3.97 Suponga que X tiene una distribución de Poisson con una media de 4.

Determine lo siguiente probabilidades:

3-98. Suponga que el número de clientes que ingresan a un banco en una hora es un
azar de Poisson variable, y supongamos que 𝑃 (𝑋 = 0) = 0.05. Determine la media y
la varianza de X.

𝑃 (𝑋 = 0) = 0.05
Obteniendo el valor del parámetro λ
Por lo tanto, el promedio es:
μx = E (X) = λ = 2.995732
La varianza en las distribuciones de Poisson es igual al valor de los medios:
σx2 = E {(X - μx) 2 = λ
Así:
σx2 = E {(X - μx) 2 = λ = 2.995732

3-100. La cantidad de llamadas telefónicas que llegan a una central telefónica a

menudo se modela como Variable aleatoria de Poisson. Suponga que, en promedio,
hay 10 llamadas por hora.
(a) ¿Cuál es la probabilidad de que haya exactamente 5 llamadas en una hora?
𝑙𝑖𝑚𝑛 → ∞𝑃 (𝑋 = 𝑥) =𝑒−𝜆∗ 𝜆𝑥/𝑥!
𝑃 (𝑋 = 5) =𝑒 −10 | ∗ 105 /5! = 0,0378
(b) ¿Cuál es la probabilidad de que haya 3 o menos llamadas en una hora?
𝐸 (𝑋) = 1 ℎ𝑜𝑢𝑟𝑠 ∗ 10 𝐶𝑎𝑙𝑙𝑠/ 𝐻𝑜𝑢𝑟𝑠 = 10 𝐶𝑎𝑙𝑙𝑠
𝑃 (𝑋 ≥ 3) = 1 - 𝑃 (𝑋 = 0) - 𝑃 (𝑋 = 1) - 𝑃 (𝑋 = 2) = 0,9972
(c) ¿Cuál es la probabilidad de que haya exactamente 15 llamadas en dos horas?
𝐸 (𝑋) = 2 ℎ𝑜𝑢𝑟𝑠 ∗ 10 𝐶𝑎𝑙𝑙𝑠/𝐻𝑜𝑢𝑟𝑠 = 20 𝐶𝑎𝑙𝑙
𝑃 (𝑋 = 15) = 𝑒−20 |∗ 2015 /¡15! = 0,0516
(d) ¿Cuál es la probabilidad de que haya exactamente 5 llamadas en 30 minutos?
𝐸 (𝑋) = 0,5 ℎ𝑜𝑢𝑟𝑠 ∗ 10 𝐶𝑎𝑙𝑙𝑠/𝐻𝑜𝑢𝑟𝑠 = 5 𝐶𝑎𝑙𝑙𝑠
𝑃 (𝑋 = 5) =𝑒-5 |∗ 55 /5! = 0,1754

3-101. Se supone que el número de fallas en los pernos de tela en la fabricación

textil es de Poisson distribuido con una media de 0.1 defecto por metro cuadrado.
(a) ¿Cuál es la probabilidad de que haya dos fallas en 1 metro cuadrado de tela?
𝑃 (𝑋 = 2) =𝑒-0.1∗ 0.12 /2! = 0.004524
(b) ¿Cuál es la probabilidad de que haya un defecto en 10 metros cuadrados de tela?
𝐸 (𝑋) = 10 𝑚2 ∗ 0.1 𝑓𝑎𝑙𝑙𝑎𝑠 𝑚2 = 1 𝑓𝑎𝑙𝑙𝑎
𝑃 (𝑋 = 1) =𝑒-1∗ 11/1! = 0.3678
(c) ¿Cuál es la probabilidad de que no haya fallas en 20 metros cuadrados de tela?
𝐸 (𝑋) = 20 𝑚2 ∗ 0.1 𝑓𝑎𝑙𝑙𝑎𝑠/𝑚2 = 2 𝑓𝑎𝑙𝑙𝑎𝑠
𝑃 (𝑋 = 0) = 𝑒-2 = 0.1353
(d) ¿Cuál es la probabilidad de que haya al menos dos defectos en 10 metros cuadrados
de tela?
𝑃 (𝑋 ≥ 2) = 1 - 𝑓 (0) - 𝑓 (1) = 1 - (𝑒-1 + 𝑒-1) = 𝟎. 𝟐𝟔4

