Estadistica Proyecto

FICHA DE IDENTIFICACIÓN DE PROYECTO
Distribución de Poisson
Título
Nombres y Apellidos Código de estudiantes
Alejandro Bautista Queso 201311901
Autor/es Guery wilson centellas roca 201310125
Esnayder carrasco veizaga 201505871
Franz chile ríos 31672
Fecha 03/12/2019
Carrera INGIERIA EN GAS Y PETROLEO

Asignatura Probabilidades y Estadistica
Grupo B
Docente Fernado Martinez Valda
Periodo II-2019
Académico
Subsede SANTA CRUZ
Copyright © (2019) Todos los derechos reservados.

Título: Probabilidades y Estadistica
Autor/es: Bautista, centellas, Carrasco, Chile Rios
RESUMEN:
En teoría de probabilidad y estadística la distribución de Poisson es una distribución de
probabilidad continua que expresa, a partir de una frecuencia de ocurrencia media, la
probabilidad de que ocurra un determinado número de eventos durante cierto período de tiempo.
Concretamente, se especializa en la probabilidad de ocurrencia de sucesos con probabilidades
muy pequeñas, o sucesos "raros".
Palabras clave: probabilidad, ocurrencia, frecuencia
ABSTRACT:
In probability and statistical theory, the Poisson distribution is a continuous probability

distribution that expresses, from a frequency of average occurrence, the probability of a certain
number of events occurring during a certain period of time. Specifically, it specializes in the
probability of occurrence of events with very small probabilities, or "rare" events.
Key words: probability, idea, frequence
Asignatura: Probabilidades y Estadistica

Carrera: Ingeniería en gas y petróleo Página 2 de 20
Tabla De Contenidos
1. Introducción………………………………………………………………………………5
2. Capítulo 1. Inicio del proyecto…………………………………………………………...6

2.1 Objetivos…………………………………………………………………………..………6
2.3 Objetivos general………………………………………………………………………....6
2.4 Objetivos específicos…………………………………………………………………...…6
3. Capítulo 2…………………………………………………………………………….……7
3.1 Marco teórico…………………………………………………………………………...…7
3.1.2 Definición……………………………………………………………………………..…7
3.1.3 Historia de la creación de la distribución de Poisson…………………………………7
3.1.4 Simeon Denis Poisson…...................................................................................................7
3.1.5 Entendimiento de la distribución de Poisson.……………….….................................10
3.1.6 Caracteristicas y usos para la distribución de Poisson……………….....…………..13
3.1.7 que es una tasa de ocurrencia……...............................................................................14
4.Ejercicios….…………..……………………………………………………………………15
5. Conclusiones…………...………………………………………………………………….20
6.Bibliografia……………………….………………………………………………………..20

Tabla De Contenidos
Figure 1: Simeón-Denis Poisson……………………………………………………….10
Figure 2: Distribución de Poisson 1……………….…………………………………..12
Figure 3: Distribución de Poisson 2 …………………………………………………..13

1. INTRODUCCION
La distribución Poisson es una de las más importantes distribuciones de

probabilidad para variables discretas, es decir, sólo puede tomar los valores 0, 1, 2,
3, 4, ..., k. La distribución de Poisson se emplea para describir varios procesos,
entre otros:
 El numero de autos que pasan a través de un cierto punto en una ruta

(suficientemente distantes de los semáforos) durante un periodo definido de
tiempo
 El número de errores de ortografía que uno comete al escribir una única
página.
 El número de llamadas telefónicas en una central telefónica por minuto.
 El número de servidores web accedidos por minuto.
 El número de defectos en una longitud específica de una cinta magnética.
 El número de mutaciones de determinada cadena de ADN después de cierta
cantidad de radiación.
 El número de defectos por metro cuadrado de tela.
 El número de estrellas en un determinado volumen de espacio.
Cada una de estas variables aleatorias representa el número total de ocurrencias

