CONCEPTOS BASICOS DE PROBABILIDAD

Probabilidad: valor entre cero y uno, inclusive, que describe la posibilidad

relativa de que ocurra un evento.
Experimento: proceso que conduce a la ocurrencia de una de varias
observaciones posibles.
Resultado: lo que resulta en particular de un experimento.
Evento: conjunto de uno o ms resultados de un experimento.
Espacio muestral: son todos los posibles resultados de un experimento.
Cualquier resultado experimental particular se llama punto muestral y es un
elemento del espacio muestral.

DISTRIBUCION DE PROBABILIDAD CONTINUA

En teora de la probabilidad una distribucin de probabilidad se llama

continua si su funcin de distribucin es continua. Puesto que la funcin de
distribucin de una variable aleatoria X viene dada por
, la
definicin implica que en una distribucin de probabilidad continua X se cumple
P[X = a] = 0 para todo nmero real a, esto es, la probabilidad de que X tome el
valor a es cero para cualquier valor de a. Si la distribucin de X es continua, se
llama a X variable aleatoria continua.
En las distribuciones de probabilidad continuas, la distribucin de probabilidad es
la integral de la funcin de densidad, por lo que tenemos entonces que:

Una distribucin de probabilidad contina

Distribucin de variable discreta

Se denomina distribucin de variable discreta a aquella cuya funcin de

probabilidad slo toma valores positivos en un conjunto de valores de
finito oinfinito numerable. A dicha funcin se le llama funcin de masa de
probabilidad. En este caso la distribucin de probabilidad es la suma de la
funcin de masa, por lo que tenemos entonces que:

Y, tal como corresponde a la definicin de distribucin de probabilidad, esta

expresin representa la suma de todas las probabilidades desde
hasta
el valor .

DISTRIBUCION DE POISSON

En teora de probabilidad y estadstica, la distribucin de Poisson es

una distribucin de probabilidad discreta que expresa, a partir de una frecuencia
de ocurrencia media, la probabilidad de que ocurra un determinado nmero de
eventos durante cierto perodo de tiempo. Concretamente, se especializa en la
probabilidad de ocurrencia de sucesos con probabilidades muy pequeas, o
sucesos "raros".
Fue descubierta por Simon-Denis Poisson, que la dio a conocer en 1838 en su
trabajo Recherches sur la probabilit des jugements en matires criminelles et
matire civile (Investigacin sobre la probabilidad de los juicios en materias
criminales y civiles).
La funcin de masa o probabilidad de la distribucin de Poisson es

donde

k es el nmero de ocurrencias del evento o fenmeno (la funcin nos da

la probabilidad de que el evento suceda precisamente k veces).

es un parmetro positivo que representa el nmero de veces que se

espera que ocurra el fenmeno durante un intervalo dado. Por ejemplo, si el
suceso estudiado tiene lugar en promedio 4 veces por minuto y estamos
interesados en la probabilidad de que ocurra kveces dentro de un intervalo
de 10 minutos, usaremos un modelo de distribucin de Poisson con = 104
= 40.
e es la base de los logaritmos naturales (e = 2,71828...)

Tanto el valor esperado como la varianza de una variable aleatoria con

distribucin de Poisson son iguales a . Los momentos de orden superior
sonpolinomios de Touchard en cuyos coeficientes tienen una
interpretacin combinatorio. De hecho, cuando el valor esperado de la
distribucin de Poisson es 1, entonces segn la frmula de Dobinski, el n-simo
momento iguala al nmero de particiones de tamao n.
La moda de una variable aleatoria de distribucin de Poisson con un no entero
es igual a , el mayor de los enteros menores que (los smbolos
representan la funcin parte entera). Cuando es un entero positivo, las modas
son y 1.
La funcin generadora de momentos de la distribucin de Poisson con valor
esperado es

Las variables aleatorias de Poisson tienen la propiedad de ser infinitamente

divisibles.
La divergencia Kullback-Leibler desde una variable aleatoria de Poisson de
parmetro 0 a otra de parmetro es

Intervalo de confianza
Un criterio fcil y rpido para calcular un intervalo de confianza aproximada de
es propuesto por Guerriero (2012).1 Dada una serie de eventos k (al menos el 15
- 20) en un periodo de tiempo T, los lmites del intervalo de confianza para la
frecuencia vienen dadas por:

entonces los lmites del parmetro

estn dadas

por:

ejemplo