Documentos de Académico
Documentos de Profesional
Documentos de Cultura
En Estadística
para administración ( pp.176 - 199 ) ( 624p. ) ( 6a ed ) . México, DF : Pearson Educación. (C46910)
Distribuciones
de probabilidad discreta
Objetivos de aprendizaje
En este capítulo usted aprenderá:
sted trabaja como contador en Saxon Borne Improvement Company, una empresa que
U
administra sus operaciones contables y financieras utilizando un sistema muy moderno
de información para contabilidad.
Los sistemas de información contable reúnen, procesan, almacenan, transforman y
distribuyen información financiera a los individuos que toman decisiones tanto en el
interior como en el exterior de una organización empresarial (véase la referencia 4). Estos sistemas
auditan de manera continua información contable, buscando errores o información incompleta o
improbable. Por ejemplo, cuando los clientes de Saxon Home Improvement Company envían pedidos
en línea, el sistema de información contable de la empresa revisa los formatos de pedido para encontrar
posibles errores. Cualquier factura cuestionable se marca e incluye en un informe diario
de excepciones. Datos recientes recolectados por la empresa indican que la probabilidad de
que un formato de pedido esté marcado es de 0.1O. A Saxon le gustaría
determinar la probabilidad de encontrar cierto número de
formatos marcados en una muestra de un tamaño específico.
Por ejemplo, ¿cuál es la probabilidad de que, en una muestra
de cuatro formatos de pedido, ninguno esté marcado? ¿Y la de
que uno de los formatos de pedido esté marcado?
$ 14 .91 i.'
177
17 8 CAPÍTULO 5 Distribuciones de probabilidad discreta
e De qué manera podría Saxon Home Improvement Company determinar la solución para este
) tipo de problema de probabilidad? Una forma consiste en utilizar un modelo, o una represen-
U tación a pequeña escala, que se aproxime al proceso. Utilizando una aproximación de este
tipo, los gerentes de Saxon podrían hacer inferencias acerca del proceso actual de los pedidos. En
este caso los directivos podrían utilizar distribuciones de probabilidad, es decir, modelos matemá-
ticos adecuados para resolver el tipo de problemas de probabilidad que los gerentes enfrentan.
En este capítulo se presenta el concepto y las características de las distribuciones de probabili-
dad. Además, se estudia la manera en que se aplican las distribuciones binomial y de Poisson para
resolver problemas de negocios.
Por ejemplo, en la tabla 5.1 se presenta la distribución del número de interrupciones por día en
una gran red de computadoras. La lista de la tabla 5.1 es exhaustiva debido a que todos los resulta-
dos posibles están incluidos. Por consiguiente, las probabilidades suman l . La figura 5.1 es una
representación gráfica de la tabla 5.1.
TABLA 5.1
Interrupciones por día Probabilidad
Distribución de
probabilidad o 0.35
del número de 0.25
interrupciones 2 0.20
por día 3 0.10
4 0.05
5 0.05
del número de .2
interrupciones
por día .1
O 2 3 4 5 X
Interrupciones por dia
donde:
X¡= el i-ésimo resultado de la variable aleatoria discreta X
P(X = x) = probabilidad de ocurrencia del i-ésimo resultado de X
Para la distribución de probabilidad del número de interrupciones por día en una gran red de
computadoras (tabla 5.1), el valor esperado se calcula de la siguiente manera, utilizando la ecua-
ción (5.1), lo cual también se muestra en la tabla 5.2.
N
J.L = E(X) = ~x¡P(X = x¡)
i= l
TABLA 5.2
Interrupciones por
Cálculo del valor día (x;) P(X =X¡) x¡P(X =X¡)
esperado para
el número de o 0.35 (0)(0.35) = 0.00
interrupciones 1 0.25 ( 1)(0.25) = 0.25
por día 2 0.20 (2)(0.20) = 0.40
3 0.10 (3)(0.10) = 0.30
4 0.05 (4)(0.05) = 0.20
5 0.05 {5}( 0.05} = 0.25
1.00 J.L = E(X) = 1.40
El valor esperado es 1.40. El valor esperado de 1.4 para el número de interrupciones por día no
es un resultado posible, ya que el número real de interrupciones en un día determinado debe ser un
valor entero. El valor esperado representa el número medio de interrupciones en un día determinado.
La varianza y la desviación estándar del número de interrupciones por día se calculan como se
muestran en la tabla 5.3, utilizando las ecuaciones (5 .2) y (5 .3).
N
u2 = 2)x; - E(X) ] 2 P(X = x¡)
i= l
=(O- 1.4) 2 (0.35) + (1 - 1.4) 2 (0.25) + (2- 1.4) 2 (0.20) + (3 - 1.4 ) 2 (0.10)
+ (4- 1.4) 2 (0.05) + (5- 1.4) 2 (0.05)
= 0.686 + 0.040 + 0.072 + 0.256 + 0.338 + 0.648
= 2.04
TAB LA 5.3
Interrupciones
Cálculo de la
por día (x;) P(X = X¡) X;P(X =X¡) [x¡ - E(X)] 2 P(X = x;)
varianza y la
desviación estándar o 0.35 (0)(0.35) = 0.00 (O- 1.4) 2 (0.35) = 0.686
para el número 1 0.25
de interrupciones
( 1) ( 0.25)= 0.25 ( 1 - 1.4 ) 2 ( 0.25) = 0.040
por día 2 0.20 (2)(0.20) = 0.40 (2- 1.4 ) 2 (0.20) = 0.072
3 0.10 (3)(0.10) = 0.30 (3- 1.4) 2 (0.10) = 0.256
4 0.05 (4)(0.05) = 0.20 ( 4 - 1.4 ?(0.05) = 0.338
5 0.05 (5¿(0.05} = 0.25 (5- 1.4} 2 (0.05} = 0.648
1.00 J.L = E(X) = 1.40 2
u = 2.04
y
(T = w = v2.04 = 1.4283
De esta manera, el número medio de interrupciones por día es 1.4, la varianza es 2.04, y la desvia-
ción estándar es aproximadamente 1.43 interrupciones por día.
5.1 Dadas las siguientes distribuciones de probabilidad: AUTO 5.2 La siguiente tabla incluye la distribución de
· · • probabilidad para el número de accidentes de trán-
sito diarios en una pequeña ciudad.
