UNIVERSIDAD PARTICULAR DE CHICLAYO

FACULTAD DE MEDICINA
ESCUELA PROFESIONAL DE MEDICINA HUMANA
DEPARTAMENTO ACADEMICO DE CIENCIAS BÁSICAS
ESTADISTICA MÉDICA

I. MARCO TEORICO:

 ¿Qué es una distribución de Poisson?

La distribución de Poisson es definida por un parámetro: lambda (λ). Este parámetro

es igual a la media y la varianza. A medida que lambda aumenta, la distribución de
Poisson se acerca a una distribución normal.

Utilice la distribución de Poisson para describir el número de veces que un evento

ocurre en un espacio finito de observación. Por ejemplo, una distribución de
Poisson puede describir el número de defectos en el sistema mecánico de un avión
o el número de llamadas a un centro de llamadas. La distribución de Poisson se
utiliza con frecuencia en el control de calidad, los estudios de
fiabilidad/supervivencia y los seguros.

Una variable sigue una distribución de Poisson si se cumplen las siguientes

condiciones:

 Los datos son conteos de eventos (enteros no negativos, sin límite superior).
 Todos los eventos son independientes.
 La tasa promedio no cambia durante el período de interés.

Lambda 3 Lambda 10
 UNIVERSIDAD PARTICULAR DE CHICLAYO
FACULTAD DE MEDICINA
ESCUELA PROFESIONAL DE MEDICINA HUMANA
DEPARTAMENTO ACADEMICO DE CIENCIAS BÁSICAS
ESTADISTICA MÉDICA

 ¿Qué es una tasa de ocurrencia?

La tasa de ocurrencia es igual a la media (λ) dividida entre la dimensión del

espacio de observación. Es útil para comparar conteos de Poisson recolectados
en diferentes espacios de observación. Por ejemplo, la central telefónica A recibe
50 llamadas telefónicas en 5 horas y la central telefónica B recibe 80 llamadas en
10 horas. Usted no puede comparar directamente estos valores, porque sus
espacios de observación son diferentes. Debe calcular la tasa de ocurrencia para
comparar estos conteos. La tasa de la central telefónica A es (50 llamadas / 5
horas) = 10 llamadas/hora. La tasa de la central telefónica B es (80 llamadas / 10
horas) = 8 llamadas/hora.

Diferencias entre la distribución de Poisson y la distribución binomial

La distribución de Poisson es similar a la distribución binomial porque ambas

modelan conteos de eventos. Sin embargo, dentro de su espacio de observación
finito, la distribución de Poisson no establece un límite superior a este conteo: una
central telefónica podría recibir un número infinito de llamadas en un día y no
violar los requisitos de la distribución de Poisson. En cambio, la distribución
binomial establece un límite superior en el conteo: el número de eventos que
usted observa no puede exceder el número de ensayos que realiza.

La distribución de poisson describe la probabilidad con un acontecimiento fortuito

en un tiempo o intervalo de espacios bajo las condiciones que la probabilidad de un
acontecimiento ocurre es muy pequeña, pero el número de probabilidades es muy
grande, entonces el evento actual ocurre algunas veces.

La probabilidad de obtener x éxitos en un intervalo continuo

 Distribución de las llamadas telefónicas que llegan a un conmutador

 La demanda de servicios en un hospital por parte de los pacientes
 El número de accidentes en un cruce
 El número de defectos en una tela por m2
 UNIVERSIDAD PARTICULAR DE CHICLAYO
FACULTAD DE MEDICINA
ESCUELA PROFESIONAL DE MEDICINA HUMANA
DEPARTAMENTO ACADEMICO DE CIENCIAS BÁSICAS
ESTADISTICA MÉDICA

 El número de bacterias por cm2

Características

 El número medio (promedio) de eventos en el espacio temporal o región

especifica de interés por lo general esta media se representa por la lambda
griega.
 El números 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 más de un resultado ocurra en un intervalo de tiempo
tan corto en esa región tan pequeña es inapreciable, que se puede asignar
el valor de 0

 ¿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).

Características

Se dice que X sigue una distribución de Poisson de parámetro λ y que se obtiene

del producto n*p (que nombraremos a partir de aquí como np, por mayor
simplicidad), que se representa con la siguiente notación: X ~ Ps (λ) La distribución
de Poisson se caracteriza por las siguientes propiedades: 9 Sea una población de
tamaño ∞. 9 Sea una muestra de tamaño n bastante elevado (se suele hablar de
que tiende a ∞) 9 Los sucesos son independientes entre si. 9 Sea A un suceso que
tiene una probabilidad p de suceder durante un periodo de tiempo, siendo esta
probabilidad de ocurrencia durante un periodo de tiempo concreto muy pequeña
(se suele hablar de que tiende a 0).
 UNIVERSIDAD PARTICULAR DE CHICLAYO
FACULTAD DE MEDICINA
ESCUELA PROFESIONAL DE MEDICINA HUMANA
DEPARTAMENTO ACADEMICO DE CIENCIAS BÁSICAS
ESTADISTICA MÉDICA

El producto n*p, tiende a aproximarse a un valor promedio o número medio, al que

llamaremos λ. Por ejemplo, promedio de llamadas recibidas en una centralita por
minuto o número medio de accidentes producidos en una carretera durante el fin
de semana. 9 X: número de individuos de la muestra que cumplen A. 9 El conjunto
de posibles valores de A es, E = {0,1,2,3,4....}