CICLO 2015-I Mdulo: II

Unidad: V Semana: 06

Estadstica

Lic. Max Tejero Alegre

 Distribucin de Probabilidad

Es una distribucin de frecuencias terica

que describe la forma en que se espera que
varen los resultados.
Resultan tiles para realizar inferencias y
tomar decisiones bajo incertidumbre.
 Ejemplo:
Se seleccionan en forma consecutivas dos bebes
del servicio de Neonatologa . El nmero de
varoncitos ser:

N de Probabilidad
Resultados Probabilidad
varones 0.50
0 V,V 0,25
1 VM,MV 0,50 0.25
2 MM 0,25

0 1 2 N de
caras
 Variables Aleatorias

Una variable es aleatoria si toma diferentes

valores como resultado de un experimento
Puede ser discreta o continua
Ejemplo: Se lanzan 3 monedas
X : variable aleatoria (ej : nmero de caras)
x : valores que puede tomar la variable
(ej : 0, 1, 2, 3)
 Tipo de prdidas
(A) Prdidas por mermas (obsolescencia):
oferta > demanda (costo contable)
(B) Prdidas de oportunidad: oferta < demanda
(costo econmico)
Posibles N Alternativas de oferta
de cajitas
pedidas/da 10 11 12 13

10 0 20 40 60
11 30 0 20 40
12 60 30 0 20
13 90 60 30 0
 Clculo de la prdida esperada
Para un stocks de 10 cajitas, la prdida esperada
ser:
Posibles N Probabilidad
Prdida Prdida
de cajitas que se reciban
Condicional esperada
pedidas/da estos pedidos
10 0 0.15 0.00
11 30 0.20 6.00
12 60 0.40 24.00
13 90 0.25 22.50
Prdida esperada: 52.50
Solucin ptima: analizar otros tamaos de stocks
y decidir por aqul que genere la menor perdida
 Distribucin geomtrica
Caractersticas:
Pruebas idnticas e independientes.

Dos posibles resultados: xito o fracaso

Probabilidad de xito p (constante para cada

prueba)
Variable aleatoria geomtrica Y es el nmero
de la prueba en la cual ocurre el primer xito
(en lugar del nmero de xitos que ocurren
en n pruebas)
11
 Distribucin geomtrica

FFE xito en la tercera prueba

P(x) = P(F F F F E)

X-1

P(x) = (1-p) x1 p

12
Distribucin geomtrica

1
E( X )
p
(1 p )
V (X )
2
2
p

13
 Distribucin geomtrica
Se supone que el 5% de las enfermeras que se
presentan en el Hospital General del Sur aspirando al
cargo de asistente de ciruga, tienen entrenamiento en
Instrumentacin Quirrgica.
Determine la probabilidad de que se encuentre la primera
enfermera con entrenamiento en instrumentacin
quirrgica en la quinta entrevista.
Cul es el nmero esperado de aspirantes
que hay que entrevistar para encontrar
la primera enfermera con entrenamiento
en instrumentacin quirrgica?
14
 Distribucin hipergeomtrica
Se utiliza para describir variables discretas
a)Caractersticas
La informacin de la muestra se obtiene
sin reposicin de una poblacin finita, por
lo tanto la probabilidad de xito vara.
b) Formula donde:
M : nmero de xitos en la poblacin
M N M
k : nmero de xitos en la muestra
P(X = k ) =
k n k N : tamao de la poblacin
N
N-M: nmero de fracasos en la poblacin
n n : tamao de la muestra
n-k : nmero de fracasos en la muestra
c) Aplicacin

Calcular la probabilidad de obtener 10 tubos

defectuosos en una muestra de 20 tubos de radio
tomados sin reemplazo de un lote de 30 tubos,
de lo cuales 15 son defectuosos.
Datos: 15
3015


k = 10 P(X = 10) = 10 2010

n = 20 30

N= 30 20
M= 15 = (3003)(3003) 9018009
= 0,3001
30045015 30045015
Si errneamente se usa la distribucin binomial con
n = 20 y p =15/30 = 1/2 para calcular la probabilidad
de tener 10 defectuosos, el resultado ser:

P(X = x)
20!

