DISTRIBUCION DE POISSON

1. HISTORIA:
La distribucin de Poisson fue derivada por SIMEON DENIS POISSON, quien en 1837
(citado en King, 1988) public un trabajo de Investigacin en el que se presentaba una
nueva distribucin para el clculo de probabilidades aplicado al mbito penal. Poisson
encontr que cuando el tamao de una muestra es grande y la probabilidad de ocurrencia
de un evento es pequea, el valor esperado m= np tiende a una constante.
2. APLICACIONES DE LA DISTRIBUCION DE POISSON:
Como ya se mencion anteriormente, un conteo es el nmero de veces en que cierto
evento ocurre en una misma unidad de observacin durante un determinado periodo de
tiempo o espacio. Ejemplos de tales eventos o conteos pueden ser:
Conteos en el tiempo:

Nmero de accidentes de trfico en un tramo de cierta carretera en un mes.

Nmero del registro de partculas de una desintegracin radioactiva por segundo.
Nmero de mutaciones en una poblacin de animales durante 5 aos.

Conteos en el espacio:

Nmero de accidentes de trfico que se originan en el cruce de 2 carreteras.

Nmero de organismos infecciosos propagados en una placa agrica.
Nmero de clulas sanguneas en una muestra de sangre (el espacio es igual al volumen en
centmetros cbicos).
Nmero de rboles infectados por hectrea en un bosque.
Nmero de pasas en una masa por kg.

La ley de los eventos raros establece que el nmero total de eventos seguir una
distribucin de Poisson si un evento puede ocurrir en cualquier punto del tiempo o espacio
bajo observacin pero la probabilidad de ocurrencia en un punto determinado es pequea
(Cameron y Trivedi, 1998). De hecho, tal como indica King (1988) habitualmente se asume
que el mecanismo generador de datos que produce recuento de eventos es, con
independencia de su probabilidad de ocurrencia, Poisson.

3. IMPORTANCIA DE LA DISTRIBUCION DE POISSON:

La distribucin Poisson es la distribucin que corresponde a datos de conteo en la misma
forma en que la Distribucin Normal lo es para los datos continuos. En la distribucin
Poisson se tiene un nico parmetro que es la media m, el cual debe ser siempre positivo.
De esta manera. este nico parmetro determina la distribucin en su totalidad. Por otra

parte, en la Distribucin Normal existen dos parmetros que son la media y la varianza,
las cuales caracterizan la distribucin de probabilidades.
A diferencia de la distribucin multinomial, se asume una distribucin de Poisson cuando
el tamao de muestra n es aleatorio, lo cual lleva a considerar que para todas las celdas
de una tabla de contingencia, los conteos de cada celda ( , 1,2,... nii l = ) son variables
aleatorias independientes con distribucin de Poisson. Es decir, ningn total es fijado
previamente al estudio como s ocurre en el caso de una distribucin multinomial.
Cuando los conteos tienen un lmite superior muy pequeo (por ejemplo, el nmero de
jugadores lesionados en una escuadra de 24 es a lo ms 24), los conteos de muestra a
muestra varan de acuerdo a lo que se conoce como una distribucin binomial. En cambio
cuando el limite superior es muy grande comparado con los valores observados del
conteo (por ejemplo, el numero de lesiones espinales en el Ftbol cada ao), los conteos
tienen una distribucin Poisson.
En todos los casos de una regresin de Poisson los valores de la variable son discretos,
digamos 0,1,2, sin un lmite superior; sesgados hacia la izquierda e intrnsecamente
heterocedsticos, es decir con una varianza que se incrementa paralelamente con la
media.
De esta manera, el modelo de regresin de Poisson tiene un importante papel en el
anlisis de datos de conteos y sus principales caractersticas son: a) proporciona una
descripcin satisfactoria de datos cuya varianza es proporcional a su media, b) es
deducido tericamente de principios elementales sin muchas restricciones y c) los
eventos o conteos ocurren independientemente y aleatoriamente en el tiempo, con una
tasa de ocurrencia constante , el modelo determina el nmero de eventos dentro de un
intervalo especificado.

4. LA DISTRIBUCIN DE PROBABILIDAD POISSON:

La distribucin de Poisson es:

Esta distribucin puede ser obtenida de la siguiente forma: Sea Y una variable aleatoria
con distribucin Binomial con parmetro n y p, dada por
modo que np = m
permanezca
constante, el lmite de la distribucin es una Poisson con parmetro m dado
en la distribucin de Poisson definida anteriormente.
La distribucin de Poisson derivada es:

De esta
se tiene

manera haciendo q m = ln
que:

siendo as (III.3) una distribucin de familia exponencial, entonces

5. APROXIMACIN A LA
DISTRIBUCIN NORMAL:
La distribucin de Poisson tiende a una normal a medida que aumenta su media.
Se puede mostrar (McCullagh y Nelder, 1991) que cuando

La distribucin es visualizada graficando

Ejercicios:
1

6. CONCLUSI
ONES:
- 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".
7.

BIBLIOGRAFIA:
-

http://halweb.uc3m.es/esp/Personal/personas/amalonso/esp/Tema3soluciones
.pdf
- http://dxsp.sergas.es/ApliEdatos/Epidat/Ayuda/4-Ayuda%20Distribuciones
%20de%20probabilidad.pdf
- http://sisbib.unmsm.edu.pe/bibvirtualdata/monografias/basic/figueroa_ag/c
ap3.pdf
- http://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Poisson