Universidad Nacional Autónoma de Honduras

Facultad de ciencias económicas administrativas y contables

Departamento De Administración De Empresas
Catedrático:
Kelvin Nahún Hernández Maldonado
Clase:
Análisis Cuantitativo 1
Alumno:
Miguel Angel Garcia Barahona
Número de cuenta:
20211000056
Sección:
1200
21 de Marzo del 2023
 Introducción
La presente actividad se refiere a la distribución Poisson que es, junto con la
distribución binomial, una de las más importantes distribuciones de probabilidad para
variables discretas, es decir, solo puede tomar los valores 0, 1, 2, 3, 4, ..., k
Primero para poder abordar este tema tomaremos en cuenta la definición de
distribución poisson que es una distribución de probabilidad discreta que expresa a
partir de una frecuencia de ocurrencia media, la probabilidad de que ocurra un
determinado número de eventos durante cierto periodo de tiempo.
Las Características de la distribución poisson son:
 Los hechos observar tienen naturaleza aleatoria y debe ser independiente
estadísticamente hablando
 El intervalo de tiempo y la medida del experimento, son fundamentales
para aplicar esta distribución de probabilidad.
 La Variable aleatoria que sigue una distribución poisson se suele
representar con una X.
Cada una de estas variables aleatorias representa el número total de ocurrencia
de un fenómeno durante un periodo de tiempo fijo o en una región fija del espacio.
Expresa la probabilidad de un número k de ocurrencias acaecidas en un tiempo fijo, si
estos eventos ocurren con una frecuencia media conocida y son independientes del
tiempo discurrido desde la última ocurrencia o suceso.
 Desarrollo
1. Los pasajeros de las aerolíneas llegan en forma aleatoria e independiente al
mostrador de revisión de pasajeros. La tasa media de llegada es 10 pasajeros
por minuto.
a) Calcule la probabilidad de que no llegue ningún pasajero en un lapso de
un minuto.

λ = 10
x=0
p(x=0) = 0.0000x100= 0.00%
R// La probabilidad de que no llegue ningún pasajero en un lapso de
un minuto es de 0.00% (no hay probabilidad)
b) Calcule la probabilidad de que lleguen tres o menos pasajeros en un
lapso de un minuto.

λ = 10
x≤3
p(x ≤ 3) = 0.0000+0.0005+0.0023+0.0076 = 0.0104 x 100 = 1.4%
R// La probabilidad de que lleguen tres o menos pasajeros en un
lapso de un minuto es de 1.4%
c) De que no llegue ningún pasajero en un lapso de un minuto.
λ = 10
x=0
p(x=0) = 0.0000x100= 0.00%
R// No hay probabilidad de que no llegue ningún pasajero en un lapso de un
minuto
d) De que llegue por lo menos un pasajero en un lapso de un minuto.

λ = 10
x ≥ 1
p(x≥ 1)=0.0005+0.0023+0.0076+0.0189+0.0378+0.0631+0.0901+0.
1126+0.1251+0.1137+0.0948+0.0729+0.0521+0.0347+0.0217+0.01
28+0.0071+0.0037+0.0019+0.0009+0.0004+0.0002+0.0001=
1.0001X100= 100%
R// La probabilidad de que por lo menos lleguen un pasajero en un lapso de un
minuto es de 100%
2. Durante cada nuevo periodo en que una universidad privada recibe
inscripciones por teléfono, llegan llamadas a una velocidad de 5 cada dos
minutos.
a) ¿Cuál es la probabilidad de recibir más de 5 llamadas en dos minutos?

𝝀 = 𝟓.𝟎
𝑿>𝟓
P(X>5)=0.1462+0.1044+0.0653+0.0363+0.0181+0.0082+0.0034+0.
0013+0.0005+0.0002 =0.3839 x 100= 38.39%
R// La probabilidad de recibir más de 5 llamadas en dos minutos es de 38.39%
b) ¿Cuál es la probabilidad de que haya tres o más llamadas en dos
minutos?

𝝀 = 𝟓.𝟎
𝑿≥𝟑
P(X≥𝟑)=0.1404+0.1755+0.1755+0.1462+0.1044+0.0653+0.0363+0.
0181+0.0082+0.0034+0.0013+0.0005+0.0002=0.8753x100 =87.53%
R// La probabilidad que haya tres o más llamadas en dos minutos es de 87.53%
c) ¿De que no haya llamadas en un lapso de dos minutos?

