Estadística Inferencial

Semana 6: Distribución Poisson y distribución hipergeométrica

Nota: Estas notas de clase son creadas con base en el libro: ANDERSON. SWEENEY. WILLIAMS.
ESTADÍSTICA PARA ADMINISTRACIÓN Y ECONOMÍA. 10a. edición. Capítulo 4: Introducción a la
probabilidad.

Actividades para tener en cuenta:

1. Resolver, Taller 4. Distribución Poisson e hipergeométrica, subirlo al Classroom, en grupos

de máximo 4 personas. Semana 6 – Nota 1.

Variables aleatorias

Una variable aleatoria es una función que asigna a cada elemento del espacio muestral un número
real. Usualmente, se denotan con las letras: 𝑋, 𝑌, 𝑍.

Ejemplo: El experimento consiste en lanzar tres monedas.

Se define la siguiente variable aleatoria:

𝑋: Número de sellos que se obtienen.

𝑥 = {0, 1, 2, 3}

𝑥: Todos los posibles valores que puede tomar la variable aleatoria 𝑋.

𝑃(𝑋 = 𝑥): Probabilidad de que la variable aleatoria sea igual a determinado valor.

𝑃(𝑋 = 2): Probabilidad de que la variable aleatoria sea igual a 2. En términos de la situación se
puede traducir como: Probabilidad de al lanzar tres monedas, el número de sellos que se obtienen
sea igual a 2.

𝐸(𝑋) = 𝜇: Corresponde al valor esperado de la variable aleatoria, es un sinónimo del promedio o

medía aritmética.

𝑉𝑎𝑟(𝑋) = 𝜎 2 : Corresponde a la varianza de la variable aleatoria.

Distribución binomial
𝑛
𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = ( ) 𝑝 𝑥 (1 − 𝑝)𝑛 − 𝑥
𝑥
Donde;

𝑃(É𝑥𝑖𝑡𝑜) = 𝑝 𝑃(𝐹𝑟𝑎𝑐𝑎𝑠𝑜) = 1 − 𝑝 = 𝑞

Se debe tener en cuenta que 𝑝 + 𝑞 = 1.

 𝑛: Número de repeticiones

𝑋: cuenta el número de éxitos que hay en 𝑛 repeticiones.

𝑛 𝑛!
( )=
𝑥 (𝑛
𝑥! − 𝑥)!
𝐸(𝑥) = 𝑛𝑝
𝑉𝑎𝑟(𝑥) = 𝑛𝑝(1 − 𝑝)

Distribución Poisson

Esta distribución es utilizada cuando una variable aleatoria discreta 𝑋, se suele usar para estimar el
número de veces que sucede un hecho determinado (ocurrencias) en un intervalo de tiempo o de
espacio. Por ejemplo:

𝑋: Número de estudiantes que llegan temprano a clase 𝑥 = {0, 1, 2, 3, … }

𝑌: Número de accidentes que hay en la ruta de Soacha a Suba 𝑦 = {0, 1, 2, … }

𝑍: Número de personas contagiadas por Covid en un día. 𝑧 = {0, 1, 2, … , 320, 321, … }

Propiedades

1. La probabilidad de ocurrencia es la misma para cualesquiera dos intervalos de la misma

magnitud.
2. La ocurrencia o no-ocurrencia en cualquier intervalo es independiente de la ocurrencia o
no-ocurrencia en cualquier otro intervalo.

De esta manera se tiene que para un 𝜆 > 0:

𝑒 −𝜆 ∙ 𝜆𝑥
𝑃(𝑋 = 𝑥) =
𝑥!
Donde,

𝑃(𝑋 = 𝑥): Probabilidad de que la variable aleatoria sea igual a determinado valor.

𝑋: Número de ocurrencias en un determinado intervalo de tiempo o espacio.

𝜆: Valor esperado de ocurrencias en un determinado intervalo de tiempo o espacio.