de un fenómeno durante un periodo de tiempo fijo o en una región fija del espacio.
Expresa la probabilidad de un número k de ocurrencias acaecidas en un tiempo fijo,
si estos eventos ocurren con una frecuencia media conocida y son independientes
del tiempo discurrido desde la última ocurrencia o suceso.
La finalidad del presente objeto de aprendizaje, es adquirir la destreza y

conocimiento necesario para la correcta utilización de la distribución de Poisson en
el cálculo de probabilidades. Para ello, en primer lugar, presentamos los objetivos
específicos que pretendemos conseguir; a continuación, trabajaremos la definición
y características de la distribución de Poisson, haciendo especial relevancia en
cómo identificarla y diferenciarla de otras distribuciones discretas y se resuelven
algunos ejemplos prácticos

2. Capítulo 1. Inicio del proyecto
1. Objetivos
2. Objetivos generales
Conocer su historia, creación, y características de la distribución Poisson y sus

aplicaciones prácticas
3. Objetivos específicos
 Comprender que es la distribución de Poisson
 Tener mejor entendimiento de como se realiza esta distribución
 Analizar sus aplicaciones practicas

3. Capítulo 2.
4. Marco teórico
3.1.2. Definición
En teoría de probabilidad y estadística la distribución de Poisson es una distribución

de probabilidad continua que expresa, a partir de una frecuencia de ocurrencia
media, la probabilidad de que ocurra un determinado número de eventos durante
cierto período de tiempo. Concretamente, se especializa en la probabilidad de
ocurrencia de sucesos con probabilidades muy pequeñas, o sucesos "raros".
3.1.3. Historia de la creación de la distribución de Poisson
Fue propuesta por Siméon-Denis Poisson, que la dio a conocer en 1838 en su

trabajo (Investigación sobre la probabilidad de los juicios en materias criminales y
civiles).
La distribución de Poisson dice que cuando existen situaciones en las que la

probabilidad de ocurrencia p de un suceso es muy pequeña mientras que es muy
grande el número n de unidades a verificar. El cálculo de probabilidades con la
binomial resulta muy costoso por lo que se intenta aproximarlo a otra distribución.
Para los científicos de la época ésta era la ley normal, que consideraban una
especie de dogma universal, a la que debían someterse todos los fenómenos,
incluso los de carácter social. Sin embargo, Poisson obtiene en 1836 este importante
resultado “si p difiere mucho de 1/2 la ley normal no es la representación asintótica
adecuada”. Descubría así la ley que lleva su nombre, la “ley de los sucesos raros”,
llamada por Bortkiewicz “ley de los pequeños números”
3.1.4. Simeón-Denis Poisson
Siméon Denis Poisson fue un Matemático y físico francés. Fue profesor en la Escuela
Politécnica y en la Facultad de Ciencias de París. Considerado como uno de los
fundadores de la física-matemática, estudió en particular la mecánica racional,
desarrolló la teoría del potencial gravitatorio e investigó los fenómenos capilares,
la elasticidad y la teoría de probabilidades.

Poisson nació el 27 de junio de 1781 en Pithiviers, ciudad en la que su padre había

sido destinado en un modesto puesto administrativo tras combatir como soldado en la
guerra de los siete años. Huérfano a los 15 años, fue acogido por su tío, cirujano militar
en Fontainebleau, quien trató de iniciarle en la profesión. El escaso interés de Poisson
por la medicina y el fracaso de sus primera intervención, que se salda con la muerte del
paciente pocas horas después, le llevan a abandonar la cirugía.
De vuelta a casa encuentra, entre los papeles de su padre, una copia de las pruebas
de ingreso en la Escuela Politécnica que despiertan su interés por las matemáticas y le
descubren un mundo que será su futuro.
En 1798 consigue ingresar con el número uno en la Escuela Politécnica y dos años
más tarde publica sus primeras memorias en el Recueil des savants étrangers, un
honor excepcional para un joven de 18 años. Sus rápidos progresos llaman la atención
de Laplace y Lagrange. En éstos, encontró Poisson la fuente para aprender los
conceptos matemáticos y el apoyo para progresar profesionalmente.
Dos años después de su ingreso como alumno, en 1800, Poisson es nombrado

