Poison Fin

Título: Distribución de Poisson
Autor/es: Daniela Celiz Catunta, Mariela Romero Cosme
FICHA DE IDENTIFICACIÓN DE TRABAJO DE INVESTIGACIÓN
Título
DISTRIBUCIÓN DE POISSON
Nombres y Apellidos Código de estudiantes
Autor/es Daniela Celiz Catunta 201315592

Mariela Romero Cosme 201312909
Fecha 27/06/2019
Carrera Auditoria y Administración de Empresas

Asignatura Estadística II
Grupo
Docente
Periodo Académico II/2019

Subsede Santa cruz de la sierra
Copyright © (AGREGAR AÑO) por (NOMBRES). Todos los derechos reservados.
Asignatura: Estadística II
Carrera: Auditoria y Administración de Empresas Página 1 de 18
RESUMEN:
En teoría de la probabilidad y la estadística, la distribución de Poisson es una distribución de

probabilidad discreta que expresa la probabilidad de que un determinado número de eventos que
ocurren en un intervalo fijo de tiempo y/o espacio si estos eventos se producen con una tasa media
conocida e independientemente del tiempo desde el último evento. La distribución de Poisson
también puede ser utilizado para el número de eventos en otros intervalos especificados tales como
la distancia, área o volumen. La distribución de Poisson se utiliza para describir cierto tipo de
procesos, entre los que se encuentra la distribución de llamadas telefónicas que llegan a un
conmutador, las solicitudes de pacientes que requieren de servicios en una institución de salud, la
llegada de automóviles y camiones a una caseta de cobro y el número de accidentes registrados en
ciertas intersecciones.
Palabras clave: estadística, probabilidad, intervalo.
ABSTRACT:
En la teoría de probabilidades y en las estadísticas, la distribución de Poisson es una distribución de

probabilidad discreta que expresa la probabilidad de que un cierto número de eventos ocurran en un
intervalo fijo de tiempo y / o espacio si estos eventos ocurren con una tasa promedio conocida e
independientemente del tiempo. Desde el último evento. La distribución de Poisson también se puede
usar para el número de eventos en otros intervalos específicos, como la distancia, el área o el volumen.
La distribución de Poisson se utiliza para describir ciertos tipos de procesos, entre los que se
encuentran la distribución de llamadas telefónicas que llegan a un conmutador, las solicitudes de
pacientes que requieren servicios en una institución de salud, la llegada de automóviles y camiones a
una cabina de peaje y el número De accidentes registrados en determinadas intersecciones.
Key words: statistics, probability, interval.
INDICE
1.- INTRODUCCIÓN ............................................................................................................ 4

2.- Cap. 1 Planteamiento del problema .................................................................................. 6
2.1 Formulación Del Problema........................................................................................... 6
2.2 Objetivos....................................................................................................................... 6
2.3 Justificación .................................................................................................................. 7
3.- Cap.2 Marco Teórico......................................................................................................... 7
3.1 Marco Conceptual......................................................................................................... 7
4.-Cap. 3Método ................................................................................................................... 11
4.1 Método Investigación ................................................................................................. 11
4.2 Técnica De Investigación ........................................................................................... 11
5.-Cap. 4 Desarrollo de la investigación .............................................................................. 12
5.1 Aplicaciones de la Variable de Poisson. ..................................................................... 12
5.2 Poisson, características ............................................................................................... 15
5.3 Función de probabilidad y parámetros de Poisson.- ................................................... 16
6.- Cap. 5 Conclusiones ........................................................................................................ 17
7.- Bibliografía ..................................................................................................................... 18
1.- INTRODUCCIÓN
En este trabajo describiremos el uso de la distribución de Poisson para obtener la probabilidad
de ocurrencia de sucesos raros (evento que ocurren con poca frecuencia) cuyo resultado lo
representa una variable discreta.
En teoría de la probabilidad y la estadística, la distribución de Poisson es una distribución de
probabilidad discreta que expresa la probabilidad de que un determinado número de eventos
que ocurren en un intervalo fijo de tiempo y/o espacio si estos eventos se producen con una
tasa media conocida e independientemente del tiempo desde el último evento. La distribución
de Poisson también puede ser utilizado para el número de eventos en otros intervalos
especificados tales como la distancia, área o volumen. La distribución de Poisson se utiliza
para describir cierto tipo de procesos, entre los que se encuentra la distribución de llamadas
telefónicas que llegan a un conmutador, las solicitudes de pacientes que requieren de
servicios en una institución de salud, la llegada de automóviles y camiones a una caseta de
cobro y el número de accidentes registrados en ciertas intersecciones.
El presente Trabajo de investigación se hablará sobre lo que es la distribución de Poisson en
la parte 1 de introducción definiremos y analizaremos qué viene a ser la distribución de
Poisson aplicada en el área de estadística en el capítulo 1 plantearemos un breve
planteamiento del problema para ver la complejidad del tema en la parte 2.1 formularemos
del problema, para luego posteriormente definir un objetivo por el cual realizaremos el
presente Trabajo de investigación en el punto 2.3 justificaremos Cuál es la importancia que
tiene nuestro trabajo investigación, en el capítulo 2 de marco teórico definiremos conceptos
importantes que se hablan en estadística en el tema de distribución de Poisson en el capítulo

