DISTRIBUCIÓN POISSÓN

La distribución de Poisson fue creada por el

matemático y filósofo francés del siglo XVII Simeón-
Denis Poisson en su proyecto para modelar la
frecuencia de eventos durante un rango de tiempo
determinado. Esta distribución la hizo pública en el año
1838 en su trabajo “Investigación sobre la probabilidad
de los juicios en materias criminales y civiles”.

𝝀 (𝒍𝒂𝒏𝒅𝒂) = 𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜
N: Tamaño de la población 𝝀𝒙 × ℮−𝝀
P: Probabilidad de éxito P(𝑿 = 𝒙) =
𝒙!
x : Número de éxitos esperados
℮ (𝒆𝒖𝒍𝒆𝒓): 2.71828182459
 REQUISITOS DE UNA DISTRIBUCIÓN POISSÓN

Para que una distribución sea considerada como distribución de

Poisson debe cumplir con tres requisitos:
•La variable discreta “x” es el número de ocurrencias de un evento
durante un intervalo determinado (de tiempo, espacio, etc.).
•Las ocurrencias deben ser aleatorias y no contener ningún factor que
favorezca unas ocurrencias en favor de otras.
•Las ocurrencias deben estar uniformemente distribuidas dentro del
intervalo que se emplee.
 EJEMPLOS DE APLICACIÒN DE DISTRIBUCIÓN POISSÓN
A continuación presentamos algunos ejemplos de la aplicación de la distribución de Poisson en la
vida real:
•Contador de Geiger. Es un instrumento para medir la radiactividad de un objeto o zona. Se utiliza
la distribución de Poisson para calcular el comportamiento estadístico de la radiación y así poder
establecer su nivel.
•Operaciones bursátiles. En el mundo de los mercados y la bolsa se utiliza la distribución de
Poisson para calcular el riesgo de las operaciones en los tiempos de espera entre transacciones
financieras.
•Contador de personas. Los contadores de personas que habitualmente se utilizan en los
comercios para saber el número de personas que entran en su establecimiento durante un
periodo de tiempo (número de clientes en la última hora, por ejemplo).
•Otras aplicaciones. Otros ejemplos del uso de esta distribución son el cálculo de las llamadas de
teléfono que se reciben en un día en una centralita, hallar el número de bacterias que hay en un
volumen de determinado de agua, el número de peticiones de servicio diarias de un servidor web,
establecer el riesgo de crédito en una operación de financiación, calcular la cantidad de estrellas
en un determinado volumen espacio o el número de accidentes por año registrados por una
compañía de seguros.
 DISTRIBUCIÓN POISSÓN
Una distribución de probabilidad discreta que se aplica a las ocurrencias de algún evento
durante un periodo determinado. Es decir, es una distribución de probabilidad discreta en la que
solo es necesario conocer los eventos y cuál es su frecuencia media de ocurrencia para poder
conocer la probabilidad de que ocurran.
Una distribución es discreta cuando se toma un número de valor finito, mientras que las continuas
usan un número infinito de valores.

𝝀 (𝒍𝒂𝒏𝒅𝒂) = 𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜
N: Tamaño de la población 𝝀𝒙 × ℮−𝝀
P: Probabilidad de éxito P(𝑿 = 𝒙) =
𝒙!
x : Número de éxitos esperados
℮ (𝒆𝒖𝒍𝒆𝒓): 2.71828182459
 DISTRIBUCIÓN POISSÓN

1. Una tienda de autoservicio vende promedio 3 recargas telefónicas por hora. ¿Cuál es
la probabilidad de que vendan 5 recargas en una hora?
Datos 35 × 2.7182−3
𝜆𝑥 × ℮−𝜆 P(𝑋 = 5) = P(𝑋 = 5) =
𝝀 =𝟑 P(𝑋 = 𝑥) = 5!
𝑥! 0.1008 ×100=10.08%
x=5 243 × 0.0497
℮ ∶ 𝟐. 𝟕𝟏𝟖𝟐𝟖𝟏𝟖𝟐𝟒𝟓𝟗 P(𝑋 = 5) =
120
243 × 0.0497
P(𝑋 = 5) =
5× 4×3× 2×1

12.0993
P(𝑋 = 5) =
120
Conclusión: La probabilidad de que vendan 5 recargas en una hora es de 0.1008 =10.08 %
 PRUEBA DE HIPOTESIS

Una hipótesis es la suposición de algo que podría, o no, ser

posible. En este sentido, la hipótesis es una idea o un supuesto a
partir del cual nos preguntamos el porqué de una cosa, bien sea un
fenómeno, un hecho o un proceso.