Distribución A Distribución B
X P(X =X¡) X P(X =X¡) Número de accidentes diarios (X) P(X = x;)
o 0.50 o 0.05 o 0.10
0.20 0.10 0.20
2 0.15 2 0.15 2 0.45
3 0.10 3 0.20 3 0.15
4 0.05 4 0.50 4 0.05
5 0.05
a) Calcule el valor esperado para cada distribución.
b) Calcule la desviación estándar para cada distribución. a) Calcule el número medio de accidentes por día.
e) Compare los resultados de las distribuciones A y B. b) Calcule la desviaci ón estándar.
5.1 Distribución de probabilidad para una variable aleatoria discreta 181
5.3 Recientemente, un concesionario regional de automóvi- a) Calcule el número esperado de llegadas por minuto.
les envió folletos publicitarios a clientes potenciales, indicán- b) Calcule la desviación estándar.
doles que habían ganado uno de tres premios diferentes: un
5.6 El gerente del departamento de crédito comercial de un
Kia Optima valuado en $15 ,000, una tarjeta para gasolina de
banco grande ha reunido datos durante los últimos dos años
$500 y una tarjeta para comprar en Walmart con un valor
con respecto al número de hipotecas comerciales aprobadas
de $5. Para reclamar el premio, el prospecto de cliente necesi-
por semana. Los resultados de esos dos años (104 semanas)
taba presentar el folleto publicitario en la sala de exhibición
del concesionario. En la parte trasera del folleto, con letras indicaron lo siguiente:
pequeñas, estaban impresas las probabilidades de ganar. Las
probabilidades de ganar el automóvil eran de 1 en 31,4 78; Número de hipotecas
las probabilidades de ganar la tarjeta para gasolina eran de 1 comerciales aprobadas Frecuencia
en 31 ,478, y las probabilidades de ganar la tarjeta de Walmart o 13
eran de 31 ,476 en 31 ,478. 25
a) ¿Cuántos folletos publicitarios piensa usted que envió el
2 32
concesionario de automóviles?
3 17
b) Con su respuesta al inciso a) y las probabilidades descri-
4 9
tas en el folleto, ¿cuál es el valor esperado del premio
ganado por un cliente potencial que recibe un folleto? 5 6
e) Considerando su respuesta al inciso a) y las probabilida- 6
des descritas en el folleto , ¿cuál es la desviación estándar 7
del valor del premio ganado por un cliente potencial que
recibe un folleto ? a) Calcule el número de hipotecas comerciales aprobadas
d) ¿Cree que la promoción sea eficaz? Explique su respuesta. por semana.
b) Calcule la desviación estándar.
5.4 En el juego de feria Under or Over Seven se lanza un
par de dados legales (no trucados) y la suma resultante de- 5.7 Usted está tratando de desarrollar una estrategia para
termina si el jugador gana o pierde su apuesta. Por ejemplo, invertir en dos acciones diferentes . El rendimiento anual an-
el jugador puede apostar $1 a que la suma será menor que 7, es ticipado para una inversión de $1,000 en cada acción, en
decir, 2, 3, 4, 5 o 6. En esta apuesta, el jugador gana $1 si el cuatro condiciones económicas diferentes, tiene la siguiente
resultado es menor que 7 y pierde $1 si el resultado es igual distribución de probabilidad:
o mayor que 7. De manera similar, el jugador puede apostar
Rendimientos
$ 1 a que la suma será mayor que 7, es decir, 8, 9, 10, 11 o 12.
En este caso, el jugador gana $1 si el resultado es mayor que 7, Probabilidad Condición económica Acción X Acción Y
pero pierde $1 si el resultado es 7 o menos. Un tercer método 0.1 Recesión -50 -100
de juego consiste en apostar $1 al resultado de 7. En esta
0.3 Crecimiento lento 20 50
apuesta, el jugador gana $4 si el resultado del lanzamiento es
0.4 Crecimiento moderado 100 130
7 y pierde $1 con cualquier otro resultado.
a) Construya la distribución de probabilidad que represente
0.2 Crecimiento rápido 150 200
los diferentes resultados posibles para una apuesta de $1 Calcule:
a un número menor que 7. a) El rendimiento esperado para la acción X y para la acción Y.
b) Construya la distribución de probabilidad que represente b) La desviación estándar para la acción X y para la acción Y.
los diferentes resultados posibles para una apuesta de $1 e) ¿Invertiría en la acción X o en la acción Y? Explique su
para un número mayor que 7. respuesta.
e) Construya la distribución de probabilidad que represente
los diferentes resultados posibles para una apuesta de $1 5.8 Usted planea invertir $1 ,000 en un fondo de bonos cor-
al número 7. porativos o en un fondo de acciones comunes. Se dispone de
d) Demuestre que, sin importar cuál método de juego utilice, la siguiente información acerca del rendimiento anual (por
las ganancias (o pérdidas) del jugador esperadas a largo cada $1 ,000) de cada una de esas inversiones en diferentes
plazo son las mismas. condiciones económicas, así como acerca de la probabilidad
5.5 Se registró el número de llegadas por minuto a un de ocurrencia de cada una de esas condiciones económicas.
banco localizado en el distrito de negocios de una gran ciu-
dad durante un periodo de 200 minutos. Los resultados fue- Condición Fondo de bonos Fondo de
Probabilidad económica corporativos acciones comunes
ron los siguientes:
0.01 Recesión extrema - 200 - 999
Llegadas Frecuencia Llegadas Frecuencia 0.09 Recesión - 70 - 300
o 14 5 21 0.15 Estancamiento 30 - lOO
1 31 6 10 0.35 Crecimiento lento 80 100
2 47 7 5 0.30 Crecimiento moderado 100 150
3 41 8 2
4 29 0.10 Crecimiento rápido 120 350
182 CAPÍTULO 5 Distribuciones de probabilidad discreta
MODELO MATEMÁTICO
Un modelo matemático es una expresión matemática que representa una variable de interés.