1
10!(20 -10)! 2
10
1
2
10

184756
0,1762
1048576

Una probabilidad considerablemente menor

que la probabilidad real.
d) Forma

Puede ser simtrica o sesgada. Cada vez que p =

0.5, la distribucin hipergeomtrica ser simtrica
sin tener en cuenta qu tan grande o pequeo sea
el valor de n; sin embargo, cuando p 0,5 la
distribucin ser sesgada. El grado de sesgo
variar, dependiendo de la proximidad del p a 0,5 y
del tamao de n.
e) La media y la desviacin estndar
E(X) np
La media:
N n
np(1 p)
N 1
La desviacin estndar:

N n
Donde N 1 es un factor de correccin de
poblacin finita que se produce debido al proceso
de muestreo sin reposicin de poblaciones finitas.
Distribucin Hipergeomtrica

Caractersticas:
Poblacin de tamao NP, K de ellos
son del tipo A.
Si se selecciona una muestra
aleatoria de n elementos Cul es
la probabilidad de que en sta se
hallen x elementos del tipo A?
Muestreo sin reemplazo.

20
 Distribucin Hipergeomtrica

Parmetros:
NP, K, n.

NP=nmero total de elementos

K=nmero de elementos que hay de un K NP K

determinado tipo A
x n x
n= nmero total de elementos que se P( x)
NP
seleccionarn (tamao de la muestra)
X = nmero de elementos A en la n
muestra

21
 Distribucin Hipergeomtrica

Sea p= K/NP la proporcin de elementos del tipo A en la poblacin:

Valor esperado:
E(X)= n p

Varianza: np (1 p )( NP n )
( NP 1)
Cuando la fraccin de muestreo n/NP es pequea, la
hipergeomtrica se puede aproximar por la binomial con
parmetros p y n.

22
 Ejemplo de Hipergeomtrica

NP
El KINO! A A
NP = 25
Favorables = K = 15
Se elige una muestra de X N
15

Cul es la probabilidad x P (X = x) P (X < x) P (X x)

de que x sea 12, 13, 12 0.01670358 0.98180472 0.01819528
14, 15? 13 0.00144550 0.99850830 0.00149170
14 0.00004589 0.99995381 0.00004619
15 0.00000031 0.99999969 0.00000031

23
P(12) = 0.0167

P(13) = 0.0014

P(14) = 0.000046

P(15)= 0.0000003

24
 Ejemplo de Hipergeomtrica

Para evitar que lo descubran en la aduana, un

viajero ha colocado 6 tabletas de narctico en
una botella que contiene 9 pldoras de vitamina
que son similares en apariencia. Si el oficial de la
aduana selecciona 3 tabletas aleatoriamente
para analizarlas.
a) Cul es la probabilidad de que el viajero sea
arrestado por posesin de narcticos?,
b) Cul es la probabilidad de que no sea
arrestado por posesin de narcticos?.

25
 Ejemplo de Hipergeomtrica

Cul es la probabilidad de que una

mesera se rehse a servir bebidas
alcohlicas nicamente a dos
menores de edad si verifica
aleatoriamente solo 5 identificaciones
de entre 9 estudiantes, de los cuales
4 no tiene la edad suficiente? Cul
es la probabilidad de que como
mximo 2 de las identificaciones
pertenezcan a menores de edad?.

26
Una caja contiene 8 bolas rojas, 3 blancas y 9 azules. Si se
sacan 3 bolas al azar sin reemplazo determinar la probabilidad
de que:
a) Las 3 sean rojas
Eventos: E1 sacar roja a la primera
8 7 6 14

E2 sacar roja a la primera P(E1E2E3)= 20 19 18 285
E3 sacar roja a la primera

Otro mtodo:
Casos posibles: C3
8
Casos favorables:20C 3
b) Las 3 sean blancas 3C 3
Casos posibles: 1
Casos favorables: 20C 3 P=
1140
c) 2 sean rojas y una blanca
Seleccin de 2 rojas entre 8Seleccin de 1 blanca entre 3 8C 2 3C1 7

Seleccin de 3 bolas entre 20 20C 3 95
d) Al menos una sea blanca

17C 3 34 23
P=1-P (ninguna sea blanca)= 1 1
20C 3 57 57
e) Se saque una de cada color