La Prueba de Hipótesis es un procedimiento basado en evidencia

muestral y en la teoría de la probabilidad para la aceptación o
rechazo de hipótesis de investigación.
 HIPOTESIS NULA Y HIPOTESIS ALTERNATIVA
H0: La hipótesis nula: Es una
afirmación de que no hay
diferencia entre las variables: no
están relacionadas. A menudo,
esto puede considerarse el statu
quo y, como resultado, si no se
puede aceptar lo nulo, se requiere
alguna acción.
H0:
H1,Ha : La hipótesis alternativa: Es
una afirmación sobre la población
que es contradictoria con H0 y lo que
concluimos cuando rechazamos H0.
Esto es normalmente lo que el
investigador está tratando de
probar.
H1 , Ha
 TIPOS DE ERRORES

El error de tipo I se comete cuando la hipótesis nula es verdadera y,

como consecuencia del contraste, se rechaza.
El error de tipo II se comete cuando la hipótesis nula es falsa y, como
consecuencia del contraste se acepta
 DIFERENCIAS DE LA HIPOTESIS NULA Y HIPOTESIS ALTERNATIVA
Hipótesis nula (H0)
•Representa el status quo.
•La hipótesis que establece que no
existe significación estadística entre dos
variables confrontadas
•Se cree que es cierta a menos que
exista una abrumadora evidencia en su
contra
•Es la hipótesis que el investigador
intenta refutar.
Hipótesis alternativa (HA)
(H1)
•Es inversa a la hipótesis nula.
•Afirma que existe una significancia
estadística entre dos variables.
•Se mantiene verdadera si se rechaza
la hipótesis nula.
•Por lo general, corresponde a lo que el
investigador piensa que es cierto y está
intentando probar
 EJEMPLOS DE LA HIPOTESIS NULA Y HIPOTESIS ALTERNATIVA

1. Vamos a suponer que has realizado un estudio sobre el sueldo medio mensual en un barrio de la
ciudad. Imaginémonos que de la población de ese barrio te tomaste el trabajo de encuestar a 1.000
personas, llegando a la conclusión de que el sueldo medio mensual por habitante es de 25.000
unidades monetarias.
A continuación, te mostramos el contraste a realizar:
H0: El sueldo medio mensual es distinto a 25.000 u.m.
H1: El salario mensual es igual a 25.000 u.m.
2. Se plantea la hipótesis de que las flores regadas con azucarada
crecerán más rápido que las flores regadas con agua corriente.
H0: Si una planta se alimenta con agua azucarada durante un mes y otra se alimenta
con agua corriente, no habrá diferencias en el crecimiento entre las dos plantas.
H1: Si una planta se alimenta con agua azucarada durante un mes y otra se alimenta con agua
corriente, la planta que se alimenta con agua azucarada crecerá más que la planta que se alimenta
con agua corriente.
 NIVEL DE SIGNIFICACANCIA

Nivel de Significancia.
El nivel de significancia indica la probabilidad de rechazar
la hipótesis nula cuando es verdadera y se denota con la
letra griega nivel de significancia 𝛼 (alfa)

E𝑗𝑒𝑚𝑝𝑙𝑜 ∶ 𝛼 0.05.
DISTRIBUCIÓN NORMAL

Una cola “<“

Zona Negativa

Una cola “>”

