Formato de Prácticas
Hoja ___de___
Cuatrimestre: Práctica 5
2PIMG N°
Asignatura: Probabilidad y Estadística Unidad: 2
Profesor: MCII Juan Reséndiz Ríos Tema(s): DISTRIBUCION DE POISSON
DISTRIBUCION BINOMIAL
Alumno(s) Luis Alejandro Perez Quijano
Fecha de Enero – Abril 2024
elaboración:
Nombre de DISTRIBUCION DE POISSON Y BINOMIAL
la práctica:
Objetivo: Desarrollar un problema de poisson y uno binomial cada uno con 3 o 4 incisos y darle solución
a dicho problema
Material: no aplica
Descripción: Con cada una de estas distribuciones podremos analizar el número de
eventos raros que ocurren en un intervalo de tiempo o espacio fijo y el número fijo de
ensayos independientes
Secuencia: Resolver los problemas respecto a los casos prácticos vistos en clase
1. Plantear el problema.
sabe que el número promedio de clientes que entran a una tienda en una hora es de 10.
Utilizando la distribución de Poisson, calcula lo siguiente:
a) Probabilidad de que entren exactamente 5 clientes en una hora.
b) Probabilidad de que entren menos de 5 clientes en una hora.
c) Probabilidad de que entren más de 10 clientes en una hora.
d) ¿Cuál es el número esperado de clientes que entrarán en dos horas?
e) ¿Cuál es la desviación estándar del número de clientes que entran en una hora?
2. Determinar el modelo matemático
X −λ
P ( X , λ )= λ Ε
n 1 n∗r
P ( X=Y )=( ) p (1−P)
r
3. Resolver el modelo matemático
∑
❑
❑ xi
X=
n
POSION
BINOMIAL
Se lanza un dado justo 10 veces. Calcula lo siguiente utilizando la distribución binomial:
a) Probabilidad de obtener exactamente 3 veces el número 5.
b) Probabilidad de obtener menos de 3 veces el número 5.
c) Probabilidad de obtener más de 6 veces el número 5.
d) ¿Cuál es el número esperado de veces que se obtiene el número 5?
e) ¿Cuál es la desviación estándar del número de veces que se obtiene el número 5?
4. Interpretación de los resultados.
Distribución de Poisson (clientes que entran a una tienda):
probabilidad de que entren exactamente 5 clientes en una hora: hay aproximadamente un
3.783%
3.783% de probabilidad de que exactamente 5 clientes entren en la tienda en una hora.
probabilidad de que entren menos de 5 clientes en una hora: existe una probabilidad
acumulada de tener menos de 5 clientes en una hora.
probabilidad de que entren más de 10 clientes en una hora: hay una probabilidad
acumulada de tener más de 10 clientes en una hora.
número esperado de clientes que entrarán en dos horas: se espera que entren 20 clientes
en la tienda en dos horas, en promedio.
desviación estándar del número de clientes que entran en una hora: la dispersión
alrededor del valor esperado de 10 clientes es de aproximadamente 3.16.
distribución binomial (lanzamiento del dado):
probabilidad de obtener exactamente 3 veces el número 5 hay aproximadamente un
15.5%
15.5% de probabilidad de obtener exactamente 3 veces el número 5 en 10 lanzamientos
del dado.
probabilidad de obtener menos de 3 veces el número 5: existe una probabilidad
acumulada de obtener menos de 3 veces el número 5 en 10 lanzamientos del dado.
probabilidad de obtener más de 6 veces el número 5: hay una probabilidad acumulada de
obtener más de 6 veces el número 5 en 10 lanzamientos del dado.
número esperado de veces que se obtiene el número 5: se espera obtener el número 5
aproximadamente 1.67 veces en 10 lanzamientos del dado.
desviación estándar del número de veces que se obtiene el número 5: la dispersión
alrededor del valor esperado de 1.67 veces es aproximadamente de 1.08.
Al finalizar deberán dar a conocer sus conclusiones.
al analizar los resultados obtenidos utilizando las distribuciones Binomial y de Poisson
La distribución binomial se aplica cuando se tienen un número fijo de ensayos
independientes, como en el caso de lanzar un dado varias veces la distribución de
Poisson es adecuada para modelar eventos que ocurren de manera aleatoria en un
intervalo de tiempo o espacio fijo, como el número de clientes que entran a una tienda en
una hora ambas distribuciones nos permiten calcular probabilidades de ocurrencia de
eventos específicos, así como estimar el número esperado de ocurrencias y su dispersión
estas herramientas son fundamentales en la modelización y predicción de eventos en
diversos campos, como la industria, la investigación científica y el análisis de datos