3-102. Cuando un fabricante de discos de computadora prueba un disco, escribe en el disco y

luego lo prueba usando Un certificador. El certificador cuenta el número de pulsos faltantes o
errores. El número de errores en un El área de prueba en un disco tiene una distribución de
Poisson con 0.2.
(a) ¿Cuál es el número esperado de errores por área de prueba?
(b) ¿Qué porcentaje de áreas de prueba tienen dos o menos errores?
a) 𝐸 (𝑋) = 𝜆𝑇 = 0.2 ∗ 1 = 0.2
b) P (X≤) = 𝑒-0.2 + 0.2 ∗ 𝑒-0.2 +0.22∗ 𝑒-0.2 /2 = 0.9989 ∗ 100 = 99.89%

3-103. El número de grietas en una sección de carretera interestatal que son lo

suficientemente significativas como para Se requiere que la reparación requiera
seguir una distribución de Poisson con una media de dos grietas por milla.
(a) ¿Cuál es la probabilidad de que no haya grietas que requieran reparación en 5
millas de carretera?
(b) ¿Cuál es la probabilidad de que al menos una grieta requiera reparación en 1/2
milla de carretera?
(c) Si el número de grietas está relacionado con la carga del vehículo en la
carretera y algunas secciones del
la carretera tiene una gran carga de vehículos, mientras que otras secciones llevan
una carga ligera, ¿cómo te sientes?
¿Sobre el supuesto de una distribución de Poisson para el número de grietas que
requieren reparación?

S3-104. El número de fallas para una máquina citogénica por contaminación en biológicos
samples es una variable aleatoria de Poisson con una media de 0.01 por 100 muestras.
(a) Si el laboratorio generalmente procesa 500 muestras por día, ¿cuál es el número esperado
de fallas? ¿por día?
(b) ¿Cuál es la probabilidad de que la máquina no falle durante un estudio que incluye 500
¿Participantes? (Suponga una muestra por participante).
X denota el número de fallas en un metro cuadrado de tela, y es una variable aleatoria de
Poisson con
𝜆 = 0.1

𝑃 (𝑋 = 2) = 𝑒 −𝜆 𝜆𝑛 /𝑛! = 𝑒 −0,1 0,12/2! = 𝟎. 𝟎𝟎𝟒5

b)
Y denota el número de fallas en 10 metros cuadrados de tela, y es una variable aleatoria
de Poisson con
𝜆=1
𝑃 (𝑌 = 1) = 𝑒 −𝜆 𝜆 𝑛/𝑛! = 𝑒−1 1 1/ 1! = 𝟎. 𝟑𝟔𝟕𝟗

3-105. a) Deje X denotar el número de fallas en 10 pies cuadrados de panel de plástico.

Entonces, X es un Poisson
variable aleatoria con λ = 0.5. 𝑃 (𝑋 = 0) = 𝑒 −0.5 = 0.6065
b)) Deje Y denotar el número de autos sin fallas,
𝑷 (𝑾 = 𝟎) = (𝟏𝟎/𝟏𝟎) (𝟎. 𝟔𝟎𝟔𝟓)𝟎 (𝟎. 𝟑𝟗𝟑𝟓)𝟏𝟎 = 𝟖. 𝟗𝒙𝟏𝟎 − 𝟓
d) Deje W denotar el número de automóviles con fallas en la superficie

𝑷 (𝑾 = 𝟎) = (𝟏𝟎/𝟎) (𝟎. 𝟔𝟎𝟔𝟓)𝟎 (𝟎. 𝟑𝟗𝟑𝟓) 𝟏𝟎 = 𝟖. 𝟗𝒙𝟏𝟎 – 𝟓

𝑷 (𝑾 = 𝟏) = ( 𝟏𝟎/ 𝟏) (𝟎. 𝟔𝟎𝟔𝟓) 𝟏 (𝟎. 𝟑𝟗𝟑𝟓) 𝟗 = 𝟎. 𝟎𝟎𝟏𝟑𝟕𝟐
𝑷 (𝑾 ≤ 𝟏) = 𝟎. 𝟎𝟎𝟎𝟎𝟖𝟗 + 𝟎. 𝟎𝟎𝟏𝟑𝟕𝟐 = 𝟎. 𝟎𝟎𝟏𝟒6

3-106. El número de fallas de un instrumento de prueba por partículas de contaminación en el

