Autor: María de la luz Ávila

Modulo 17 semana 2
14 de Noviembre de 2018
 Modelo: Distribución de Poisson
Caso 1: En una empresa de automotriz, la media de
accidentes es de 4 por mes. Calcular la probabilidad de:
a) Que no ocurra ningún accidente en un mes.
b) Que como máximo ocurran 2 accidentes en un mes.
c) Que ocurran 30 accidentes en un año.
d) Que ocurran 8 accidentes en un trimestre.

• Características: Son eventos independientes que ocurren en un modulo

disciplinar determinado o a una velocidad constante en el tiempo.
• Aplicaciones: Es usada para representar el numero de eventos de poca
frecuencia que ocurren en el tiempo o en el espacio. La manera de representar la
distribución de Poisson es la misma que la binominal: por medio de una grafica
de barras donde la altura de las columnas representa la probabilidad asociada a
cada valor de x. presencia de viento, presencia de granizo, ocurrencia de
accidentes, etcétera.
• Razones: Para este tipo de distribución es necesario saber el numero promedio
de eventos que ocurren en un intervalos de tiempo o espacio, como en este caso
la probabilidad de accidentes en la empresa de alimentos que nos da el dato los
accidentes en un determinado tiempo
 Caso 1: Modelo de Poisson

𝑒 −2 .2 𝑥
Formula: P (2)
2!
Media de 4 accidents por mes.
x= variable aleatoria P-2 por mes P – 30 / 12 meses P – 8/3 meses
2= parametro de la distribución de Poisson = 3 accidents por mes
𝒆 −𝟑.𝟑 𝟑𝟐 𝟎.𝟒𝟗𝟕𝟖𝟕 ∗𝟑𝟐 𝟎.𝟒𝟗𝟕𝟖𝟕 ∗𝟑𝟐
P(2) = = = 0.22404 = 2296
𝟐! 𝟐! 𝟐
𝒆 −𝟑. 𝟑𝟐.𝟓 𝟎.𝟒𝟗𝟕𝟖𝟕 ∗𝟑𝟐.𝟓 𝟎.𝟕𝟕𝟔𝟏𝟎𝟑𝟓
P(30/12) = = = 0.2335 =
𝟐.𝟓! 𝟐.𝟓! 𝟑.𝟑𝟐𝟑𝟑𝟓𝟎
23.35%
𝒆 −𝟑. 𝟑𝟐.𝟔𝟔𝟔 𝟎.𝟒𝟗𝟕𝟖𝟕 ∗𝟑𝟐.𝟔𝟔𝟔 𝟗.𝟑𝟏𝟑𝟔𝟕
P(8/3) = = = 0.2323 = 23.23%
𝟐.𝟔𝟔𝟔! 𝟐.𝟔𝟔𝟔! 𝟒.𝟎𝟎𝟗𝟏
 Modelo: Distribución Normal
Caso 2: Un estudio ha mostrado que en la colonia “Barranca
vieja” el 60% de los hogares tienen al menos dos
computadoras. Se elige al azar una muestra de 50 hogares en
esa colonia y se pide:
a) ¿Cuál es la probabilidad de que al menos 20 de los citados hogares tengan
cuando menos dos computadoras?
b) ¿Cuál es la probabilidad de que entre 35 y 40 hogares tengan cuando menos
dos computadoras?

• Características: Este tipo de distribución es usada para variables aleatorias

continuas. La distribución normal tiene una grafica en forma de campana
conocida como campana de Gauss.
• Aplicaciones: Es sencillo considerar variables discretas como continuas, como
son la Altura o el peso de las personas.
• Razones: Cuando se tiene una distribución continua cada elemento tiene la
misma probabilidad de ocurrencia 0 por lo que al trabajar este tipo de variables
se debe determinar la probabilidad de que se tome un valor dentro de un cierto
intervalos. Si en 60 de cada 100 hogares hay 2 computadoras. Se puede calcular
el porcentaje de probabilidad de los planteamientos en la muestra de 50 hogares
 Caso 2: Modelo Distribución Normal
La distribución normal es 1 f(x) = e 2π- 12 x µ = 0 y =1, como distribución
normal estándar. La distribución normal tiene una grafica en forma de
campana, conocida como campana de Gauss.
Media = np = 30 Hogares x =
Procentaje
que Varianzas desviación
50
µ = n.p a = 𝑛. 𝑝.𝑞 representa
Total de
µ = 50 * 0.6 a = 50 ∗ 0.6 ∗ 0.4 100% 1 1
Hogares 50
20 40 2.5 1.58
µ = 30 a = 12 ơ = 3.464 30 60 1.67 1.29
35 70 1.25 1.12
Desviación 3.464 40 80 0.80 0.89

Np = 30 y n(1-p)=20 P(20 < y < 30)

P[Z<(40.5-30) / 12 = P(Z < 2.8867)
[34.5 , 40.5]

P(34.5 , y , 40.5) = P9Y<40.5) – P(Y<34.5)+

P[Z,(40.5-30) / 12 ] = P [Z<40.5-30) / 12] =
P(Z<3.0310889) – P(Z<1.299038)=
 Modelo: Distribución binominal
• Caso 3: La probabilidad de que un pescador novato, con una
caña de pescar, colecte un pescado es de 0,4. Si lo intenta 5
veces, calcula la probabilidad de que pesque al menos 3 veces.

• Características: Son eventos o experimentos que tienen do resultados;

si o no sano o enfermo, éxito o fracaso, etcétera.
• Aplicaciones: Es la distribución de probabilidad de la variable aleatoria,
la cual es el numero de éxitos al repetir (n0 veces un experimento con
dos resultados posibles, con probabilidad p de obtener éxito en cada
experimento, se puede representar en un histograma o grafica de
barras.
• Razones: El pescador puede obtener diferentes resultados en cada
evento, puede tener éxito en cada evento, o fracasar, cumple con ser
una probabilidad con variable aleatoria de distribución binominal.
 Caso 3: Modelo: Distribución binominal

P = de 04,4 (probabilidades de que ocurra)

Q = 0,6(Probabilidades de que no ocurra)
N=5 (total de intentos)
X+3 total de éxitos
Probabilidades de 3 éxitos es de 35.020%

5 3 5−3
P 𝑋 = 3
0,4 0,4
5 5𝑥4𝑥3𝑥2𝑥
P 𝑋 =
3
= 1 = 120 = 35.020 %
3𝑥2𝑥1𝑥3𝑥2𝑥1 36!