Nombre: Carlos Iván Aguilar Arias

Matricula: U1903062Z0153
Materia: Administración de negocios.
Tutor: Martina del Carmen Domínguez Manzano
Número y tema de la actividad: Actividad 3. Red de objetivos áreas funcionales estratégicas.
 
 
Irapuato Guanajuato a 18 de mayo de 2020
 
 
 
 
 
 
as.
 DISTRIBUCIÓN DE POISSON
1. Una empresa electrónica observa que el número de componentes que fallan antes de cumplir 100 horas de fu
aleatoria de Poisson. Si el número promedio de estos fallos es ocho,

1. ¿cuál es la probabilidad de que falle un componente en 25 horas?

2. ¿y de que fallen no más de dos componentes en 50 horas?

3. ¿cuál es la probabilidad de que fallen por lo menos diez en 125 horas?

Solución:

Usando las tablas estadística de Poisson Sea la variable aleatoria X , con distribución de Poisson con parámetr
número de componentes que fallan antes de cumplir 100 horas de funcionamiento.

1. Considerando que se cumplen ciertas condiciones de regularidad, podemos asumir que una variable Z que m
fallan antes de cumplir 25 horas de funcionamiento sigue una distribución de Poisson con parámetro λZ = 2. Por
la siguiente: P(Z=1;λ=2)= 0.2707

2. Análogamente, definimos una variable aleatoria U con distribución de Poisson de parámetro λU = 4, que mid
fallan antes de cumplir las 50 horas de funcionamiento. Se tiene entonces que: P(U≤2;λ=4)=0.0183 + 0.0733 + 0

3. De la misma forma, definiendo una variable aleatoria V con distribución de Poisson de parámetro λV=10 se ob

P(V≥10;λ=10)=1 – P(V<10; λ=10)=1 - [0.0000+ 0.0005 + 0.0023 + 0.0076 + 0.01

0.0378 + 0.0631+ 0.0901 + 0.1126 + 0.1251]=1-0.4580=0.5420

Con excel:
1 0.270670566473225
2 0.238103305553544
3 0.542070285528148

DISTRIBUCIÓN DE POISSON

2. Supongamos que el número de imperfecciones en un alambre delgado de cobre sigue una distribución Poisso
imperfecciones por milímetro.

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

(b) Determine la probabilidad de 10 imperfecciones en 5 milímetros de alambre.
(c) Determine la probabilidad de al menos una imperfección en 2 mm de alambre

Solución:
Usando las tablas estadística de Poisson
(a) P(x=2;λ=2.4)= 0.2613
(b) Sea que X denote el número de imperfecciones en 5 milímetro de alambre. Entonces, X tiene una distribució
λ=5mmx2.4 imperfecciones/mm λ = 12.0 imperfecciones. Entonces P(x=10;λ=12.0)=0.1048.

(b) Sea que X denote el número de imperfecciones en 5 milímetro de alambre. Entonces, X tiene una distribució
λ=5mmx2.4 imperfecciones/mm λ = 12.0 imperfecciones. Entonces P(x=10;λ=12.0)=0.1048.

(c) Sea que x denote el número de imperfecciones en 2 milímetros de alambra. Entonces, X tiene una distribuci
imperfecciones xmm =λ=4.8 imperfecciones. Entonces P(x≥1;λ=4.8)=1-P(x

Con excel:
a) 0.261267705473508
b) 0.104837255883659
c) 0.99177025295098

DISTRIBUCIÓN DE POISSON

3. La contaminación constituye un problema en la fabricación de discos de almacenamiento óptico. El número d

ocurren en un disco óptico tiene una distribución de Poisson y el número promedio de partículas por centímetro
0.1. El área de un disco bajo estudio es 100 centímetros cuadrados.

a) Encuentre la probabilidad de que ocurran 12 partículas en el área del disco bajo estudio.
b) La probabilidad de que ocurran cero partículas en el área del disco bajo estudio
c) Determine la probabilidad de que 12 o menos partículas ocurran en el área del disco bajo estudio.

Solución:
λ =np = 100 cm2 (0.1) partículas/cm2 =10 partículas
Usando las tablas estadística de Poisson
a) P(x=12;λ=10)= 0.0948
b) P(x=0;λ=10)= 0.0000
c) P(x≤12; λ=10)=0.0000+0.0005+ …+ 0.0948= 0.7916

Con excel:
a) 0.094780330091768
b) 0.00004539992976
c) 0.791556476394874
 E POISSON
n antes de cumplir 100 horas de funcionamiento es una variable

ribución de Poisson con parámetro λ = [X] = 8, que determina el

ento.

asumir que una variable Z que mide el número de componentes que

oisson con parámetro λZ = 2. Por lo tanto, la probabilidad deseada es

on de parámetro λU = 4, que mide el número de componentes que

: P(U≤2;λ=4)=0.0183 + 0.0733 + 0.1465 = 0.2381

Poisson de parámetro λV=10 se obtiene:

+ 0.0005 + 0.0023 + 0.0076 + 0.0189 +

+ 0.1251]=1-0.4580=0.5420

E POISSON

obre sigue una distribución Poisson con una media de 2.4

e.
bre

de Poisson
 Entonces, X tiene una distribución Poisson con
12.0)=0.1048.