𝑒 = 2,71828
𝐸(𝑋) = 𝜆
𝑉𝑎𝑟(𝑋) = 𝜆
Ejemplo: Se conoce que en un Call Center ingresan en promedio 5 llamadas durante un transcurso
de 8 minutos.

a) ¿Cuál es la probabilidad de que en el horario de 9:00 a.m. a 9:08 a.m. ingresen 3 llamadas?
b) ¿Cuál es la probabilidad de que un operador NO reciba ninguna llamada en los próximos
ocho minutos?
c) ¿Cuál es la probabilidad de que un operador reciba máximo 2 llamadas en los próximos 8
minutos?
d) ¿Cuál es la probabilidad de que un operador reciba mínimo 3 llamadas en los próximos 8
minutos?

Para solucionar las preguntas anteriores (Del ítem a al ítem d), se plantean los valores dados:

𝑋: Número de ocurrencias en un determinado intervalo de tiempo o espacio.

𝑋: Número de llamadas que ingresan en un periodo de 8 minutos.

𝑥 = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, … }
𝜆: Valor esperado de ocurrencias en un determinado intervalo de tiempo o espacio.

𝜆: Número de llamadas esperadas en un periodo de 8 minutos.

𝜆=5

𝑒 −𝜆 ∙ 𝜆𝑥
𝑃(𝑋 = 𝑥) =
𝑥!
𝑒 −5 ∙ 53
a) 𝑃(𝑋 = 3) = 3!
𝑥 = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, … }

(e^-5)(5^3)÷(3!)
𝑃(𝑋 = 3) = 0,1404
La probabilidad de que ingresen 3 llamadas es del 14,04% aproximadamente.
𝑒 −5 ∙ 50
b) 𝑃(𝑋 = 0) = 0!
𝑥 = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, … }

(e^-5)(5^0)÷(0!)
𝑃(𝑋 = 0) = 0,0067

La probabilidad de que NO reciba ninguna llamada es del 0,67%.

c) 𝑃(𝑋 ≤ 2) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) 𝑥 = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, … }

𝑒 −5 ∙ 50 𝑒 −5 ∙ 51 𝑒 −5 ∙ 52
𝑃(𝑋 ≤ 2) = 0!
+ 1!
+ 2!

𝑃(𝑋 ≤ 2) = 0,0067 + 0,0337 + 0,0842

𝑃(𝑋 ≤ 2) = 0,1247
La probabilidad de que ingresen máximo 2 llamadas es del 12,47% aproximadamente.
 d) ¿Cuál es la probabilidad de que un operador reciba mínimo 3 llamadas en los próximos 8
minutos?

𝑥 = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, … }

𝑃(𝑋 ≥ 3) = 𝑃(𝑋 = 3) + 𝑃(𝑋 = 4) + 𝑃(𝑋 = 5) + ⋯

Para abordar este caso, se hace uso de la propiedad de probabilidad del complemento:

𝑃(𝐴) + 𝑃(𝐴𝑐 ) = 1

𝑃(𝐴) = 1 − 𝑃(𝐴𝑐 )

Ejemplos de eventos complementos:

𝑃(𝐴) 𝑃(𝐴𝑐 )

𝑃(𝑋 > 3) 𝑃(𝑋 ≤ 3)

𝑃(𝑋 ≥ 3) 𝑃(𝑋 < 3)

𝑃(𝑋 < 3) 𝑃(𝑋 ≥ 3)

𝑃(𝑋 ≤ 3) 𝑃(𝑋 > 3)

En este caso, para solucionar la situación, entonces se realiza el siguiente procedimiento:

𝑃(𝑋 ≥ 3) = 𝑃(𝑋 = 3) + 𝑃(𝑋 = 4) + 𝑃(𝑋 = 5) + ⋯

𝑃(𝑋 ≥ 3) + 𝑃(𝑋 < 3) = 1
𝑃(𝑋 ≥ 3) = 1 − 𝑃(𝑋 < 3)
 𝑃(𝑋 ≥ 3) = 1 − [𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2)]
𝑒 −5 ∙ 50 𝑒 −5 ∙ 51 𝑒 −5 ∙ 52
𝑃(𝑋 ≥ 3) = 1 − [ 0!
+ 1!
+ 2!
]

𝑃(𝑋 ≥ 3) = 1 − [0,1247]
𝑃(𝑋 ≥ 3) = 0,8753

La probabilidad de que ingresen mínimo 3 llamadas es del 87,53% aproximadamente.

e) ¿Cuál es la probabilidad de que en el horario de 9:00 a.m. a 9:20 a.m. ingresen entre 11 y
13 llamadas?

