“UNIVERSIDAD PARTICULAR DE

CHICLAYO”

Distribución
Poisson

INTEGRANTES:
Astonitas Vasquez Maria
Carhuatanta Saavedra Jerry
Cayao Sanchez Anderson
Cotrina Pérez Karen Annel
De la Cruz Sanchez Lisbeth Jannet
Fustamante Flores Lisset
Pérez Gamonal Alexandra Yanerí

DOCENTE: Lic. Cynthia Santacruz Rentería

CICLO: 2017 – II
 INTRODUCCIÓN

La distribución de Poisson es una distribución de probabilidad discreta que expresa, a

partir de una frecuencia de ocurrencia media, la probabilidad que ocurra un determinado
número de eventos durante cierto periodo de tiempo.
La distribución Poisson se va representar por una variable discreta, en el caso de medicina
puede ser el n° de leucocitos en gota de sangre, el n° de bacterias por cada centímetro
cúbico de agua, etc.
Es muy útil cuando la muestra o segmento n es grande y la probabilidad de éxitos p es
pequeña.
A continuación, se describirá detalladamente la distribución Poisson con ejemplos
relacionados a la medicina para mayor entendimiento de nuestros compañeros.
 OBJETIVOS

 Dar a conocer la importancia de la distribución Poisson.

 Determinar los requisitos para que se considere una distribución Poisson.

 Aplicar la distribución Poisson a ejemplos médicos.

Distribución Poisson
En teoría de probabilidad y estadística, la distribución de Poisson es una distribución de
probabilidad discreta 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".

Fue descubierta por Siméon-Denis Poisson, que la dio a conocer en 1838 en su trabajo Recherches
sur la probabilité des jugements en matières criminelles et matière civile (Investigación sobre la
probabilidad de los juicios en materias criminales y civiles).

Esta distribución es una de las más importantes distribuciones de variable discreta. Sus
principales aplicaciones hacen referencia a la modelización de situaciones en las que nos interesa
determinar el número de hechos de cierto tipo que se pueden producir en un intervalo de tiempo
o de espacio, bajo presupuestos de aleatoriedad y ciertas circunstancias restrictivas. Otro de sus
usos frecuentes es la consideración límite de procesos dicotómicos reiterados un gran número de
veces si la probabilidad de obtener un éxito es muy pequeña.

La función de masa o probabilidad de la distribución de Poisson es

Donde

 k es el número de ocurrencias del evento o fenómeno (la función nos da la probabilidad de

que el evento suceda precisamente k veces).

 λ es un parámetro positivo que representa el número de veces que se espera que ocurra el
fenómeno 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 k veces dentro de un intervalo de 10 minutos, usaremos un modelo de distribución
de Poisson con λ = 10×4 = 40.

 e es la base de los logaritmos naturales (e = 2,71828...)

1.2 Propiedades de la distribución de Poisson

La distribución de Poisson desempeña un papel importante, por derecho propio, como un modelo
probabilístico apropiado para un gran número de fenómenos aleatorios.
Las características más sobresalientes de esta distribución son:

• La distribución de Poisson tiene la particularidad de que la esperanza E (X) y la varianza Var(X)

son iguales esto es:
• Los factores de forma de la distribución de Poisson son:

- Coeficiente de asimetría:

- Curtosis relativa:

- Con lo anterior se puede observar que la distribución de poisson es leptocúrtica con un sesgo
positivo.
• La función generadora de momentos de la variable aleatoria de Poisson X , con valor esperado ,

es :
• El espacio muestral en un modelo de Poisson se genera por un número muy grande (puede
considerarse infinito) de repeticiones de un experimento cuyo modelo de probabilidad es el de
Bernoulli, con probabilidad de éxito muy pequeña. Por esta razón, a la distribución de Poisson se le
suele llamar de eventos raros. Las repeticiones del experimento de Bernoulli se realizan en cada
uno de los puntos de un intervalo de tiempo o espacio. La probabilidad de que se tenga dos o más
éxitos en el mismo punto del intervalo es cero. El número promedio de éxitos en un intervalo es
una constante, que no cambia de intervalo a intervalo.
• La distribución de Poisson se puede expresar de forma gráfica, ya que en realidad consiste en un
diagrama de barras, con forma asimétrica positiva como sucede con la distribución binomial. Sin
embargo, al ir aumentando los valores de , va adquiriendo la típica forma de la Campana de Gauss
(esto se puede evidenciar analizando el coeficiente de asimetría -su objetivo es determinar, sin
necesidad de dibujar, la deformación horizontal de la distribución con respecto a un valor central,
generalmente la media), pudiendo deducirse, que conforme aumenta , las variables de Poisson van
a poder aproximarse a la distribución normal, por el Teorema Central del Límite. La aproximación
se considera buena para valores de iguales o superiores a nueve.

CONCLUSIÓN
La distribución Poisson es una distribución de importancia ya que hace referencia a la
modelización de situaciones en las que nos interesa determinar el número de hechos de cierto tipo
que se pueden producir en un intervalo de tiempo o de espacio, bajo presupuestos de
aleatoriedad y ciertas circunstancias restrictivas.

Para que se considere una distribución Poisson los sucesos deben ser aleatorios es decir que no se
sabe el total de posibles resultados, son sucesos casuales.

Entre los ejemplos médicos utilizando la distribución Poisson puede ser el n° de pacientes que
llegan a una posta para ser atendidos, n° de leucocitos en gota de sangre, entre otros.

BIBLIOGRAFÍA
 Estadística para administradores.Sexta edición.Richard I.Levin & David S.
Rubin.Editorial Prentice Hall.capitulo 5 Probabilidad II: Distribuciones,pp.232-264.

 P. Armitage, G. Berry, (1992).Estadística para la Investigación Biomédica. Doyma,

Barcelona.

 Indira Arroyo1, Luis C. Bravo M.2, Dr. Ret. Nat. Humberto Llinás.3, Msc. Fabián L. Muñoz.4
Distribuciones Poisson y Gamma: Una Discreta y Continua Relación Vol. 12, No. 1, Enero -
Junio de 2014, págs. 99-107