.,
(2014)

Distribuciones Poisson y Gamma: Una Discreta y Continua Relación Poisson and Gamma
Distributions: A Discrete and Continuous Relationship

http://reyesestadistica.blogspot.com/2017/03/demostracion-del-valor-esperado-de-
una_16.html#more

- Ing. Luis Manfredo Reyes. (2017)

Demostración del valor esperado de una distribución Poisson

  

pá g. 4