PRÁCTICA: DISTRIBUCIONES DISCRETAS (II)

Variable Aleatoria es una función que asigna un número real a cada resultado de un
experimento aleatorio.
Para que una variable aleatoria esté bien definida, necesitamos conocer:
1. El espacio muestral, es decir, todos los resultados observables posibles que se
obtendrían de repetir el experimento indefinidamente.
2. Una regla de asignación de probabilidades para los distintos sucesos en los
que estemos interesados. A esta regla de asignación se le suele denominar
modelo de distribución de probabilidad o modelo de distribución o
simplemente distribución de la variable aleatoria.

VARIABLES ALEATORIAS DISCRETAS (X):

 Función de probabilidad (la usaremos para asignar probabilidades): P( X =x)
i= x
 Función de distribución (probabilidad acumulada): F(x) = P ( X ≤ x )=∑ P ( X=i)
i=0
2
 Adicionalmente cada variable tendrá su media y su varianza: µ y σ ( X )

DISTRIBUCIÓN de POISSON: X Ps ¿)

Para variables aleatorias que impliquen la aparición de sucesos puntuales a lo largo

de una unidad de medida continua (tiempo, longitud, área, …).

X = Número de veces que se produce un suceso a lo largo de una unidad de

medida continua. (X = 0, 1, 2, 3, …)

λx
Función de probabilidad: P ( X=x )=e−λ ∙
x!
i= x
Función de distribución: F ( x )=∑ P( X=i)
i=0

Esperanza matemática y varianza: E(X) = λ ; Var(X) = λ

SUMA DE VARIABLES de POISSON INDEPENDIENTES:

Sean X e Y dos variables aleatorias independientes distribuidas como una Poisson
con parámetros λ1 y λ2 respectivamente, Z = X+Y tiene una distribución de Poisson
con parámetro λ igual a la suma de los parámetros de las variables originales (λ1+
λ2).

DISTRIBUCIÓN BINOMIAL vs DISTRIBUCIÓN de POISSON:

Si X B ( n , p ) , donde n ∙ p=λ , y n → ∞ y p → 0 → X Ps ( n ∙ p )=Ps( λ)

1
(n ≥ 30 y p ≤ 0,1)

2
Contenido:

1. Ejercicios Distribución de Poisson

2. Distribución de Poisson (Statgraphics)

Importante:

En la memoria de esta práctica solo

hay que incluir la resolución de los
apartados en los que se trabaje con
Statgraphics.

NO hay que incluir la resolución de

los ejercicios hechos a mano.

3
RESUMEN
PRACT1
Tabla de frecuencias: Describir, datos categóricos, tabulación
Diagrama de barras: Describir, datos categóricos, diagrama de barras
Frec absolutas:
Frec relativas: porcentajes
Tabla de freciencias (límite): clases/ mínimo/ v max
Describir, datos numéricos, análisis de una variable, opciones ventana
Histograma: Describir, datos numéricos, análisis de una variable, opciones
ventana
Histograma: Describir, datos numéricos, análisis de una variable,
histograma
-opciones de ventana: frec relativas, polígono, frec relativas y
acumuladas
(función localizar- leer valores exactos)
Gráfico de Pareto: CEP, Evaluación de calidad, análisis de Pareto
Gráfico e Pareto de costes (cuadro diálogo inicial)
 Recuentos tabulados: NÚMERO
 Etiquetas: ETIQDEF
 Ponderaciones: COSTEDEF
Hallar valor de estadísticos: Describir, datos numéricos, análisis de una
variable- Resumen estadístico y percentiles (mas medidas en opciones de
ventana)
Gráfico Box-Whiskers: Describir, datos numéricos, análisis de una
variable, Caja y Bigotes. (localizar-leer valor anómalo)
PRACT2
Tabla de frecuencias
- conjuntas y marginales: describir, datos categóricos, tabulación cruzada
-frecuencias condicionales (marginales, fila x): botón derecho, porcentajes
fila
-frecuencias condicionales (condicionales, fila y): botón derecho,
porcentajes columna
** análisis pero por ej. Solo para alumnos que han usado coche
Análisis, SELECCIÓN: TRANSPCOD: “COCHE”

