Tarea 4 :DISTRIBUCIONES DISCRETAS (II)

ALUMNA: ANHELINA SPIZHAVKA SHCHERBAK

Variable Aleatoria es una función que asigna un número real a cada resultado de un
experimento aleatorio.
Para que una variable aleatoria esté bien definida, necesitamos conocer:
1. El espacio muestral, es decir, todos los resultados observables posibles que se
obtendrían de repetir el experimento indefinidamente.
2. Una regla de asignación de probabilidadespara los distintos sucesos en los
que estemos interesados. A esta regla de asignación se le suele denominar
modelo de distribución de probabilidad o modelo de distribución o
simplemente distribución de la variable aleatoria.

VARIABLES ALEATORIAS DISCRETAS (X):

• Función de probabilidad (la usaremos para asignar probabilidades): 𝑷(𝑿 = 𝒙)
• Función de distribución (probabilidad acumulada): F(x) = 𝑷(𝑿 ≤ 𝒙) = ∑𝒊=𝒙
𝒊=𝟎 𝑷(𝑿 = 𝒊)
• Adicionalmente cada variable tendrá su media y su varianza: µ 𝒚 𝝈𝟐 (𝑿)

DISTRIBUCIÓN de POISSON: X~𝑷𝒔(𝝀)

Para variables aleatorias que impliquen la aparición de sucesos puntuales a lo largo

de una unidad de medida continua (tiempo, longitud, área, …).

X = Número de veces que se produce un suceso a lo largo de una unidad de

medida continua. (X = 0, 1, 2, 3, …)

λ𝒙
Función de probabilidad: 𝑷(𝑿 = 𝒙) = 𝒆−λ ∙ 𝒙!

Función de distribución: 𝐹 (𝑥 ) = ∑𝑖=𝑥

𝑖=0 𝑃(𝑋 = 𝑖)

Esperanza matemática y varianza: E(X) = λ ; Var(X) = λ

SUMA DE VARIABLES de POISSON INDEPENDIENTES:

Sean X e Y dos variables aleatorias independientes distribuidas como una Poisson
con parámetros λ1 y λ2 respectivamente, Z = X+Y tiene una distribución de Poisson
con parámetroλ igual a la suma de los parámetros de las variables originales (λ1+
λ2).

DISTRIBUCIÓN BINOMIAL vs DISTRIBUCIÓN de POISSON:

Si X~𝑩(𝒏, 𝒑), 𝒅𝒐𝒏𝒅𝒆 𝒏 ∙ 𝒑 = 𝝀, 𝒚 𝒏 → ∞ 𝒚 𝒑 → 𝟎 → 𝑿~𝑷𝒔(𝒏 ∙ 𝒑) = 𝑷𝒔(𝝀)

(n ≥30 y p ≤ 0,1)

1
Contenido:
1. Ejercicios Distribución de Poisson
2. Distribución de Poisson (Statgraphics)

1. Ejercicios Distribución de Poisson

PROBLEMA 1

En una ciudad con una población de 500.000 habitantes, cierta enfermedad tiene una
probabilidad muy baja de ocurrir, p=1/100.000.
a) Indicar como se distribuye la variable “número de personas con la
enfermedad”.
b) Calcular el número esperado de habitantes que la padecen.
c) Indicar si se cumplen las condiciones para poder calcular probabilidades
mediante una distribución de Poisson.
d) Calcular la probabilidad de que haya más de 3 personas con dicha enfermedad.
SOL: b) 5; d) 0.735

2
PROBLEMA 2

Supóngase que estamos investigando la seguridad en un cruce de carreteras muy

peligroso. Los archivos de la policía indican una media de cinco accidentes por mes en
este cruce de carreteras. El número de accidentes está distribuido conforme a la
distribución de Poisson, y la división de seguridad en carreteras quiere:
a) Calcular la probabilidad de exactamente 0, 1, 2, 3 y 4 accidentes en un mes
determinado.
b) Calcular la probabilidad de tener más de dos accidentes en un mes determinado
c) Obtener cómo se distribuye la probabilidad de la variable número de accidentes en
un año.

