Distribucion de poisson

DISTRIBUCIÓN DE POISSON   
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.  
Proceso experimental del que se puede hacer derivar:
    Esta distribución se puede hacer derivar de un proceso experimental de observación en el que tengamos las siguientes características
· Se observa la realización dehechos de cierto tipo durante un cierto periodo de tiempo o a lo largo de un espacio de observación
· Los hechos a observar tienen naturaleza aleatoria; pueden producirse o no de una manera no determinística.
· La probabilidad de que se produzcan un número x de éxitos en un intervalo de amplitud t no depende del origen del intervalo (Aunque, sí de su amplitud)
· La probabilidad de que ocurra unhecho en un intervalo infinitésimo es prácticamente proporcional a la amplitud del intervalo.
· La probabilidad de que se produzcan 2 o más hechos en un intervalo infinitésimo es un infinitésimo de orden superior a dos.
En consecuencia, en un intervalo infinitésimo podrán producirse O ó 1 hecho pero nunca más de uno
· Si en estas circunstancias aleatorizados de forma que la variable aleatoria Xsignifique o designe el "número de hechos que se producen en un intervalo de tiempo o de espacio", la variable X se distribuye con una distribución de parámetro l. Así:           
    El parámetro de la distribución es, en principio, el factor de proporcionalidad para la probabilidad de un hecho en un intervalo infinitésimo. Se le suele designar como parámetro de intensidad, aunque más tardeveremos que se corresponde con el número medio de hechos que cabe esperar que se produzcan en un intervalo unitario (media de la distribución); y que también coincide con la varianza de la distribución.
    Por otro lado es evidente que se trata de un modelo discreto y que el campo de variación de la variable será el conjunto de los números naturales, incluido el cero:    
 
Función de cuantía
Apartir de las hipótesis del proceso, se obtiene una ecuación diferencial de definición del mismo que puede integrarse con facilidad para obtener la función de cuantía de la variable "número de hechos que ocurren en un intervalo unitario de tiempo o espacio”
                                                               Que sería:             ir a programa de cálculo
 
 
 
Cuya representacióngráfica para un modelo de media 11 sería la adjunta.
Obsérvense los valores próximos en la media y su forma parecida a la campana de Gauss, en definitiva, a la distribución normal
 
 
            La función de distribución vendrá dada por: 
Función Generatriz de Momentos
           Su expresión será:           
                                          
                             Dadoque  tendremos que   
                                                       Luego:      
Para la obtención de la media y la varianza aplicaríamos la F.G.M.; derivándola sucesivamente e igualando t a cero.
Así.
                                                     
                             Una vez obtenida la media, obtendríamos la varianza en base a :                                                                          
                                                                       
                                                    
Haciendo t= 0 por lo que = así se observa que media y varianza coinciden con el parámetro del modelo siendo, l
    En cuanto a la moda del modelo tendremos que será el valor de la variable que tenga mayor probabilidad, por tanto si Mo...