En este caso, se debe hallar el valor de lambda (𝜆) adecuado para este caso. Esto, porque se hace
un cambio en el intervalo de tiempo. Para esto, se realiza una regla de 3.

Tiempo Llamadas

8 5

20 𝑥
Para hallar 𝑥, se hace:
20 ∙ 5
𝑥= = 12,5
8
De esta manera, en un intervalo de 20 minutos, se espera que lleguen 12,5 llamadas. Así:

𝜆 = 12,5
Lo que se pregunta, corresponde a los valores:

𝑥 = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, … }

𝑃(11 ≤ 𝑋 ≤ 13) = 𝑃(𝑋 = 11) + 𝑃(𝑋 = 12) + 𝑃(𝑋 = 13)

𝑒 −12,5 ∙ 12,511 𝑒 −12,5 ∙ 12,512 𝑒 −12,5 ∙ 12,513

𝑃(11 ≤ 𝑋 ≤ 13) = + +
11! 12! 13!

𝑃(11 ≤ 𝑋 ≤ 13) = 0,1087 + 0,1132 + 0,1089

𝑃(11 ≤ 𝑋 ≤ 13) = 0,3308

Entonces, la probabilidad de que en el horario de 9:00 a.m. a 9:20 a.m. ingresen entre 11 y 13
llamadas es del 33,08%.
Distribución Hipergeométrica

Sea un experimento aleatorio, en el cuál:

1. Se define una población y una muestra:

𝑁: Población 𝑛: Muestra

2. Cada individuo de la población se clasifica como éxito o fracaso, en otras palabras, se divide
la población en dos grupos, y cada elemento debe pertenecer únicamente a uno de ellos.
Definiendo:

𝑀: Conjunto de éxitos (Número de éxitos en la población)

𝑁 − 𝑀: Conjunto de fracasos (Número de fracasos en la población)

3. Se selecciona una muestra de tamaño 𝑛 de la población. Se debe tener en cuenta, que, en

esta muestra tomada, hay elementos de la población que son clasificados como éxitos y
como fracasos. Así:

𝑥: Número de éxitos en la muestra.

𝑛 − 𝑥: Número de fracasos en la muestra.

Una manera gráfica de ver los pasos anteriores es el siguiente:

De esta manera se tiene que:

𝑀 𝑁−𝑀
( )∙( )
𝑃(𝑋 = 𝑥) = 𝑥 𝑛−𝑥
𝑁
( )
𝑛
Donde,

𝑃(𝑋 = 𝑥): Probabilidad de que la variable aleatoria sea igual a determinado valor.

𝑋: Número de éxitos en la muestra.

𝑀 𝑀!
( ) = 𝑥! ∙ (𝑀 − 𝑥)!
𝑥
𝑀
𝐸(𝑋) = 𝑛 ∙ 𝑁
Ejemplo 1: En un curso de estadística Inferencial hay en total 20 estudiantes, de estos 8 son
hombres. Si se debe seleccionar un grupo de cinco (5) estudiantes para realizar un trabajo acerca
de las distribuciones de probabilidad:

a) ¿cuál es la probabilidad de que haya 3 mujeres en el grupo seleccionado?

𝑁 = 20 𝑛=5
𝑀: Mujeres (12)

𝑁 − 𝑀: Hombres (8)

𝑋: Número de mujeres en la muestra (3)

𝑛 − 𝑥: Número de hombres en la muestra (2)

𝑀 𝑁−𝑀
( )∙( )
𝑥 𝑛−𝑥
𝑃(𝑋 = 3) = 𝑁
( )
𝑛
12 8
( )∙( )
3 2
𝑃(𝑋 = 3) = 20 = 0,3973
( )
5

Nota: En la calculadora se debe escribir: (12C3)(8C2)÷(20C5)

De esta manera, la probabilidad de que haya 3 mujeres en el grupo seleccionado es del 39,73%
aproximadamente.

b) ¿cuál es la probabilidad de que el grupo esté conformado por sólo hombres?