repetidor, dos años más tarde profesor suplente y en 1806 ya es profesor titular de la
Escuela Politécnica.
Comienza así una fulgurante carrera jalonada por reconocimientos y honores.
En 1808 ingresa como astrónomo en el Bureau des Longitudes y un año más tarde es
nombrado catedrático de mecánica racional de la Facultad de Ciencias de la Sorbona.
En 1812 ingresa en la Academia de Ciencias, en 1820 en el Consejo Real de
Instrucción Pública, desde donde dirige la enseñanza de las matemáticas en todos los
colegios de Francia. En 1827 es nombrado geómetra del Bureau des Longitudes en
sustitución de Laplace y en 1837 el rey Luís Felipe de Orleans le nombra par
de Francia como representante de la ciencia francesa.
Contribuciones a la Matemática
Poisson dedicó su vida a la investigación y enseñanza de las matemáticas. De su mano

surgieron numerosas memorias con aportaciones originales en muchos campos. Y una
serie de tratados con los que pretendió formar una gran obra de física-matemática que
no llegó a concluir.
Realizó importantes aplicaciones al análisis matemático: sobre los números de
Bernoulli, la ecuación diferencial de Bessel, las integrales de funciones de variable
compleja (Poisson las utilizó por primera vez en 1820, antes de que Cauchy fundara la
teoría de las funciones de variable compleja), las ecuaciones de Navier-Stokes que
rigen el movimiento de los fluidos (que Poisson obtuvo de forma independiente a Henri
Navier), … y sobre las series de Fourier.
Contribuciones a la Física
En el campo de la Física en 1785 el físico francés Charles de Coulomb confirmó que la

fuerza de atracción o de repulsión eléctrica (y también entre polos magnéticos, como él
mismo comprobó) es directamente proporcional al producto de las cargas e

inversamente proporcional al cuadrado de la distancia que las separa. Con ello, la

electrostática y la magnetostática adquirían el rango de ciencias matemáticas según el
modelo newtoniano.
Poisson clasificó los cuerpos en conductores y aislantes; y definió la electricidad como
un fluido donde los elementos semejantes se repelen y los elementos contrarios se
atraen. Amplió y extendió los trabajos realizados por Euler, Lagrange y Laplace sobre
el potencial gravitatorio.
En magnetismo, se preocupó de cuestiones específicas, tales como la influencia de las
masas de hierro de los buques sobre la brújula, y de buscar una teoría general que
presentaría en 1824.
Estableció que la relación entre las deformaciones transversal y longitudinal producidas
en un cuerpo por efecto de una fuerza de tracción es una constante (coeficiente de
Poisson) característica de cada cuerpo.
Se denomina ley de Poisson a la expresión que relaciona las variaciones de volumen V
y de presión P de un gas ideal en una transformación adiabática.
Distribución de Poisson
Existen situaciones en las que la probabilidad de ocurrencia p de un suceso es muy

pequeña mientras que es muy grande el número n de unidades a verificar. El cálculo de
probabilidades con la binomial resulta muy costoso por lo que se intenta aproximarlo a
otra distribución. Para los científicos de la época ésta era la ley normal, que
consideraban una especie de dogma universal, a la que debían someterse todos los
fenómenos, incluso los de carácter social. Sin embargo, Poisson obtiene en 1836 este
importante resultado “si p difiere mucho de 1/2 la ley normal no es la representación
asintótica adecuada”. Descubría así la ley que lleva su nombre, la “ley de los sucesos
raros”, llamada por Bortkiewicz “ley de los pequeños números”

Simeón-Denis Poisson
3.1.5 Entendimiento de la distribución de Poisson
La distribución de Poisson es una distribución de probabilidad discreta que se aplica a

las ocurrencias de algún suceso durante un intervalo determinado. La variable
aleatoria x representará el número de ocurrencias de un suceso en un intervalo
determinado, el cual podrá ser tiempo, distancia, área, volumen o alguna otra unidad
similar o derivada de éstas.
La probabilidad de nuestra variable aleatoria X viene dada por la siguiente expresión:
Donde:

