UNIVERSIDAD CATOLICA BOLIVIANA SAN

PABLO

PRACTICA

Segundo Parcial

POISSON

ESTUDIANTE: Juan Carlos Torrez Machicado

MATERIA: Simulacin

DOCENTE: Juan Carlos Flores

SEMESTRE 1-2017

FECHA: 28/04/2017

LA PAZ BOLIVIA
 POISSON
Esta distribucin es una de las ms importantes distribuciones de variable discreta. Sus principales
aplicaciones hacen referencia a la modelizacin de situaciones en las que nos interesa determinar
el nmero 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 consideracin lmite de procesos dicotmicos reiterados un gran nmero de veces
si la probabilidad de obtener un xito es muy pequea .

Proceso experimental del que se puede hacer derivar

Esta distribucin se puede hacer derivar de un proceso experimental de observacin en el que

tengamos las siguientes caractersticas

Se observa la realizacin de hechos de cierto tipo durante un cierto periodo de tiempo o a lo largo
de un espacio de observacin

Los hechos a observar tienen naturaleza aleatoria ; pueden producirse o no de una manera no
determinstica.

La probabilidad de que se produzcan un nmero x de xitos en un intervalo de amplitud t no

depende del origen del intervalo (Aunque, s de su amplitud)

La probabilidad de que ocurra un hecho en un intervalo infinitsimo es prcticamente

proporcional a la amplitud del intervalo.

La probabilidad de que se produzcan 2 o ms hechos en un intervalo infinitsimo es un

infinitsimo de orden superior a dos.

En consecuencia, en un intervalo infinitsimo podrn producirse O 1 hecho pero nunca ms de

uno

Si en estas circunstancias aleatorizamos de forma que la variable aleatoria X signifique o designe

el "nmero de hechos que se producen en un intervalo de tiempo o de espacio", la variable X se
distribuye con una distribucin de parmetro l . As :

El parmetro de la distribucin es, en principio, el factor de proporcionalidad para la

probabilidad de un hecho en un intervalo infinitsimo. Se le suele designar como parmetro de
intensidad , aunque ms tarde veremos que se corresponde con el nmero medio de hechos que
cabe esperar que se produzcan en un intervalo unitario (media de la distribucin); y que tambin
coincide con la varianza de la distribucin.
SCRIPT
-log(dpois(0:7, lambda=1) * gamma(1+ 0:7)) # == 1
Ni <- rpois(50, lam= 4); table(factor(Ni, 0:max(Ni)))

1 - ppois(10*(15:25), lambda=100) # becomes 0 (cancellation)

ppois(10*(15:25), lambda=100, lower=FALSE) # no cancellation

par(mfrow = c(2, 1))

x <- seq(-0.01, 5, 0.01)
plot(x, ppois(x, 1), type="s", ylab="F(x)", main="Poisson(1) CDF")
plot(x, pbinom(x, 100, 0.01),type="s", ylab="F(x)",
main="Binomial(100, 0.01) CDF")
RESULTADO DEL SCRIPT