Caso 1: El conjunto de éxitos son las mujeres Caso 2: El conjunto de éxitos son los hombres
𝑁 = 20 𝑛=5 𝑁 = 20 𝑛=5
𝑀: Mujeres (12) 𝑀: Hombres (8)
𝑁 − 𝑀: Hombres (8) 𝑁 − 𝑀: Mujeres (12)
𝑋: Número de mujeres en la muestra (0) 𝑋: Número de hombres en la muestra (5)
𝑛 − 𝑥: Número de hombres en la muestra (5) 𝑛 − 𝑥: Número de mujeres en la muestra (0)

𝑀 𝑁−𝑀 𝑀 𝑁−𝑀
( )∙( ) ( )∙( )
𝑥 𝑛−𝑥 𝑥 𝑛−𝑥
𝑃(𝑋 = 0) = 𝑁 𝑃(𝑋 = 5) = 𝑁
( ) ( )
𝑛 𝑛
12 8 8 12
( )∙( ) ( )∙( )
0 5 5 0
𝑃(𝑋 = 0) = 20 = 0,0036 𝑃(𝑋 = 5) = 20 = 0,0036
( ) ( )
5 5
 c) ¿cuál es la probabilidad de que el grupo esté conformado por sólo hombres o sólo
mujeres?

Muestra formada por sólo hombres:

𝑁 = 20 𝑛=5
𝑀: Mujeres (12)

𝑁 − 𝑀: Hombres (8)

𝑋: Número de mujeres en la muestra (0)

𝑛 − 𝑥: Número de hombres en la muestra (5)

𝑀 𝑁−𝑀
( )∙( )
𝑥 𝑛−𝑥
𝑃(𝑋 = 0) = 𝑁
( )
𝑛
12 8
( )∙( )
0 5
𝑃(𝑋 = 0) = 20 = 0,0036
( )
5

Muestra formada por sólo mujeres:

𝑀 𝑁−𝑀
( )∙( )
𝑥 𝑛−𝑥
𝑃(𝑋 = 5) = 𝑁
( )
𝑛
12 8
( )∙( )
5 0
𝑃(𝑋 = 0) = 20 = 0,0511
( )
5

Finalmente, la respuesta sería 0,0036 + 0,0511 = 0,0547 = 5,47%.

Ejemplo 2: En un curso de estadística Inferencial hay en total 26 estudiantes, de estos 15 son
mujeres. Si se debe seleccionar una pareja para realizar un trabajo acerca de las distribuciones de
probabilidad:

a) ¿Cuál es la probabilidad de que la pareja este formada por dos mujeres?

b) ¿Cuál es la probabilidad de que la pareja este formada por dos hombres?
c) ¿Cuál es la probabilidad de que la pareja este formada por una mujer y un hombre?

Para solucionar los ítems a) al c), se toman los siguientes datos:

𝑋: Número de mujeres en la muestra o pareja conformada.

𝑁 = 26 𝑛=2
𝑀 = 15 𝑁 − 𝑀 = 11
a) ¿Cuál es la probabilidad de que la pareja este formada por dos mujeres?
𝑀 𝑁−𝑀
( )∙( )
𝑃(𝑋 = 𝑥) = 𝑥 𝑛−𝑥
𝑁
( )
𝑛
15 11
( )∙( )
𝑃(𝑋 = 2) = 2 0 = 0,3231
26
( )
2
(15C2)(11C0)÷(26C2) = 0,3231

b) ¿Cuál es la probabilidad de que la pareja este formada por dos hombres?

15 11
( )∙( )
𝑃(𝑋 = 0) = 0 2 = 0,1692
26
( )
2
c) ¿Cuál es la probabilidad de que la pareja este formada por una mujer y un hombre?

15 11
( )∙( )
𝑃(𝑋 = 1) = 1 1 = 0,5077
26
( )
2