¿Cuál es la probabilidad de que haya tres formatos de pedido marcados en una muestra de
cuatro pedidos en esta secuencia en particular? Como la probabilidad histórica de un pedido mar-
cado es 0.10, la probabilidad de que cada pedido ocurra en la secuencia es:
Cada resultado es independiente de los otros, ya que los formatos de pedido se seleccionaron
de una población muy grande o casi infinita, y cada formato de pedido solo puede seleccionarse
una vez. Por lo tanto, la probabilidad de que ocurra esta secuencia en particular es:
donde:
Con n = 4 y x = 3, existen
n! 4! 4 X3 X2 X 1
ncx = - --- - -- - -- = 4
x!(n - x)! 3!(4- 3)! (3 X 2 X 1)(1)
Usted podrá obtener intuitivamente los otros resultados posibles de la variable aleatoria (cero,
uno, dos y cuatro formatos de pedido marcados). Sin embargo, a medida que aumentan, el tamaño
de la muestra, los cálculos que se tienen que hacer al utilizar este método intuitivo requieren
más tiempo. La ecuación (5.5) es el modelo matemático que proporciona una fórmula general para
calcular cualquier probabilidad a partir de la distribución binomial con el número de eventos de
interés, x, dados n y 7T.
184 CAPÍTULO 5 Distribuciones de probabilidad discreta
DISTRIBUCIÓN BINOMIAL
donde:
P(X = x 1 n, 1T) = probabilidad de que X = x eventos de interés, dados n y 1T .
n = número de observaciones
1T = probabilidad de un evento de interés
1- 1T = probabilidad de no tener un evento de interés
x = número de eventos de interés en la muestra (X = O, 1, 2, ... , n)
n!
- - - - = el número de combinaciones de x eventos de interés de entre n
x! ( n - x)! observaciones
La ecuación (5.5) replantea lo que antes se dedujo de manera intuitiva. La variable binomial X
puede tomar cualquier valor entero x desde O hasta n. En la ecuación (5 .5), el producto
n! 7r'( 1 - 1T )
n- x
x!(n - x )!
·----·------------
EJEMPlO 5.1 Si la probabilidad de un formato de pedido marcado es 0.1, ¿cuál es la probabilidad de que haya
tres formatos de pedido marcados en una muestra de cuatro?
Determinación
de P(X = 3), dados SOLUCIÓN Utilizando la ecuación (5 .5), la probabilidad de que haya tres formatos de pedido
n = 4 y 1T = 0.1 marcados en una muestra de cuatro es:
4'
· ----(0.1) 3 (1 - 0.1) 4 -
P(X = 31 n = 4, 1r = 0.1) ________ 3
3!(4- 3)!
41
= _ (. _) (0. 1) 3 (0.9) 1
3! 1 !
= 4(0.1)(0.1)(0.1)(0.9) = 0.0036
5.2 Distribución binomial 185
Los ejemplos 5.2 y 5.3 muestran los cálculos para otros valores de X.
~------------ -----------------------
Si la probabilidad de un formato de pedido marcado es de 0.1, ¿cuál es la probabilidad de que haya
EJEMPLO 5.2
tres o más, es decir, al menos 3, formatos de pedido marcados en la muestra de cuatro?
Determinación
de P(X ~ 3}, dados SOLUCIÓN En el ejemplo 5.1 encontramos que la probabilidad de que haya exactamente tres
n = 4 y 1r = 0.1 formatos de pedido marcados de una muestra de cuatro es 0.0036. Para calcular la probabilidad de
encontrar al menos tres formatos de pedido marcados, necesitamos sumar la probabilidad de tres
formatos de pedido marcados a la probabilidad de cuatro formatos de pedido marcados. La proba-
bilidad de que haya cuatro formatos de pedido marcados es:
4!
P(X= 4ln = 4 1r = 0.1) = (0.1) 4 (1- 0.1) 4 - 4
' 4!(4- 4)!
41
= - " - (0.1) 4 (0.9) 0
4!(0)!
= 1(0.1)(0.1)(0.1)(0.1)(1) = 0.0001
Así, la probabilidad de que haya al menos tres formatos de pedido marcados es:
· - - - - --- - - ·
EJEMPLO 5.3 Si la probabilidad de un formato de pedido marcado es 0.1, ¿cuál es la probabilidad de que haya
menos de tres formatos de pedido marcados en la muestra de cuatro?
Determinación
de P(X < 3), dados SOLUCIÓN La probabilidad de que haya menos de tres formatos de pedido marcados es:
n = 4 y 1r = 0.1
P(X< 3) = P(X= O)+ P(X= 1) + P(X= 2)
Por lo tanto, P(X < 3) = 0.6561 + 0.2916 + 0.0486 = 0.9963. P(X < 3) también se podría calcu-
lar a partir de su complemento, P(X;::: 3), como sigue:
P(X < 3) = 1 - P(X;::: 3)
= 1 - 0.0037 = 0.9963
·---·--·---·-·---
FIGURA 5.2
Hoja de cálculo de Excel y resultados de Minitab para el cálculo de probabilidades binomiales con
n = 4 y 1T = 0.1
1 )Binomial Probabilities
2 ~--------~~---------,
3 '---,--,------'D :::al::::a____- , - ----j
4 :sample size
5 :Probability of an event of interest
6 ·~-----------:-~--------,
7 ~------'--S~ta~ ti~
st~
ics'----,---~
8 ·Mean 1 0.4 =84 • 85
9 ·Variance 1 0.36 =88. (1 - 85) Binomi a l with .n 4 a nd p 0 .1
10 :Standard deviation 1 0.6 =SQRT{89)
11
12 i8inomial Prob abilities Table
X P ·( X = X }
13' X P(X) o 0 . 6 561
14 o 0.6561 =81NOMDI ST( A l4, $8 $4, $8 $5, FALSE) 1 o ..2916
i~'
1 0.2916 =81N OMDIST(Al5 , $8 $4, $8 $5, FAlSE)
2 0.0 4 8 6
2 0.0486 =BINOMDIST(Al 6, $8 $4, $B$5, FALSE)
3 0.0036 =81N OMDIST(A17, $8 $4, $8 $5, FALSE) 3 0.0036
18 4 0.0001 =BIN OMOIST(A l8, $8 $4, $8$5, FAlSE) 4 0.0001
La forma de una distribución de probabilidad binomial depende de los valores den y 1T . Siempre
que 1T = 0.5, la distribución binomial es simétrica, sin importar qué tan grande o pequeño sea el valor
den. Cuando 1T #- 0.5 , la distribución es asimétrica. Cuanto más se aproxima 1T a 0.5 y mayor es el
número de observaciones, n, menos asimétrica se vuelve la distribución. Por ejemplo, la distribu-
ción del número de formatos de pedido marcados tiene un gran sesgo hacia la derecha debido a
que 1T = 0.1 y n = 4 (véase la figura 5.3).