El producto es una variable aleatoria de Poisson con una media de 0,02 fallos por hora.
𝑃 (𝑥, 𝜆)=𝑒 –𝜆𝜆𝑥 /𝑥!
𝑥! = 𝑥 ∗ (𝑥 - 1) ∗ (𝑥 - 2) ∗ (𝑥 - 3) ∗………. ∗ (1)
(a) ¿Cuál es la probabilidad de que el instrumento no falle en un turno de 8 horas?
𝜆 = 8 ∗ 0.02
𝜆 = 0.16
𝑃 (𝑥 = 0) = 𝑒−0.16 ∗ 0.160/0!

0! = 1
𝑃 (𝑥 = 0) = 0.8521
𝑷 = 𝟖𝟓. 𝟐𝟏%
(b) ¿Cuál es la probabilidad de al menos una falla en un día de 24 horas?
𝜆 = 24 ∗ 0.02
𝜆 = 0.48
𝑃 (𝑥 ≥ 1) = 1 - 𝑃 (𝑥 = 0)
𝑃 (𝑥 ≥ 0) = 1 - 𝑒−0.48 ∗ 0.480/0!
𝑃 = 0.381216
𝑷 = 𝟑𝟖. 𝟏𝟐𝟏𝟔%

3-107. El envío de productos químicos llega en 15 bolsas. Tres de las bolsas se seleccionan al
azar, sin reemplazo, para una inspección de pureza. Si dos de las bolsas no se ajustan a la
pureza requisitos, ¿cuál es la probabilidad de que se seleccione al menos una de las bolsas
no conformes en ¿la muestra?
3-108. La probabilidad de que su llamada a una línea de servicio sea respondida en menos de
30 segundos es de 0.75. Suponga que sus llamadas son independientes.
(a) Si llama 10 veces, ¿cuál es la probabilidad de que exactamente 9 de sus llamadas sean
respondidas dentro de 30 ¿segundos?
(b) Si llama 20 veces, ¿cuál es la probabilidad de que al menos 16 llamadas sean respondidas
en menos de 30? ¿segundos?
(c) Si llama 20 veces, ¿cuál es el número medio de llamadas que se responden en menos de
30? ¿segundos?

3-109. Continuación del ejercicio 3-108.

(a) ¿Cuál es la probabilidad de que deba llamar cuatro veces para obtener la primera
respuesta en menos de 30
¿segundos?
(b) ¿Cuál es el número medio de llamadas hasta que le respondan en menos de 30
segundos?
a) 𝑃 (𝑌 = 4) = (1 - 0.75)3∗ 0.75 = 0.253∗ 0.75 = 0.0117
b) 𝐸 (𝑌) =1/𝑃=1/0,75= 1.3333

3-110. Continuación del ejercicio 3-109. a) ¿Cuál es la probabilidad de que deba llamar seis
veces para que dos de sus llamadas sean respondidas en menos de 30 segundos? b) ¿Cuál es
el número promedio de llamadas para obtener dos respuestas en menos de 30 segundos?
Resolución Sea X la variable aleatoria binomial negativa con los parámetros p = 0.75 y r = 2
calcular
3-111. El número de mensajes enviados al tablero de anuncios de una computadora es
aleatorio de Poisson variable con una media de 5 mensajes por hora.
(a) ¿Cuál es la probabilidad de que se reciban 5 mensajes en 1 hora?

3-112. Un sitio web es operado por cuatro servidores informáticos idénticos. Solo uno se
utiliza para operar el sitio; los otros son repuestos que se pueden activar en caso de que falle
el servidor activo. La probabilidad de que una solicitud al sitio web genera una falla en el
servidor activo es 0.0001. Suponga que cada La solicitud es un juicio independiente. ¿Cuál es
el tiempo promedio hasta la falla de las cuatro computadoras?
Datos:
𝑝 = 0.0001
𝑟=4

𝑟/𝑃= 4 /0.0001 = 𝟒𝟎𝟎𝟎0

3-113. El número de errores en un libro de texto sigue una distribución de Poisson con una
media de error de 0.01 por página. ¿Cuál es la probabilidad de que haya tres o menos
errores en 100 páginas?

