Distribucin de Poisson

En teora de probabilidad y estadstica, la distribucin de Poisson es una distribucin de

probabilidad discreta que expresa, a partir de una frecuencia de ocurrencia media, la
probabilidad que ocurra un determinado nmero de eventos durante cierto periodo de
tiempo.
La distribucin de Poisson se aplica a varios fenmenos discretos de la naturaleza (esto es,
aquellos fenmenos que ocurren 0, 1, 2, 3,... veces durante un periodo definido de tiempo o
en un rea determinada) cuando la probabilidad de ocurrencia del fenmeno es constante en
el tiempo o el espacio. Ejemplos de estos eventos que pueden ser modelados por la
distribucin de Poisson incluyen:
El nmero de autos que pasan a travs de un cierto punto en una ruta (suficientemente
distantes de los semforos) durante un periodo definido de tiempo.
El nmero de errores de ortografa que uno comete al escribir una nica pgina. El nmero de
llamadas telefnicas en una central telefnica por minuto. El nmero de servidores web
accedidos por minuto. El nmero de animales muertos encontrados por unidad de longitud de
ruta. El nmero de mutaciones de determinada cadena de ADN despus de cierta cantidad de
radiacin. El nmero de ncleos atmicos inestables que decayeron en un determinado
perodo El nmero de estrellas en un determinado volumen de espacio. La distribucin de
receptores visuales en la retina del ojo humano.
Se trata de un modelo discreto, pero en el que el conjunto de valores con probabilidad no
nula no es finito, sino numerable.
Propiedades del modelo de Poisson
1) Esperanza: E(X) = .
2) Varianza: V(X) = .
En esta distribucin la esperanza y la varianza coinciden.
3) La suma de dos variables aleatorias independientes con distribucin de Poisson resulta en
una nueva variable aleatoria, tambin con distribucin de Poisson, de parmetro igual a la
suma de parmetros:
X1 ~ P( = 1) y X2 ~ P( = 2) y definimos Z = X1 + X2, entonces,

En estadstica la esperanza matemtica (tambin llamada esperanza, valor esperado,
media poblacional o media) de una variable aleatoria , es el nmero que formaliza la idea de
valor medio de un fenmeno aleatorio.
Cuando la variable aleatoria es discreta, la esperanza es igual a la suma de la probabilidad de
cada posible suceso aleatorio multiplicado por el valor de dicho suceso. Por lo tanto,
representa la cantidad media que se "espera" como resultado de un experimento aleatorio
cuando la probabilidad de cada suceso se mantiene constante y el experimento se repite un
elevado nmero de veces. Cabe decir que el valor que toma la esperanza matemtica en
algunos casos puede no ser "esperado" en el sentido ms general de la palabra - el valor de la
esperanza puede ser improbable o incluso imposible.