3 analizaremos Cuál ha sido el método de recolección de información y las técnicas que
utilizamos al igual que las fuentes de investigación en el capítulo 4 desarrollaremos todo lo
referente a la distribución de Poisson para posteriormente en el capítulo 5 definir Cuáles
serían otras conclusiones finales con el tema de estudio.
2.- Cap. 1 Planteamiento del problema
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.
2.1 Formulación Del Problema
En la actualidad no existen muchas personas y estudiantes que conozcan la verdadera
aplicación de lo que es la distribución de poisson en base a esto se a tomado en cuenta realizar
un estudio mas amplio de lo que es la distribución de poisson en el área de estadistica.
2.2 Objetivos
Objetivo general
Contribuir al avance de la didáctica en Estadística II, Analizar la teoría y la aplicación de la
distribución de poisson a través de la investigación en el departamento de santa cruz de la
sierra.
Objetivos específicos
✓ Analizar el proceso de resolución de problemas de distribución de poisson en el
espacio de estadística y ponerlos en práctica en nuestra universidad.
✓ Describir y caracterizar las definiciones y problemas que se dan en el tema de
“Distribución poisson”
2.3 Justificación
El propósito de la investigación es contribuir a nuestro avance didáctico en Estadística II
poniendo en práctica y aplicando el conocimiento adquirido mediante esta en el aprendizaje
y resolución de problemas en el tema de “Distribución de poison”.
Esta distribución se puede ilustrar del modo siguiente: se tiene una población finita con N
elementos, de los cuales R tienen una determinada característica que se llama “éxito”
(diabetes, obesidad, hábito de fumar, etc.). El número de “éxitos” en una muestra aleatoria
de tamaño n, extraída sin reemplazo de la población, es una variable aleatoria con
distribución poison de parámetros N, R y n.
3.- Cap.2 Marco Teórico