8C13C19C1 18
P
20C 3 95
f) Se saquen en orden rojo, blanco, azul

Con el resultado del apartado anterior (e) y teniendo en cuenta que ahora el
orden de extraccin importa, solo nos vale uno de los 3! posibles ordenes
en los que se pueden extraer 3 bolas de diferente color:

P(e) 3
P
3! 95
28
 2/ En un juego de poker se sacan 5 cartas de un naipe de 52 cartas bien
barajadas. Encontrar la probabilidad de tener a) poker de ases b) poker de ases y
un rey c) full de dieces-jotas d) escalera de nueve, diez, jota, reina, rey e) 3 cartas
de un palo y 2 de otro f) sacar un as

P
4C 4 48C1 1 4C 4 4C1 1
a) b) P
48C5 54145 52C 5 649740
c)
P
4C 34C 2 1 4C14C14C14C14C1 64
d) P
52 C5 108290 52C 5 162435

e) P
4 13C 33 13C 2

429
C5
52 4165

C 5 35673 35673 18472

f) P(no as)
48
P(al menos un as) 1
52C 5 54145 54145 54145
29
3/ Una biblioteca tiene 6 libros de matemticas y 4 de fsica. Encontrar la
probabilidad de que 3 libros de matemticas en particular estn juntos
Posibles ordenaciones de los libros= 10!

Posibles ordenaciones contando los 3 libros determinados como uno: 8!

Posibles ordenaciones de los 3 libros: 3!

8! 3! 1
P
10! 15

30
4/ Ay B juegan 12 partidas de ajedrez de las cuales A gana 6, B gana 4, y 2 terminan
en empate. Ellos acuerdan un torneo de 3 partidas. Encontrar la probabilidad de que
a) A gane los 3 juegos, b) 2 juegos finalicen en empate, c) A y B ganan
alternadamente, d) B gana al menos un juego
2 1
6 1 4 1
P(B gana un juego) P(empate)
P(A gana un juego) 12 6
12 2 12 3
1 1 1 1
a) P(A gana los 3 juegos juego)
2 2 2 8
2
1
b) Posibles ordenes en que se producen los empates= 3C 2 P(2 empates)
6
5
Puesto que se requieren slo 2 empates la 3 partida no puede ser empate: P(no empates) 1 P(empate)
6
2
1 5
P 3C 2
5
6 6 72
c) 1 1 1 1 1 1 5
P P( A, B, A) P( B, A, B)
2 3 2 3 2 3 36
3
2 2
d) P(B no gana un juego) P(B no gana ningn juego)
3 3
3
2 19 31
P(gana algn juego) 1
3 27
05/ Al controlar la calidad de un producto envasado, se eligen al azar tres envases
de una caja que contiene 1000. Por termino medio, sabemos que en cada caja hay
diez cuya calidad es deficiente. Hallar la probabilidad de que entre los tres no haya
ninguno, uno, dos o tres deficientes

(B)=bueno (d)=defectuoso

90 89 88 178
P(ninguno defectuoso) P( BBB)
100 99 98 245
90 89 10 267
P(uno defectuoso) P( BBd, BdB, dBB) 3 P( BBd ) 3
100 99 98 1078

90 10 9 27
P(dos defectuoso) P( Bdd, ddB, dBd) 3 P( Bdd) 3
100 99 98 1078

10 9 8 2
P( tres defectuoso) P(ddd)
100 99 98 2695
3
ntese que : P(n defectuosos) 1
n 0
32
12/ Seis parejas de casados se encuentran en un cuarto. Halla la
probabilidad de que:
a) si se escogen 2 personas al azar (i) sean esposos (ii) uno sea
hombre y otro mujer
b) si se escogen 4 personas al azar (i) se escojan dos parejas de
casados (ii) ninguna pareja sean casados en tre los 4 (iii) haya
exactamente una pareja de casados
c) si las 12 personas se reparten en seis parejas (i) cada pareja sean
casados (ii) cada pareja la forme un hombre y una mujer
a) Casos posibles:12C 2 66 maneras de escoger 2
personas de las 12
6 1
(i) Hay 6 parejas de casados: P
66 11
6 6 6
(ii) Hay 6 maneras de escoger a un hombre P
66 11
y 6 de escoger a una mujer:
33
Una persona acepta una apuesta del orden 10 a 3 sobre la
posibilidad de ganar un pgil en un combate de boxeo.
Determnese cul es la probabilidad que est asignando a
este hecho.
SOLUCIN:
Este tipo de relaciones se denomina ventaja relativa . Si la
relacin es de A a B, entonces la ventaja es:
Ventaja = A/B
y la probabilidad asociada:
P (s)= A/A+B
La probabilidad que el apostante est asignado a su
posibilidad de ganar al aceptar la apuesta es:
P (ganar) = 10/ (10+3) = 10/13
34
 Distribucin Binomial

