5.

3: Distribución de Poisson 169

FI GU RA 5.6
Cálculo de la
distribución de Poisson
para λ = 3 en Minitab.

EJE MP LO 5.5 CÁLCULO DE PROBABILIDADES DE POISSON

Se sabe que el número de fallas mensuales que tienen las cajas de velocidades de los autobuses obe-
dece a la distribución de Poisson, con una media de 2.5 fallas al mes. ¿Cuál es la probabilidad de que
no se presenten fallas durante un mes determinado? ¿Y de que se presente al menos una?

SOLUCIÓN Con la ecuación (5.8) de la página 167 con λ = 2.5 (o utilizando la tabla 7 de la
sección de Apéndices, Excel o Minitab), se sabe que la probabilidad de que no se presenten fallas
durante un mes dado es:

e −2.5 (2.5)0 1
P( X = 0) = = = 0.0821
0! (2.71828 ) 2.5(1)
P ( X ≥ 1) = 1 − P ( X = 0 )
= 1 − 0.0821
= 0.9179

La probabilidad de que no se presentarán fallas durante un mes dado es de 0.0821. La probabilidad

de que se presente al menos una falla es de 0.9179.

PROBLEMAS PARA LA SEC CIÓN 5.3

Aprendizaje básico ASISTENCIA 5.19 Suponga una distribución de Poisson.
de PH Gradea. Si λ = 2.0, encuentre P(X ≥ 2).
5.18 Suponga una distribución de Poisson. b. Si λ = 8.0, encuentre P(X ≥ 3).
ASISTENCIA
de PH Gradea. Si λ = 2.5, encuentre P(X = 2). c. Si λ = 0.5, encuentre P(X ≤ 1).
b. Si λ = 8.0, encuentre P(X = 8). d. Si λ = 4.0, encuentre P(X ≥ 1).
c. Si λ = 0.5, encuentre P(X = 1). e. Si λ = 5.0, encuentre P(X ≤ 3).
d. Si λ = 3.7, encuentre P(X = 0).
170 CAPÍTULO 5 Algunas importantes distribuciones de probabilidad discreta

5.20 Suponga una distribución de Poisson con λ = 5.0. Deter- ASISTENCIA 5.26 Con base en experiencias anteriores, se supo-
mine la probabilidad de que de PH Gradene que el número de imperfecciones por pie en los
a. X = 1. rollos de papel con graduación 2 obedece a una dis-
b. X < 1. tribución de Poisson, con una media de 1 imperfección por ca-
c. X > 1. da cinco pies de papel (0.2 imperfecciones por pie). ¿Cuál es la
d. X 1. probabilidad de que
a. en un rollo de un pie existan al menos dos imperfecciones?
b. en un rollo de 12 pies exista al menos 1 imperfección?
Aplicación de conceptos c. en un rollo de 50 pies existan entre 5 y 15 (inclusive) imper-
Puede resolver los problemas 5.21 a 5.31 manual- fecciones?
mente, en Excel o en Minitab.
5.27 J.D. Power y Asociados calculan y publican varias esta-
5.21 Suponga que el número de errores que se presentan du- dísticas relacionadas con la calidad de los automóviles. La cali-
rante un día en una red de área local (LAN) se distribuye como ficación Calidad Inicial mide el número de problemas por cada
una variable aleatoria de Poisson. La media de errores de red automóvil nuevo que se vende. Con los modelos 2003, el Lexus
ocurridos durante un día es 2.4. ¿Cuál es la probabilidad de que fue el mejor con 1.63 problemas por automóvil. El Kia corea-
en un día determinado: no fue el peor, con 5.09 problemas por automóvil (L. Hawkins,
a. se presenten cero errores? “Finding a Car That’s Built to Last?” The Wall Street Journal, 9
b. se presente sólo un error? de julio, 2003, Dl, D5). Sea la variable aleatoria X igual al nú-
c. se presenten dos o más errores? mero de problemas de un Lexus recién comprado.
a. ¿Cuáles suposiciones se deben hacer para distribuir X como
d. se presenten menos de tres errores?
una variable aleatoria de Poisson? ¿Son razonables tales su-
posiciones?
AUTO 5.22 El gerente de control de calidad de Marilyn’s
Haciendo las suposiciones mencionadas en el inciso a), si usted
Examen Cookies inspecciona un lote de galletas con chispas
compró un Lexus 2003, ¿cuál es la probabilidad de que este au-
de chocolate que se acaban de preparar. Si el proceso tomóvil nuevo:
de producción está bajo control, la media de chispas de choco- b. no presente problemas?
late por galleta es de 6.0. ¿Cuál es la probabilidad de que en c. presente dos o menos problemas?
cualquier galleta inspeccionada d. Elabore una definición operacional de “problema”. ¿Por qué
a. se encuentren menos de cinco chispas? es importante una definición operacional al interpretar la ca-
b. se encuentren exactamente cinco chispas? lificación Calidad Inicial?
c. se encuentren cinco o más chispas?
d. se encuentren cuatro o cinco chispas? 5.28 Consulte los datos del problema 5.27. Si usted compró
un Kia 2003, ¿cuál es la probabilidad de que este automóvil
5.23 De acuerdo con los datos del problema 5.22, ¿cuántas ga- nuevo:
lletas de un lote de 100 esperaría desechar el gerente, si las po- a. no presente problemas?
líticas de la empresa exigen que todas las galletas con chispas b. presente dos o menos problemas?
de chocolate deben tener al menos cuatro chispas? c. Compare sus respuestas de los incisos a) y b) con las corres-
pondientes al Lexus del problema 5.27, incisos b) y c).
5.24 El Departamento de Transporte de EUA registra las esta- 5.29 Durante 2004, tanto el Lexus como el Kia mejoraron su
dísticas de las maletas maltratadas por cada 1,000 pasajeros. En desempeño (D. Hakim, “Hyundai Near Top of a Quality Ran-
2003, Jet Blue tuvo 3.21 maletas maltratadas por cada 1,000 pa- king”, The New York Times, 29 de abril, 2004, C.8). El Lexus
sajeros. ¿Cuál es la probabilidad de que, con los próximos presentó 0.87 problemas por automóvil y el Kia coreano tuvo
1,000 pasajeros, Jet Blue tenga 1.53 problemas por automóvil. Si usted compró un Lexus 2004,
a. ninguna maleta maltratada? ¿cuál es la probabilidad de que este automóvil nuevo:
b. al menos una maleta maltratada? a. no presente problemas?
c. al menos dos maletas maltratadas? b. presente dos o menos problemas?
d. Compare los resultados de los incisos a) a c) con los de Del- c. Compare sus respuestas de los incisos a) y b) con las corres-
ta en el problema 5.25, incisos a) a c). pondientes al Lexus 2003 del problema 5.27, incisos b) y c).