SOL: a) 0.00674, 0.03369, 0.0842, 0.1404, 0.1755; b) 0.87537; c) Y~Ps(𝝀=60)

3
PROBLEMA 3

Supongamos que el número de imperfecciones en un alambre delgado de cobre sigue

una distribución Poisson con una media de 2.3 imperfecciones por milímetro.

(a) Calcular la probabilidad de 2 imperfecciones en un milímetro de alambre.

(b) Calcular la probabilidad de 10 imperfecciones en 5 milímetros de alambre.

(c) Calcular la probabilidad de al menos una imperfección en 2mm de alambre

SOL: a) 0.265; b) 0.1129; c) 0.9899

PROBLEMA 4

La contaminación constituye un problema en la fabricación de discos de

almacenamiento óptico. El número de partículas de contaminación que ocurre en un
disco óptico tiene una distribución de Poisson y el número promedio de partículas por
centímetro cuadrado de superficie del disco es 0.1. El área de un disco bajo estudio es
100 centímetros cuadrados.

(a) Calcular la probabilidad de que ocurran 12 partículas en el área del disco bajo
estudio.

4
(b) Calcular la probabilidad de que ocurran cero partículas en el área del disco bajo
estudio.

(c) Calcular la probabilidad de que 12 o menos partículas ocurran en el área del disco
bajo estudio. Utilizar el ábaco de Poisson.

SOL: a) 0.095; b) 𝟒, 𝟓𝟒 ∙ 𝟏𝟎−𝟓 ;c) ≅ 𝟎. 𝟖

PROBLEMA 5

En un vehículo industrial el número de pinchazos sigue una distribución de Poisson con

media 0,3 por cada 50.000 kilómetros. Si un vehículo industrial recorre 100.000
kilómetros,

a) Calcula la probabilidad de que no tenga ningún pinchazo.

b) Calcula la probabilidad de que tenga menos de tres pinchazos.

c) Calcula el número de kilómetros recorridos para que la probabilidad de que no

tenga ningún pinchazo sea 0,4066

SOL: a) 0.5488; b) 0.9767; c) 150.000 kilometros

5
6
2. Distribución de Poisson (Statgraphics)

Recordamos que la v.a. X sigue una distribución de Poisson de parámetro λ cuando

representa el número de sucesos aleatorios independientes que se observan en un
período de tiempo, longitud, superficie o volumen. El parámetro λ representa el número
medio de sucesos que ocurren en todo el periodo observado.

Statgraphics: Desplegar el menú Describir y el submenú Distribuciones de

Probabilidad. Se trabaja con un cierto valor medio que en la distribución de Poisson
es igual a λ.

Ejercicio 1: Distribución de Poisson.

El número de usuarios que acceden a un ordenador, que hace de servidor de una red,
es, por término medio, de 3000 cada hora. Suponiendo que los accesos se producen de
forma independiente y con media constante, se desea calcular la probabilidad de que
en un minuto determinado accedan a dicha red:

X = número usuarios que acceden POR MINUTO

X es Poisson con lambda = 50

a) Exactamente 40 usuarios.

P(x=40)= 0,0214996

7
Pasos a seguir en el STATGRAPHICS:
1. Describir
2. Ajuste de Distribuciones
3. Distribuciones de Probabilidad
4. Distribuciones POISSON
5. Media: 50 usuarios cada minuto (3000/60)
6. Aceptar
7. Opciones de Ventana
8. Variable aleatoria: 40

b) Entre 40 y 50 usuarios, ambos valores incluidos.

P(40<=X>=50)= 0,0563+0,481-(0,0646) = 0,4727

Si ampliamos la red de clientes incorporando una nueva comunidad que hace que el
servidor de la red anterior tenga por término medio un aporte de 1500 usuarios por
hora provenientes de la nueva comunidad

c) ¿Cuál es la probabilidad de que el servidor tenga más de 80 usuarios en un mínuto

tras la incorporación de nueva comunidad?

3000+1500 = 4500 usuarios por hora

4500/60 = 75 usuarios por minuto

8
P(x>80) = 0,258947