Taller DistPoisson
Probabilidad y Estadística
Andres Sebastian Chamba Ortiz
29/06/2024
Ejercicio 1. . Sea X el número de imperfecciones superficiales de una caldera seleccionada al azar de
un tipo que tiene una distribución de Poisson con parámetro 𝜆 = 5. Use la tabla A.2 del apéndice
para calcular las siguientes probabilidades:
(a) 𝑃(𝑥 ≤ 8)
𝑃(𝑥 ≤ 8) = 0.932 = 93.2%
(b) 𝑃(𝑥 = 8)
𝑃(𝑥 = 8) = 𝑃(𝑥 ≤ 8) − 𝑃(𝑥 ≤ 7)
𝑃(𝑥 = 8) = 0.932 − 0.867
𝑃(𝑥 = 8) = 0.065 = 6.5%
(c) 𝑃(9 ≤ 𝑥)
𝑃(9 ≤ 𝑥) = 1 − 𝑃(𝑥 ≤ 8)
𝑃(9 ≤ 𝑥) = 1 − 0.932𝑃(9 ≤ 𝑥) = 0.068 = 6.8%
(d) 𝑃(5 ≤ 𝑥 ≤ 8)
𝑃(5 ≤ 𝑥 ≤ 8) = 𝑃(𝑥 ≤ 8) − 𝑃(𝑥 ≤ 4)
𝑃(5 ≤ 𝑥 ≤ 8) = 0.932 − 0.440
𝑃(5 ≤ 𝑥 ≤ 8) = 0.492 = 49.2%
(e) 𝑃(5 < 𝑥 < 8)
𝑃(5 < 𝑥 < 8) = 𝑃(𝑥 ≤ 7) − 𝑃(𝑥 ≤ 5)
𝑃(5 < 𝑥 < 8) = 0.867 − 0.616
𝑃(5 < 𝑥 < 8) = 0.251 = 25.1%
Ejercicio 2. Suponga que el número de conductores que viajan entre un origen y destino particulares
durante un periodo designado tiene una distribución de Poisson con parámetro 𝜆 = 20 (sugerido en
el artículo “Dynamic Ride Sharing: Theory and Practice”, J. of Transp. Engr., 1997: 308–312). ¿Cuál
es la probabilidad de que el número de conductores
(a) sea cuando mucho de 10?
Usando la tabla de probabilidades acumulativas de Poisson hallamos 𝑃(𝑥 ≤ 10)
𝑃(𝑥 ≤ 10) = 0.011 = 1.1%
(b) sea de mas de 20?
1
Usando la tabla de probabilidades acumulativas de Poisson hallamos 𝑃(𝑥 > 20)
𝑃(𝑥 > 20) = 1 − 𝑃(𝑥 ≤ 20)
𝑃(𝑥 > 20) = 1 − 0.559
𝑃(𝑥 > 20) = 0.441 = 44.1%
(c) sea de entre 10 y 20, inclusive? ¿Sea estrictamente de entre 10 y 20?
Usando la tabla de probabilidades acumulativas de Poisson hallamos:
• 𝑃(10 ≤ 𝑥 ≤ 20)
𝑃(10 ≤ 𝑥 ≤ 20) = 𝑃(𝑥 ≤ 20) − 𝑃(𝑥 ≤ 9)
𝑃(10 ≤ 𝑥 ≤ 20) = 0.559 − 0.005
𝑃(10 ≤ 𝑥 ≤ 20) = 0.554 = 55.4%
• 𝑃(10 < 𝑥 < 20) = 𝑃(𝑥 ≤ 19) − 𝑃(𝑥 ≤ 10)
𝑃(10 < 𝑥 < 20) = 0.470 − 0.011
𝑃(10 < 𝑥 < 20) = 0.459 = 45.9%
Ejercicio 3. Un artículo en Los Ángeles Times (3 de diciembre de 1993) reporta que una de cada 200
personas portan el gen defectuoso que provoca cáncer de colon hereditario. En una muestra de
1000 individuos, ¿cuál es la distribución aproximada del número que porta este gen? Use esta
distribución para calcular la probabilidad aproximada de que
n=1000
1
𝑝= 200 = 0.005
𝜆 = 𝑛 ∗ 𝑝 = 1000 ∗ 0.005 = 5
(a) Entre 5 y 8 (inclusive) porten el gen.
Usando las tablas.
𝑃(5 ≤ 𝑥 ≤ 8) = 𝑃(𝑥 ≤ 8) − 𝑃(𝑥 ≤ 4)
𝑃(5 ≤ 𝑥 ≤ 8) = 0.932 − 0.440
𝑃(5 ≤ 𝑥 ≤ 8) = 0.492 = 49.2%
(b) Por lo menos 8 porten el gen.
𝑃(𝑥8) = 1 − 𝑃(𝑥 ≤ 7)
𝑃(𝑥8) = 1 − 0.867
𝑃(𝑥8) = 0.133 = 13.3%
Ejercicio 4. Suponga que una pequeña aeronave aterriza en un aeropuerto de acuerdo con un proceso
de Poisson con razón 𝛼 = 8 por hora de modo que el número de aterrizajes durante un periodo de t
horas es una variable aleatoria de Poisson con parámetro 𝜆 = 8𝑡.