Entonces, X tiene una distribución Poisson con

12.0)=0.1048.

a. Entonces, X tiene una distribución de Poisson con λ=2mmx2.4

E POISSON

acenamiento óptico. El número de partículas de contaminación que

edio de partículas por centímetro cuadrado de superficie del disco es

bajo estudio.
udio
del disco bajo estudio.
 Distribución Binominal

[Link] probabilidad de que un CD de música dure al menos un año sin que falle es de 0.90, calcular la probabilidad d
una muestra de 15

a) 12 duren al menos un año,

b) a lo más 5 duren al menos un año,
c) al menos 2 duren al menos un año.

Solución:
a) P(x=12)=b(x=12;n=15,p=0.90)= = B(n-x;n,1-p) – B(n-x-1;n,1-p)
b) P(x≤5)=B(x≤5;n=15,p=0.90)= = 1- B(n-x-1;n,1-p)
c) P(x≥2)=1-P(x≤1)=1-B(x≤1;n=15,p=0.90)=1-[1-B(n-x-1;n=15,1-p)]=B(n-x-1;n=15,1-p

Solución usando tablas binomiales:

a) B(3;n=15,0.10) – B(2;n=15,p=0.10)= b(x=3;n=15,0.10)=0.1285
b) 1-B(9;n=15,0.10)=1-[0.2059+0.3432+0.2669+0.1285+0.0428+ 0.0105+ 0.0019+ 0.0003+ 0.0000+ 0.0000]=1-1=0
c) B(15-2-1;15,0.10)=B(12;15;0.10)=0.0.2059++0.3432+0.2669+0.1285+0.0428+ 0.0105+ 0.0019+ 0.0003+ 0.0000+
0.0000+0.0000+0.0000+0.0000=1

Con excel:
a) 0.128505439098855
b) 0.000000186620
c) 0.999999999999864

Distribución Binominal

[Link] ingeniero que labora en el departamento de control de calidad de una empresa eléctrica, inspecciona una mue
azar de 10 alternadores de un lote. Si el 20% de los alternadores del lote están defectuosos. Cuál es la probabilidad
en la muestra,

a) ninguno esté defectuoso

b) uno salga defectuoso,
c) al menos dos salgan defectuosos
d) más de tres estén con defectos
e) no más de tres estén con defectos.

Solución usando tablas binomiales:

a) P(x=0)=b(x=0;n=10,p=0.20)= 0.1074
b) P(x=1)=b(x=1;n=10,p=0.20)= 0.2684
c) P(x≥2)=1-P(x≤1)=1-B(x≤1;n=10,p=0.20)=1-[0.1074+0.2684]=1-0.3758=0.6242
d) P(x≥3)=1-P(x≤2)= 1-B(x≤2;n=10,p=0.20)= 1 - [0.1074+0.2684+0.3020]=1-0.6778=0.3222
e) P(x≤3)= B(x≤3;n=10,p=0.20)= 0.1074 + 0.2684 + 0.3020 + 0.2013=0.8791
Con excel:
a) 0.1073741824
b) 0.268435456
c) 0.6241903616
d) 0.3222004736
e) 0.8791261184

Distribución Binominal

3. Sea X=número de preguntas contestadas correctamente en el test de un total de 10 preguntas. Calcular las
probabilidades de contestar:

a) cinco preguntas correctamente

b) uno ó más preguntas correctamente
c) cinco o más preguntas correctamente
d) entre 3 y 6 preguntas correctamente.

Solución:
n=10 p=p(éxito)=p(pregunta contestada correctamente)=0.5, por tanto p permanece constante. Asumiendo indepen
entre las contestaciones de las preguntas, obtenemos que X~ b(10,0.5).

Entonces:
a) P(x=5)=b(x=5,n=10,p=0.5)
b) P(X≥1)=1-P(X<1)=1-P(X=0)=1-b(x=0,n=10,p=0.5).
c) P(X≥5)=1-P(X<5)=1-P(X≤4)=1-B(x≤4,n=10,p=0.5).

d) P(3≤x≤6)= B(x≤6;n=10,p=0.5)-B(x≤2;n=10,p=0.5)

Usando las tablas binomiales, obtenemos los resultados siguientes:

a) b(x=5,n=10,p=0.5)= 0.2461
b) 1-b(x=0,n=10,p=0.5)= 1 – 0.0010= 0.9990
c) 1-B(x≤4,n=10,p=0.5)= 1 –[0.0010+0.0098+0.0439+0.1172+0.2051]=1-0.3770=0.6230
d) B(x≤6;n=10,p=0.5)-B(x≤2;n=10,p=0.5)=0.2051+0.2461+0.2051+0.1172=0.7735

