Distribución de Poisson

• Suponiendo una velocidad de decaimiento de 0.01

decaimientos/s.
• Tendremos un promedio de 1 decaimiento cada 100 segundos.
• Si medimos durante 100 s el número de decaimientos:
– Algunas veces mediremos 0
– Otras 1 ó 2
– Raras veces 3 o más
• ¿Cuál es la probabilidad de tener x decaimientos en 100
segundos?

RESPUESTA: usar la distribución de Poisson para encontrar

la respuesta. CALCULAR AL FINAL para x = 0, 1 y 2
 Distribución de Poisson

Esta distribución fue derivada por el matemático

francés Siméon Denis Poisson (1781-1840) y publicada
junto con su teoría de probabilidades en 1938 en el
trabajo: Recherches sur la probabilité des jugements en
matières criminelles et matière civile

La primera aplicación de la distribución de Poisson

fue en la descripción de el número de muertes por
pateaduras de caballos en la armada Prusiana en el
siglo XIX (en un período de 20 años) por Ladislaus
Bortkiewicz in 1898.
 Distribución de Poisson

La distribución binomial
Es la distribución fundamental gobernando eventos aleatorios. Las otras
distribuciones de frecuencia pueden deducirse de está.
Fue la primera distribución de probabilidades enunciada teoricamente.
Bernoulli, siglo XVIII :

Si p es la probabilidad de que ocurra un evento,

1 experimento.
q = 1- p es la probabilidad de que no ocurra.

Z experimentos. Cual es la probabilidad de que el evento ocurra x

veces?
 Distribución de Poisson

La distribución binomial
Es la distribución fundamental gobernando eventos aleatorios. Las otras
distribuciones de frecuencia pueden deducirse de está.
Fue la primera distribución de probabilidades enunciada teoricamente.
Bernoulli, siglo XVIII :

Si p es la probabilidad de que ocurra un evento,

1 experimento.
q = 1- p es la probabilidad de que no ocurra.

z experimentos. Cual es la probabilidad Px

de que el evento ocurra x veces?
 Distribución de Poisson

z −1 z −1
( p + q ) = p + zp
z z
q + ... + zpq + q =1
z

Px (probabilidad que el evento ocurra x veces) será el término del

desarrollo del binomio en el cual p está elevado a la x.

z! x z−x z!
Px = p q = p x (1 − p ) z − x
( z − x)! x! ( z − x)! x!

Si tiramos tres dados, cuál es la probabilidad de que no salga un seis?

 Distribución de Poisson

z −1 z −1
( p + q ) = p + zp
z z
q + ... + zpq + q =1
z

z! x z−x z!
Px = p q = p x (1 − p ) z − x
( z − x)! x! ( z − x)! x!

Si tiramos tres dados, cuál es la probabilidad de que NO salga un

seis?

0 3 z= 3
3! ⎛ 1 ⎞ ⎛ 5 ⎞ 125
P0 = ⎜ ⎟ ⎜ ⎟ = = 0.58 x=0
(3 − 0)!0! ⎝ 6 ⎠ ⎝ 6 ⎠ 216
p= 1/6
p= probabilidad
Probabilidad que el 6 salga cero
que salga el seis
veces (que no salga)
en un exp.
 Distribución de Poisson

La distribución Normal
Es la aproximación analítica a la distribución binomial , cuando z es muy
grande y la variable observada no es un entero.
La distribución normal se aplica al caso donde la variable observada puede
variar continuamente, por ejemplo, distancia entre dos líneas espectrales.
La distribución de Poisson se aplica al caso de variables discontinuas, como el
conteo de partículas.

Para z grande y valor medio constante m=pz ,

La probabilidad dPx de que x este entre x y x + dx , es:

( x−m)2
1 −
dP x = e 2σ 2
dx σ es la desviación standard
σ 2π
 Distribución de Poisson

La distribución de Poisson,
Describe todo proceso aleatorio cuya probabilidad de ocurrencia es pequeña y
constante y cuando la variable es discreta.
Esta distribución se aplica esencialmente todas las observaciones hechas en
Física Nuclear experimental.
La deduciremos a partir de la distribución binomial:
m = numero de eventos
p << 1 z >> 1 pz = m promedio
z= número de
m << z x << z experimentos
p= probabilidad que el
z!
Px = p x (1 − p ) z − x evento ocurra en un
( z − x)! x! experimento
 Distribución de Poisson

p << 1 z >> 1 pz = m m << z x << z

z! Fórmula de Stirling
z−x
Px = p (1 − p )
x
ln n!= n ln n − n
( z − x)! x!
z!
y= ≈?
( z − x)!