(a) ¿Cuál es la probabilidad de que exactamente seis aeronaves pequeñas aterricen durante un
intervalo de una hora? ¿Por lo menos seis? ¿Por lo menos 10?
𝜆 𝑘 𝑒 −𝜆
• 𝑃(𝑥 = 6) = 𝑘!
86 𝑒 −8
𝑃(𝑥 = 6) = 6!
𝑃(𝑥 = 6) = 0.1221 = 12.21%
• 𝑃(𝑥6) = 1 − 𝑃(𝑥 ≤ 5)
𝑃(𝑥6) = 1 − 0.191
𝑃(𝑥6) = 0.809 = 80.9%
Page 2
• 𝑃(𝑥10) = 1 − 𝑃(𝑥 ≤ 9)
𝑃(𝑥10) = 1 − 0.717
𝑃(𝑥10) = 0.283 = 28.3%
(b) ¿Cuáles son el valor esperado y la desviación estándar del número de aeronaves pequeñas que
aterrizan durante un lapso de 90 min?
90𝑚𝑖𝑛 = 1.5ℎ
𝜆=√ 8𝑡 = 8(1.5) = 12
𝜎 = √𝜆
𝜎 = 72 = 3.46
(c) ¿Cuál es la probabilidad de que por lo menos 20 aeronaves pequeñas aterricen durante un lapso
de 2 12 horas? ¿De qué cuando mucho aterricen 10 durante este periodo?
𝜆 = 8(2 12 ) = 20
• 𝑃(𝑥20) = 1 − 𝑃(𝑥 ≤ 19)
𝑃(𝑥20) = 1 − 0.470
𝑃(𝑥20) = 0.53 = 53%
• 𝑃(𝑥 ≤ 10)
Usando las tablas la probabilidad es 0.011 o 1.1%
Ejercicio 5. El número de solicitudes de ayuda recibidas por un servicio de grúas es un proceso de
Poisson con razón 𝛼 = 4 por hora.
Usando la siguiente proposición
(a) Calcule la probabilidad de que exactamente diez solicitudes sean recibidas durante un periodo
particular de 2 horas.
𝜆 = 4𝑡 = 4 ∗ 2 = 8
𝑘 −𝜆
𝑃(𝑥 = 10) = 𝜆 𝑘!𝑒
1 0𝑒 −8
𝑃(𝑥 = 10) = 8 10!
𝑃(𝑥 = 10) = 0.099 = 9.9%
(b) Si los operadores del servicio de grúas hacen una pausa de 30 min para el almuerzo, ¿cuál es la
probabilidad de que no dejen de atender llamadas de ayuda?
𝜆 = 4𝑡 = 4 ∗ 0.5 = 2
𝑘 −𝜆
𝑃(𝑥 = 0) = 𝜆 𝑘!𝑒
0 −2
𝑃(𝑥 = 0) = 2 0!𝑒
𝑃(𝑥 = 0) = 0.135 = 13.5%
(c) ¿Cuántas llamadas esperaría durante esta pausa?
Seria el valor esperado osea 𝛼 que es igual a 2 por lo tanto esperaria 2 llamadas.
Page 3
Ejercicio 6. El artículo “Reliability-Based Service-Life Assessment of Aging Concrete Structures”. (J.
Structural Engr., 1993: 1600–1621) sugiere que un proceso de Poisson puede ser utilizado para
representar la ocurrencia de cargas estructurales en el transcurso del tiempo. Suponga que el
tiempo medio entre ocurrencias de cargas es de 0.5 al año.
(a) ¿Cuántas cargas se espera que ocurran durante un periodo de 2 años?
𝐸(𝑡) = 0.5
1
𝜆 = 𝐸(𝑡) = 1/0.5 = 2
𝐸(2) = 𝜆 ∗ 𝑡 = 2 ∗ 2 = 4
(b) ¿Cuál es la probabilidad de que ocurran más de cinco cargas durante un periodo de 2 años?
𝜆 = 2𝑡 = 2 ∗ 2 = 4
𝑃(𝑥 > 5) = 1 − 𝑃(𝑥 ≤ 5)
𝑃(𝑥 > 5) = 1 − 0.785
𝑃(𝑥 > 5) = 0.215 = 21.5%
(c) ¿Qué tan largo debe ser un periodo de modo que la probabilidad de que no ocurran cargas
durante dicho periodo sea cuando mucho de 0.1?
𝑘 −𝜆
𝑃(𝑥 = 𝑘) = 𝜆 𝑘!𝑒
0 −2𝑡
0.1 = 2𝑡 0!𝑒
0.1 = 1∗𝑒1
−2𝑡
0.1 = 𝑒 −2𝑡
𝑙𝑛(0.1) = 𝑙𝑛(𝑒 −2𝑡 )
𝑙𝑛(0.1) = −2𝑡 ∗ 𝑙𝑛(𝑒)
𝑙𝑛(0.1) = −2𝑡
𝑙𝑛(0.1)
𝑡=− 2
𝑡 ≈ 1.15 años
Page 4