0.4
~
cr
0.3
0.2
O.l
o
o 4
Observe en la figura 5.3 que, a diferencia del histograma para variables continuas de la sec-
ción 2.6, las barras para los valores son muy delgadas y existe un gran traslape entre cada par de
valores. Esto se debe a que el histograma representa una variable discreta. (Teóricamente, las ba-
rras no deberían ser anchas, sino líneas verticales).
La media (o el valor esperado) de la distribución binomial es igual al producto de n y 1T. En
lugar de utilizar la ecuación (5.1) de la página 179 para calcular la media de la distribución de pro-
babilidad, podemos utilizar la ecuación (5.6) para calcular la media de variables que tienen una
distribución binomial .
5.2 Distribución binomial 187
En promedio, a largo plazo, teóricamente se esperan¡;., = E(X) = n'TT" = ( 4) (0.1) = 0.4 formatos
de pedido marcados en una muestra de cuatro pedidos.
La desviación estándar de la distribución binomial se calcula utilizando la ecuación (5.7).
cr = Y4(0.1)(0.9) = 0.60
Se obtiene el mismo resultado si se utiliza la ecuación (5.3) de la página 180.
En el ejemplo 5.4 se aplica la distribución binomial al servicio de un restaurante de comida
rápida.
EJEMPLO 5.4 Para las cadenas de comida rápida es muy importante tomar pedidos precisos en la ventanilla de
servicio al automóvil. De manera periódica, QSR Magazine (http://www.qsrmagazine.com/) pu-
Cálculo de
blica los resultados de sus encuestas. La precisión se mide como el porcentaje de pedidos que se
probabilidades
entregan de manera correcta. Recientemente, el porcentaje de pedidos entregados de manera co-
binomiales
rrecta en Wendy's fue de aproximadamente 89%. Suponga que usted va a la ventanilla de servicio
al automóvil de Wendy's y hace un pedido. Al mismo tiempo, y de manera independiente, dos
amigos suyos hacen pedidos en la ventanilla de servicio al automóvil de la misma tienda. ¿Cuáles
son las probabilidades de que los tres, ninguno de los tres y al menos dos de los tres pedidos se
entreguen de manera correcta? ¿Cuáles son la media y la desviación estándar de la distribución
binomial para el número de pedidos entregados de manera correcta?
SOLUCIÓN Como hay tres pedidos y la probabilidad de un pedido correcto es 0.89, n = 3y
0.89. Utilizando las ecuaciones (5.6) y (5 .7),
7T" =
Y3(o.89)(o.11)
vü.2937 = 0.5419
Utilizando la ecuación (5.5) de la página 184,
3'
P(X = 3\ n = 3 7r = 0.89) = . (0.89) 3 (1 - 0.89) 3 - 3
' 3!(3 - 3)!
3! ( )3( )o
3!(3- 3)! 0.89 0.11
= 1(0.89)(0.89)(0.89)(1) = 0.7050
188 CAPÍTULO 5 Distribuciones de probabilidad discreta
31
P(X = O 1n = 3, 1r = 0.89) __ ·- (0.89) 0 ( 1 - 0.89) 3 - 0
0!(3 - O)!
3! ( )o( )3
0!( 3 _ O)! 0.89 0.11
1(1)(0.11)(0.11)(0.11) = 0.0013
31
P(X = 21 n = 3, 7T = 0.89) . (0.89) 2 (1 - 0.89) 3 - 2
2!(3 - 2)!
3! 2 1
2!(3- 2)! (0.89) (0.11)
= 3(0.89)(0.89)(0.11) = 0.2614
P(X"?:. 2) = P(X= 2) + P(X= 3)
= 0.2614 + 0.7050
= 0.9664
El número medio de pedidos entregados correctamente en una muestra de tres pedidos es 2.67
y la desviación estándar es 0.5419. La probabilidad de que los tres pedidos sean entregados de
manera correcta es de 0.7050 o 70.50%. La probabilidad de que ninguno de los pedidos se entre-
gue de manera correcta es de 0.0013 o 13%. La probabilidad de que al menos dos pedidos se en-
treguen correctamente es de 0.9664 o 96.64%.
from the Crash", Money, mayo de 2009, p. 114). Suponga d) ¿Cuál es la probabilidad de que dos o más clientes exce-
que obtiene una muestra aleatoria de 1O personas a las que dan sus límites?
en 2008 se les consideró futuros jubilados. ¿Cuál es la pro- í/AUrOI 5.16 En el ejemplo 5.4, de la página 187, usted y
babilidad de que durante 2008 .:111111 dos amigos decidieron ir a Wendy's. Ahora suponga
a) ninguno tuviera 90% o más de su dinero invertido en ac- que deciden ir a Popeye's, una cadena que el mes pasado
ciones? entregó aproximadamente 84.8% de los pedidos de manera
b) exactamente uno tuviera 90% o más de su dinero inver- correcta. ¿Cuál es la probabilidad de que
tido en acciones? a) los tres pedidos se entreguen de manera correcta?
e) dos o menos tuvieran 90% o más de su dinero invertido b) ninguno de los pedidos se entregue de manera correcta?
en acciones? e) al menos dos de los tres pedidos se entreguen correctamente?
d) tres o más tuvieran 90% o más de su dinero invertido en d) ¿Cuáles son la media y la desviación estándar de la distri-
acciones? bución binomial utilizada en los incisos a) al e)? Interprete
5.15 Cuando un cliente hace un pedido en Rudy's On-Line esos valores.
Office Supplies, un sistema de información contable com- 5.17 En el ejemplo 5.4, de la página 187, usted y dos ami-
putarizado (AIS, por las siglas de Accounting Information gos decidieron ir a Wendy's. Ahora suponga que deciden ir
System) de la empresa verifica de manera automática si el a McDonald's, una cadena que el mes pasado entregó
cliente ha excedido su límite de crédito. Registros anteriores aproximadamente 90.1% de los pedidos de manera correcta.