Se utiliza para describir variables discretas. Es una de

las distribuciones ms utilizadas en la estadstica aplicada.
La distribucin se deriva de un procedimiento llamado
Ensayo de Bernoulli, nombrado as en honor del
matemtico Suizo James Bernoulli (1654 - 1785).
Experimento de Bernoulli: solo son posibles dos resultados:
xito o fracaso.
Podemos definir una variable aleatoria
discreta X tal que: xito 1
fracaso 0

35
 Distribucin Binomial

Si la probabilidad de xito es p y la de fracaso q = 1 - p,

podemos construir una funcin de probabilidad:
x 1 x
P( X x) p q x 0,1

Evidentemente:
1

P( X x) P( X 0) P( X 1) p q 1
x 0

36
 Distribucin Binomial
a) Caractersticas:
El experimento consiste en una serie de ensayos
repetidos. Hay n ensayos independientes.
Cada ensayo slo tiene dos resultados posibles:
xito (E) y fracaso (F).
La probabilidad de xito, designado por p es la
misma para cada ensayo, la probabilidad de
fracaso q (igual a 1-p) es tambin constante.
1. Los ensayos sucesivos son independientes.
2. Puede ser simtrica o sesgada.
3. La informacin de la muestra se obtiene
con reposicin de una poblacin finita.
 Distribucin Binomial
b) Formula: n!
P(X = x) = p x q n- x
x! (n - x)!
Donde:
n : nmero de ensayos
x : nmero de xitos
p : probabilidad de xitos en un ensayo
q : probabilidad de fracaso en un ensayo
n - x : nmero de fracaso en el ensayo
Se aplica a la seleccin de una muestra, slo
cuando el resultado de cada solucin es
independiente de los resultados de las selecciones
anteriores.
 Distribucin Binomial
c) Aplicacin:
Una muestra de 4 frascos se selecciona sin
restitucin de un lote de 5,000 frascos de cierto
laboratorio farmacutico. Suponiendo que 20%
de los frascos de lote no cumplen con las
especificaciones mdicas, cul es la
probabilidad de que la muestra contenga
exactamente 2 frascos malos?
 Distribucin Binomial

Datos: n!
P(X = x) = p xq n- x
n=4 x! (n - x)!
x=2
p = 0,20
q = 0,80 P(X = 2) =
4!
0.2 0.80
2 2

2! (4 - 2)!

0,1536
 Ejercicios de Distribucin Binomial

La escasez de glbulos rojos puede determinarse

examinando al microscopio una muestra de
sangre. Suponiendo que un volumen pequeo
contenga por trmino medio 4 glbulos rojos en
personas normales, cul es la probabilidad de
que una muestra de personas normales:
a)contenga exactamente tres glbulos rojos?
b)Ninguno tenga glbulos rojos?
 Ejercicios de Distribucin Binomial
Cierto proceso mdico se repite cuatro
veces. Suponga que existe la probabilidad
de 0.50 que el proceso resulte deficiente.
En cuatro repeticiones se puede obtener
0,1,2,3 4 procesos deficientes. Se puede
calcular la probabilidad de cada uno de
estos posibles resultados mediante la
distribucin binomial.
 X(Nmero de P(X = x)
procesos deficientes)
0 4
4! 1 1
0 116
0!4! 2 2
1 3
4! 1 1 4
1 16
1!3! 2 2
2 2
4! 1 1 6
2 16
2!2! 2 2
3 1
4! 1 1 4
3 16
3!1! 2 2
4 0
4 4! 1 1
116
4!0! 2 2

A estos resultados se denomina distribucin de

probabilidad.
 Distribucin Binomial

Varianza:
Parmetros:
V(X)= n p (1-p)
n, p.