3.1 Marco Conceptual
Estadística: Ciencia que utiliza conjuntos de datos numéricos para obtener, a partir de ellos,
inferencias basadas en el cálculo de probabilidades. Turismo: El conjunto de las acciones que
una persona lleva a cabo mientras viaja y pernocta en un sitio diferente al de su residencia
habitual, por un periodo consecutivo que resulta inferior a un año.
Probabilidad: Propone modelos para los fenómenos aleatorios, es decir, los que se pueden
predecir con certeza, y estudia sus consecuencias lógicas.
Eventos: Un evento es el resultado posible o un grupo de resultados posibles de un
experimento y es la mínima unidad de análisis para efectos de cálculos probabilísticos
Distribución de probabilidad (de una variable aleatoria)
Términos y conceptos estadísticos
Función que da la probabilidad de que una variable aleatoria tome cualquier valor dado o
pertenezca a un conjunto dado de valores.
La Regresión de Poisson: es un tipo especial de Regresión donde la particularidad es que la
variable dependiente se ajusta bien a una distribución Poisson para cualquier combinación
de valores de la variable independiente en una Regresión de Poisson simple o de las variables
independientes en una Regresión de Poisson múltiple.
Existen múltiples tipos de Regresión. La Regresión de Poisson es un caso más entre el amplio
ámbito de tipos de Regresión que se han definido. A lo largo del tiempo se han ido ajustando
nuevos modelos de Regresión con la finalidad de conseguir representar mejor determinadas
relaciones entre las cosas. Este tipo de Regresión es un ejemplo de este progreso de
construcción de modelos matemáticos cada vez más ajustados a la realidad.
3 La distribución de Poisson es una distribución que modeliza bien situaciones de conteo.
Por ejemplo: números de accidentes, número de personas que tienen un infarto, número de
personas que llaman a una centralita de teléfono, etc, siempre todo esto evaluado en unidad
de tiempo determinada.
La distribución de Poisson tiene un único parámetro, la lambda, que coincide con la
Esperanza y la Varianza de la distribución. O sea, es una distribución que cuanto más grande
es el valor esperado más dispersión tienen los valores que puede tomar la variable que se
distribuya así.
La distribución de Poisson toma, pues, valores enteros no negativos: 0, 1, 2, 3, 4, … Una
peculiaridad especial de esta distribución es, como he dicho en el apartado anterior, que su
esperanza y su varianza es la misma. Este es un buen criterio, pues, para comprobar si unos
datos se ajustan a una distribución Poisson. Por ejemplo, la muestra (2, 4, 3, 4, 4, 5, 3, 4, 1,
4, 3, 5) se ajusta bien porque tiene la media muestral y la varianza muestral muy similares.
Sin embargo, la muestra (1, 1, 2, 3, 50, 4, 55, 3) no se ajusta porque tiene una media muestral
mucho más pequeña que la varianza muestral.
En el artículo Funciones de distribución pueden verse algunas peculiaridades de esta función
de distribución: la función matemática, la forma que tiene, algunas peculiaridades y algunas
aplicaciones. Ahora lo que sí nos puede ser útil, para poder entender lo que pretendemos
captar y representar, mediante la Regresión de Poisson, es mostrar el siguiente dibujo de los
cambios que se visualizan en la distribución Poisson cuando el valor de su parámetro.
Poisson, Siméon Denis (1781-1840)
Poisson nació el 27 junio de 1781 en Pithiviers, ciudad en la que su padre había sido destinado
en un modesto puesto administrativo tras combatir como soldado en la guerra de los siete
años. Matemático, astrónomo y físico francés. Fue alumno de Lagrange y Laplace en l’École
Polytechnique, donde comenzó su actividad docente como ayudante de Fourier. Miembro de
la Academia de Ciencias, presidente del Bureau des Longitudes y profesor de mecánica de
la Facultad de Ciencias, para Poisson “la vida es trabajo”. De su esfuerzo continuado a lo
largo de su vida surgieron más de trescientas obras que recogen importantes aportaciones a
la física (elasticidad, magnetismo, calor, capilaridad, mecánica celeste,…) y a la matemática
(teoría de números, probabilidad, series de Fourier).
Su nombre está asociado a un buen número de conceptos relacionados con estas ciencias:
ecuación de Poisson, coeficiente de Poisson, ley de Poisson, paréntesis de Poisson,
distribución de Poisson, integral de Poisson, etc.
Un trabajo importante en probabilidad fue publicado en el año 1837, la distribución de