 P (x I ʎ) = la probabilidad de que ocurran X éxitos cuando el número promedio

de ocurrencia de ellos es ʎ
 ʎ donde es la media del número de sucesos en el intervalo que estemos

tomando, ya sea de tiempo, distancia, volumen, etc. Es importante entender que
este valor es una media en el sentido estrictamente estadístico de la palabra y
como tal se calculará mediante dicha expresión y no debe calcularse nunca con
una regla de proporcionalidad o regla de tres.
 e es la constante 2.7183, base de los logaritmos naturales, en tanto que los

valores de e-ʎ pueden obtenerse de tablas.
 X señala un valor específico que la variable pueda tomar (el número de éxitos
que deseamos ocurran)
 Por definición, el valor esperado (media en el intervalo o región de interés) de

una distribución de probabilidad de Poisson es igual a la media de la
distribución. E(X) = ʎ
 La varianza del número de eventos de una distribución de probabilidad de

Poisson también es igual a la media de la distribución ʎ. De este modo, la
desviación estándar es la raíz cuadrada de ʎ.
 Se debe cumplir la condición de normalización
 La desviación típica es :
 Cuando realizamos un experimento contando sucesos y obtenemos un valor

x, su error vendrá determinado por la raíz de x.
La distribución de Poisson debe de cumplir los siguientes requisitos:

 La variable discreta es el número de ocurrencias de un suceso durante un

intervalo (esto es la propia definición que hemos dado anteriormente).
 Las ocurrencias deben ser aleatorias y no contener ningún vicio que favorezca
unas ocurrencias en favor de otras.
 Las ocurrencias deben estar uniformemente distribuidas dentro del intervalo que
se emplee.
Figura 2 Distribución de Poisson 1

Figura 3 Distribución de Poisson 2
3.1.6. Características y usos para la distribución de Poisson
La probabilidad de obtener “X “éxitos en un intervalo continuo”
Se emplea para describir varios procesos:
 Distribución de las llamadas telefónicas que llagan a un conmutador
 La demanda de servicios en un hospital por parte de los pacientes
 Los arribos de los camiones y automóviles a la caseta de cobro
 El número de accidentes en un cruce
 El número de defectos en una tela por m2
 El número de bacterias por cm2
Características:

 El número medio (promedio) de eventos en el espacio temporal o región

específica de interés, por lo general esta media se representa por la lambda
griega (λ)
 El número de resultados que ocurren en un intervalo de tiempo o región

específicos es independiente del número que ocurre en cualquier otro intervalo
de tiempo o región
 La probabilidad de que un resultado muy pequeño ocurra en un intervalo de

tiempo muy corto o en una región pequeña es proporcional a la longitud del
intervalo de tiempo o al tamaño de la región
 La probabilidad de que más de un resultado ocurra en un intervalo de tiempo tan

corto o en esa región tan pequeña es inapreciable, que se puede asignar el valor
de 0
3.1.7 Que es una tasa de ocurrencia
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.

4. Ejercicios
Ejercicio 1
Si un banco recibe en promedio 6 cheques sin fondo por día, ¿cuáles son las
probabilidades de que reciba, a) cuatro cheques sin fondo en un día dado, b) 10
cheques sin fondos en cualquiera de dos días consecutivos?

Solución:
a)
x = variable que nos define el número de cheques sin fondo que llegan al banco en un
día cualquiera = 0, 1, 2, 3, ....., etc, etc.
λ = 6 cheques sin fondo por día
e = 2.718

b)
x= variable que nos define el número de cheques sin fondo que llegan al banco en dos
días consecutivos = 0, 1, 2, 3, ......, etc., etc.
λ = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos días

consecutivos
Nota: λ siempre debe de estar en función de x siempre o dicho de otra forma, debe

“hablar” de lo mismo que x.