Variable aleatoria:
Nmero x de xitos en los n
n x
ensayos. P ( x ) p (1 p ) n x
x
Valor esperado:
E(X)= n p

44
 e) La media y la desviacin estndar

Consideramos la distribucin del ejemplo

anterior
(p = 1/2, n = 4)

X 0 1 2 3 4
P(X = x) 1/16 4/16 6/16 4/16 1/16

La media
= XP( x)
 X P(x) XP(x) 32
0 1/16 0
XP( x) 16
1 4/16 4/16 = 2 procesos
2 6/16 12/16
3 4/16 12/16 Tambin:
4 1/16 4/16 = np
32/16
= 4( 1 2) 2

Interpretacin: Si seleccionamos 4 procesos mdicos al

azar, se espera encontrar 2 procesos deficientes, si este
experimento se repite un nmero infinito de veces.
La desviacin estndar
( x ) 2
P( x )

x P(x) (x ) (x ) 2 (x )2 P( x)
0 1/16 -2 4 4/16
1 4/16 -1 1 4/16
2 6/16 0 0 0
3 4/16 +1 1 4/16
4 1/16 +2 4 4/16
16/16
 16
( X ) P( x )
2

16
16
(X ) P( x)
2
1 procesodeficiente
16
Tambin:
npq 4(0,5)(0,5) 1

La distribucin binomial (p = 1/2, n = 4) tiene una

media de 2 y una desviacin estndar de 1.
 Distribucin Binomial
Ejercicio: Calcular la esperanza y la varianza de la
distribucin de Bernoulli.
1
E[ X ] x P( X x)
x 0

0 P( X 0) 1 P( X 1) p
1
Var( X ) E[ X ] ( E[ X ]) x 2 P( X x) p 2
2 2

x 0

02 P( X 0) 12 P( X 1) p 2
p p 2 p(1 p) pq

49
 Distribucin Binomial

0.25

0.2

0.15

0.1

0.05

0
0 2 4 6 8 10 12

50
 Distribucin Binomial
5 pruebas de embarazo
Si estando embarazada la probabilidad de que el
test d positivo es 0.9 Cul es la probabilidad
de obtener 4 o ms positivos en 5 ensayos?
X=4
1-binocdf(3, 5, 0.9)
E = Positivo
EFEE E

n=5
5 0.94 x 0.1 + 5 0.95 x 0.10 = 0.32805 + 0.5905 = 0.91854
4 5
51
 Distribucin Binomial
De acuerdo a un estudio realizado, el 26% de las
personas adultas de Barinas tiene sobrepeso. Si se
extrae una muestra aleatoria simple de 10 adultos,
encuentre la probabilidad de que el nmero de
personas con sobrepeso, dentro de la muestra,
sea:
a) Exactamente tres personas
b) Menos de 2
c) Dos o ms personas

52
 Distribucin Binomial
La probabilidad de que una persona que sufre de
migraa tenga alivio con una frmaco especfico es de
0.9. Se seleccionan aleatoriamente a tres personas con
migraa a las que se les administra el frmaco.
Encuentre la probabilidad de que el nmero de personas
que logran alivio sean.
a)Exactamente 0
b)Exactamente uno
c) Dos o menos
d)Dos o tres

53
 Distribucin Binomial

En un estudio se encontr un gran nmero de casos de contaminacin en

peces en supermercados de las ciudades de Nueva York y Chicago. El
estudio revel que el 40% de los trozos de pez espada disponibles para la
venta tena un nivel de mercurio superior al limite establecido por la
Administracin de Alimentos y Medicinas de Estados Unidos (FDA). Para una
muestra aleatoria de tres trozos de pez espada, calcule la probabilidad de
que:
Los tres trozos tengan niveles de mercurio por encima del lmite
establecido por la FDA.
Exactamente un trozo de pez espada tenga un nivel de mercurio por
encima del lmite
Cuando ms, un trozo de pez espada tenga un nivel de mercurio por
encima lmite establecido por la FDA.