Poisson recién aparecía.
4.-Cap. 3Método
4.1 Método Investigación
La metodología de la investigación proporciona tanto al estudiante como a los profesionales
una serie de herramientas teórico-prácticas para la solución de problemas mediante el método
científico. Estos conocimientos representan una actividad de racionalización del entorno
académico y profesional fomentando el desarrollo intelectual a través de la investigación
sistemática de la realidad.
4.2 Técnica De Investigación
La técnica utilizada para elaborar la presente monografía de investigación es de tipo
descriptiva ya que solo se describirá de manera teórica todos los conceptos de la distribución
de poisson.
5.-Cap. 4 Desarrollo de la investigación
5.1 Aplicaciones de la Variable de Poisson.
La distribución de Poisson describe la probabilidad como un acontecimiento fortuito ocurrido
en un tiempo o intervalo de espacio bajo las condiciones que la probabilidad de un
acontecimiento ocurre es muy pequeña, pero el número de intentos es muy grande, entonces
el evento actual ocurre algunas veces.
La distribución Poisson es, junto con la distribución binomial, una de las más importantes
distribución de probabilidad para variables discretas, es decir, sólo puede tomar los valores
0, 1, 2, 3, 4,..., k.
La distribución de Poisson se emplea para describir varios procesos, entre otros:
• El número de autos que pasan a través de un cierto punto en una ruta
(suficientemente distantes de los semáforos) durante un periodo definido de tiempo.
• El número de errores de ortografía que uno comete al escribir una única página.
• El número de llamadas telefónicas en una central telefónica por minuto.
• El número de servidores web accedidos por minuto.
• El número de defectos en una longitud específica de una cinta magnética.
• El número de mutaciones de determinada cadena de ADN después de cierta cantidad
de radiación.
• El número de defectos por metro cuadrado de tela.
• El número de estrellas en un determinado volumen de espacio.
Conteos en el tiempo:
✓ Número de accidentes de tráfico en un tramo de cierta carretera en un mes.
✓ Número del registro de partículas de una desintegración radioactiva por segundo.
✓ Número de mutaciones en una población de animales durante 5 años.
Conteos en el espacio:
✓ Número de accidentes de tráfico que se originan en el cruce de 2 carreteras.
✓ Número de organismos infecciosos propagados en una placa agárica.
✓ Número de células sanguíneas en una muestra de sangre (el espacio es igual al
volumen en centímetros cúbicos).
✓ Número de árboles infectados por hectárea en un bosque.
✓ Número de pasas en una masa por kg.
La ley de los eventos raros establece que el número total de eventos seguirá una distribución
de Poisson si un evento puede ocurrir en cualquier punto del tiempo o espacio bajo
observación pero la probabilidad de ocurrencia en un punto determinado es pequeña
(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.
Cada una de estas variables aleatorias representa el número total de ocurrencias de un
fenómeno durante un periodo de tiempo fijo o en una región fija del espacio. Expresa la
probabilidad de un número K de ocurrencias acaecidas en un tiempo fijo, si estos eventos
ocurren con una frecuencia media conocida y son independientes del tiempo discurrido desde
la última ocurrencia o suceso.
La finalidad del presente objeto de aprendizaje, es adquirir la destreza y conocimiento
necesario para la correcta utilización de la distribución de Poisson en el cálculo de
probabilidades.
Para ayudar a su comprensión. Finalmente, destacaremos los conceptos básicos de
aprendizaje con respecto a la distribución de Poisson y sus aplicaciones prácticas.
❖ Identificar las propiedades de una distribución Poisson, así como sus parámetros
característicos, esperanza y varianza.
❖ Estimar el valor promedio, la λ, característico de las variables de Poisson a partir de
la frecuencia o probabilidad de ocurrencia, p, y el número de veces que se presenta
un suceso, n.
• Establecer las bases para el cómputo de las probabilidades para variables Poisson.
5.2 Poisson, características
¿Para qué me puede servir la distribución binomial?
La distribución de Poisson fue desarrollada por Siméon‐Denis Poisson (1781‐1840). Esta
distribución de probabilidades es muy utilizada para situaciones donde los sucesos son
impredecibles o de ocurrencia aleatoria. En general, utilizaremos la distribución de Poisson
