Suscríbete a DeepL Pro para poder editar este documento.

Entra en www.DeepL.com/pro para más información.

108
CAPÍTULO 4 DISTRIBUCIONES DE PROBABILIDAD

4.3.2 Consulte el ejercicio 4.3.1. ¿Cuántos adultos a los que se les ha dicho que
tienen hipertensión
¿espera encontrar en una muestra de 20? 4.3.3 Consulte el ejercicio 4.3.1.
Supongamos que seleccionamos una muestra aleatoria simple de cinco adultos.
Utilice la ecuación 4.3.2
para hallar la probabilidad de que, en la muestra, el número de personas a las que se
les ha dicho que tienen hipertensión sea

(a) Cero (c) Entre uno y tres, inclusive (e) Cinco

(b) Más de uno (d) Dos o menos

4.3.4
La misma base de datos de la encuesta citada en el ejercicio 4.3.1 (A-5) muestra
que el 32% de los adultos estadounidenses indicaron que se habían sometido a la
prueba del VIH en algún momento de su vida. Considere una muestra aleatoria simple de
15 adultos seleccionados en ese momento. Encuentre la probabilidad de que el número de
adultos que se han hecho la prueba del VIH en la muestra sea

(a) Tres
(b) Menos de cinco (c) Entre cinco y nueve, ambos inclusive (d) Más de
cinco, pero menos de diez (e) Seis o más

4.3.5

4.3.6

4.3.7
Consulte el ejercicio 4.3.4. Encuentre la media y la varianza del número de
personas sometidas a la prueba del VIH en muestras de tamaño 15. Consulte el
ejercicio 4.3.4. Supongamos que tomamos una muestra aleatoria simple de 25
adultos hoy en día y encontramos que dos se han sometido a la prueba del VIH en
algún momento de su vida. ¿Serían sorprendentes estos resultados? ¿Por qué o por
qué no? Coughlin et al. (A-6) estimaron que el porcentaje de mujeres que
viven en los condados fronterizos del sur de Estados Unidos con México
(condados designados en California, Arizona, Nuevo México y Texas) que tienen
menos de una educación secundaria es de 18,7. Supongamos que la probabilidad
correspondiente es de 0,19. Supongamos que seleccionamos tres mujeres al
azar. Encuentra la probabilidad de que el número con menos de una educación
secundaria sea:

(a) Exactamente cero (b) Exactamente uno (c) Más de uno (d) Dos o menos (e) Dos
o tres (f) Exactamente tres

4.3.8
En una encuesta realizada a estudiantes de enfermería que cursan un máster, el
75 por ciento declaró que esperaba ser promocionado a un puesto superior en el
plazo de un mes tras recibir el título. Si este porcentaje se mantiene para toda la
población, encuentre, para una muestra de 15, la probabilidad de que el número que
espera un ascenso en el plazo de un mes después de recibir su título sea:
(a) Seis
(b) Al menos siete (c) No más de cinco (d) Entre seis y nueve, ambos inclusive

4.3.9 Dados los parámetros binomiales p= .8 y n=3, demuestre mediante la

expansión binomial dada en
Tabla 4.3.1 que f(x) = 1.

4.4 LA DISTRIBUCIÓN DE POISSON

La siguiente distribución discreta que consideramos es la distribución de

Poisson, que recibe su nombre del matemático francés Simeon Denis
Poisson (1781-1840), a quien se le atribuye la publicación de su derivación en
1837. Esta distribución se ha utilizado ampliamente como

4.4 LA DISTRIBUCIÓN DE POISSON

109

modelo probabilístico en biología y medicina. Haight (1) presenta un

catálogo bastante extenso de tales aplicaciones en el capítulo 7 de su libro.
Si x es el número de ocurrencias de algún evento aleatorio en un intervalo de
tiempo o espacio (o algún volumen de materia), la probabilidad de que x ocurra
viene dada por

e-ixx
x=0,1,2,...
(4.4.1)

La letra griega 1 (lambda) se llama parámetro de la distribución y es el número

medio de ocurrencias del suceso aleatorio en el intervalo (o volumen). El símbolo
e es la constante (con cuatro decimales) 2,7183.
Se puede demostrar que f(x) > 0 para todo x y que f(x) = 1, de modo que la
distribución satisface los requisitos de una distribución de probabilidad.

El proceso de Poisson Hemos visto que la distribución binomial es el resultado

de un conjunto de supuestos sobre un proceso subyacente que da lugar a un
conjunto de observaciones numéricas. Este es también el caso de la distribución de
Poisson. Las siguientes afirmaciones describen lo que se conoce como proceso de
Poisson.
1. Las ocurrencias de los eventos son independientes. La ocurrencia de un
evento en un
intervalo de espacio o tiempo no tiene ningún efecto sobre la probabilidad de que se
produzca una segunda
el evento en el mismo, o en cualquier otro, intervalo. 2. Teóricamente, debe ser
posible un número infinito de ocurrencias del evento en el
intervalo. 3. La probabilidad de que se produzca un único suceso en un intervalo
determinado es
proporcional a la longitud del intervalo. 4. En cualquier porción
infinitesimalmente pequeña del intervalo, la probabilidad de más de un
de la ocurrencia del evento es insignificante.
Una característica interesante de la distribución de Poisson es el hecho de que
la media y la varianza son iguales. Ambas se representan con el símbolo .

