Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadística II
Tema:
Distribución De Poisson
Elaborado por
Varianza 𝜎𝟐........................................................................................................................ 3
estándar ....................................................................................................................................... 5
Ejercicio 1 .......................................................................................................................... 5
Ejercicio 2 .......................................................................................................................... 6
Ejercicio 3 .......................................................................................................................... 7
Ejercicio 4 .......................................................................................................................... 8
Ejercicio 5 ........................................................................................................................ 10
Conclusión............................................................................................................................ 11
Bibliografía .......................................................................................................................... 12
1
Distribución De Poisson
Podríamos considerarla como una de las más importantes distribuciones de las variables
discretas, ya que nos enfoca en cierto aspecto trata de dar una modelización de eventos que en
este caso puedan darse numéricamente dentro de unidades que contengan límites.
Dicho esto, la distribución es de carácter aleatoria y se descubrió por Poisson en los años 70-
𝑒 −𝜆 ∗ 𝜆𝑥
𝑓 (𝑥 ) = 𝑝𝑎𝑟𝑎 𝑥 = 0, 1, 2, …
𝑥!
“Se dice que una v.a. X tiene distribución de Poisson con parámetro λ (λ > 0) si su función de
frecuencia es la anterior.
por lo que se infiere que esta distribución busca la probabilidad que ocurra un evento en un
Presentaremos algunos sencillo ejemplos para simplificar y entender de manera más concreta
esta distribución:
• El número de vueltas de un avión desde las 6:00 am hasta las 6:00 pm.
minutos.
2
Algunos de estos ejemplos son procesos temporales, interesa conocer cuántas veces ocurre un
evento en un intervalo de tiempo, y otros son procesos espaciales, interesa conocer cuántos
Estos procesos temporales fueron dados por Poisson y deben cumplir las siguientes
condiciones:
(Falta de materia)
• La probabilidad de que en un intervalo de tiempo muy corto ocurra más de una vez
“Para un proceso de este tipo, si Xt es la v.a. que mide el número de veces que ocurre el
evento en un intervalo de tiempo de longitud t, puede verse que Xt es una variable aleatoria
𝑒 𝑐∗𝑡 ∗ (𝑐 ∗ 𝑡)𝑥
𝑓 (𝑥 ) = 𝑝𝑎𝑟𝑎 𝑥 = 0, 1, 2, …
𝑥!
Comparando con la expresión (2.12), se puede ver que Xt tiene distribución de Poisson con
parámetro λt = c × t, donde c es una constante positiva que indica la cantidad de veces que ocurre
el evento de interés por unidad de tiempo, c se llama tasa de ocurrencia del proceso.”
Y su demostración es la siguiente:
+∞
λ𝑥−1
𝐸 (𝑥 ) = ∑ 𝑥 𝑒 −λ λ
𝑥 (𝑥 − 1)!
𝑋=0
+∞
λ𝑥−1
𝐸 (𝑥 ) = ∑ 1 𝑒 −λ λ
(𝑥 − 1)!
𝑋=0
+∞
λ𝑥−1
𝐸 (𝑥 ) = λ ∑ 1 𝑒 −λ
(𝑥 − 1)!
𝑋=0
+∞
λ𝑥−1
𝐸 (𝑥 ) = λ [∑ 1 𝑒 −λ ]
(𝑥 − 1)!
𝑋=0
𝐸 (𝑥 ) = λ ∗ 1 = λ
Varianza 𝝈𝟐
La varianza de una variable aleatoria es igual a lambda, tal cual la esperanza matemática|.
∞
λ𝑥
𝐸 [𝑥 (𝑥 − 1)] = ∑ 𝑥(𝑥 − 1) 𝑒 −λ
𝑥(𝑥 − 1)(𝑥 − 2)!
𝑥=0
∞
−λ
λ𝑥
𝐸 [𝑥 (𝑥 − 1)] = ∑ 𝑥(𝑥 − 1) 𝑒
𝑥(𝑥 − 1)(𝑥 − 2)!
𝑥=0
∞
(𝑥 )(𝑥 − 1)𝑒 −λ λ2 λ𝑥−2
𝐸 [𝑥 (𝑥 − 1)] = ∑
𝑥(𝑥 − 1)(𝑥 − 2)!
𝑥=0
∞ 1
𝑒 −λ λ𝑥−2
𝐸 [𝑥 (𝑥 − 1)] = λ2 [∑ ] = λ2
(𝑥 − 2)!
