ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL

Año: 2022 Periodo: II IPAO

Materia: Estadística I

Práctica: Variable Aleatorias Hipergeométrica y Poisson

Fecha: 18/07/22 Duración 60
: minutos
Práctica 8. Variables Aleatorias Hipergeométrica y Poisson
Introducción
Variable Aleatoria Hipergeométrica

Comandos en Rstuido:

dhyper(x, m, n, k, log = FALSE) Retorna el resultado de la Funció n de Probabilidad,

siendo m=a, n=N-a, k=tamañ o de muestra.
phyper(q, m, n, k, lower.tail = TRUE, log.p = FALSE) Retorna el resultado de la
Distribucó n Acumulada siendo m=a, n=N-a, k=tamañ o de muestra.
qhyper(p, m, n, k, lower.tail = TRUE, log.p = FALSE) Retorna el valor X en base al
cuantile indicado (probabilidad) siendo m=a, n=N-a, k=tamañ o de muestra.
rhyper(nn, m, n, k) Genera una muestras de valores acorde a la distribució n
Hipergeométrica siendo m=a, n=N-a, k=tamañ o de muestra.

Variable Aleatoria Poisson

Comandos en Rstudio:
dpois(x, lambda, log = FALSE) Retorna el valor de la funció n de probabilidad
ppois(q, lambda, lower.tail = TRUE, log.p = FALSE) Retorna el valor de la Distribució n
Acumulada
qpois(p, lambda, lower.tail = TRUE, log.p = FALSE) Retorna el valor x acorde al cuantil
indicado.
rpois(n, lambda) Genera una muestra de n elementos que siguen la distribució n
Poisson
Ejercicio 1. Variable Hipergeométrica
Un lote contiene 100 piezas de un proveedor de tubería local y 200 unidades de un
proveedor de tubería del estado vecino. Si se seleccionan cuatro piezas al azar y sin
reemplazo.
a) ¿cuá l es la probabilidad de que todas sean del proveedor local?
b) ¿Cuá l es la probabilidad de que dos o má s piezas de la muestra sean del proveedor
local?
c) ¿Cuá l es la probabilidad de que al menos una pieza de la muestra sea del proveedor
local?
Modelo matemá tico de la V.A
Sea X la cantidad de piezas del lote que son suministradas por un proveedor de
tubería local.
X~h(x;100,300,4) para todo x de S={0;1,2,3,4}
a) ¿cuá l es la probabilidad de que todas sean del proveedor local?
N=300
a=100
n=4
#P(X=4)
fx=dhyper(4,a,N-a,n) #dyper(4,100,300-100,4)
round(fx,3)

## [1] 0.012

b) ¿Cuá l es la probabilidad de que dos o má s piezas de la muestra sean del

proveedor local?
# P(X>=2)=P(X=2)+P(X=3)+P(X=4)
# Otra forma 1-F(1) --> 1-(P(x=0)+P(x=1))

fx1=dhyper(2,a,N-a,n)+dhyper(3,a,N-a,n)+dhyper(4,a,N-a,n)
round(fx1,3)

## [1] 0.407

fx2=1-phyper(1,a,N-a,n) ##Distribución Acumulada F(1)-->

phyper(1,100,200,4)
round(fx2,3)

## [1] 0.407

c) ¿Cuá l es la probabilidad de que al menos una pieza de la muestra sea del

proveedor local?
#P(X>=1)=1-P(X=0)
fx3=1-dhyper(0,a,N-a,n)
round(fx3,3)

## [1] 0.804
Ejercicio 2

Por prescripció n médica, un enfermo debe hacer una toma de tres píldoras de un
determinado medicamento. De las doce píldoras que contiene el envase hay cuatro en
malas condiciones. Se pide:
a) Probabilidad de que tome só lo una buena
b) Probabilidad de que de las tres píldoras de la toma al menos una esté en
malas condiciones.
c) ¿Cuá l es el nú mero de píldoras que se espera tome el enfermo en buenas
condiciones en cada toma?
d) d) Si existe otro envase que contenga cuarenta píldoras, de las que diez se
encuentran en malas condiciones. ¿qué envase sería má s beneficiosos para
el enfermo?
e) En base a los datos del literal “d”, grafique la Distribució n de Probabilidad
y Distribució n Acumulada.
Modelo matemá tico de la Variable Aleatoria Sea X la cantidad de píldoras en buenas
condiciones que un paciente toma acorde a la prescripció n médica. X~h(x; 8,12,3)
para x perteneciente a S={0,1,2,3}
a) Probabilidad de que tome só lo una buena
#P(x=1) se puede calcular usuando dhyper
N=12
a=8
n=3
fx1=dhyper(1,8,4,3)
round(fx1,3)

