Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 149 vistas

    S11.s1 - Material

    Cargado por

    Cristhian Zacarias
    1. La sesión cubre la distribución de Poisson para variables aleatorias discretas. 2. Se explican los conceptos clave de la distribución de Poisson como la tasa de ocurrencia λ y la probabilidad P(X=x). 3. Se resuelven ejercicios prácticos aplicando la distribución de Poisson para calcular probabilidades en diferentes escenarios como el uso de cajeros automáticos y la ocurrencia de defectos en bombillas.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    S11.s1 - Material

    Cargado por

    Cristhian Zacarias
    149 vistas17 páginas
    1. La sesión cubre la distribución de Poisson para variables aleatorias discretas. 2. Se explican los conceptos clave de la distribución de Poisson como la tasa de ocurrencia λ y la probabilidad P(X=x). 3. Se resuelven ejercicios prácticos aplicando la distribución de Poisson para calcular probabilidades en diferentes escenarios como el uso de cajeros automáticos y la ocurrencia de defectos en bombillas.

    Descripción original:

    material 1

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    1. La sesión cubre la distribución de Poisson para variables aleatorias discretas. 2. Se explican los conceptos clave de la distribución de Poisson como la tasa de ocurrencia λ y la probabilidad P(X=x). 3. Se resuelven ejercicios prácticos aplicando la distribución de Poisson para calcular probabilidades en diferentes escenarios como el uso de cajeros automáticos y la ocurrencia de defectos en bombillas.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    149 vistas17 páginas

    S11.s1 - Material

    Cargado por

    Cristhian Zacarias
    1. La sesión cubre la distribución de Poisson para variables aleatorias discretas. 2. Se explican los conceptos clave de la distribución de Poisson como la tasa de ocurrencia λ y la probabilidad P(X=x). 3. Se resuelven ejercicios prácticos aplicando la distribución de Poisson para calcular probabilidades en diferentes escenarios como el uso de cajeros automáticos y la ocurrencia de defectos en bombillas.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 17

    SESIÓN 11

    Estadística Descriptiva y Probabilidades


    TEMARIO

    1. Variable aleatoria discreta: Distribución de Poisson


    LOGRO DE LA SESIÓN

    Al finalizar la sesión, el estudiante aplica los


    conceptos de variable aleatoria para asociar el
    resultado de un experimento aleatorio de tipo
    Poisson
    DISTRIBUCIÓN POISSON
    Distribución discreta: Poisson

    Cuando en una distribución binomial n>30 y P< 0.1 𝜆 = np

    El proceso de Poisson es un experimento aleatorio utilizado para describir el número de veces


    que un evento ocurre en un espacio finito de observación ( área, tiempo, etc).

    Es útil para la ocurrencia de eventos por unidad de tiempo: errores/mes, quejas/semana,


    defectos/día.

    Tasa de ocurrencia (𝝀)

    La central telefónica A recibe 50 llamadas telefónicas en 5 horas


    𝜆 𝐴 = 50

    ¿Cuantas llamadas recibirá en 4 horas?


    DISTRIBUCIÓN POISSON
    Distribución discreta: Poisson
    𝜇=𝐸 𝑋 =𝜆

    D𝑜𝑛𝑑𝑒: 𝑥 = 0,1,2,3, …

    Donde:
     P(X=x) es la probabilidad de ocurrencia cuando la variable discreta X toma un
    valor finito x.
     λ = Lambda es la ocurrencia promedio por unidad (tiempo, volumen, área, etc.).
    La constante e tiene un valor aproximado de 2.711828

    Notación: X ~ P(𝜆)
    DISTRIBUCIÓN POISSON
    Ejercicio: Distribución discreta Poisson
    Un cajero automático es utilizado cada 20 minutos por 6 personas. Se desea saber cuál es la
    probabilidad de que:

    a) El cajero sea utilizado por 10 personas en 20 minutos.


    b) El cajero sea utilizado por a lo menos 3 personas en 20 minutos.
    a) El cajero sea utilizado por 5 personas en 10 minutos
    DISTRIBUCIÓN POISSON
    𝑒−𝜆 ∙ 𝜆𝑥
    Ejercicio: Distribución discreta Poisson: 𝑃 𝑋=𝑥 = 𝑋 = 0,1,2,3,…
    𝑥!
    Solución a: X: Número de personas que usan cajero automático: Tasa de ocurrencia: 𝜆1 = 6

    𝑒−6 ∙ 610 La probabilidad de que el cajero sea utilizado


    Piden: 𝑃 𝑋 = 10 = = 0.041 por 10 personas en 20 minutos es 0.041.
    10!