𝑥=0
𝐸 [𝑥 2 ] = 𝐸 [𝑥 (𝑥 − 1)] + 𝐸[𝑥 ]
𝐸 [𝑥 2 ] = λ2 + λ
Var[x] = λ2 + λ − λ2 = λ
Desviación estándar 𝝈
siguiente:
𝜎 = √λ
5
estándar
Ejercicio 1
𝑒 −𝜆 ∙ 𝜆𝑥
𝑃 (𝑋 = 𝑥 ) =
𝑥!
𝑃(𝑋 ≤ 3) = ?
𝑒 −4 ∙ 43
𝑃(𝑋 = 3) = = 0,19536
3!
𝑒 −4 ∙ 42
𝑃(𝑋 = 2) = = 0,14653
2!
𝑒 −4 ∙ 41
𝑃(𝑋 = 1) = = 0,07326
1!
𝑒 −4 ∙ 40
𝑃(𝑋 = 0) = = 0,01832
0!
Varianza 𝜎 2 :
𝑉𝑎𝑟(𝑥 ) = 𝜆
𝜎2 = 4
Desviación estándar 𝜎:
𝜎 = √𝜎 2
𝜎 = √4
𝜎=2
Ejercicio 2
callejeros que llegan a dormir y descansar cada noche en dicho parque. ¿Cuál es la probabilidad
𝑒 −𝜆 ∙ 𝜆𝑥
𝑃 (𝑋 = 𝑥 ) =
𝑥!
𝑒 −39 ∙ 3928
𝑃 (𝑋 = 28) =
28!
4,0957 𝑥 1027
𝑃 (𝑋 = 28) =
3,0489 𝑥 1029
Varianza 𝜎 2 :
𝑉𝑎𝑟(𝑥 ) = 𝜆
𝜎 2 = 39
Desviación estándar 𝜎:
𝜎 = √𝜎 2
𝜎 = √39
𝜎 = 6,245
Ejercicio 3
Una maquina produce pernos, en cada caja que produce se encuentran 100 pernos. La
𝑒 −𝜆 ∙ 𝜆𝑥
𝑃 (𝑋 = 𝑥 ) =
𝑥!
𝑃(𝑋 = 2) = ?
𝑒 −2 ∙ 22
𝑃 (𝑋 = 2) =
2!
0.1353 𝑥 4
𝑃(𝑋 = 28) =
2
8
Varianza 𝜎 2 :
𝑉𝑎𝑟(𝑥 ) = 𝜆
𝜎2 = 2
Desviación estándar 𝜎:
𝜎 = √𝜎 2
𝜎 = √2
𝜎 = 1,4142
Ejercicio 4
En un hospital de la ciudad de Milagro se esta estudiando los nacimientos de bebés del sexo
femenino. Se sabe que en una semana nacen siete niñas en promedio. Calcular:
𝑒 −𝜆 ∙ 𝜆𝑥
𝑃 (𝑋 = 𝑥 ) =
𝑥!
𝑒 −7 ∙ 73
𝑃 (𝑋 = 3) =
3!
0,3130
𝑃(𝑋 = 3) =
6
9
𝑃(𝑋 < 3) = ?
𝑒 −7 ∙ 72
𝑃(𝑋 = 2) = = 0,022
2!
𝑒 −7 ∙ 71
𝑃(𝑋 = 1) = = 0,006
1!
𝑒 −7 ∙ 70
𝑃(𝑋 = 0) = = 0,001
0!
Varianza 𝜎 2 :
𝑉𝑎𝑟(𝑥 ) = 𝜆
𝜎2 = 7
Desviación estándar 𝜎:
𝜎 = √𝜎 2
𝜎 = √7
𝜎 = 2,65
10
Ejercicio 5
11
Conclusión
La distribución de Poisson es una distribución de una variable aleatoria discreta en los que se
indican eventos con la condición de que estos estén sujetos a una unidad determinada de tiempo
y espacio, tal cual el número de clientes que vayan a una tienda en determinada hora o el número
de aves que pasan por un determinado paisaje en un día. En esta distribución se nos debe hacer
conocer la media o esperanza matemática a la cual se la denomina como lambda, éste lambda
también será la varianza de la distribución. Con los previos conocimientos esta distribución nos
Bibliografía