Zona Positiva

Dos Colas “≠” Zona

Zona Negativa Positiva
 PRUEBA DE HIPOTESIS

UNILATERAL IZQUIERDA BIRATERAL UNILATERAL DERECHA

𝐻0: 𝜇 ≥ 𝜇0 𝐻0: 𝜇 = 𝜇0 𝐻0: 𝜇 ≤ 𝜇0
𝐻1: 𝜇 < 𝜇0 𝐻1: 𝜇 ≠ 𝜇0 𝐻1: 𝜇 > 𝜇0

≥ 𝐌𝐀𝐘𝐎𝐑 𝐨 𝐈𝐆𝐔𝐀𝐋 𝐐𝐔𝐄 = 𝐈𝐆𝐔𝐀𝐋 ≤ 𝐌𝐄𝐍𝐎𝐑 𝐎 𝐈𝐆𝐔𝐀𝐋 𝐐𝐔𝐄

< 𝐌𝐄𝐍𝐎𝐑 ≠DIFERENTE > 𝐌𝐀𝐘𝐎𝐑
 PRUEBA DE “Z” y PRUEBA DE “t STUDENT”

PRUEBA DE “Z” PRUEBA DE “t STUDENT”

La prueba z se utiliza cuando el La prueba t es apropiada cuando el

tamaño de la muestra es grande tamaño de la muestra es pequeño (n
(n > 30). < 30).

σ es conocida σ es desconocida σ es conocida σ es desconocida

ഥ−𝝁
𝒙 ഥ−𝝁
𝒙 ഥ−𝝁
𝒙 ഥ−𝝁
𝒙
𝒁= 𝝈 𝒁= 𝒔 𝒁= 𝝈 t= 𝒔
𝒏 𝒏 𝒏
𝒏
PRUEBA DE HIPOTESIS PARA MEDIA POBLACIONAL PARA MUETRAS GRANDES.
(TABLA Z)

Una muestra aleatoria de 100 muestras registradas en E.U.A el año

pasado mostro una vida promedio de 71.8 años con una desviación
estándar de 8.9 años. Con un nivel de significancia 0.05. ¿Qué parece que
la vida promedio actual es mayor 70 años?
Paso 1: Plantear la Hipótesis n=100

𝐻0 𝝁=70 𝑎ñ𝑜𝑠
𝐻1 𝝁>70 𝑎ñ𝑜𝑠
PRUEBA DE HIPOTESIS PARA MEDIA POBLACIONAL PARA MUETRAS GRANDES.
(TABLA Z)

Paso 2: Nivel de significancia 0.05 y Buscar el valor de significancia en

la tabla 𝒁𝒕 = 𝟏. 𝟔𝟒

1.64
PRUEBA DE HIPOTESIS PARA MEDIA POBLACIONAL PARA MUETRAS GRANDES.
(TABLA Z)
Una muestra aleatoria de 100 muestras registradas en E.U.A el año pasado mostro
una vida promedio de 71.8 años con una desviación estándar de 8.9 años. Con un
nivel de significancia 0.05. ¿Qué parece que la vida promedio actual es mayor 70
años?
Paso 3: Calcular Z con la fórmula.
Datos 𝟏. 𝟖 𝟏. 𝟖
ഥ−𝝁
𝒙 𝟕𝟏. 𝟖 − 𝟕𝟎
𝒁𝒄 = 𝒁𝒄 = 𝒁𝒄 = 𝟐. 𝟎𝟐
μ:70 𝒁= 𝝈 𝑍𝑐 = 𝟖. 𝟗 𝟖. 𝟗 𝟎. 𝟖𝟗
x:71.8 𝟏𝟎
𝒏 𝟏𝟎𝟎
σ:8.9
n:100
PRUEBA DE HIPOTESIS PARA MEDIA POBLACIONAL PARA MUETRAS GRANDES.
(TABLA Z)

Paso 4: Graficar los datos de 𝒁𝒕 = (𝒁𝒆𝒕𝒂 𝒅𝒆 𝒕𝒂𝒃𝒍𝒂) , 𝒁𝒄 (𝒁𝒆𝒕𝒂 𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒅𝒂)

PRIMER SE GRAFICA 𝒁𝑻 (𝑳𝒂 𝒕𝒆 𝒅𝒆 𝒕𝒂𝒃𝒍𝒂)