indican que la probabilidad de que los clientes excedan su ¿Cuál es la probabilidad de que
límite de crédito es de 0.05. Suponga que, en un día deter- a) los tres pedidos se entreguen de manera correcta?
minado, 20 clientes realizan pedidos. Suponga que el nú- b) ninguno de los pedidos se entregue de manera correcta?
mero de clientes que el AIS detecta que exceden su límite de e) al menos dos de los tres pedidos se entreguen correctamente?
crédito se distribuye como una variable aleatoria binomial. d) ¿Cuáles son la media y la desviación estándar de la distri-
a) ¿Cuáles son la media y la desviación estándar del número bución binomial utilizada en los incisos a) al e)? Interprete
de clientes que exceden su límite de crédito? esos valores.
b) ¿Cuál es la probabilidad de que ningún cliente exceda su e) Compare los resultados de los incisos a) al d) con los de
límite? Popeye's en el problema 5.16 y los de Wendy's en el
e) ¿Cuál es la probabilidad de que un cliente exceda su
ejemplo 5.4 de la página 187.
límite?
cualquier otro intervalo de un minuto. Por último, la probabilidad de que lleguen dos o más clien-
tes en un periodo dado se aproxima a cero a medida que el intervalo de tiempo se vuelve más pe-
queño. Por ejemplo, la probabilidad de que dos clientes lleguen en un intervalo de 0.01 segundos
es prácticamente de cero. Por lo tanto, podemos utilizar la distribución Poisson para determinar
probabilidades que involucran el número de clientes que llegan al banco en un intervalo de un mi-
nuto durante la hora del almuerzo.
La distribución Poisson tiene una característica, llamada A (la letra griega minúscula lambda),
que es la media o el número esperado de eventos por unidad. La varianza de una distribución Poisson
también es igual a A, y la desviación estándar es igual a A . El número de eventos, X, de la variable
aleatoria Poisson oscila de O a infinito (oo).
La ecuación (5.8) es la expresión matemática para la distribución Poisson que permite calcular
la probabilidad de X = x eventos, dado que se esperan A eventos.
DISTRIBUCIÓN POISSON
P(X=x!A) (5.8)
donde:
P(x = x 1 A) =la probabilidad de X= x eventos en un área de oportunidad dada A
A = número esperado de eventos
e =constante matemática aproximada por 2.71828
x =número de eventos (x =O, 1, 2, .. . , oo).
Para ilustrar una aplicación de la distribución Poisson, suponga que el número medio de clien-
tes que llegan por minuto al banco entre el mediodía y la 1 p.m. es igual a 3.0. ¿Cuál es la probabi-
lidad de que en un minuto dado lleguen exactamente dos clientes? ¿Y cuál es la probabilidad de
que lleguen más de dos clientes en un minuto dado?
Utilizando la ecuación (5.8) y A= 3, la probabilidad de que en un minuto dado lleguen exacta-
mente dos clientes es:
e- 3.0( 3.0 )2 9
P(X= 2IA = 3) = - - - = 0.2240
2! (2.71828) 3 (2)
Para determinar la probabilidad de que lleguen más de dos clientes en cualquier minuto dado,
P(X> 2) = P(X= 3) + P(X= 4) + ·· · + P(X= oo)
Como en una distribución de probabilidad todas estas deben sumar 1, los términos ubicados del
lado derecho de la ecuación P(X > 2) también representan el complemento de la probabilidad de
que X sea menor que o igual a 2, es decir, 1 - P(X :s: 2). Por lo tanto,
P(X > 2) = 1- P(X:s: 2) = 1- [P(X= O)+ P(X= 1) + P(X= 2)]
Ahora, si usamos la ecuación (5.8),
FIGURA 5 . 4
Hoja de cálculo de
Excel y resultados
de Minitab para el
cálculo de probabili-
dades Poisson con Probabilities Table
A=3 P(X)
o 0.0498 =POISSON(A8, $E$4, FALSE)
1 0.1494 =POISSON(A9, $E$4, FALSE)
2 0.2240 =POISSON(AlO, $E$4, FALSE)
3 0.2240 =POISSON(All, $E$4, FALSE)
Po i sscm wi th mean = 3
4 0.1680 =POISSON(AU, $E$4, FALSE)
X P( X= X )
5 0.1008 =POISSON(AB, $E$4, FAlSE)
o 0.049787
6 0.0504 =POISSON(A14, $E$4, FALSE)
1 0.149361
7 0.0216 =POISSON(A15, SE$4, FALSE)
2 o .22404.2
8 0.0081 =POISSON(A16, $E$4, FALSE)
3 0.224042
9 0.0027 =POIS SON(A17, SE$4, FAlSE)
4 0.168031
10 0.0008 =POISSON(Al8, $E$4, FAlSE) 5 0.100819
11 0.0002 =POISSON(Al9, $E$4, FAlSE) 6 0.050409
u 0.0001 =POISSON(A20, $E$4, FAlSE) 7 0.021604
13 0.0000 =POISSON(A21, $E$4, FALSE) 8 0.008102
14 0.0000 =POISSON(All, $E$4, FAlSE) 9 0.002701
15 0.0000 =POISSON(A23, SE$4, FAlSE) 10 0.000810
16 0.0000 =POISSON(A24, $E$4, FALSE) 11 o. 000.2 21
17 0.0000 =POISSON(A25, $E$4, FALSE) 12 0.00005 5
18 0.0000 =POIS SO N(A26, SE$4, FALSE) 13 0.000013
19 0.0000 =POISSON(A27, SE$4, FALSE) 14 0 .000003
20 0.0000 =POISSON (A28, $E$4, FALSE) 15 0.000001
EJEMPLO 5.5 Se sabe que el número de lesiones de trabajo mensuales en una planta de manufactura sigue una distri-
bución Poisson, con una media de 2.5 lesiones de trabajo mensuales. ¿Cuál es la probabilidad de que en
Cálculo de
un mes determinado no ocurran lesiones de trabajo? ¿Y de que ocurra al menos una lesión de trabajo?
probabilidades
Poisson SOLUCIÓN Utilizando la ecuación (5.8) de la página 190, con A= 2.5 (o Excel, Minitab o una
tabla de Poisson), la probabilidad de que en un mes dado no ocurran lesiones de trabajo es:
e- 2 ·5 (2.5) 0 1
P(X =O 1 A= 2.5) = O! = ( _ ) · ( ) = 0.0821
2 71828 2 5 1
La probabilidad de que no ocurran lesiones de trabajo en un mes dado es 0.0821 u 8.21 %. Por lo tanto,
P(X '2 1) - P(X= O)
1 - 0.0821
= 0.9179
La probabilidad de que ocurra al menos una lesión de trabajo es 0.9179 o 91.79%.