5.25 El Departamento de Transporte de EUA registra las esta- 5.30 Consulte los datos del problema 5.29. Si usted compró
un Kia 2004, ¿cuál es la probabilidad de que este automóvil
dísticas de las maletas maltratadas por cada 1,000 pasajeros. En
nuevo:
2003, Delta tuvo 3.84 maletas maltratadas por cada 1,000 pasa-
a. no presente problemas?
jeros. ¿Cuál es la probabilidad de que, con los próximos 1,000
b. presente dos o menos problemas?
pasajeros, Delta tenga
c. Compare sus respuestas de los incisos a) y b) con las corres-
a. ninguna maleta maltratada? pondientes al Kia 2003 del problema 5.28, incisos a) y b).
b. al menos una maleta maltratada?
c. al menos dos maletas maltratadas? 5.31 En su empresa existe un número telefónico gratuito, a
d. Compare los resultados de los incisos a) a c) con los de Jet disposición de los clientes desde las 9 AM hasta las 9 PM, para
Blue en el problema 5.24, incisos a) a c). registrar las quejas relacionadas con algún producto comprado
 Conceptos clave 171

a la empresa. Los datos recabados antes señalan que se reciben Suponiendo que esta situación concuerda con las propiedades
0.4 llamadas por minuto. que usted analizó en el inciso a), ¿cuál es la probabilidad de que
a. ¿Cuáles propiedades deben ser verdaderas con respecto a la durante un periodo de 1 minuto:
situación antes descrita para utilizar una distribución de b. no se reciban llamadas telefónicas?
Poisson con la finalidad de calcular las probabilidades rela- c. se reciban tres o más llamadas telefónicas?
cionadas con el número de llamadas telefónicas recibidas d. ¿Cuál es el número máximo de llamadas telefónicas que se
durante un periodo de 1 minuto? recibirán durante un periodo de 1 minuto el 99.99% del
tiempo?

RESUMEN
En este capítulo estudió la esperanza matemática y el desarrollo Como ayuda al decidir cuál de las dos distribuciones de
y aplicación de las distribuciones binomial y de Poisson. En el probabilidad debe utilizar para una situación particular, debe
escenario “Uso de la estadística” aprendió a calcular probabi- plantearse la siguiente pregunta:
lidades a partir de la distribución binomial relacionada con la • ¿Existe un número fijo de observaciones n, cada una de las
observación de las facturas marcadas por el sistema de informa- cuales se clasifica como éxito o fracaso; o existe un área de
ción contable utilizado por la empresa de remodelaciones Sa- oportunidad? Si hay un número fijo de observaciones n,
xon. En el siguiente capítulo, se desarrollará la distribución cada una de las cuales se clasifica como éxito o fracaso,
continua más importante: la distribución normal. utilice la distribución binomial. Si hay un área de oportuni-
dad, utilice la distribución de Poisson.

F Ó R M U L A S I M P O R TA N T E S
Valor esperado µ de una variable aleatoria discreta Distribución de probabilidad binomial
N n!
p X (1 − p ) n − X (5.5)
µ = E( X ) = ∑ X i P( X i ) (5.1) P( X ) =
X !( n − X )!
i =1
Media de la distribución binomial
Varianza de una variable aleatoria discreta
N µ = E(X) = np (5.6)
σ =
2
∑ [ X i − E ( X )] 2
P( X i ) (5.2) Desviación estándar de la distribución binomial
i =1
σ = σ2 = Var( X ) = np(1 − p ) (5.7)
Desviación estándar de una variable aleatoria discreta
N Distribución de la probabilidad de Poisson
σ= σ2 = ∑ [ X i − E ( X )] 2 P ( X i ) (5.3)
P( X ) =
e −λ λX
(5.8)
i =1
X!
Combinaciones
n!
nC X = (5.4)
X !(n − X )!

CONC EPTOS C LAVE

área de oportunidad 166 distribución de probabilidad de valor esperado de µ de una variable
desviación estándar de una una variable aleatoria aleatoria discreta 155
variable aleatoria discreta 156 discreta 154 varianza de una variable aleatoria
distribución de Poisson 166 modelo matemático 158 discreta 156
distribución de probabilidad regla de combinaciones 159
binomial 158