SEGUNDA SE GRAFICA 𝒁𝑪 (𝑳𝒂 𝒕𝒆 𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒅𝒂)

𝒁𝒕 = 𝟏. 𝟔𝟒 𝒁𝒄 = 𝟐. 𝟎𝟐

Paso 5: CONCLUSIÓN
2.02 > 1.64, Se acepta la Hipótesis alternativa y se rechaza la hipótesis nula.
PRUEBA DE HIPOTESIS PARA MEDIA POBLACIONAL PARA MUETRAS GRANDES.
(TABLA Z) DOS COLAS
• El ingreso anual promedio de los enfermeros certificados se distribuye
normalmente con una media de $50,000 y una desviación estándar de población de
$2000 . La secretaria de salud desea saber si sus enfermeros ganan más o menos de
$50,000 al año. Se toma una muestra de 100 y el ingreso anual medio de la muestra
es de $50,350 . Si el nivel de significancia es 0.05. ¿A que conclusión se puede
llegar?

Paso 1: Plantear la Hipótesis n=100

𝐻0: 𝜇 = 𝜇0
𝐻1: 𝜇 ≠ 𝜇0
PRUEBA DE HIPOTESIS PARA MEDIA POBLACIONAL PARA MUETRAS GRANDES.
(TABLA Z) DOS COLAS

Paso 2: Nivel de significancia 0.05 y Buscar el valor de significancia en

la tabla 𝒁𝒕 = 𝟏. 𝟗𝟔

1.96
 PRUEBA DE HIPOTESIS PARA MEDIA POBLACIONAL PARA MUETRAS GRANDES.
(TABLA Z) DOS COLAS
El ingreso anual promedio de los enfermeros certificados se distribuye normalmente
con una media de $50,000 y una desviación estándar de población de $2000 . La
secretaria de salud desea saber si sus enfermeros ganan más o menos de $50,000 al
año. Se toma una muestra de 100 y el ingreso anual medio de la muestra es de
$50,350 . Si el nivel de significancia es 0.05. ¿A que conclusión se puede llegar?
Paso 3: Calcular Z con la fórmula.
𝟑𝟓𝟎 𝟑𝟓𝟎
Datos ഥ−𝝁
𝒙 𝟓𝟎𝟑𝟓𝟎 − 𝟓𝟎𝟎𝟎𝟎
𝒁𝒄 = 𝒁𝒄 = 𝒁𝒄 = 𝟏. 𝟕𝟓
μ:50,000 𝒁= 𝝈 𝑍𝑐 = 𝟐𝟎𝟎𝟎 𝟐𝟎𝟎𝟎 𝟐𝟎𝟎
𝟏𝟎
x:50,350 𝒏 𝟏𝟎𝟎

σ:2,000
n:100
PRUEBA DE HIPOTESIS PARA MEDIA POBLACIONAL PARA MUETRAS GRANDES.
(TABLA Z) DOS COLAS

Paso 4: Graficar los datos de 𝒁𝒕 = (𝒁𝒆𝒕𝒂 𝒅𝒆 𝒕𝒂𝒃𝒍𝒂) , 𝒁𝒄 (𝒁𝒆𝒕𝒂 𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒅𝒂)

PRIMER SE GRAFICA 𝒁𝑻 (𝑳𝒂 𝒕𝒆 𝒅𝒆 𝒕𝒂𝒃𝒍𝒂)
SEGUNDA SE GRAFICA 𝒁𝑪 (𝑳𝒂 𝒕𝒆 𝒄𝒂𝒍𝒄𝒖𝒍𝒂𝒅𝒂)

H1 rechazo
𝜶 𝟎.𝟎𝟓
H1 rechazo 𝟐
=
𝟐
=0.025
𝜶 𝟎.𝟎𝟓
= =0.025 H0
𝟐 𝟐
aceptación

𝒁𝒕 = 𝟏. 𝟗𝟔 𝒁𝒄 = 𝟏. 𝟕𝟓 𝒁𝒕 = 𝟏. 𝟗𝟔
Paso 5: CONCLUSIÓN
1.75 <1.96 Se acepta la Hipótesis nula y se rechaza la hipótesis alternativa