Con excel
a) 0.24609375
b) 0.9990234375
c) 0.623046875
d) 0.7734375
0.90, calcular la probabilidad de que en

.0003+ 0.0000+ 0.0000]=1-1=0

105+ 0.0019+ 0.0003+ 0.0000+

eléctrica, inspecciona una muestra al

ctuosos. Cuál es la probabilidad de que

0.3222
10 preguntas. Calcular las

constante. Asumiendo independencia

 DISTRIBUCIÓN DE POISSON

1. Si un banco expide 6 tarjetas de débito por por día, ¿cuáles son las probabilidades de que expida:
a) 4 tarjetas en un día
b) 10 tarjetas en cualquiera de dos días consecutivos

a)
x=4 0.1338526 por lo tanto existe una probabilidad de 0.1338 o del 13.38% de que se expidan 4 tarjetas en
ƛ=6 día

b)
x=10 0.1048373 por lo tanto existe una probabilidad de 0.1048 o del 10.48% de que se expidan 10 tarjetas e
ƛ=12 dos días consecutivos.

DISTRIBUCIÓN DE POISSON

2. En una carretera se producen un promedio de 7 accidentes al mes. Calcula la probabilidad de que este mes se produzcan m
8

x=8 0.27090873 por lo tanto existe una probabilidad de .2709 o del 27.09% de que se produzcan más de 8 accidente
ƛ=7 un mes.
SON

de que expida:

e que se expidan 4 tarjetas en un

e que se expidan 10 tarjetas en

SON

de que este mes se produzcan más de

e produzcan más de 8 accidentes en

 DISTRIBUCION BINOMINAL

1. La probabilidad de que un alumno de mercadotecnia de 3er cuatrimestre repita la materia de diseño gráfico es de
0.30. Elegimos 20 alumnos al azar.
a)¿Cúal es la probabilidad de que haya 4 alumnos repetidores?
b)¿Cúal es la probabilidad de que haya 1 alumno repetidor?

p= 0.30
n=20
x=4 x=1

a) 0.13042097 13.0420974 por lo tanto hay una probabilidad de 13.04% de que haya 4 alumnos repetidores.

b) 0.00683934 0.68393371 por lo tanto hay una probabilidad de 0.68% de que solo haya un alumno repetidor en
grupo.

DISTRIBUCION BINOMINAL

2. El 80% de la carrera de mercadotecnia han visto el video que dejo la maestra para su tarea, más tarde se reune un equipo d
para la realización del reporte,

a) ¿Cúal es la probabilidad de que 3 de ellos hayan visto el video?

b) ¿Cúal es la probabilidad de que 2 de ellos hayan visto el video?

n=4
x= 3 x=2
p=.80
a) 0.4096 40.96 por lo tanto, hay una probabilidad del 40.96% de que 3 de ellos hayan vis
video.

b) 0.1536 15.36 por lo tanto, hay una probabilidad del 15.36% de que 2 de ellos hayan vis
video.
ateria de diseño gráfico es de

aya 4 alumnos repetidores.

o haya un alumno repetidor en el

más tarde se reune un equipo de 4

96% de que 3 de ellos hayan visto el

36% de que 2 de ellos hayan visto el

Conclusión

En la realización de los anteriores problemas, podemos entender que una distribución binominal es una
probabilidad discreta que describe el número de éxitos al realizar n experimentos independientes entre
variable aleatoria.

Ya que solo se mencionan algunos ejemplos en esta actividad pero en realidad existen muchos que usa
como  el lanzamiento de una moneda en el que definimos el suceso “sacar cara” como el éxito. Si lanza
moneda y contamos los éxitos (sacar cara) que obtenemos, nuestra distribución de probabilidades se a
distribución binomial.

Por otro lado, obtuve un conocimiento respecto a la distribución de poisson ya que no conocía este tem
el concepto de este tema es una de las más importantes distribuciones de variable discreta. Sus princip
hacen referencia a la modelización de situaciones en las que nos interesa determinar el número de hec
se pueden producir en un intervalo de tiempo o de espacio, bajo presupuestos de aleatoriedad y ciertas
restrictivas.

Otro de sus usos frecuentes es la consideración límite de procesos dicotómicos reiterados un gran núm
probabilidad de obtener un éxito es muy pequeña .  
stribución binominal es una distribución de
ntos independientes entre sí, acerca de una

ad existen muchos que usamos en el día a día

ara” como el éxito. Si lanzamos 5 veces la
ión de probabilidades se ajustaría a una

a que no conocía este tema, ahora entiendo que

ariable discreta. Sus principales aplicaciones
terminar el número de hechos de cierto tipo que
s de aleatoriedad y ciertas circunstancias

os reiterados un gran número de veces si la