5.20 Suponga una distribución Poisson con A= 5.0. ¿Cuál e) en un rollo de 50 pies haya 5 o más defectos y 15 o me-
es la probabilidad de que nos defectos?
a) X= 1? 5.27 J. D. Power and Associates calcula y publica diversas
b) X< 1? estadísticas sobre la calidad de automóviles. La calificación
e) X> 1? de la calidad inicial mide el número de problemas en cada
d)X::::; 1? automóvil nuevo vendido. Para los automóviles modelo
2009, Ford tuvo 1.02 problemas en cada automóvil, en tanto
APLICACIÓN DE CONCEPTOS que Dodge tuvo 1.34 problemas en cada automóvil (datos
5.21 Suponga que el número de errores de red experimen- extraídos de S. Carty, "U.S. Autos Power Forward with
tados en un día en una red de área local (LAN) se distribuye Gains in Quality Survey", USA Today, 23 de junio de 2009,
como una variable aleatoria de Poisson. El número medio p. 3B). Suponga que la variable aleatoria X es igual al nú-
de errores de red experimentados en un día es de 2.4. ¿Cuál mero de problemas en un Ford 2009 recién adquirido.
es la probabilidad de que en cualquier día dado a) ¿Qué suposiciones se deben hacer para que X se distri-
a) ocurran cero errores de red? buya como una variable aleatoria de Poisson?
b) ocurra exactamente un error de red? Con las mismas suposiciones que se hicieron en el inciso a),
e) ocurran dos o más errores de red? si usted comprara un Ford 2009, ¿cuál es la probabilidad de
d) ocurran menos de tres errores de red? que el automóvil nuevo tenga
I/AUTOl 5.22 El gerente de control de calidad de Marilyn's b) cero problemas?
lli'.IJII Cookies está inspeccionando un lote de galletas con e) dos o menos problemas?
chispas de chocolate que acaba de homearse. Si el proceso de d) Proporcione una definición operacional del problema.
producción está bajo control, el número medio de partes ¿Por qué la definición operacional es importante para in-
de chocolate por galleta es de 6.0. ¿Cuál es la probabilidad de terpretar la calificación de la calidad inicial?
que en cualquier galleta en particular inspeccionada 5.28 Remítase al problema 5.27. Si usted comprara un Dodge
a) se encuentren menos de cinco partes de chocolate? 2009, ¿cuál sería la probabilidad de que el automóvil nuevo
b) se encuentren exactamente cinco partes de chocolate? tuviera
e) se encuentren cinco o más partes de chocolate? a) cero problemas?
d) se encuentren cuatro o cinco partes de chocolate? b) dos o menos problemas?
5.23 Remítase al problema 5.22. ¿Cuántas galletas en un e) Compare sus respuestas a los incisos a) y b) con sus res-
lote de 100 debe esperar el gerente que sean descartadas si las puestas a los incisos b) y e) del problema 5.27 del Ford.
políticas de la empresa exigen que todas las galletas con chis- 5.29 Remítase al problema 5.27. Otro artículo reportó que en
pas de chocolate tengan al menos cuatro partes de chocolate? 2008 Ford tuvo 1.12 problemas en cada automóvil y que Dodge
5.24 El Departamento de Transporte de Estados Unidos re- tuvo 1.41 problemas por automóvil (datos extraídos de S.
gistra datos estadísticos del maltrato de maletas por cada Carty, "Ford Moves Up in Quality Survey", USA Today, 5 de
1,000 pasajeros de aerolínea. Durante los primeros nueve junio de 2008, p. 3B). Si usted comprara un Ford 2008, ¿cuál
meses de 201 O, Delta maltrató 3.52 maletas por cada 1,000 sería la probabilidad de que el automóvil nuevo tuviera
pasajeros. ¿Cuál es la probabilidad de que, para los siguien- a) cero problemas?
tes 1,000 pasajeros, Delta b) dos o menos problemas?
a) no maltrate maletas? e) Compare sus respuestas a los incisos a) y b) con sus respues-
b) maltrate al menos una maleta? tas a los incisos b) y e) del problema 5.27 del Ford 2009.
e) maltrate al menos dos maletas? 5.30 Remítase al problema 5.29. Si usted comprara un Dodge
5.25 El Departamento de Transporte de Estados Unidos re- 2008, ¿cuál sería la probabilidad de que el automóvil nuevo
gistra datos estadísticos de las quejas de los consumidores tuviera
por cada 100,000 pasajeros de aerolínea. Durante los prime- a) cero problemas?
ros nueve meses de 2009, las quejas de los consumidores b) dos o menos problemas?
fueron 0.99 por cada 100,000 pasajeros. ¿Cuál es la proba- e) Compare sus respuestas a los incisos a) y b) con sus respues-
bilidad de que entre los siguientes 100,000 pasajeros tas a los incisos a) y b) del problema 5.28 del Dodge 2009.
a) no haya quejas?
5.31 Sus clientes disponen de un número telefónico gratuito
b) haya al menos una queja? de las 9 a.m. a las 9 p.m., para registrar sus quejas acerca de
e) haya al menos dos quejas?
un producto adquirido en su empresa. El historial indica que
5.26 Con base en experiencia previa, se supone que el número se recibe un promedio de 0.8 llamadas por minuto.
de defectos por pie en rollos de papel grado 2 sigue una distri- a) ¿Qué propiedades deben ser verdaderas acerca de la si-
bución Poisson con una media de 1 defecto por cada 5 pies de tuación aquí descrita para poder utilizar la distribución
papel (0.2 defectos por pie). ¿Cuál es la probabilidad de que Poisson con la finalidad de calcular probabilidades con
a) en un rollo de un pie haya al menos dos defectos? respecto al número de llamadas telefónicas recibidas en
b) en un rollo de 12 pies haya al menos un defecto? un periodo de un minuto?