Cuándo utilizar el modelo de Poisson La distribución de Poisson se

emplea como modelo cuando se hacen recuentos de sucesos o entidades que se
distribuyen aleatoriamente en el espacio o el tiempo. Se puede sospechar que un
determinado proceso obedece a la ley de Poisson, y bajo este supuesto se pueden
calcular las probabilidades de ocurrencia de sucesos o entidades dentro de alguna
unidad de espacio o tiempo. Por ejemplo, bajo el supuesto de que la distribución de
algún parásito entre los miembros individuales del huésped sigue la ley de
Poisson, uno puede, con el conocimiento del parámetro 1, calcular la
probabilidad de que un huésped individual seleccionado al azar produzca x
número de parásitos. En un capítulo posterior aprenderemos a decidir si la
suposición de que un proceso específico obedece a la ley de Poisson es plausible. Un
uso adicional de la distribución de Poisson en la práctica se produce cuando n es
grande y p es pequeño. En este caso, la distribución de Poisson puede utilizarse para

Para simplificar, la distribución de Poisson se discute en términos de intervalos, pero otras unidades, como
un volumen de materia, están implícitas.

110
CAPÍTULO 4 DISTRIBUCIONES DE PROBABILIDAD

se aproxima a la distribución binomial. En otras palabras,

Captura x=0,1,2,...
n-X

donde à = np.
Para ilustrar el uso de la distribución de Poisson para el cálculo de
probabilidades, consideremos los siguientes ejemplos.

EJEMPLO 4.4.1 En un estudio de anafilaxia inducida por fármacos entre

pacientes que toman bromuro de rocuronio como parte de su anestesia,
Laake y Røttingen (A-7) encontraron que la ocurrencia de anafilaxia siguió un modelo
de Poisson con a = 12 incidentes por año en Noruega. Encuentre la probabilidad de
que en el próximo año, entre los pacientes que reciben rocuronio,
exactamente tres experimenten anafilaxia.

Solución:
Por la ecuación 4.4.1, encontramos que la respuesta es

P(X = 3)=9
e-12123
-= .00177

EJEMPLO 4.4.2
Consulte el ejemplo 4.4.1. ¿Cuál es la probabilidad de que al menos tres pacientes
en el próximo año experimenten anafilaxia si se administra rocuronio con
anestesia?

Solución: Podemos utilizar el concepto de sucesos complementarios en este

caso. Dado que P(X<2)
es el complemento de P(X > 3), tenemos
P(x > 3) = 1 - P(x < 2) = 1 - [P(X = 0) + P(X = 1) + P(X = 2)]
Te-1212° -12121 €-121227
¡1! ¡2! = 1 - [.00000614 +.00007373 +.00044238] = 1-.00052225
= .99947775
-
+
¡LO!

En los ejemplos anteriores, las probabilidades se evaluaron directamente a partir

de la ecuación. Sin embargo, podemos utilizar la Tabla C del Apéndice, que da las
probabilidades acumuladas para varios valores de a y X.

EJEMPLO 4.4.3

En el estudio de un determinado organismo acuático, se tomó un gran número de

muestras de un estanque y se contó el número de organismos de cada muestra.
El número medio de

4.4 LA DISTRIBUCIÓN DE POISSON

111

organismos por muestra es de dos. Suponiendo que el número de organismos

sigue una distribución de Poisson, encuentre la probabilidad de que la siguiente
muestra tomada contenga uno o menos organismos.

Solución:
En la tabla C vemos que cuando à = 2, la probabilidad de que X < 1 es de 0,406. Es
decir, P(X < 1/2) = 0,406.

EJEMPLO 4.4.4

Consulte el ejemplo 4.4.3. Encuentre la probabilidad de que la siguiente muestra tomada

contenga exactamente tres organismos.

Solución:

P(X = 3/2) = P(X < 3) - P(X < 2) = .857 - . 677 = .180

Datos:

ci: 0 1 2 3 4 5 6

Cuadro de diálogo:
Comando de sesión:

Calc > Distribuciones de probabilidad

Poisson
MTB > PDF C1; SUBC> Poisson .70.
Elige la Probabilidad. Escriba . 70 en Media. Elija la columna Entrada y
escriba C1. Haga clic en Aceptar.

La salida:

Función de densidad de probabilidad

Poisson con mu = 0,700000

x)
0.00 1.00 2.00 3.00 4.00 5.00 6.00
P( x =
0.4966 0.3476 0.1217 0.0284 0.0050 0.0007 0.0001

FIGURA 4.4.1 Cálculo en MINITAB de las probabilidades individuales de Poisson

para x = 0 hasta x = 6 y X=.7.