En teora de probabilidad, la varianza (que suele representarse como ) de una variable
aleatoria es una medida de dispersin definida como la esperanza del cuadrado de la
desviacin de dicha variable respecto a su media.
Est medida en unidades distintas de las de la variable. Por ejemplo, si la variable mide una
distancia en metros, la varianza se expresa en metros al cuadrado. La desviacin estndar, es
la raz cuadrada de la varianza, es una medida de dispersin alternativa expresada en las
mismas unidades de los datos de la variable objeto de estudio. La varianza tiene como valor
mnimo 0.
Hay que tener en cuenta que la varianza puede verse muy influida por los valores atpicos y
no se aconseja su uso cuando las distribuciones de las variables aleatorias tienen colas
pesadas. En tales casos se recomienda el uso de otras medidas de dispersin ms robustas.
Distribucin normal
En estadstica y probabilidad se llama distribucin normal, distribucin de Gauss o
distribucin gaussiana, a una de las distribuciones de probabilidad de variable continua que
con ms frecuencia aparece aproximada en fenmenos reales.
La grfica de su funcin de densidad tiene una forma acampanada y es simtrica respecto
de un determinado parmetro estadstico. Esta curva se conoce como campana de Gauss y es
el grfico de una funcin gaussiana.
La importancia de esta distribucin radica en que permite modelar numerosos fenmenos
naturales, sociales y psicolgicos. Mientras que los mecanismos que subyacen a gran parte de
este tipo de fenmenos son desconocidos, por la enorme cantidad de variables incontrolables
que en ellos intervienen, el uso del modelo normal puede justificarse asumiendo que cada
observacin se obtiene como la suma de unas pocas causas independientes.
De hecho, la estadstica es un modelo matemtico que slo permite describir un fenmeno,
sin explicacin alguna. Para la explicacin causal es preciso el diseo experimental, de ah que
al uso de la estadstica en psicologa y sociologa sea conocido como mtodo correlacional.
La distribucin normal tambin es importante por su relacin con la estimacin por
mnimos cuadrados, uno de los mtodos de estimacin ms simples y antiguos.
Algunos ejemplos de variables asociadas a fenmenos naturales que siguen el modelo de la
normal son: caracteres morfolgicos de individuos como la estatura; caracteres fisiolgicos
como el efecto de un frmaco; caracteres sociolgicos como el consumo de cierto producto
por un mismo grupo de individuos; caracteres psicolgicos como el cociente intelectual; nivel
de ruido en telecomunicaciones; errores cometidos al medir ciertas magnitudes; etc.
Este modelo de probabilidad, conocido como distribucin normal o de Gauss,
Chi-cuadrado
La denominada Distribucin Chi Cuadrado (que usualmente se escribe y se lee como: Ji
Cuadrado), es una distribucin cuadrtica de la probabilidad que utiliza bsicamente variables
aleatorias continuas. La Distribucin Chi Cuadrado de la probabilidad se denota mediante la
letra griega minscula ji elevada al cuadrado (2), y consiste en establecer un espacio continuo
delimitado por la suma de los cuadrados de n variables aleatorias que son independientes
entre s, espacio dentro del cual la variable X puede asumir cualquiera de los infinitos valores
que lo conforman, y por tanto para establecer el valor aproximado de una variable X dentro de
ese espacio se procede a incluir una estimacin de sus posibles lmites que estn dados por los
distintos Grados de Libertad que pueden existir entre las variables aleatorias analizadas que
dan origen al referido espacio. En otras palabras, la Distribucin Chi Cuadrado en un
delimitado espacio conjuga un determinado nmero de variables aleatorias independientes
entre s, con unos valores de probabilidad ubicados entre 1 y 0 que son atribuibles a esas
variables, y con unos lmites de la probabilidad para el verdadero valor de X delimitados por los
Grados de Libertad atribuibles a las variables aleatorias analizadas.
La Distribucin Chi Cuadrado permite calcular la probabilidad existente para que una
variable X, que tiene un determinado Grado de Libertad frente a otras variables del mismo
conjunto, permanezca dentro de unos lmites ideales previstos para X cuando tiene ese
especfico Grado de Libertad o independencia. En otras palabras, la Distribucin Chi Cuadrado
suministra un modelo ideal sobre los lmites probables que deberan regir las fluctuaciones en
la aparicin de un determinado valor aleatorio X dependiendo del Grado de Libertad que tiene
ese valor frente a otras variables similares dentro de un conjunto de datos analizados. La
frmula matemtica para calcular la probabilidad de que una variable X permanezca dentro
del lmite ideal correspondiente al respectivo Grado de Libertad es la siguiente:
En realidad la distribucin ji-cuadrada es la distribucin muestral de s2, es decir que si se
extraen todas las muestras posibles de una poblacin normal y a cada muestra se le calcula su
varianza, se obtendr la distribucin muestral de varianzas. Para estimar la varianza
poblacional o la desviacin estndar, se necesita conocer el estadstico X2. Si se elige una
muestra de tamao n de una poblacin normal con varianza, el estadstico:
donde n es el tamao de la muestra, s2 la varianza muestral y la varianza de la poblacin de
donde se extrajo la muestra.