Ecuaciones clave 193
Suponiendo que esta situación cumple con las propiedades e) se reciban tres o más llamadas telefónicas?
descritas en el inciso a), ¿cuál es la probabilidad de que du- d) ¿Cuál es el número máximo de llamadas telefónicas que se
rante un minuto recibirán en un periodo de un minuto el 99.99% del tiempo?
b) se reciban cero llamadas telefónicas?
E
n la sección sobre Saxon Home Improvement, al inicio de este
capítulo, supusimos que usted trabajaba como contador para la
empresa. El sistema de información contable de la empresa revisa
de manera automática los posibles errores en los formatos de pe-
dido de los clientes en línea. Cualquier factura cuestionable se marca y se in-
Monkey Business lmages/Shunerstock.com cluye en un informe diario de excepciones. Sabiendo de antemano que existían
0.1 Ode probabilidades de que un pedido sería marcado, utilizó la distribución
binomial para determinar la probabilidad de calcular cierto número de formatos marcados en un ta-
maño de muestra de cuatro. Encontró una probabilidad de 65.6% de que ninguno de los formatos
estuviera marcado, una probabilidad de 29.2% de que uno estuviera marcado y una probabilidad de
5.2% de que dos o más estuvieran marcados. También determinó que, en promedio, se espera que 0.4
formatos estén marcados y que la desviación estándar del número de formatos de pedido marcados
sea 0.6. Ahora que aprendió a utilizar la distribución binomial para una probabilidad conocida de
· 0. 1Oy un tamaño de muestra de cuatro, será capaz de aplicar el mismo método a cualquier probabili-
dad y tamaño de muestra dados. Por consiguiente, podrá hacer inferencias acerca del proceso de pe-
didos en línea y, más importante, evaluar cualquier cambio o propuesta de cambio para el proceso.
RESUMEN
En este capítulo estudiamos la esperanza matemática (el va- • ¿Hay un número fijo de observaciones, n, cada una de
lor esperado) y dos importantes distribuciones de probabili- las cuales se clasifica como un evento que es de interés
dad discreta: las distribuciones binomial y Poisson. En el o uno que no es de interés? ¿O existe alguna área de
siguiente capítulo se estudiará la distribución continua más oportunidad?
importante, la distribución normal. • Si hay un número fijo de observaciones, n, cada una de
Para determinar qué distribución de probabilidad se debe las cuales se clasifica como un evento que es de interés
utilizar en una situación específica, necesita plantear las si- o uno que no es de interés, se utiliza la distribución bi-
guientes preguntas: nomial. Si existe un área de oportunidad, se utiliza la
distribución Poisson.
ECUACIONES CLAVE
Valor esperado, J.L, de una variable aleatoria discreta Distribución binomial
N n! n- x
J.L = E(X) = 2:x¡P(X = x¡) (5.1) P(X= xln,'TT) = ( ) ~(1 -11' ) (5.5)
i= l x! n- x!
Varianza de una variable aleatoria discreta Media de la distribución binomial
N
a- 2 = 2:[x¡ - E(X)fP(X = x¡) (5.2) ¡..t = E(X) = n'TT (5.6)
i= l
Desviación estándar de la distribución binomial
Desviación estándar de una variable aleatoria discreta
a-= yf;;.2 = ~ = Vn7T(l - 11') (5.7)
a-= \17? = ~ f[x¡ - E(X)fP(X = x¡) (5.3)
Distribución Poisson
i= l
Combinaciones e- AÁx
n! P(X=xiA.)= - (5.8)
x!
ncx = ( (5.4)
x!n-x)!
194 CAPÍTULO 5 Distribuciones de probabilidad discreta
TÉRMINOS CLAVE
área de oportunidad 198 distribución Poisson 189 valor esperado, J.L, de una variable
desviación estándar de una variable modelo matemático 182 aleatoria discreta 179
aleatoria discreta 180 regla de combinaciones 183 varianza de una variable aleatoria
distribución binomial 182 valor esperado l 78 discreta 179
distribución de probabilidad para una
variable aleatoria discreta 178
d) ¿Cuáles son la media y la desviación estándar de la distri- 5.44 Una teoría respecto del Índice S&P 500 plantea que si
bución de probabilidad? este aumenta durante Jos primeros cinco días comerciales del
5.40 Remítase al problema 5.39. Suponga que una inicia- año, es probable que aumente durante el año completo. De
tiva para mejorar la calidad ha reducido el porcentaje de 1950 a 201 O, el Índice S&P 500 tuvo estas tempranas ganan-
facturas que contienen errores a 20%. Si se procesan 1O fac- cias en 39 años. En 34 de esos 39 años el índice aumentó du-
turas, ¿cuál es la probabilidad de que rante todo el año. Suponiendo que este indicador es un evento
a) cero facturas contengan errores? aleatorio sin valor predictivo, se esperaría que el indicador
b) exactamente una factura contenga un error? fuera correcto 50% de las veces. ¿Cuál es la probabilidad de
e) dos o más facturas contengan errores? que el Índice S&P 500 aumente en 34 o más años si la proba-
d) ¿Cuáles son la media y la desviación estándar de la distri- bilidad verdadera de un incremento en el índice es de
bución de probabilidad? a) 0.50?
e) Compare los resultados de los incisos a) a e) con las res- b) 0.70?
puestas de los incisos a) a e) del problema 5.39. e) 0.90?
d) Con base en los resultados de los incisos a) a e), ¿cuál
5.41 El inicio de sesión en una red social implica recomendar cree que sea la probabilidad de que el Índice S&P 500
o compartir un artículo que se haya leído en línea. En el primer aumente si existe una ganancia temprana en los primeros
trimestre de 2011 ("T. Wayne. One Log-In Catches on for Many
días comerciales del año? Explique su respuesta.