112
CAPÍTULO 4 DISTRIBUCIONES DE PROBABILIDAD

Usando los comandos que se encuentran en:

Análisis > Otros

Calculadora de probabilidad

Obtenemos el siguiente resultado:

0 <= x
Prob(x <= X)
0.4966

0.8442

0.9659
0.9942

0.9992

0.9999

1.0000

FIGURA 4.4.2 Cálculo en MINITAB de las probabilidades de Poisson acumulativas de x=0 ax=6
y 1 = .7.

EJEMPLO 4.4.5
Consulte el ejemplo 4.4.3. Encuentre la probabilidad de que la próxima muestra
tomada contenga más de cinco organismos.
Solución: Como el conjunto de más de cinco organismos no incluye cinco,
estamos preguntando
para la probabilidad de que se observen seis o más organismos. Se
obtiene restando a uno la probabilidad de observar cinco o menos. Es decir,

P(X > 5/2) = 1 - P(X < 5) = 1- .983 = .017

Las probabilidades de Poisson se pueden obtener con la mayoría de los paquetes

de software estadístico. Para ilustrar el uso de MINITAB para este propósito,
supongamos que deseamos encontrar las probabilidades individuales para x = 0 hasta x = 6
cuando a = .7. Introducimos los valores de x en la columna 1 y procedemos como se muestra
en la figura 4.4.1. Obtenemos las probabilidades acumuladas para los mismos
valores de x y a como se muestra en la Figura 4.4.2 .

EJERCICIOS

4.4.1
Singh et al. (A-8) estudiaron la aparición de hemangiomas capilares de la retina (HCR) en
pacientes con la enfermedad de von Hippel-Lindau (VHL). El HCR es un tumor vascular
benigno de la retina. Mediante una revisión retrospectiva de series de casos
consecutivos, los investigadores descubrieron que el número de tumores de
HCR

4.5 DISTRIBUCIONES DE PROBABILIDAD CONTINUAS

113

4.4.2
Los incidentes siguieron una distribución de Poisson con a = 4 tumores por ojo
para los pacientes con VHL. Usando este modelo, encuentre la probabilidad de que
en un paciente seleccionado al azar con VHL:
(a) Hay exactamente cinco apariciones de tumores por ojo. (b) Hay más de
cinco casos de tumores por ojo. (c) Hay menos de cinco apariciones de
tumores por ojo. (d) Hay entre cinco y siete apariciones de tumores por ojo,
inclusive. Tubert-Bitter et al. (A-9) descubrieron que el número de reacciones
gastrointestinales graves notificadas al Comité Británico de Seguridad de los
Medicamentos fue de 538 para 9.160.000 prescripciones del medicamento
antiinflamatorio piroxicam. Esto corresponde a una tasa de 0,058 reacciones
gastrointestinales por cada 1.000 recetas emitidas. Utilizando un modelo de Poisson
para la probabilidad, con a = .06, encuentre la probabilidad de (a) Exactamente una
reacción gastrointestinal en 1000 recetas (b) Exactamente dos
reacciones gastrointestinales en 1000 recetas (c) Ninguna reacción
gastrointestinal en 1000 recetas (d) Al menos una reacción gastrointestinal en
1000 recetas Si el número medio de accidentes graves por año en una gran
fábrica (donde el número de empleados permanece constante) es de cinco,
encuentre la probabilidad de que en el año en curso haya:
(a) Exactamente siete accidentes b) Diez o más accidentes c) Ningún accidente
(d) Menos de cinco accidentes
4.4.3

4.4.4
En un estudio sobre la eficacia de un insecticida contra un determinado
insecto, se roció una gran superficie de terreno. Posteriormente se examinó la
zona en busca de insectos vivos seleccionando cuadrados al azar y contando el
número de insectos vivos por cuadrado. La experiencia anterior ha demostrado que el
número medio de insectos vivos por cuadrado después de la fumigación es de 0,5. Si
el número de insectos vivos por cuadrado sigue una distribución de Poisson,
encuentre la probabilidad de que un cuadrado seleccionado contenga:

(a) Exactamente un insecto vivo (b) Ningún insecto vivo (c) Exactamente cuatro
insectos vivos (d) Uno o más insectos vivos

4.4.5
En una determinada población se diagnostican una media de 13 nuevos casos de cáncer
de esófago cada año. Si la incidencia anual del cáncer de esófago sigue una
distribución de Poisson, encuentre la probabilidad de que en un año determinado el
número de casos nuevos diagnosticados de cáncer de esófago sea:

(a) Exactamente 10 (c) No más de 12 (e) Menos de siete

(b) Al menos ocho (d) Entre nueve y quince, ambos inclusive

4.5 DISTRIBUCIONES DE PROBABILIDAD CONTINUAS

Las distribuciones de probabilidad consideradas hasta ahora, la binomial y la de

Poisson, son distribuciones de variables discretas. Consideremos ahora las
distribuciones de variables aleatorias continuas. En el capítulo 1 dijimos que una
variable continua es aquella que puede asumir cualquier valor dentro de un
intervalo específico de valores asumidos por la variable. En consecuencia, entre
dos valores cualesquiera asumidos por una variable continua, existe un número
infinito de valores.