TALLER N°3

APLICACIÓN DE LA DISTRIBUCIÓN DE PROBABILIDAD DE POISSON Y NORMAL

KELLY JOHANNA PICO MONCADA

Docente:
M.Sc. FRANCISCO JOSE NARVAEZ MONTANO

UNIVERSIDAD DEL MAGDALENA

CIENCIAS EMPRESARIALES Y ECONOMICAS
ESTADISTICA APLICADA A LA SST
SANTA MARTA
2023
 TALLER N°3.
APLICACIÓN DE LA DISTRIBUCIÓN DE PROBABILIDAD DE POISSON Y NORMAL

Los ejercicios abordados a continuación están enfocados en los temas de Distribución de

Probabilidad Normal y de Poisson. Se evalúan variables aleatorias discretas y continuas y se calculan
las probabilidades de sucesos de los diferentes problemas planteados. Así mismo, se hace uso de
aplicaciones móviles para verificar el desarrollo analítico y conocer la distribución de las
probabilidades en diferentes gráficas.

PUNTO 1

Los tiempos de vida de las baterías en cierta aplicación se distribuyen normalmente con media de
50 horas y desviación estándar de cinco horas. Determine la probabilidad de que se elija
aleatoriamente una batería que dure entre 42 y 52 horas.

Solución:

El ejercicio plantea un problema con variables aleatorias continuas, donde se requiere obtener la
probabilidad acumulada de un suceso en un rango o periodo de tiempo comprendido entre 42 y 52
horas. Los datos que ofrece son los siguientes:

𝜇 = 50 ℎ/𝑏𝑎𝑡𝑒𝑟í𝑎
𝜎 = 5ℎ/𝑏𝑎𝑡𝑒𝑟í𝑎
42 ≤ 𝑋 ≤ 52

Para encontrar la solución, primero se debe obtener el valor de la variable aleatoria normalizada (Z)
en los dos puntos extremos del intervalo a evaluar: X = 42 y X = 52. Esto se logra aplicando la ecuación
de Distribución de Probabilidad Normalizada.

𝑋 − 𝜇 42 − 50
𝑍1 = = = −1.6
𝜎 5

𝑋 − 𝜇 52 − 50
𝑍2 = = = 0.4
𝜎 5

Con estos valores de Z y haciendo uso de las tablas de distribución normal estándar, se obtienen los
valores de la probabilidad acumulada en los extremos del intervalo. (Ver el anexo de tablas al final
del documento).

𝑃𝑎𝑟𝑎 𝑍1 → 𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎 = 0.0548

𝑃𝑎𝑟𝑎 𝑍2 → 𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎 = 0.6554

Estos valores representan la probabilidad acumulada menor a Z, por lo que se debe hacer una resta
de los valores calculados para determinar el valor de la probabilidad acumulada para el intervalo
42 ≤ 𝑋 ≤ 52.

𝑃(42 ≤ 𝑋 ≤ 52) = 𝑃(𝑍 ≤ 0.4) − 𝑃(𝑍 ≤ −1.6) ≈ 0.6554 − 0.0548 ≈ 0.6006 ≈ 60.06%

Este resultado se puede comprobar haciendo uso de la aplicación móvil “Probability Distributions”
de Madiyar Aitbayev, Imagen 1. La cual, desde su opción de Distribución de probabilidad “Normal”,
permite calcular la probabilidad acumulada ingresando los datos iniciales de media, desviación
estándar y el valor o rango de la variable aleatoria continua:

Imagen 1. App Probability Distributions de Madiyar Aitbayev

Imagen 2. Solución del punto 1 en la App Probability Distributions.

Como se puede observar en la parte inferior de la interfaz de la aplicación, Imagen 2, el resultado

de la probabilidad acumulada es 0.6006, valor obtenido por el medio analítico. Así mismo, esta
opción nos permite observar, en la gráfica arrojada, el intervalo que abarca la probabilidad
acumulada calculada.

De esta manera se ha determinado la probabilidad de elegir aleatoriamente una batería que dure
entre 42 y 52 horas, la cual es del 60.06% en promedio.