4
Diagramas de barras múltiples frecuencias condicionales y marginales:
Diagrama de barras (opciones de ventana, dirección: vertical) y gráfico
mosaico (opciones de ventana, 1ª horizontal, 2ª vertical)
Hallar valores estadísticos de 1 distribución asociada a 1 variable:
Describir, datos numéricos, análisis de subgrupos (datos variab1, códigos
variab2)
Matriz varianzas-covarianzas: Datos numéricos, análisis multivariado,
todos los datos, covarianzas
Diagrama de dispersión: Graficar, gráficos de dispersión, gráfico x-y
-botón derecha: código puntos (diferenciar 3ª variable ej.
Hombre/Mujer)

PRACT5
Gráficas función de probabilidad y función de distribución: Describir,
Ajuste distribuciones, distribuciones probabilidad.
- Función de masa/densidad y distribuciones acumuladas.
Binomial: Prob evento= p, ensayos= n
 Función de probabilidad= probabilidad masa y densidad
 Función de distribución= probabilidad acumulada
-en opciones de ventana cambias X
-en opciones de análisis cambias n y p
Poisson: Media= lamda
-en opciones de ventana cambias X
-en opciones de análisis cambias lambda

EXAMEN POLIFORMAT

1-La autoridad portuaria quiere realizar un análisis sobre el PESO que transladan las
grúas dependiendo del tipo de grúa: …. Para ello quiere calcular el valor de diferentes
parámetros de posición y dispersión.

Describir, datos numéricos, análisis de subgrupos (Datos: PESO, Códigos: TIPO

GRÚA)

3- Si se consigue solucionar los fallos OPERATIVA y gestión se conseguirían

disminuir el ____% de los errores. Si se consiguen solucionar los fallos en CARGA Y
CONGESTIÓN se conseguiría un ahorro del ____% de los costes en los que se incurre.

CEP, evaluación de calidad, diagrama de Pareto.

5
1ª) Recuentos tabulados: NUMERO FALLOS, Etiquetas: TIPO FALLOS

2ª) Recuentos tabulados: NUMERO FALLOS, Etiquetas: TIPO FALLOS,

Ponderaciones: COSTE FALLOS

3- De las grúas que transportan 4 contenedores diariamente, ¿Qué porcentaje son del
tipo muelle tipo 1?

Describir, datos categóricos, tabulación cruzada. (Variable fila- 1ªvariable, Variable

columna-2ª variable), opciones de ventana, activar porcentajes por fila

///// 3- De las grúas que transportan 4 contenedores diariamente y son del tipo muelle
tipo 1

Describir, datos categóricos, tabulación cruzada. (Variable fila- 1ªvariable, Variable

columna-2ª variable

13- Si realizamos la tabla de frecuecias de la variable PESO (10 intervalos, desde 26 a

56). Encontramos que ______ veces de las 100 estudiadas, el PESO que transladan las
grúas ha sido entre 38-41 y que el ____% de las veces, el PESO que transladan las grúas
está entre 47-50.

Describir, datos numéricos, análisis de una variable, en opciones de ventana cambiar

límites

MIRAR FRECUENCIA

- entre 38-41= 30

-entre 47-50 = 7

1. Ejercicios Distribución de Poisson

PROBLEMA 1

En una ciudad con una población de 500.000 habitantes, cierta enfermedad tiene una
probabilidad muy baja de ocurrir, p=1/100.000.
a) Indicar como se distribuye la variable “número de personas con la
enfermedad”.

