Simon Denis Poisson

Simon Denis Poisson

Simon Denis Poisson (1781-1840)

21 de junio de 1781
Nacimiento
Pithiviers, Loiret
25 de abril de 1840 (edad 58
Fallecimiento aos)
Sceaux (Altos del Sena)
Residencia
Nacionalidad
Campo Matemtica
cole Polytechnique
Bureau desLongitudes
Instituciones
Facult desSciences
cole deSaint-Cyr
Alma mter cole Polytechnique
Joseph Louis Lagrange
Supervisor doctoral
Pierre-Simon Laplace
Michel Chasles
Estudiantes Lejeune Dirichlet
destacados Joseph Liouville
Nicolas Lonard Sadi Carnot
Conocido por Proceso de Poisson
Ecuacin de Poisson
Kernel de Poisson
 Distribucin de Poisson
Regresin de Poisson
Frmula sumatoria de Poisson
Punto de Arago
Coeficiente de Poisson
Nmero ms probable
Distribucin Conway
MaxwellPoisson
Ecuacin EulerPoisson
Darboux

Simon Denis Poisson (Pithiviers, Francia, 21 de junio de 1781 - Sceaux (Altos del
Sena), Francia, 25 de abril de 1840), fue un fsico y matemtico francs al que se le
conoce por sus diferentes trabajos en el campo de la electricidad, tambin hizo
publicaciones sobre la geometra diferencial y la teora de probabilidades.

La primera memoria de Poisson sobre la electricidad fue en 1812, en que intent

calcular matemticamente la distribucin de las cargas elctricas sobre la superficie de
los conductores, y en 1824, tambin demostr que estas mismas formulaciones podan
aplicarse de igual forma al magnetismo.

El trabajo ms importante de Poisson fue una serie de escritos de las integrales

definidas, y cuando tan solo tena 18 aos, escribi una memoria de diferencias finitas.

Poisson enseaba en la escuela Politcnica desde el ao 1802 hasta 1808, en que lleg a
ser un astrnomo del Bureau des Longitudes. En el campo de la astronoma estuvo
fundamentalmente interesado en el movimiento de la Luna.

En 1809 fue nominado como profesor de matemtica pura en la nuevamente abierta

facultad de ciencias.

En 1837 public en Rerecherchs sur la probabilite des jugements, un trabajo

importante en la probabilidad, en el cual 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 pequea, pero el
nmero de intentos es muy grande, entonces el evento ocurre algunas veces.

Durante toda su vida public entre 300 y 400 trabajos matemticos incluyendo
aplicaciones a la electricidad, el magnetismo y la astronoma.

Proceso de Poisson
Saltar a: navegacin, bsqueda
Este artculo o seccin necesita una revisin de ortografa y gramtica.
Puedes colaborar editndolo (lee aqu sugerencias para mejorar tu ortografa). Cuando est
corregido, borra este aviso, por favor.
Puedes ayudarte del corrector ortogrfico, activndolo en: Mis preferencias Accesorios
 Navegacin El corrector ortogrfico resalta errores ortogrficos con un fondo rojo.
Este artculo o seccin necesita referencias que aparezcan en una publicacin
acreditada, como revistas especializadas, monografas, prensa diaria o pginas
de Internet fidedignas.
Puedes aadirlas as o avisar al autor principal del artculo en su pgina de discusin
pegando: {{subst:Aviso referencias|Proceso de Poisson}} ~~~~

En estadstica y simulacin un Proceso de Poisson (tambin conocido como "Ley de

los sucesos raros") llamado as por el matemtico Simon Denis Poisson (17811840)
es un proceso estocstico de tiempo continuo que consiste en "contar" eventos raros (de
ah el nombre "ley de los eventos raros") que ocurren a lo largo del tiempo.

ndice
1 Definicin.
2 Interpretacin intuitiva
3 Propiedades
4 Aplicacin en seguros
5 Procesos de Poisson no homogneos
6 Aplicaciones

Definicin.

Un proceso Poisson con intensidad (o tasa) es un proceso de contar en tiempo

continuo , donde es una coleccin de variables aleatorias con las
siguientes propiedades:

1. .

2. Si entonces .

3. Para todo y , las variables aleatorias

, son independientes

4. Para toda y y tienen la misma distribucin.

5. .

6. .

Donde o(h) es una funcin tal que:

Interpretacin intuitiva

es el nmero de eventos que se han producido desde el instante cero hasta el instante
. Como en cualquier proceso estocstico, en el instante cero es una variable aleatoria;
pero, despus del instante es un dato.

Propiedades

A partir de la definicin es posible demostrar que:

Las variables aleatorias tienen distribucin Poisson con parmetro

Si denota el tiempo transcurrido desde el (k-1)-simo evento hasta el k-
simo, entonces es una variable aleatoria con distribucin exponencial y
parmetro
Si denota el tiempo transcurrido desde el inicio del conteo hasta el n-simo
evento, entonces tiene distribucin Gamma con parmetros

Aplicacin en seguros

Una importante aplicacin del proceso Poisson se encuentra en la probabilidad de ruina

de una compaa aseguradora. El problema fue tratado formalmente por Filip Lundberg
en su tesis doctoral en 1903. Posteriormente Crmer desarrolla las ideas de Lundberg y
da lugar a lo que hoy se conoce como el Proceso de Ruina o Modelo de Crmer-
Lundberg.

Procesos de Poisson no homogneos

A menudo son ms realistas los modelos basados en procesos de Poisson no

homogneos, en los que la tasa de llegadas es una funcin del parmetro de tiempo, (t).
Formalmente esto significa que un Proceso de Poisson no homogneo es un proceso de
contar que satisface:

1.

2. Los incrementos en intervalos ajenos son independientes.

3.

4.

Los tres mtodos ms conocidos de generacin de un proceso de Poisson no homogneo

de este tipo se basan en la modificacin de la escala de tiempo, en el condicionamiento
y en una adaptacin del mtodo de rechazo.

Para procesos homogneos hay una densidad media . Eso significa que la media de los
sucesos en un intervalo de tiempo es .
El tiempo entre dos sucesos de un proceso de Poisson con intensidad media es una
variable aleatoria de distribucin exponencial con parmetro .

Aplicaciones

Se pueden modelar muchos fenmenos como un proceso de Poisson. El nmero de

sucesos en un intervalo de tiempo dado es una variable aleatoria de distribucin de
Poisson donde es la media de nmeros de sucesos en este intervalo. El tiempo hasta
que ocurre el suceso nmero en un Proceso de Poisson de intensidad es una variable
aleatoria con distribucin gamma o (lo mismo) con distribucin de Erlang con
.

Otras aplicaciones:

La cantidad de clientes que entran a una tienda.

El nmero de coches que pasan por una autopista.
La llegada de personas a una fila de espera.
El nmero de llamadas que llegan a una central telefnica.
Partculas emitidas por un material radiactivo.