𝝀 = 𝟓. 𝟎
𝑿=0
P(X=0) = 0.0067X100= 0.67%
R// La probabilidad de que no se reciban llamadas en un lapso de dos minutos es
de 0.67%
3. El supervisor de un restaurante comidas rápidas, está intentando reducir la
cantidad de comida desperdiciada diariamente. Según los registros reales de
los meses anteriores, se sabe que el restaurante desperdicia en promedio 10
libras de comida durante una semana normal de trabajo. El supervisor desea
que semanalmente se desperdicien como máximo 3 libras de comida para no
afectar las ganancias.
a. ¿Qué probabilidad existe de que la semana siguiente se logre cumplir con
el deseo del supervisor?

𝝀 = 𝟏𝟎
𝑿≤𝟑
P(𝑿 ≤ 𝟑) = 0.0000+0.0005+0.0023+0.0076=0.0104 x 100=1.04%
R// La probabilidad de lograr cumplir con el deseo del supervisor la siguiente
semana es de 1.04%

b. ¿Cuál es la probabilidad de que la otra semana se desperdicien más de 3

libras de comida?

𝝀 = 𝟏𝟎
𝑿>𝟑
P(𝒙>𝟑)=0.0189+0.0378+0.0631+0.0901=0.1126+0.1251+0.1251+0.
1137+0.0948+0.0729+0.05210.0347+0.0217+0.0128+0.0071+0.003
7+0.0019+0.0009+0.0004+0.0002+0.0001= 0.9897 X100=98.97%
R// La probabilidad de que la otra semana se desperdicien más de 3 libras de
comida es 98.97%

c. ¿Cuál es la probabilidad de que la otra semana no haya desperdicio de

comida?

𝝀 = 𝟏𝟎
𝑿=𝟎
P(X=0) 0.0000X100=0%
R// La probabilidad de que la otra semana no haya desperdicio de la comida es
0% (es nula la probabilidad de que no haya desperdicio)
4. El Instituto de productividad Mundial estima que los accidentes fuera del
trabajo tienen para las empresas un costo de casi $200 mil millones anuales
en pérdida de productividad. Con base en estos datos, las empresas que
tienen 50 empleados esperan tener un 4% de accidentes fuera del trabajo por
año. Para estas empresas con 50 empleados, conteste las preguntas
siguientes.
A. ¿Cuál es el número promedio esperado de accidentes fuera del trabajo?

P=0.04
Q=0.96
N=50
M= n x p =50 x 0.04= 2%
R// El promedio esperado de accidentes fuera del trabajo es 2%
B. Una vez conocido este promedio de accidentes en las empresas de este
número de empleados indique, ¿Cuál es la probabilidad de tener como
máximo dos accidentes?
𝝀 = 𝟐.𝟎
𝑿≤2
P(X≤ 𝟐) 0.1353+0.2707+0.2707= 0.6767 x 100= 67.67%
R// La probabilidad de tener como máximo dos accidentes es de 67.67%
C. ¿Cuál es la probabilidad de tener menos de 3 accidentes?
𝝀 = 𝟐.𝟎
𝑿<3
P(X< 𝟑) 0.1353+0.2707+0.2707=0.6767 x 100 = 67.67%
R// La probabilidad de tener menos de 3 accidentes fuera del trabajo es de
67.67%
 Conclusiones
Esta distribución es una de las más importantes distribuciones de variable
discreta. Sus principales aplicaciones hacen referencia a la modelización de situaciones
en las que nos interesa determinar el número de hechos de cierto tipo que se pueden
producir en un intervalo de tiempo o de espacio, bajo presupuestos de aleatoriedad y
ciertas circunstancias restrictivas. Otro de sus usos frecuentes es la consideración límite
de procesos dicotómicos reiterados un gran número de veces si la probabilidad de
obtener un éxito es muy pequeña.
El modelo de distribución de Poisson sirve para definir variables aleatorias
discretas X, X ~ Ps (λ) que representan el número promedio de ocurrencias de un
fenómeno durante un periodo de tiempo fijo o une región fija del espacio.
Podemos concluir con que existen muchas maneras de calcular la probabilidad y
está en específico es algo sencilla y la podemos aplicar para muchos casos de la vida
cotidiana y podemos observar que con tan solo teniendo una mínima cantidad de datos
podemos calcular la probabilidad de muchos eventos que pueden pasar. Esta
distribución verifica el teorema de adición para el parámetro que se esté calculando.
Este resultado es importante a la hora del cálculo de probabilidad o incluso a la hora de
inferir características de la distribución binomial.
 Bibliografía
Lobo, J. (24 de Mayo de 2020). Analisis Cuantitativos I - Distribución Poisson - IV
Unidad - Sesión 3 (Video). Obtenido de https://youtu.be/L5Ab28OFLto
Richard I. Levin, David S. Rubin. (2004). ESTADÍSTICA PARA ADMINISTRACIÓN Y
ECONOMÍA Séptima edición. México: PEARSON EDUCACIÓN .