como aproximación de experimentos binomiales donde el número de pruebas es muy alto
(𝑛 → ∞ ) pero la probabilidad de éxito muy baja (p → 0).
Se dice que X sigue una distribución de Poisson de parámetro λ y que se obtiene del producto
n x p (que nombraremos a partir de aquí como np, por mayor simplicidad), que se representa
con la siguiente notación:
X ~ Ps (λ)
El número medio (promedio) de eventos en el espacio temporal o región específica de interés,
por lo general esta media se representa por la lambda griega (λ).
El número de resultados que ocurren en un intervalo de tiempo o región específicos es
independiente del número que ocurre en cualquier otro intervalo de tiempo o región.
La probabilidad de que un resultado muy pequeño ocurra en un intervalo de tiempo muy
corto o en una región pequeña es proporcional a la longitud del intervalo de tiempo o al
tamaño de la región.
La probabilidad de que más de un resultado ocurra en un intervalo de tiempo tan corto o en
esa región tan pequeña es inapreciable, que se puede asignar el valor de 0.
5.3 Función de probabilidad y parámetros de Poisson.-
𝑒 −𝜆 𝜆𝑥
; 𝑥 ∈ 𝑁 = {0,1,2,3 … }
𝑥!
𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = {
0 ; 𝑠𝑖 𝑋 ∈ 𝑁
❖ P (x I λ) = la probabilidad de que ocurran X éxitos cuando el número promedio de
ocurrencia de ellos es λ.
❖ λ media o promedio de éxitos por unidad de tiempo, área o producto.𝑒 es la constante
2.7183, base de los logaritmos naturales, en tanto que los valores de 𝑒 - λ pueden
obtenerse de tablas.
❖ X señala un valor específico que la variable pueda tomar (el número de éxitos que
deseamos ocurran)
❖ Por definición, el valor esperado (media en el intervalo o región de interés) de una
distribución de probabilidad de Poisson es igual a la media de la distribución. E(X)
=λ
❖ La varianza del número de eventos de una distribución de probabilidad de Poisson
también es igual a la media de la distribución λ. De este modo, la desviación estándar
es la raíz cuadrada de λ. V(X) = λ σ = √𝜆.
6.- Cap. 5 Conclusiones
✓ La distribución de Poisson describe la probabilidad como un acontecimiento fortuito
ocurrido en un tiempo o intervalo de espacio bajo las condiciones que la probabilidad
de un acontecimiento ocurre es muy pequeña, pero el número de intentos es muy
grande, entonces el evento actual ocurre algunas veces.
✓ La distribución Poisson se utiliza para calcular la probabilidad del número de
llamadas telefónicas manejadas por un conmutador en un intervalo, el número de
partículas radiactivas que decaen en un periodo particular y el número de errores que
comete una secretaria al mecanografiar una página
✓ La distribución de probabilidad de Poisson, como se ha mostrado, tiene que ver con
ciertos procesos que pueden ser descritos por una variable aleatoria discreta.
Generalmente, la letra X representa a esta variable discreta y puede tomar valores (0,
1, 2, 3, 4, 5. etc.). Utilizando la mayúsculas X para representar a la variable aleatoria
y la minúscula x para señalar un valor especifico que dicha variable puede tomar.
7.- Bibliografía
Una o más de las oraciones anteriores incorporan texto de una publicación ahora en el
dominio público : Chisholm, Hugh, ed. (1911). "Poisson, Siméon Denis" . Enciclopedia
Británica . 21 (11ª ed.). Cambridge University Press . pag. 896.
"Catálogo de biblioteca y archivo" . La Royal Society . Consultado el 4 de octubre de 2010
.[ enlace muerto permanente ]
"Libro de miembros, 1780-2010: Capítulo P" (PDF) . Academia Americana de las Artes y
las Ciencias . Consultado el 9 de septiembre de 2016 .
François Arago (1786–1853) atribuyó a Poisson la cita: "La vie n'est bonne qu'à deux
choses: à faire des mathématiques et à les professer". (La vida es buena solo para dos cosas:
hacer matemáticas y enseñarla). Ver: J.-A. Barral, ed., Oeuvres complétes de François
Arago ... , vol. II (París, Francia: Gide et J. Baudry, 1854), página 662 .
Fresnel, AJ (1868), Ediciones completa 1 , París: Imprimerie impériale
Fresnel, AJ (1868), OEuvres Completes 1 , París: Imprimerie impériale, p. 369
Maraldi, GF (1723),"Diverses expèriences d'optique" en Mémoires de l'Académie Royale
des Sciences , Imprimerie impériale, p. 111
O'Connor, John J .; Robertson, Edmund F. , "Siméon Denis Poisson" , archivo de historia
de las matemáticas de MacTutor , Universidad de St Andrews.
Siméon Denis Poisson en el Proyecto Genealogía de Matemáticas