## [1] 0.218

b) Probabilidad de que de las tres píldoras de la toma al menos una esté en malas
condiciones
#P(X<=2)=P(X=0)+P(X=1)+P(X=2) -->F(2)
fx2=dhyper(0,8,4,3)+dhyper(1,8,4,3)+dhyper(2,8,4,3)
round(fx2,3)

## [1] 0.745

#F(2)=P(X<=2)
fx2=phyper(2,8,4,3)
round(fx2,3)

## [1] 0.745
c) ¿Cuá l es el nú mero de píldoras que se espera tome el enfermo en buenas
condiciones en cada toma?
# u=an/N
u=(8*3)/12
round(u,0)

## [1] 2

d) Si existe otro envase que contenga cuarenta píldoras, de las que diez se
encuentran en malas condiciones. ¿qué envase sería má s beneficiosos para el
enfermo?
N=40
a=30
n=3

#La media del envase 2

u2=(30*3)/40
round(u2,2)

## [1] 2.25

#La media del envase 1

round(u,2)

## [1] 2

#Conviene el segundo envase

e) En base a los datos literal “d” sobre el nuevo envase de producto médico, suponga
que la muestra ahora es de 5, grafique la Distribució n de Probabilidad y
Distribució n Acumulada.
N=40
a=30
n=5
X=c(0,1,2,3,4,5)
fx=dhyper(X,a,N-a,n)
plot(X,fx,type = "p", main="Distribución de Probabilidades",
xlab="Valores de X", ylab = "P(X=x)")
#Histograma
barplot(fx, names.arg = X, main="Histograma")
#Distribución Acumulada
#dos fomas: la primera usando la función phyper y la segunda cumsum
Fx=phyper(X,a,N-a,n)
Fx1=cumsum(fx)
Fx

## [1] 0.0003829741 0.0099573257 0.0892876682 0.3669438669 0.7834281650

## [6] 1.0000000000

Fx1

## [1] 0.0003829741 0.0099573257 0.0892876682 0.3669438669 0.7834281650

## [6] 1.0000000000

#Grafica de escalones

graficoEscalera = function(valores, probabilidades, titulo )

{probabilidades = probabilidades/sum(probabilidades)
y0 = c(0,cumsum(probabilidades), 1)
x0 = c(min(valores)-1,valores, max(valores)+1)
xA = x0[-length(x0)]
xB = x0[-1]
yA = y0[-length(y0)]
plot(x0, y0, type="n", main=titulo, xlab="valores",
ylab="probabilidades", las=3, xaxt="n")
segments(xA,yA,xB,yA, lwd=4, col="red")
points(xA, yA, pch=16, col="red", cex=1.5)
axis(1, at=xA, labels=xA)
segments(valores, yA[-length(yA)] , valores, yA[-1], lty=2, col="blue",
lwd=4)}

graficoEscalera(X,fx,"Dis Acumulada V.A H(N=40,a=30,n=5)")

Ejercicio 3. Variable Aleatoria Poisson

Una compañ ía aérea observa que el nú mero de componentes que fallan antes de
cumplir 100 horas de funcionamiento es una variable aleatoria de Poisson. Si el
nú mero promedio de fallos es ocho. Se pide:
a) ¿Cuá l es la probabilidad de que falle un componente en 25 horas?
b) ¿Cuá l es la probabilidad de que fallen menos de dos componentes en 50 horas?
c) ¿Cuá l es la probabilidad de que fallen por lo menos tres componentes en 125
horas?
d) Con los datos iniciales, realice los grá ficos de Distribució n de probabilidades
para el caso que los promedios de componentes que fallan sean de 8, 15 y 25.
Modelo Matemá tico de la Variable Aleatoria Sea X la cantidad de componentes que
fallan antes de cumplir t horas. X~p(x;8) para todo x que pertenece a S={0,1,2,..}
b) ¿Cuá l es la probabilidad de que falle un componente en 25 horas?
t1=100
lambda1=8

ta=25
lambda_a=(8*25/100)
#Sea X la cantidad de componentes que fallan antes de cumplir 25 horas
#P(X=1)
fx1=dpois(1,lambda_a)
round(fx1,3)