Ejercicio 2

En la inspección de hojalata producida por un proceso electrolítico continuo, se

identifican 0.2 imperfecciones en promedio por minuto. Determine las
probabilidades de identificar a) una imperfección en 3 minutos, b) al menos dos
imperfecciones en 5 minutos, c) cuando más una imperfección en 15 minutos.
Solución:
a)
x = variable que nos define el número de imperfecciones en la hojalata por cada

3 minutos = 0, 1, 2, 3, ...., etc., etc.
λ = 0.2 x 3 =0.6 imperfecciones en promedio por cada 3 minutos en la hojalata

b)

5 minutos = 0, 1, 2, 3, ...., etc., etc.
λ = 0.2 x 5 =1 imperfección en promedio por cada 5 minutos en la hojalata

=1-(0.367918+0.367918) = 0.26416

c)

15 minutos = 0, 1, 2, 3, …., etc., etc.
λ = 0.2 x 15 = 3 imperfecciones en promedio por cada 15 minutos en la hojalata



= 0.0498026 + 0.149408 = 0.1992106
Ejercicio 3
Explicación importancia de la probabilidad de Poisson
La distribución de Poisson es particularmente importante ya que tiene muchos casos de

uso. Podemos poner como ejemplos de uso: la disminución de una muestra
radioactiva, la llegada de pasajeros de un aeropuerto o estación de trenes o autobuses,
los usuarios que se conectan a una web determinada por hora (es un caso
particularmente interesante que usa Googlee en sus métricas predictivas de visitantes
únicos a una web)
Protomisil V2 de los que se lanzaban sobre Londres desde Calais (Francia)
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.
Durante la Segunda Guerra mundial, las tropas alemanas disparaban bombas V1 y V2

desde Calais Francia hacia Londres.
El sur de Londres se dividió en 576 regiones con la misma extensión, 0.25km2. A lo
largo de la contienda impactaron en esas 576 regiones un total de 535 bombas V1 y
V2.

a) Si se selecciona una región al azar, calcula la probabilidad de que fuese blanco de

las bombas en 2 ocasiones, también para el caso de que no recibiese ningún impacto.
b) Según las probabilidades calculadas del apartado anterior cuantas de las 576
regiones se espera que reciban 2 impactos y cuantas ninguno
x= 0,1,2,3,4……
x= número de ocurrencias por intervalo = numero de impactos por área
e =2.718
o! =1
4! =4*3*2*1
5! =5*4*3*2*1
λ = 535/576= 0.929 impactos/región
P(2)= (0.929)2*(e)-0.929/2! = 0.863*0.395/2 = 0.17 = 17%
P(0)= (0.929)0*(e)-0.929/0! = 1*0.395/1 = 0.395 = 39.5%

Numero de regiones que tuvieron 2 impactos = 576*0.17 = 97.9
Numero de impactos 0 impactos = 576*0.395 = 227.52
Numero de regiones que tuvieron 2 impactos datos reales = 93 regiones
Numero de regiones que recibieron 0 impactos datos reales = 229 regiones
Si los datos serian diferentes y no próximo como en el ejemplo

Por ejemplo: números de regiones que tuvieron 2 impactos = 190
Numero de regiones que tuvieron 0 impactos = 301
Me dice teniendo estos datos que los alemanes no utilizaron una distribución de
POISSON si no que los lanzamientos fueron precisos y dirigidos.

6. Conclusiones
- En esta presentación se logró analizar la distribución de Poisson
- Se estudiaron los objetivos a tratar
- Se logro estudiar al creador de la distribución de Poisson
- Se logro hacer diferentes ejercicios de la vida real utilizando la distribución de Poisson
7. Bibliografía
https://drive.google.com/file/d/1xV4OOo4-yR0gb8H_itVfKimZDZteDaQr/view
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Poisson
https://fisicaymates.com/distribucion-de-poisson/
http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/05Distr
%20Poisson.htm


Estadistica Proyecto

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estadistica Proyecto

Cargado por

Copyright:

Formatos disponibles

FICHA DE IDENTIFICACIÓN DE PROYECTO

Carrera INGIERIA EN GAS Y PETROLEO

Copyright © (2019) Todos los derechos reservados.