54
 Distribucin Binomial
La Dra. Jimnez, Directora de Control de Calidad
de un gran hospital, se encuentra realizando su
revisin mensual a los procesos de emergencia
peditrica. En el procedimiento, se seleccionan 10
procesos y se les analiza en busca de deficiencias
administrativas. A lo largo del tiempo, slo 2% de
las emergencias peditricas registran deficiencias
administrativas (suponga que las deficiencias se
presentan de manera independiente en diferentes
procesos).
 Distribucin Binomial

Cul es la probabilidad de que la muestra del

Dra. Jimnez contenga ms de dos procesos
con deficiencias administrativas?
Cul es la probabilidad de que en ninguno de
los procesos seleccionados registre deficiencia
administrativa?
 Distribucin Binomial
Supngase que en cierta poblacin el 52 por ciento de todos
los nacimientos que se registraron son varones. Si
aleatoriamente se escogen cinco registros de nacimientos
dentro de esa poblacin, cul es la probabilidad de que
exactamente tres de ellos pertenezcan a varones?.
P = 0.52
q = 1 - 0.52 = 0.48
n=5
5!
r=3 P(3,5) 0.523 0.48(53) 0.32 32%
3!(5 3)!
EJERCICIO
En Huancayo en el mes de noviembre, la lluvia cae con un
promedio de uno cada 4 das durante los que el cielo est
nublado. Determine la distribucin de probabilidad del
nmero de das con lluvia entre los 4 prximos das
nublados, suponiendo que se cumple independencia.
Encuentre la media y la varianza del nmero de das
lluvioso
Uso de Tablas
Solucionando el problema anterior usando la
tabla de probabilidades binomiales
tabla de probabilidades binomiales
p
n r 0.37 0.38 0.39 0.40 0.41 0.42 0.43 0.44 0.45 0.46 0.47 0.48 0.49 0.50 r n

5 0 0.0380 5
1 0.1755 4
2 0.3240 3
3 0.2990 2
4 0.1380 1
5 0.0255 0 5

n r 0.63 0.62 0.61 0.60 0.59 0.58 0.57 0.56 0.55 0.54 0.53 0.52 0.51 0.50 r n
p

La probabilidad de tener 3 inscritos varones de

5 registros realizados es del 0.324 o 32.4%.
 Distribucin Poisson
Es una distribucin muy usada en medicina y biologa. Se
deriva del proceso de Poisson en honor al matemtico francs
Simeon Denis Poisson (1781-1840).
Debe cumplir las siguientes condiciones:
La ocurrencia de los eventos son independientes.
El nmero promedio de veces () que ocurre un xito por
cada unidad de tiempo o de espacio es constante.
La probabilidad de un suceso es una unidad de tiempo o de
espacio muy pequea.
 Distribucin Poisson

Ejemplos de aplicaciones Pacientes que llegan a

la sala de urgencias de un hospital durante
un cierto da.
Defectos de un rollo de gasa.
Accidentes por hora en cierta parte de una
carretera.
Clientes que llegan a la caja registradora de una
farmacia en un determinado horario.
 Distribucin Poisson
Si el tamao de la muestra es bastante grande
(n>50) y la probabilidad de un evento particular es
muy pequeo (p < 0,1) y se desea hallar la
probabilidad de un nmero determinado de xitos,
se puede aplicar la distribucin de Poisson, dada
por la siguiente ecuacin.
x e
P(X = x) =
x!
donde
(lambda): media = np = variancia
e : base de logaritmos naturales =2.71828
x! : factorial de x
 Distribucin Poisson
Supongamos que estamos investigando la seguridad
de una peligrosa interseccin de calles, los registros
policacos indican un media de 5 accidentes
mensuales en esta interseccin. El nmero de
accidentes esta distribuido de acuerdo con una
distribucin de Poisson y el departamento de
seguridad vial desea que calculemos la probabilidad
de que en cualquier mes ocurra exactamente 3
accidentes.

X = 3 acc/mes 53 2.71835
P( x3) 0.14042 14.04%
= 5 acc/mes 3!
 Distribucin Poisson
Uso de Tablas
Solucionando el problema anterior usando la tabla
de distribucin de probabilidades de Poisson:

x 4.1 ......... 4.5 .......... 4.9 5

0 0.0067
La probabilidad de
1 0.0337 tener exactamente 3
2 0.0842
3 0.1404
accidentes en un
4 0.1755 mes cualquiera es
5 0.1755
0.1404
 Distribucin Poisson
Aplicacin
La probabilidad de nmero equivocado a pesar
de haber marcado correctamente es 0,03. Si se
toma una muestra de 100 llamadas, cul es la
probabilidad de tener 2 nmero equivocado?