    Solución b: Piden: 𝑃(𝑥 ≥ 3) = 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4) + 𝑃(𝑥 = 5) + ⋯


    Propiedad
    𝑃 𝑥 ≥ 3 =1−𝑃x< 3 1 − (𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2))
    𝑒−660 𝑒−661 𝑒−662
    1− + +
    0! 1! 2! La probabilidad de que el cajero sea utilizado
    por 10 personas en 20 minutos es 0.938.
    → 𝑃 𝑋 ≥ 3 = 1 − 0.062 = 0.938
    DISTRIBUCIÓN POISSON
    Ejercicio: Distribución discreta Poisson:

    Solución c: 6 personas 20 minutos


    𝜆𝑛𝑢𝑒𝑣𝑜 10 minutos
    𝜆 𝑛𝑢𝑒𝑣𝑜 = 3
    Reemplazando:
    𝑒−𝜆 ∙ 𝜆𝑥
    𝑃 𝑋=𝑥 = 𝑋 = 0,1,2,3,…
    𝑥!
    𝑒−3 ∙ 35
    𝑃 𝑋=5 = = 0.1
    5!
    La probabilidad de que el cajero sea utilizado por 5 personas en 10 minutos es 0.1.
    DISTRIBUCIÓN POISSON
    Ejercicio: Distribución discreta Poisson
    Se cree que el número promedio de individuos por cada 2𝑘𝑚2 de cierta especie de mamíferos que
    habita en las alturas de cierta region es de 1.2.
    Si se observa un area de 3 𝑘𝑚2 cada una. ¿Cuál es la probabilidad que se encuentre como mínimo 2
    individuos?

    Solución Del problema: Tasa de ocurrencia: 𝜆1 = 1.2/2𝑘𝑚2 2 𝑘𝑚2 1.2 ind.


    3 𝑘𝑚2 𝜆 𝑛𝑢𝑒𝑣𝑜
    X: Número de habitantes por área

    Piden: 𝑃(x ≥ 2) = 1 − 𝑃(𝑥 < 2) =1 − ( 𝑃 𝑥 = 0 + 𝑃 𝑥 = 1 ) 𝜆 𝑛𝑢𝑒𝑣𝑜 = 1.8

    𝑒−1.81.80 𝑒−1.81.81
    =1− + La probabilidad que se encuentre como mínimo 2 individuos es 0.5371.
    0! 1!

    1 − 0.4629 = 0.5371
    EJERCICIO INDIVIDUAL
    Resolveremos el
    siguiente ejercicio
    de manera individual
    8 minutos!!
    EJERCICIO 1
    La empresa A dedicada a la producción de bombillas eléctricas tiene últimamente problemas en su
    proceso de producción, que hace que el 5% de los focos producidos sean defectuosos. Dicha
    empresa remite 200 bombillas a la empresa B, con la condición de que dicho lote será devuelto si se
    encuentra por lo menos 1 foco defectuoso al elegir aleatoriamente 8 focos de lote. ¿Cuál es la
    probabilidad de que la empresa B rechace el lote?

    Solución:
    X: Número de bombillas defectuosas
    P=0,05 n=8 λ= np= (8)(0.05)= 0.4

    𝑒−0.4 ∙ 0.4𝑥
    𝑃 𝑋=𝑥 = 𝑋 = 0,1,2,3,…
    𝑥!
    Se rechaza el lote si: x≥1

    𝑒 −0.4 ∙0.4 0
    P(x≥1)= 1 – P(x=0) = 1 – = 1 − 𝑒 −0.4 = 0.3297
    0!
    EJERCICIO 2
    En una fábrica de bombillas eléctricas se sabe que en un lote, proveniente del proceso de
    producción, hay 2000 bombillas de las cuales 160 son defectuosas. Si el lote es distribuido
    aleatoriamente en cajas de 16 unidades. ¿Cuál es la probabilidad de que un comprador adquiera
    una caja con a lo más 2 bombillas defectuosas?

    Solución:
    X: Número de bombillas defectuosas
    P=160/2000= 0.08 n=16 λ= np= (16)(0.08)= 1.28

    𝑒−1.28 ∙ 1.28𝑥
    𝑃 𝑋=𝑥 = 𝑋 = 0,1,2,3,…
    𝑥!
    P(x≤2)= P(x=0) + P(x=1) + P(x=2) = 0.8617
    EJERCICIO 3
    Se conoce por experiencias anteriores que el 20% de las plantas de
    limonero son atacadas por cierta plaga. Si se desea llevar a cabo un
    experimento con 10 plantas. ¿Cuál será la probabilidad de que:

    a) 5 plantas sean atacadas?


    b) 3 o más plantas sean atacadas?
    EJERCICIO 4

    A cierta fábrica de laminados de madera llegan por término


    medio 3 clientes cada 2 horas. Suponiendo que las llegadas
    se distribuyen de acuerdo a una distribución de Poisson,
    calcule La probabilidad de que en una mañana de trabajo
    (de 9:30 a 13:30 horas) lleguen más de 2 clientes.
    EJERCICIO GRUPAL
    Grupos de 4 Estudiantes
    Vamos a los
    ejercicios propuestos
    de la separata!!
    CIERRE
    ¿Qué hemos aprendido?

    1. ¿Cuál es la diferencia entre una variable


    aleatoria discreta y variable
    aleatoria continua?

    2. ¿Qué es la diferencia entre una


    distribución Binomial y Poisson?

    También podría gustarte