Poison Fin

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Poison Fin

Transféré par

Droits d'auteur :

Formats disponibles

Título: Distribución de Poisson

Autor/es: Daniela Celiz Catunta, Mariela Romero Cosme

FICHA DE IDENTIFICACIÓN DE TRABAJO DE INVESTIGACIÓN

Autor/es Daniela Celiz Catunta 201315592

Carrera Auditoria y Administración de Empresas

Periodo Académico II/2019

En teoría de la probabilidad y la estadística, la distribución de Poisson es una distribución de

Palabras clave: estadística, probabilidad, intervalo.

En la teoría de probabilidades y en las estadísticas, la distribución de Poisson es una distribución de

Key words: statistics, probability, interval.

1.- INTRODUCCIÓN ............................................................................................................ 4

En este trabajo describiremos el uso de la distribución de Poisson para obtener la probabilidad

representa una variable discreta.

En teoría de la probabilidad y la estadística, la distribución de Poisson es una distribución de

probabilidad discreta que expresa la probabilidad de que un determinado número de eventos

especificados tales como la distancia, área o volumen. La distribución de Poisson se utiliza

telefónicas que llegan a un conmutador, las solicitudes de pacientes que requieren de

servicios en una institución de salud, la llegada de automóviles y camiones a una caseta de

cobro y el número de accidentes registrados en ciertas intersecciones.

El presente Trabajo de investigación se hablará sobre lo que es la distribución de Poisson en

la parte 1 de introducción definiremos y analizaremos qué viene a ser la distribución de

Poisson aplicada en el área de estadística en el capítulo 1 plantearemos un breve

presente Trabajo de investigación en el punto 2.3 justificaremos Cuál es la importancia que

tiene nuestro trabajo investigación, en el capítulo 2 de marco teórico definiremos conceptos

importantes que se hablan en estadística en el tema de distribución de Poisson en el capítulo

3 analizaremos Cuál ha sido el método de recolección de información y las técnicas que

utilizamos al igual que las fuentes de investigación en el capítulo 4 desarrollaremos todo lo

referente a la distribución de Poisson para posteriormente en el capítulo 5 definir Cuáles

serían otras conclusiones finales con el tema de estudio.

2.- Cap. 1 Planteamiento del problema

principales aplicaciones hacen referencia a la modelización de situaciones en las que nos

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.

2.1 Formulación Del Problema

En la actualidad no existen muchas personas y estudiantes que conozcan la verdadera

aplicación de lo que es la distribución de poisson en base a esto se a tomado en cuenta realizar

un estudio mas amplio de lo que es la distribución de poisson en el área de estadistica.

Contribuir al avance de la didáctica en Estadística II, Analizar la teoría y la aplicación de la

distribución de poisson a través de la investigación en el departamento de santa cruz de la

✓ Analizar el proceso de resolución de problemas de distribución de poisson en el

espacio de estadística y ponerlos en práctica en nuestra universidad.

✓ Describir y caracterizar las definiciones y problemas que se dan en el tema de

El propósito de la investigación es contribuir a nuestro avance didáctico en Estadística II

poniendo en práctica y aplicando el conocimiento adquirido mediante esta en el aprendizaje

y resolución de problemas en el tema de “Distribución de poison”.

de tamaño n, extraída sin reemplazo de la población, es una variable aleatoria con

distribución poison de parámetros N, R y n.

3.- Cap.2 Marco Teórico

experimento y es la mínima unidad de análisis para efectos de cálculos probabilísticos

Distribución de probabilidad (de una variable aleatoria)

Términos y conceptos estadísticos

pertenezca a un conjunto dado de valores.

La Regresión de Poisson: es un tipo especial de Regresión donde la particularidad es que la

de valores de la variable independiente en una Regresión de Poisson simple o de las variables

independientes en una Regresión de Poisson múltiple.

nuevos modelos de Regresión con la finalidad de conseguir representar mejor determinadas

construcción de modelos matemáticos cada vez más ajustados a la realidad.

3 La distribución de Poisson es una distribución que modeliza bien situaciones de conteo.

La distribución de Poisson tiene un único parámetro, la lambda, que coincide con la

La distribución de Poisson toma, pues, valores enteros no negativos: 0, 1, 2, 3, 4, … Una

datos se ajustan a una distribución Poisson. Por ejemplo, la muestra (2, 4, 3, 4, 4, 5, 3, 4, 1,

mucho más pequeña que la varianza muestral.

En el artículo Funciones de distribución pueden verse algunas peculiaridades de esta función