## [1] 0.271

b) ¿Cuá l es la probabilidad de que fallen menos de dos componentes en 50 horas?

t1=100
lambda1=8
tb=50
lambda_b=(8*50/100)
#Sea X la cantidad de componentes que fallan antes de cumplir 50 horas
#P(X<2)=P(X=0)+P(X=1) -->P(x<=1)
fx2=dpois(0,lambda_b)+dpois(1,lambda_b)
round(fx2,3)

## [1] 0.092

#Otra forma P(x<=1)=F(1)

fx3=ppois(1,lambda_b)
round(fx3,3)

## [1] 0.092

c) ¿Cuá l es la probabilidad de que fallen por lo menos tres componentes en 125

horas?
t1=100
lambda1=8
tb=125
lambda_c=(8*125/100)
#Sea X la cantidad de componentes que fallan antes de cumplir 125 horas
#P(X>=3)=1-P(X<=2)
fx4=1-ppois(2,lambda_c)
round(fx4,3)

## [1] 0.997

d) Con los datos iniciales, realice los grá ficos de Distribució n de probabilidades para
el caso que los promedios de componentes que fallan sea de 8, 15 y 25.
x=c(1:40)
fx8=dpois(x,8)
fx8

## [1] 2.683701e-03 1.073480e-02 2.862614e-02 5.725229e-02 9.160366e-02

## [6] 1.221382e-01 1.395865e-01 1.395865e-01 1.240769e-01 9.926153e-02
## [11] 7.219021e-02 4.812680e-02 2.961649e-02 1.692371e-02 9.025979e-03
## [16] 4.512990e-03 2.123760e-03 9.438933e-04 3.974287e-04 1.589715e-04
## [21] 6.056057e-05 2.202203e-05 7.659835e-06 2.553278e-06 8.170491e-07
## [26] 2.513997e-07 7.448880e-08 2.128252e-08 5.871039e-09 1.565610e-09
## [31] 4.040285e-10 1.010071e-10 2.448657e-11 5.761547e-12 1.316925e-12
## [36] 2.926500e-13 6.327568e-14 1.332119e-14 2.732553e-15 5.465106e-16
fx15=dpois(x,15)
fx25=dpois(x,25)

plot(x,fx8,main="Distribución Probabilidades Lambda=8",

ylim=c(0.00,0.20))

plot(x,fx15,main="Distribución Probabilidades Lambda=15",

ylim=c(0.00,0.20))
plot(x,fx25,main="Distribución Probabilidades Lambda=25",
ylim=c(0.00,0.20))
Tarea
Ejercicio 4

Para un examen de admisió n a un doctorado en Estadística, una universidad prepara

30 pruebas diferentes, 14 de las cuales contienen un tema sobre una técnica de
Remuestreo denominada “Bootstrap”; el día que se administran las pruebas
concurren 13 postulantes a los cuales se les asigna aleatoriamente una prueba. ¿Cuá l
es la probabilidad que a ninguno de los postulantes les corresponda un tema incluya
Bootstrap? ¿Cuá ndo menos a dos les corresponda un tema sobre Bootstrap?¿que a
todos les toque resolver un tema sobre Bootstrap?
Ejercicio 5
Un banco recibe un promedio de 6 cheques falsos al día, suponiendo que el nú mero de
cheques falsos sigue una distribució n de Poisson. Se pide:
a) Probabilidad de que se reciban cuatro cheques falsos en un día.
b) Probabilidad de que se reciban má s de 35 cheques falsos en una semana(5 días).
c) Con los datos del problema, suponiendo que se estudian 30 días, Grafique la
Distribució n de probabilidades y Distribució n Acumulada si el promedio de
cheques falsos fuera de lambda1=10, lambda2=15 y lambda3=25

Ejercicio 6
Sea X el nú mero de estudiantes de una universidad que cada mes presentan síntomas
de gripe tipo AH1N1; y, si se sabe que X sigue una distribució n Poisson con pará metro
lambda=3.5. Determine la probabilidad que un mes cualquiera, ¿no haya estudiantes
con síntomas de esta gripe?, ¿Qué má s de tres estudiantes con síntomas? ¿que no má s
de dos presenten síntomas?, ¿que no má s de 5 y no menos de 2 presenten síntomas?
Use Rstudio para graficar el Histograma y la Distribució n acumulada de X.