6
 b) Calcular el número esperado de habitantes que la padecen.
c) Indicar si se cumplen las condiciones para poder calcular probabilidades
mediante una distribución de Poisson.
d) Calcular la probabilidad de que haya más de 3 personas con dicha enfermedad.
SOL: b) 5; d) 0.735

PROBLEMA 2

Supóngase que estamos investigando la seguridad en un cruce de carreteras muy

peligroso. Los archivos de la policía indican una media de cinco accidentes por mes en
este cruce de carreteras. El número de accidentes está distribuido conforme a la
distribución de Poisson, y la división de seguridad en carreteras quiere:
a) Calcular la probabilidad de exactamente 0, 1, 2, 3 y 4 accidentes en un mes
determinado.
b) Calcular la probabilidad de tener más de dos accidentes en un mes determinado
c) Obtener cómo se distribuye la probabilidad de la variable número de accidentes en
un año.

SOL: a) 0.00674, 0.03369, 0.0842, 0.1404, 0.1755; b) 0.87537; c) Y Ps(𝝀=60)

PROBLEMA 3

Supongamos que el número de imperfecciones en un alambre delgado de cobre sigue

una distribución Poisson con una media de 2.3 imperfecciones por milímetro.

(a) Calcular la probabilidad de 2 imperfecciones en un milímetro de alambre.

(b) Calcular la probabilidad de 10 imperfecciones en 5 milímetros de alambre.

(c) Calcular la probabilidad de al menos una imperfección en 2mm de alambre

7
SOL: a) 0.265; b) 0.1129; c) 0.9899

PROBLEMA 4

La contaminación constituye un problema en la fabricación de discos de

almacenamiento óptico. El número de partículas de contaminación que ocurre en un
disco óptico tiene una distribución de Poisson y el número promedio de partículas por
centímetro cuadrado de superficie del disco es 0.1. El área de un disco bajo estudio es
100 centímetros cuadrados.

(a) Calcular la probabilidad de que ocurran 12 partículas en el área del disco bajo
estudio.

(b) Calcular la probabilidad de que ocurran cero partículas en el área del disco bajo
estudio.

(c) Calcular la probabilidad de que 12 o menos partículas ocurran en el área del disco
bajo estudio. Utilizar el ábaco de Poisson.

SOL: a) 0.095; b) 4 , 54 ∙10−5; c) ≅ 0.8

8
PROBLEMA 5

En un vehículo industrial el número de pinchazos sigue una distribución de Poisson con

media 0,3 por cada 50.000 kilómetros. Si un vehículo industrial recorre 100.000
kilómetros,

a) Calcula la probabilidad de que no tenga ningún pinchazo.

b) Calcula la probabilidad de que tenga menos de tres pinchazos.

c) Calcula el número de kilómetros recorridos para que la probabilidad de que no

tenga ningún pinchazo sea 0,4066

SOL: a) 0.5488; b) 0.9767; c) 150.000 kilometros

9
2. Distribución de Poisson (Statgraphics)

Recordamos que la v.a. X sigue una distribución de Poisson de parámetro λ cuando

representa el número de sucesos aleatorios independientes que se observan en un
período de tiempo, longitud, superficie o volumen. El parámetro λ representa el número
medio de sucesos que ocurren en todo el periodo observado.

Statgraphics: Desplegar el menú Describir y el submenú Distribuciones de

Probabilidad. Se trabaja con un cierto valor medio que en la distribución de Poisson
es igual a λ.

Describir- Distribuciones probabilidad- poisson- media = lambda- tabla- opciones de

ventana- variable aleatoria= x

Ejercicio 1: Distribución de Poisson.

El número de usuarios que acceden a un ordenador, que hace de servidor de una red,
es, por término medio, de 3000 cada hora. Suponiendo que los accesos se producen de
forma independiente y con media constante, se desea calcular la probabilidad de que en
un minuto determinado accedan a dicha red:

X = número usuarios que acceden POR MINUTO

X es Poisson con lambda = 50

a) Exactamente 40 usuarios.

