Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Castro T6
Castro T6
Hidrología
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)
μ=λ
(Reyes,2017)
OBJETIVO
Demostrar la variación de Poisson para un valor x.
METODOLOGÍA
Material
Internet
Método
Análisis exploratorio:
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.
∞ ∞ ∞
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,
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)
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)
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
pá g. 4