DISTRIBUCIÓN DE POISSON 

La distribución de Poisson es una distribución de probabilidad discreta que modeliza la frecuencia de eventos determinados durante un
intervalo de tiempo fijado a partir de la frecuencia media de aparición de dichos eventos.
En otras palabras, la distribución de Poisson es una distribución de probabilidad discreta que, tan solo conociendo los eventos y su frecuencia
media de ocurrencia, podemos saber su probabilidad.
Da la probabilidad de que un evento ocurra un cierto número de veces (k) dentro de un intervalo dado de tiempo o espacio.
La distribución de Poisson tiene un solo parámetro, λ (lambda), que es el número medio de eventos.
El siguiente gráfico muestra ejemplos de distribuciones de Poisson con diferentes valores de λ.
¿Qué es una distribución de Poisson?

Una distribución de Poisson es una distribución de probabilidad discreta, lo que significa que da la
probabilidad de un resultado discreto (es decir, contable).

Para las distribuciones de Poisson, el resultado discreto es el número de veces que ocurre un evento,
representado por k.

Puede utilizar una distribución de Poisson para predecir o explicar el número de eventos que ocurren dentro de
un intervalo dado de tiempo o espacio.

Los "eventos" podrían ser cualquier cosa, desde casos de enfermedades hasta compras de clientes y impactos
de meteoritos.

El intervalo puede ser cualquier cantidad específica de tiempo o espacio, como 10 días o 5 pulgadas cuadradas.
Puede utilizar una distribución de Poisson si:

1. Los eventos individuales ocurren al azar e independientemente. Es decir, la probabilidad de un

evento no afecta la probabilidad de otro evento.

2. Usted conoce el número medio de eventos que ocurren dentro de un intervalo dado de tiempo o
espacio. Este número se llama λ (lambda), y se supone que es constante.

Cuando los eventos siguen una distribución de Poisson, λ es lo único que necesita saber para calcular la
probabilidad de que un evento ocurra un cierto número de veces.
El siguiente histograma muestra datos simulados que son similares a lo que Bortkiewicz observó:

Descubrió que un promedio de 0,61 soldados por cuerpo moría por patadas de caballo cada año.
Sin embargo, la mayoría de los años, ningún soldado murió por patadas de caballo.
En el otro extremo del espectro, un año trágico hubo cuatro soldados en el mismo cuerpo que murieron por patadas de
caballo.
Usando terminología moderna:

•Una muerte por patada de caballo es un "evento".

•El intervalo de tiempo es de un año.
•El número medio de eventos por intervalo de tiempo, λ, es 0,61.
•El número de muertes por patada de caballo en un año específico es k.

Los cuerpos de ejército que Bortkiewicz observó eran una muestra de la población de todos los
cuerpos de ejército prusianos.
Debido a la naturaleza aleatoria del muestreo, las muestras rara vez siguen una distribución de
probabilidad perfectamente.
Las muertes por patada de caballo en la muestra siguen aproximadamente una distribución de
Poisson, por lo que podemos inferir razonablemente que la población sigue una distribución de
Poisson.
Otros ejemplos de distribuciones de Poisson
Desde la época de Bortkiewicz, las distribuciones de Poisson se han utilizado para describir muchas otras
cosas.

Por ejemplo, una distribución de Poisson podría usarse para explicar o predecir:
•Mensajes de texto por hora
•Osos pardos machos por hectárea
•Mal funcionamiento de la máquina por año
•Visitantes del sitio web por mes
•Casos de influenza por año
Gráficos de función de masa de probabilidad

Una distribución de Poisson se puede representar visualmente como un gráfico de la función de masa
de probabilidad. Una función de masa de probabilidad es una función que describe una distribución
de probabilidad discreta.

El número más probable de eventos está representado por el pico de la distribución: el modo.
•Cuando λ es un no entero, el modo es el entero más cercano menor que λ.
•Cuando λ es un entero, hay dos modos: λ y λ−1.

Cuando λ es baja, la distribución es mucho más larga en el lado derecho de su pico que en su
izquierda (es decir, está fuertemente sesgada a la derecha).
A medida que λ aumenta, la distribución se parece cada vez más a una distribución normal. De
hecho, cuando λ es 10 o mayor, una distribución normal es una buena aproximación de la
distribución de Poisson.
Fórmula de distribución de Poisson
La función de masa de probabilidad de la distribución de Poisson es:

Dónde:
•X es una variable aleatoria que sigue una distribución de Poisson
•k es el número de veces que se produce un evento
•P(X=k) es la probabilidad de que un evento ocurra k veces
•e es la constante de Euler (aproximadamente 2.718)
• λ es el número medio de veces que se produce un evento
•! es la función factorial
Media y varianza de una distribución de Poisson
La distribución de Poisson tiene un solo parámetro, llamado λ.
•La media de una distribución de Poisson es λ.
•La varianza de una distribución de Poisson es también λ.

En la mayoría de las distribuciones,

• la media está representada por μ (mu) y
• la varianza está representada por σ² (sigma al cuadrado).

Debido a que estos dos parámetros son los mismos en una distribución de Poisson, usamos el símbolo λ
para representar ambos.
Ejemplo: Aplicación de la fórmula de distribución de Poisson
Un promedio de 0,61 soldados murieron por patadas de caballo por año en cada cuerpo de ejército prusiano. Desea
calcular la probabilidad de que exactamente dos soldados murieran en el VII Cuerpo de Ejército en 1898, suponiendo
que el número de muertes por patadas de caballo por año sigue una distribución de Poisson.
Cálculo
El cuerpo de ejército específico (VII Cuerpo de Ejército) y el año (1898) no importan porque la probabilidad es
constante.
k = 2 muertes por patada de caballo

λ = 0,61 muertes por patada de caballo por año

e = 2,718

P(X = 2) = (2.718^{-0.61})(0.61^2)/2!
P(X = 2) = (0.54339)(0.3721)/2
P(X = 2) = 0,101

La probabilidad de que exactamente dos soldados murieran en el VII Cuerpo de Ejército en 1898 es de 0,101.