Solucin:
32 (2.71828) 3
p = 0.03 P(X = 2) =
2!
n = 100

=3 = 02240
 Distribucin Poisson
La aproximacin de Poisson a Binomial
Consideremos una distribucin binomial con
p=0.02 y n = 100. Supongamos que nos
interesa calcular la probabilidad de que X = 3
utilizando la formula binomial, podemos
encontrar la probabilidad exacta de la forma
siguiente: 100! 3 97
P(X = 3) = (0,02) (0,98)
3! 97!

0,1823
 Distribucin Poisson

Los clculos son muy tediosos. Cuando p es

pequeo y n es lo suficientemente grande, la
formula binomial puede aproximarse mediante
una distribucin de Poisson con = np
Luego, utilizando una distribucin de Poisson
encontramos que la probabilidad de que X=3 es:

e
x
P(X = 3) =
x!
 Distribucin Poisson
np = 100 (0,02) = 2
(2)3 (2,71828) 2 8
2
0,1805
3! 6 (2,71828)

La respuesta es muy prxima a la encontrada con

la distribucin binomial. La aproximacin se
considera vlida cuando
p 0.05 y n 20
 Distribucin Poisson
Caractersticas
Eventos que ocurren con velocidad constante en el
tiempo (nmero de casos semanales de Dengue en el
hospital del sur), o en el espacio (nmero de camarones
por m3 en el Lago de Maracaibo).
El nmero de eventos que ocurre en una unidad de
tiempo, rea o volumen es independiente del nmero de
los que ocurren en otras unidades
El nmero medio (o esperado) de eventos en cada
unidad se denota por la letra griega lambda

69
 Distribucin Poisson

Caractersticas:
Se utiliza como aproximacin al modelo
binomial cuando n es grande y p pequeo
(ley de los sucesos raros). p < 0.1 np < 5,
tomando como parmetro = np
Tambin se conoce como la distribucin de
los sucesos raros

70
 Distribucin Poisson
Parmetros:
promedio de Varianza:
ocurrencias del
suceso por unidad V(X)=
de tiempo o espacio.

Variable aleatoria: e x

Nmero x de P( x)
ocurrencias del
suceso por unidad
x!
x
F ( x) P( x)
de tiempo o espacio
(x = 0, 1, 2, ...).
i 0
Valor esperado:
E(X)=

71
 Distribucin Poisson

Si la media del nmero de casos semanales de

Dengue en un hospital es 1.3, Cul es la probabilidad
de que en una semana se presenten 5 o ms casos
de Dengue?

=1.3 x=4=5-1

Resultado = 1 - poisscdf(4, 1.3);

72
EJERCICIO
En ciertas instalaciones industriales los accidentes ocurren
con muy poca frecuencia. Se sabe que la probabilidad de
un accidente en cualquier da dado es 0,005 y los
accidentes son independientes entre s.
Cul es la probabilidad de que en cualquier periodo dado
de 400 das habr un accidente en un da?
Cul es la probabilidad de que haya a lo ms tres das
con un accidente?
EJERCICIO
En un proceso de fabricacin donde se manufactura un
producto de vidrio ocurren defectos o burbujas, lo cual
ocasionalmente deja al producto inservible para su venta. Se
sabe que, en promedio, 1 de cada mil de estos artculos que
se producen tienen una o ms burbujas. Cul es la
probabilidad de que una muestra aleatoria de 800 tenga ms
de 4 burbujas?.
 Distribucin Poisson
A menudo, el nmero de llamadas telefnicas que
llegan a un conmutador se modela como una
variable aleatoria de Poisson. Suponga que, en
promedio, se reciben 10 llamadas por hora.
Cul es la probabilidad de que lleguen exactamente
cinco llamadas en una hora?
Cul es la probabilidad de que se reciban
exactamente 15 llamadas en dos horas?
Cul es la probabilidad de que lleguen exactamente
cinco llamadas en 30 minutos?

75
 Distribucin Poisson
0.18

0.16

0.14

0.12

0.1

0.08

0.06

0.04

0.02

0
0 5 10 15 20 25

76