Propiedades de las distribuciones ji-cuadrada
1. Los valores de X2 son mayores o iguales que 0.
2. La forma de una distribucin X2 depende del gl=n-1. En consecuencia, hay un nmero
infinito de distribuciones X2.
3. El rea bajo una curva ji-cuadrada y sobre el eje horizontal es 1.
4. Las distribuciones X2 no son simtricas. Tienen colas estrechas que se extienden a la
derecha; esto es, estn sesgadas a la derecha.
5. Cuando n>2, la media de una distribucin X2 es n-1 y la varianza es 2(n-1).
6. El valor modal de una distribucin X2 se da en el valor (n-3).
La distribucin ji-cuadrada se genera al sumar variables normales independientes (0,1)
elevadas al cuadrado. El parmetro que define la distribucin se llama grados de libertad y es
el nmero de variables normales que sumas.
La tribologa
Se define como la ciencia y tecnologa de la interaccin entre superficies en movimiento
relativo e involucra el estudio de la friccin, el desgaste y lubricacin.
Antes del nacimiento de la tribologa como ciencia se pensaba en el trmino lubricacin o
ingeniera de lubricacin. No se haba generalizado la disminucin de la friccin y el desgaste
como prcticas cotidianas. Con la tribologa como ciencia se estudia la friccin y sus efectos
asociados, como el desgaste, tratando de prevenirlos con mejores diseos y prcticas de
lubricacin. Toma en cuenta, entre otros aspectos de la maquinaria industrial, los siguientes:
El diseo. Los materiales de las superficies en contacto. El sistema de aplicacin del
lubricante. El medio circundante. Las condiciones de operacin
los factores que estudia la tribologa son la friccin entre dos cuerpos en movimiento, el
desgaste como efecto natural de la friccin y la lubricacin como un medio para evitar el
desgaste. Estos tres factores son trminos usados continuamente en la industria, los cuales en
la mayora de los casos, vemos de reojo, con escaso inters y cubrimos con apremio y sin
ningn anlisis.
Es comn, en la prctica, considerar solo el trmino lubricacin o ingeniera de
lubricacin. Sin embargo los tres factores nos han acompaado por toda nuestra historia.
Puede considerarse que el desarrollo de la Tribologa, ha sido desde el hombre erectus hasta el
hombre moderno. Ahora bien, considerando que con el fuego y la rueda se inici el desarrollo
del hombre, entonces a medida que aprendi a dominarlos y a encontrarles nuevas
aplicaciones, avanz tecnolgica-mente. Esos avances lo condujeron a nuevas necesidades
para utilizar materiales cada vez ms resistentes al desgaste y eso termin en el
procesamiento de bronce y de hierro. As pues, el fuego le permiti fundir materiales y fabricar
herramientas, armas, bisagras para las puertas y bujes para los ejes de las ruedas de los carros.
El hombre evolucion en el conocimiento y tecnologa, aparecieron entonces, civilizaciones
ms avanzadas e imperios poderosos.
El dominio de estos imperios, como todava sucede ahora, estaba basado en la posesin de
la tecnologa, que les permiti llegar a procesos tan avanzados como la fabricacin de
rodamientos de bolas y rodillos y su utilizacin en los carros y buques de guerra.
Paralelamente con estos desarrollos se fabricaron los primeros lubricantes a base de resinas de
petrleo, betn y de grasas vegetales y animales. Estos acontecimientos marcaron el comienzo
de la Tribologa fundamentado en el estudio de los materiales, la fundicin, el movimiento
giratorio, el diseo y la fabricacin de piezas.

La tribologa toma en cuenta aspectos como: El diseo, los materiales de las superficies en
contacto, el sistema de aplicacin del lubricante, el medio circundante y las condiciones de
operacin.
La friccin se define como la resistencia al movimiento durante el deslizamiento o rodamiento
que experimenta un cuerpo slido al moverse sobre otro con el cual est en contacto y
depende de las caractersticas de las superficies. Existen dos tipos principales de friccin:
friccin esttica y friccin dinmica. La friccin no es una propiedad del material, es una
respuesta integral del sistema. Las dos leyes bsicas de la friccin se han conocido desde hace
un buen tiempo: 1) la resistencia de friccin es proporcional a la carga y 2) la friccin es
independiente del rea de deslizamiento de las superficies.
El desgaste es el dao de la superficie por remocin de material de una o ambas superficies
slidas en movimiento relativo. Es un proceso en el cual las capas superficiales de un slido se
rompen o se desprenden de la superficie. Al igual que la friccin, el desgaste no es solamente
una propiedad del material, es una respuesta integral del sistema. Es de esperarse que para
aumentar la vida til de un equipo se debe disminuir el desgaste al mnimo posible. Existen
distintos tipos de desgaste, como por ejemplo adhesivo, abrasivo, corrosivo, etc. Sin embargo,
es comn que varios de ellos se den cita en un mismo evento. El deslizamiento entre
superficies slidas se caracteriza generalmente por un alto coeficiente de friccin y un gran
desgaste debido a las propiedades especficas de las superficies.