Palabras clave: probabilidad, ocurrencia, frecuencia

In probability and statistical theory, the Poisson distribution is a continuous probability

Key words: probability, idea, frequence

Asignatura: Probabilidades y Estadistica

2. Capítulo 1. Inicio del proyecto…………………………………………………………...6

Asignatura: Probabilidades y Estadistica

Figure 1: Simeón-Denis Poisson……………………………………………………….10

Figure 2: Distribución de Poisson 1……………….…………………………………..12

Figure 3: Distribución de Poisson 2 …………………………………………………..13

Asignatura: Probabilidades y Estadistica

La distribución Poisson es una de las más importantes distribuciones de

 El numero de autos que pasan a través de un cierto punto en una ruta

Cada una de estas variables aleatorias representa el número total de ocurrencias

La finalidad del presente objeto de aprendizaje, es adquirir la destreza y

Asignatura: Probabilidades y Estadistica

2. Capítulo 1. Inicio del proyecto

Conocer su historia, creación, y características de la distribución Poisson y sus

Asignatura: Probabilidades y Estadistica

En teoría de probabilidad y estadística la distribución de Poisson es una distribución

3.1.3. Historia de la creación de la distribución de Poisson

Fue propuesta por Siméon-Denis Poisson, que la dio a conocer en 1838 en su

La distribución de Poisson dice que cuando existen situaciones en las que la

3.1.4. Simeón-Denis Poisson

Asignatura: Probabilidades y Estadistica

Poisson nació el 27 de junio de 1781 en Pithiviers, ciudad en la que su padre había

Dos años después de su ingreso como alumno, en 1800, Poisson es nombrado

Poisson dedicó su vida a la investigación y enseñanza de las matemáticas. De su mano

En el campo de la Física en 1785 el físico francés Charles de Coulomb confirmó que la

Asignatura: Probabilidades y Estadistica

inversamente proporcional al cuadrado de la distancia que las separa. Con ello, la

Existen situaciones en las que la probabilidad de ocurrencia p de un suceso es muy

Asignatura: Probabilidades y Estadistica

3.1.5 Entendimiento de la distribución de Poisson

La distribución de Poisson es una distribución de probabilidad discreta que se aplica a

La probabilidad de nuestra variable aleatoria X viene dada por la siguiente expresión:

Asignatura: Probabilidades y Estadistica

 P (x I ʎ) = la probabilidad de que ocurran X éxitos cuando el número promedio

 ʎ donde es la media del número de sucesos en el intervalo que estemos

 e es la constante 2.7183, base de los logaritmos naturales, en tanto que los

 Por definición, el valor esperado (media en el intervalo o región de interés) de

 La varianza del número de eventos de una distribución de probabilidad de

 Se debe cumplir la condición de normalización

 La desviación típica es :

 Cuando realizamos un experimento contando sucesos y obtenemos un valor

La distribución de Poisson debe de cumplir los siguientes requisitos:

Asignatura: Probabilidades y Estadistica

 La variable discreta es el número de ocurrencias de un suceso durante un

Figura 2 Distribución de Poisson 1

Asignatura: Probabilidades y Estadistica

Figura 3 Distribución de Poisson 2

3.1.6. Características y usos para la distribución de Poisson

La probabilidad de obtener “X “éxitos en un intervalo continuo”

Se emplea para describir varios procesos:

 Distribución de las llamadas telefónicas que llagan a un conmutador

 La demanda de servicios en un hospital por parte de los pacientes

 Los arribos de los camiones y automóviles a la caseta de cobro

 El número de accidentes en un cruce

 El número de defectos en una tela por m2

 El número de bacterias por cm2

Asignatura: Probabilidades y Estadistica

P(2)= (0.929)2(e)-0.929/2! = 0.8630.395/2 = 0.17 = 17%

P(0)= (0.929)0(e)-0.929/0! = 10.395/1 = 0.395 = 39.5%