S3-114. La probabilidad de que un individuo se recupere de una enfermedad en un período

de una semana sin tratamiento es 0.1. Suponga que 20 individuos independientes que
padecen esta enfermedad son tratados con un medicamento y 4 se recuperan en un período
de una semana. Si el medicamento no tiene efecto, ¿cuál es la probabilidad de que 4 o más
personas se recuperen en un período de una semana? Sea X la variable aleatoria binomial
con los parámetros 𝑛 = 20 y 𝑝 = 0.1. Calcular:
S3-115. La respuesta del paciente a un medicamento genérico para controlar el dolor se
califica en una escala de 5 puntos, donde un 5 indica alivio completo.
Históricamente, la distribución de puntajes es:

Se puntúa a dos pacientes, que se supone que son independientes.

(a) ¿Cuál es la función de masa de probabilidad del puntaje total?

3-116. En un proceso de fabricación que lamina varias capas de cerámica, el 1% de

los ensamblajes son defectuoso. Suponga que los ensamblajes son independientes.
(a) ¿Cuál es el número medio de ensamblajes que deben verificarse para obtener
cinco defectos? ¿Ensambles?
(b) ¿Cuál es la desviación estándar del número de ensamblajes que deben
verificarse para obtener cinco conjuntos defectuosos?
Solución:
Deje X denotar el número de ensambles necesarios para obtener 5 defectuosos.
Entonces, X es negativo
variable aleatoria binomial con p = 0.01 yr = 5.
a)
1% = 0.01 𝑟 = 5
𝐸 (𝑋) =𝑟/𝑝 = 5/ 0,01
𝐸 (𝑋) = 500
b)
100-1 = 99 =>99/100 = 0,99
𝑉 (𝑋) =5 ∗ 0.99/0,012 = 49500 𝑦;
𝜎 (𝑋) = 222,49
3-117. Continuación del ejercicio 3-116. Determine la cantidad mínima de ensamblajes que
necesita debe verificarse de modo que la probabilidad de al menos un conjunto defectuoso
exceda de 0.95. Si se verifican n conjuntos, entonces X denota el número de conjuntos
defectuosos. Si P (X ≥ 1) ≥ 0,95, luego P (X = 0) ≤ 0,05. Ahora,
𝑃 (𝑋 = 𝑥) =𝑛/𝑥 p(1 - 𝑝)𝑛 − 𝑥
𝑃 (𝑋 = 0) =𝑛/0 (0.01)0 0(0,99)𝑛 = 99𝑛 𝑦 0.99𝑛 ≤ 0.05
𝑛 = (ln(0.99)) ≤ ln(0.05)

𝑛 = ln(0.05) /ln(0.95) = 298.07 = 𝒗𝒂𝒍𝒐𝒓 𝒓𝒆𝒒𝒖𝒆𝒓𝒊𝒅𝒐 𝒅𝒆 𝒏 = 𝟐𝟗9

3-118. Determine la constante c para que la siguiente función sea una función de masa de
probabilidad: para x 1, 2, 3, 4.
3-119. Un fabricante de un producto de electrónica de consumo espera que el 2%
de las unidades fallen durante el período de garantía. Se realiza un seguimiento de
una muestra de 500 unidades independientes para el rendimiento de la garantía.
(a) ¿Cuál es la probabilidad de que ninguno falle durante el período de garantía?
(b) ¿Cuál es el número esperado de fallas durante el período de garantía?
(c) ¿Cuál es la probabilidad de que más de dos unidades fallen durante el período de
garantía?
Problema binomial con n = 500 y p (falla) = 0.02 y P (estable) = 0.98
a)
𝑃 (𝑥 = 500) = 0.98 500 = 0.000041024
b)
𝐸𝑥𝑝𝑒𝑐𝑡𝑒𝑑 𝑛𝑢𝑚𝑏𝑒𝑟 = 𝑚𝑒𝑎𝑛 = 𝑛𝑝 = 500 ∗ 0.02 = 10
c)
𝑃 (𝑥> = 3) = 1 - 𝑃 (0 <= 𝑥 <= 2) = 1 - 𝑏𝑖𝑛𝑜𝑚𝑖𝑎𝑙 (500,0.02,2) = 0.9974