Distribución Acumulada
Distribución: Poisson

Área Cola Inferior (<)

Variab le Dist. 1 Dist. 2 Dist. 3 Dist. 4 Dist. 5
40 0,0645704

Probabilidad de Masa (=)

Variab le Dist. 1 Dist. 2 Dist. 3 Dist. 4 Dist. 5
40 0,0214996

Área Cola Superior (>)

Variab le Dist. 1 Dist. 2 Dist. 3 Dist. 4 Dist. 5
40 0,91393

El StatAdvisor
Esta ventana evalúa la distribución acumulada de la Distribución Poisson. Calculará las áreas de colas
para hasta 5 valores críticos de la distribución. También calculará la probabilidad de densidad ó la función
de masa. Por ejemplo, el resultado indica que, para la primera distribución especificada, la probabilidad de
obtener un valor menor que 40,0 es 0,0645704. También, la probabilidad de obtener un valor mayor que
40,0 es 0,91393. La probabilidad de obtener un valor exactamente igual a 40,0 es 0,0214996.

10
Para 40 = 0,0214996

b) Entre 40 y 50 usuarios, ambos valores incluidos.

Distribución Acumulada
Distribución: Poisson

Área Cola Inferior (<)

Variab le Dist. 1 Dist. 2 Dist. 3 Dist. 4 Dist. 5
50 0,481192

Probabilidad de Masa (=)

Variab le Dist. 1 Dist. 2 Dist. 3 Dist. 4 Dist. 5
50 0,056325

Área Cola Superior (>)

Variab le Dist. 1 Dist. 2 Dist. 3 Dist. 4 Dist. 5
50 0,462483

El StatAdvisor
Esta ventana evalúa la distribución acumulada de la Distribución Poisson. Calculará las áreas de colas
para hasta 5 valores críticos de la distribución. También calculará la probabilidad de densidad ó la función
de masa. Por ejemplo, el resultado indica que, para la primera distribución especificada, la probabilidad de
obtener un valor menor que 50,0 es 0,481192. También, la probabilidad de obtener un valor mayor que 50,0
es 0,462483. La probabilidad de obtener un valor exactamente igual a 50,0 es 0,056325.
Entre 40 y 50=
P(x menor o igual 50)-p(x <40)= (0,481192+0,056325)-(0,0645704)= 0,4729466

Si ampliamos la red de clientes incorporando una nueva comunidad que hace que el
servidor de la red anterior tenga por término medio un aporte de 1500 usuarios por
hora provenientes de la nueva comunidad

c) ¿Cuál es la probabilidad de que el servidor tenga más de 80 usuarios en un mínuto

tras la incorporación de nueva comunidad?
Lambda= 3000* n =50
n= 1/60
lambda= (3000+1500)*1/60= 75

11
Distribución Acumulada
Distribución: Poisson

Área Cola Inferior (<)

Variab le Dist. 1 Dist. 2 Dist. 3 Dist. 4 Dist. 5
80 0,703201

Probabilidad de Masa (=)

Variab le Dist. 1 Dist. 2 Dist. 3 Dist. 4 Dist. 5
80 0,0378519

Área Cola Superior (>)

Variab le Dist. 1 Dist. 2 Dist. 3 Dist. 4 Dist. 5
80 0,258947

El StatAdvisor
Esta ventana evalúa la distribución acumulada de la Distribución Poisson. Calculará las áreas de colas
para hasta 5 valores críticos de la distribución. También calculará la probabilidad de densidad ó la función
de masa. Por ejemplo, el resultado indica que, para la primera distribución especificada, la probabilidad de
obtener un valor menor que 80,0 es 0,703201. También, la probabilidad de obtener un valor mayor que 80,0
es 0,258947. La probabilidad de obtener un valor exactamente igual a 80,0 es 0,0378519.

0,258947

12