PUNTO 2

En promedio en la entrada a la Universidad del Magdalena se presentan 4 accidentes que involucran

motos por semana. ¿Cuál es la probabilidad que en una semana ocurran 6 accidentes?

Solución:

A diferencia del punto anterior, este ejercicio incluye una variable aleatoria discreta. Esta se puede
evaluar por medio de la Distribución de Probabilidad de Poisson para hallar la probabilidad de
ocurrencia. Los datos que ofrece este planteamiento son los siguientes:

𝜆 = 4 𝑎𝑐𝑐𝑖𝑑𝑒𝑛𝑡𝑒𝑠/𝑠𝑒𝑚𝑎𝑛𝑎
𝑥 = 6 𝑎𝑐𝑐𝑖𝑑𝑒𝑛𝑡𝑒𝑠/𝑠𝑒𝑚𝑎𝑛𝑎

Estos valores iniciales se reemplazan en la ecuación de distribución de probabilidad de Poisson,

como sigue:

𝑒 −𝜆 𝜆𝑥 (𝑒 −4 )(46 )
𝑃(𝑋 = 𝑥) = = ≈ 0.104196 ≈ 10.4196%
𝑥! 6!

Una vez más, haciendo uso de las herramientas tecnológicas, se procederá a validar el resultado
obtenido. En esta ocasión desde la Aplicación móvil “Probability Distributions” de Matthew Bognar,
Imagen 3, en su opción de distribución de probabilidad “Poisson”.

Imagen 3. App Probability Distributions de Matthew Bognar.

Se ingresa los valores iniciales de tasa media de elementos y la variable aleatoria discreta a evaluar
para el calculo de la probabilidad de ocurrencia del evento planteado. Imagen 4.
 Imagen 4. Solución del punto 2 en la App Probability Distributions.

Como se puede observar en la Imagen 4, el valor obtenido para la probabilidad es semejante al

calculado por medio de la ecuación en la forma analítica. Así mismo, en la gráfica podemos ver una
representación de este valor de forma puntual en la columna de color rojo.

Por lo tanto, se puede afirmar que la probabilidad de que en una semana ocurran 6 accidentes en la
entrada a la Universidad del Magdalena es de 10.42% en promedio.

PUNTO 3

Durante un experimento de laboratorio el número promedio de partículas radiactivas que pasan a

través de un contador en un milisegundo es 4. ¿Cuál es la probabilidad de que entren 6 partículas al
contador en un milisegundo dado?

Solución:

Una vez más, el ejercicio contempla una variable aleatoria discreta, la cual se puede abordar desde
la Distribución de Probabilidad de Poisson. Los datos que ofrece el problema son los siguientes:
 𝜆 = 4 𝑎𝑐𝑐𝑖𝑑𝑒𝑛𝑡𝑒𝑠/𝑠𝑒𝑚𝑎𝑛𝑎
𝑥 = 6 𝑎𝑐𝑐𝑖𝑑𝑒𝑛𝑡𝑒𝑠/𝑠𝑒𝑚𝑎𝑛𝑎

El procedimiento analítico es igual al desarrollado en el ejercicio anterior:

𝑒 −𝜆 𝜆𝑥 (𝑒 −4 )(46 )
𝑃(𝑋 = 𝑥) = = ≈ 0.104196 ≈ 10.4196%
𝑥! 6!

Este valor es el mismo calculado en el punto 2, ya que los valores de tasa media de eventos y la
variable aleatoria discreta son los mismos. Esta solución se puede verificar de acuerdo con los
resultados arrojados por la App Probability Distributions observados en la Imagen 4.

Así pues, se puede determinar que la probabilidad de que entren 6 partículas al contador en un
milisegundo dado es de 10.42% en promedio.

PUNTO 4

El diámetro de una varilla de acero que se encuentra en observación por parte de un grupo de
investigadores se distribuye normalmente con una media de 8 cm y una desviación estándar de 0.5
cm. ¿Cuál es la probabilidad de obtener una varilla con más de 9 cm de diámetro?

