Calculadora de distribución de Poisson

La distribución de Poisson es una de las distribuciones de probabilidad discretas más importantes en estadística y matemáticas aplicadas. Nombrada en honor al matemático francés Siméon Denis Poisson, describe la probabilidad de que ocurra un número determinado de eventos en un intervalo fijo de tiempo o espacio cuando esos eventos suceden de forma independiente y con una tasa media constante conocida. La distribución queda completamente caracterizada por un único parámetro, λ (lambda), que representa el número medio de eventos en el intervalo dado. Por ejemplo, si un centro de llamadas recibe una media de 10 llamadas por hora, λ = 10. La probabilidad de recibir exactamente x llamadas en una hora sigue la distribución de Poisson con ese lambda. La función de masa de probabilidad (PMF) de Poisson es: P(X = x) = (e^−λ × λ^x) / x!, donde e ≈ 2.71828 es el número de Euler y x! es el factorial de x. Esta fórmula elegante permite calcular probabilidades exactas para cualquier entero no negativo x. Una propiedad notable de la distribución de Poisson es que su media y su varianza son ambas iguales a λ. Esto significa que la desviación estándar es √λ. A medida que λ aumenta, la distribución se vuelve más simétrica y se aproxima a una distribución normal, un hecho útil para aplicaciones a gran escala. Esta calculadora calcula cinco valores de probabilidad clave: P(X = x) para el conteo exacto, P(X < x) para estrictamente menos eventos, P(X ≤ x) para como máximo x eventos, P(X > x) para estrictamente más eventos y P(X ≥ x) para al menos x eventos. Estas formas acumuladas se obtienen sumando la PMF en el rango correspondiente. La distribución de Poisson se aplica ampliamente en ciencia, ingeniería, finanzas y medicina. Las compañías de seguros la usan para modelar la frecuencia de reclamaciones. Los ingenieros de telecomunicaciones la aplican para analizar tasas de llegada de llamadas y flujos de paquetes de red. Los equipos de control de calidad la usan para modelar el número de defectos por unidad de área. Los epidemiólogos la emplean para modelar tasas de aparición de enfermedades en poblaciones. La distribución también surge como caso límite de la distribución binomial cuando el número de ensayos n es muy grande y la probabilidad de éxito p es muy pequeña, con np = λ. Esta conexión hace que el modelo de Poisson sea útil para modelar eventos raros. Al usar esta calculadora, asegúrate de que los eventos que estás modelando sean realmente independientes y ocurran con una tasa media constante. Si la tasa varía dentro del intervalo —por ejemplo, si el tráfico web es mayor durante el horario laboral—, un modelo de Poisson estándar puede no ser adecuado y podrías necesitar un proceso de Poisson no homogéneo u otra distribución.