INSTRUCCIÓN FINAL SECCIÓN DE TAREA Y PRÁCTICA

Pegue los códigos usados para generar cada una de las respuestas y los gráficos en cada
respectivo ítem al igual que en los ejercicios guía anteriores, ese archivo lo hace pdf.
Al subir la prá ctica-tarea(archivo pdf) ademá s adjunte el respectivo Script de R(archivo *.R)
Una vez que realice la prá ctica y su tarea, pegue su link de RStudio Cloud aquí, asegú rese que
su link sea pú blico:

#EJERCICIO 1
N=300
a=100
n=4

fx=dhyper(4,a,N-a,n)
round(fx,3)

fx1=1-(dhyper(1,a,N-a,n)+dhyper(0,a,N-a,n))
round(fx1,3)

fx2=1-dhyper(0,a,N-a,n)
fx2

#EJERCICIO 2
N=12
a=8
n=3

fx=dhyper(1,a,N-a,n)
round(fx,3)

fx1=dhyper(0,a,N-a,n)+dhyper(1,a,N-a,n)+dhyper(2,a,N-a,n)
round(fx1,3)

u=a*n/N
u

u2=(30*3)/40
u2

#u2 conviene mas

N=40
a=30
n=5
X=c(0:5)
fx=dhyper(X,a,N-a,n)
Fx=phyper(X,a,N-a,n)
plot(X,fx)

plot(X,Fx)
Fx=phyper(X,a,N-a,n)
Fx1=cumsum(fx)
Fx

graficoEscalera = function(valores, probabilidades, titulo )

{probabilidades = probabilidades/sum(probabilidades)
y0 = c(0,cumsum(probabilidades), 1)
x0 = c(min(valores)-1,valores, max(valores)+1)
xA = x0[-length(x0)]

xB = x0[-1]
yA = y0[-length(y0)]

plot(x0, y0)
segments(xA,yA,xB,yA, lwd=4, col="red")
points(xA, yA, pch=16, col="red", cex=1.5)

axis(1, at=xA, labels=xA)

segments(valores, yA[-length(yA)] , valores, yA[-1], lty=2, col="blue", lwd=4)}
graficoEscalera(X,fx)

#EJERCICIO 3

t1=100
lambda1=8

ta=25
lambda_a=((lambda1*ta/t1))

fx1=dpois(1,lambda_a)
round(fx1,3)

tb=50
lambda_b=((lambda1*tb/t1))
fx2=dpois(1,lambda_b)+dpois(0,lambda_b)
round(fx2,3)

tc=125
lambda_c=((lambda1*tc)/t1)
fx3=1-ppois(2,lambda_c)
round(fx3,3)

X=c(1:40)
fx8=dpois(X,8)
fx8

fx15=dpois(X,15)
fx25=dpois(X,25)

plot(X,fx8)

plot(X,fx15)
plot(X,fx25)

#Tarea

#ejercicio 4
N=30
a=14
n=13

fx=dhyper(0,a,N-a,n)
fx

fx1=1-phyper(1,a,N-a,n)
fx1

fx2=dhyper(13,a,N-a,n)
fx2

#Ejercicio 5

t1=1
lambda1=6

dpois(4,lambda1)

t2=5
lambda_b=((lambda1*t2)/1)
1-ppois(35,lambda_b)

t3=30
X=c(1:30)

fx10=dpois(X,10)
Fx10=ppois(X,10)
fx15=dpois(X,15)
Fx15=ppois(X,15)
fx25=dpois(X,25)
Fx25=ppois(X,25)

fx10
fx15
fx25

plot(X,fx10)

plot(X,Fx10)
plot(X,fx15)

plot(X,Fx15)
plot(X,fx25)

plot(X,Fx25)
#Ejercicio 6

lambda=3.5
t=1

dpois(0,3.5)

1-ppois(3,3.5)

ppois(1,3.5)

dpois(2,3.5)+dpois(3,3.5)+dpois(4,3.5)+dpois(5,3.5)

x=c(0:5)

Fx1=ppois(x,3.5)
fx1=dpois(x,3.5)

barplot(x,fx1)

graficoEscalera(x,Fx1)
https://rstudio.cloud/project/4277367