Solución:

El problema involucra una variable aleatoria continua. Los datos iniciales dados en el enunciado son
los siguientes:

𝜇 = 8 𝑐𝑚/𝑣𝑎𝑟𝑖𝑙𝑙𝑎
𝜎 = 0,5 𝑐𝑚/𝑣𝑎𝑟𝑖𝑙𝑙𝑎
𝑋 > 9 cm/varilla

Se procede a reemplazar estos valores en la ecuación de Distribución de Probabilidad Normalizada:

𝑋−𝜇 9−8
𝑍= = =2
𝜎 0,5

Con el nuevo valor de variable aleatoria normalizada o Z, se busca el valor de la probabilidad

acumulada en las tablas de distribución normal estándar (Ver anexos).

𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎 𝑠𝑒𝑔ú𝑛 𝑙𝑎 𝑡𝑎𝑏𝑙𝑎 = 0.9772

Esta probabilidad acumulada corresponde a la región menor a Z. Para poder obtener la probabilidad
deseada se procede de la siguiente manera:
𝑃(𝑋 > 9 ) = 𝑃(𝑍 > 2) = 1 − 𝑃(𝑍 ≤ 2) = 1 − 0,9772 ≈ 0,0228 ≈ 2.28%

Se procede ahora a verificar este valor haciendo uso de la App “Probability Distributions”, usada en
el punto 2.

Diligenciamos los valores de media, desviación estándar y variable aleatoria continua (datos
iniciales) para obtener lo siguiente:

Imagen 5. Solución del punto 4 en la App Probability Distributions.

Con esto, se puede concluir que la probabilidad de obtener una varilla con más de 9 cm de diámetro
es del 2.28% en promedio.
PUNTO 5

Una empresa del sector minero sabe que los accidentes laborales, en un sector de esta, se distribuye
normalmente con una media igual a 800 horas y una desviación estándar de 40 horas. Calcule la
probabilidad de que un accidente se presente antes de 834 horas.

Solución:

Datos iniciales del problema:

𝜇 = 800 ℎ/𝑠𝑒𝑐𝑡𝑜𝑟 𝑙𝑎𝑏𝑜𝑟𝑎𝑙

𝜎 = 40 ℎ/𝑠𝑒𝑐𝑡𝑜𝑟 𝑙𝑎𝑏𝑜𝑟𝑎𝑙
𝑋 < 834 ℎ/𝑠𝑒𝑐𝑡𝑜𝑟 𝑙𝑎𝑏𝑜𝑟𝑎𝑙

Su solución es igual a la desarrollada en el punto anterior, por lo que realizará el mismo

procedimiento.

Se reemplazan los valores iniciales en la ecuación de Distribución de Probabilidad Normalizada:

𝑋 − 𝜇 834 − 800
𝑍= = = 0.85
𝜎 40

Con el nuevo valor de variable aleatoria normalizada (Z), se busca el valor de la probabilidad
acumulada en las tablas de distribución normal estándar (Ver anexos).

𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑑𝑎 𝑠𝑒𝑔ú𝑛 𝑙𝑎 𝑡𝑎𝑏𝑙𝑎 = 0.8023 ≈ 80.23%

El valor de la probabilidad del suceso es la calculada directamente de la tabla de distribución normal

estándar, ya que esta está diseñada para las regiones menores a Z.

Se procede ahora a verificar este valor, haciendo uso de la App “Probability Distributions”. Se insertan
los valores de media, desviación estándar y variable aleatoria continua (datos iniciales) Imagen 6.

De esta manera se concluye que la probabilidad de que un accidente se presente antes de 834 horas,
en la empresa del sector minero mencionada es de 80.23% en promedio.
 Imagen 6. Solución del punto 5 en la App Probability Distributions.

________________________________________________________________________________
Leyenda de colores en las tablas de valores de probabilidad acumulada para la Distribución Normal
Estándar:

Solución punto 1 para Z1

Solución punto 1 para Z2
Solución punto 4
Solución punto 5
Tabla de valores de probabilidad acumulada para la Distribución Normal Estándar: valores negativos de Z (Para áreas bajo la curva menores a Z).
Tabla de valores de probabilidad acumulada para la Distribución Normal Estándar: valores positivos de Z (Para áreas bajo la curva menores a Z).