Sites", Drilling Down, The New York Times, 2 de mayo de
2011, p. B2), según Janrain, 35% de los usuarios iniciaron se- 5.45 Una correlación espuria se refiere a la relación aparente
sión por medio de Facebook y 31% por medio de Google. entre variables que no tienen una verdadera relación o que
Si se selecciona una muestra de 1O inicios de sesión en la están relacionadas con otras variables que no se han medido. Un
red social, ¿cuál es la probabilidad de que índice del mercado de valores muy conocido en Estados
a) más de cuatro inicien sesión utilizando Facebook? Unidos, que es ejemplo de una correlación espuria, es la rela-
b) más de cuatro inicien sesión utilizando Google? ción entre el ganador del Super Bowl de la National Football
e) ninguno inicie sesión utilizando Facebook? League (NFL) y el desempeño del Índice Dow Jones durante
d) ¿Qué suposición debe hacer para responder a los incisos ese año. El "indicador" establece que el año en que un equipo
a) a e)? que existía antes de que la National Football League se fusio-
5.42 Una de las mayores frustraciones para la industria de los nara con la American Football League gana el Super Bowl, el
aparatos electrónicos es que los clientes están acostumbra- Índice Dow Jones aumentará. (Desde luego, cualquier corre-
dos a devolver los productos por cualquier razón (C. lación entre esto es espuria, ¡ya que un asunto no tiene abso-
Lawton, "The War on Retums", The Wall Street Journal, 8 lutamente nada que ver con el otra!). Desde que se realizó el
de mayo de 2008, pp. Dl, D6). Recientemente se reportó que primer Super Bowl en 1967 hasta 201 O, el indicador ha estado
en 68% de las devoluciones "no se encontró un problema". en lo correcto en 35 de 44 veces (datos extraídos de W. Power,
Considere una muestra de 20 clientes que devolvieron los "The Bulls Want Jets Grounded", The Wall Street Journal, 22
productos electrónicos que adquirieron. Utilice el modelo bino- de enero de 2011, p. B2). Suponiendo que este indicador es
mial para responder las siguientes preguntas: un evento aleatorio sin valor predictivo, se esperaría que el
a) ¿Cuál es el valor esperado o la media de la distribución indicador estuviera en lo correcto 50% de las veces.
binomial? a) ¿Cuál es la probabilidad de que el indicador esté en lo
b) ¿Cuál es la desviación estándar de la distribución binomial? correcto 35 o más veces en 44 años?
e) ¿Cuál es la probabilidad de que 15 de los 20 clientes devuel- b) ¿Qué le indica esto acerca de la utilidad de este indicador?
van un aparato en el que "no se encontró un problema"? 5.46 En 2009 se perdieron aproximadamente 300 millones
d) ¿Cuál es la probabilidad de que no más de 10 de los
de pelotas de golf en Estados Unidos. Suponga que el nú-
clientes devuelvan un aparato en el que "no se encontró mero de pelotas de golf perdidas en un partido de 18 hoyos
un problema"?
se distribuye como una variable aleatoria de Poisson con
e) ¿Cuál es la probabilidad de que 1O o más de los clientes de-
una media de 5 pelotas.
vuelvan un aparato en el que "no se encontró un problema"?
a) ¿Qué supuesto se necesita hacer para que el número de
5.43 Remítase al problema 5.42. Durante el mismo pe- pelotas de golf perdidas en un partido de 18 hoyos se dis-
riodo, 27% de las devoluciones se debieron a "arrepenti- tribuya como una variable aleatoria de Poisson?
miento del comprador". Si se hacen las suposiciones del inciso a), ¿cuál es la proba-
a) ¿Cuál es el valor esperado o la media de la distribución bilidad de que
binomial? b) se pierdan Opelotas en un partido de 18 hoyos?
b) ¿Cuál es la desviación estándar de la distribución binomial? e) se pierdan 5 o menos pelotas en un partido de 18 hoyos?
e) ¿Cuál es la probabilidad de que ninguno de los 20 clien-
d) se pierdan 6 o más pelotas en un partido de 18 hoyos?
tes devuelva un aparato "porque se arrepintió"?
d) ¿Cuál es la probabilidad de que no más de 2 de los clien- 5.47 Según una encuesta de Virginia Tech, los estudiantes uni-
tes hagan una devolución "porque se arrepintieron"? versitarios realizan un promedio de 11 llamadas por teléfono
e) ¿Cuál es la probabilidad de que 3 o más de los clientes celular cada día. Además, 80% de los estudiantes encuestados
hagan una devolución "porque se arrepintieron"? indicaron que sus padres pagan los gastos de su teléfono celular
196 CAPÍTULO 5 Distribuciones de probabilidad discreta
(J. Elliot, "Professor Researches Cell Phone Usage Among e) Si selecciona una muestra aleatoria de 1Oestudiantes, ¿qué
Students", www.physorg.com, 26 de febrero de 2007). distribución podría utilizar para modelar la proporción de
a) ¿Qué distribución podría utilizar para modelar el número estudiantes cuyos padres que pagan sus gastos de telefonía
de llamadas que un estudiante realiza en un día? celular?
b) Si selecciona un estudiante al azar, ¿cuál es la probabili- d) Utilizando la distribución seleccionada en e), ¿cuál es la
dad de que realice más de 10 llamadas en un día? ¿Más probabilidad de que los 1O tengan padres que pagan sus
de 15? ¿Más de 20? gastos de telefonía celular? ¿A l menos 9? ¿Al menos 8?
REFERENCIAS
l . Levine, D . M ., P. Ramsey y R. Smidt, Applied Statistics 3. Minitab Release 16 (State College, PA: Minitab, Inc .,
for Engineers and Scientists Using Microsoft Excel and 2010).
Minitab (Upper Saddle River, NJ: Prentice Hall, 2001 ). 4. Moscove, S. A., M. G. Simkin y N. A . Bagranoff, Core
2. Microsoft Exce/2010 (Redmond, WA: Microsoft Corp., Concepts of Accounting !nformation Systems, 11 a ed.
2010). (Nueva York: Wiley, 2010).
Guía del capítulo 5 para Excel 197
-
GUÍA
--
DEL CAPÍTULO
-
S PARA MINITAB
10. Escriba SUM(C3) en el cuadro Expressions. Omita el paso 9 para crear los resultados que se muestran en
11. Si es necesario, quite la marca en Assign as formula. la figura 5.2 de la página 186.
12. Haga clic en OK.
(.: Pr®abilitv
(' Cumulalive probabiitv
Mean: 13
(' Inverse cumulative probabilitv
Help lc::::::i:JiS:::::::::JJ Omita el paso 8 para crear los resultados que se muestran en
la figura 5.4 de la página 191.