ln y = z ln z − z − ( z − x) ln( z − x) + ( z − x)
ln y ≈ x ln z y≈z x
 Distribución de Poisson

p << 1 z >> 1 pz = m m << z x << z

z! z−x
Px = p (1 − p )
x

( z − x)! x!
z−x
y = (1 − p ) ≈?

ln y = ( z − x) ln(1 − p )

ln y ≈ − zp − zp
y≈e
 Distribución de Poisson

p << 1 z >> 1 pz = m m << z x << z

x x − zp
z! z−x z p e
Px = p (1 − p ) ≈
x

( z − x)! x! x!

m x e −m
Px =
x!
 Distribución de Poisson

m x e −m Esta expresión puede obtenerse a partir

Px = de primeros principios.
x!
Las condiciones necesarias y suficientes son:

ƒ Todos los átomos son idénticos. La probabilidad de desintegración en

un dado intervalo de tiempo es la misma para todos átomos.
ƒ Los átomos son independientes. La desintegración de uno en un dado
intervalo no altera la chance de desintegrarse que otro tiene.
ƒ La probabilidad de desintegración de un átomo es la misma para todo
intervalo de tiempo de igual duración (λ =cte y τ >> τobs).
ƒ El número total de átomos es grande y el número total de intervalos de
tiempo es grande ( promedio estadístico significante).
 Distribución de Poisson

También la podemos escribir así:

(at ) x e − at Si a es el número promedio de

Px = eventos por unidad de tiempo
x! (entonces at = m).

La distribución de Poisson depende de un único parámetro (m) . Esto

contrasta con la distribución normal .

La desviación standard es la raíz cuadrada del

valor medio de las desviaciones cuadráticas:
∞
σ= ∑ x
P
x =1
( x − m ) 2
= m
m=3
m=4
m=5
m=6
m=10
 Distribución de Poisson

Características:
• Se aplica en casos donde los eventos son aleatorios e independientes
de otros eventos.
• y cuando la probabilidad de ocurrencia es pequeña (p pequeño) y el
número de “muestras” u observaciones es grande (z grande).
•Es asimétrica (no hay eventos negativos)
• Es discreta (la variable puede tomar valores discretos), no tenemos
un continuo de valores como puede suceder cuando hacemos una
medida.
• Describe resultados de experimentos donde se “cuenta”
Se tiene que cumplir que:
p < 0.10
p * z < 10
 Distribución de Poisson

x − at ∞
(at ) e σ= ∑ x − 2
= m
Px = P
x =1
( x m )
x!
Un detector cuenta 25.456 impactos en una hora. Suponiendo que los
procesos involucrados satisfacen las condiciones enunciadas al
establecer las expresiones encontradas.
Multiple Choice!
En medidas de 1 hora, Cuál
es la media de cuentas por
segundo y con que error ?

n = 7,1 ± 0.04 Cual es la probabilidad

(aproximada) de detectar 7 cuentas
n = 2.6 ± 0.2 en 2 segundos?
n = 7,1 ± 2,6
HACER!!
n = 9.7 ± 3.0
 Distribución
Efecto Compton
de Poisson

HV

Detector
Detector Amplificador SCA MS

Multi-escalímetro:
Pulsos de
tensión entre Emite un pulso Cuanta pulsos lógicos
0 y 10 V lógico cada vez durante un intervalo de
que llega del tiempo Δt y los almacena
ampl. Un puso en un canal, vuelve a
con tensión contar y el resultado lo
entre V y V+ΔV vuelca en el canal
siguiente, y así siguiendo
 Distribución de Poisson
14

11

7
Cuentas

0 0

1000 2000 3000 4000

Número de canal
 Distribución de Poisson

1000
Experimental
Roja: Distribución de Poisson
800

600
Repeticiones

400

200

0
0 2 4 6 8 10 12
Cuentas

x −m
m e
Px =
x!