DISTRIBUCION DE POISSON

1. 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) 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 2mm de alambre

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

media 0.3 por cada 50000 kilómetros. Si un vehículo recorre 100000 km, se pide:
(a) Probabilidad de que no tenga ningún pinchazo.
(b) Probabilidad de que tenga menos de tres pinchazos.
(c) El número de km recorridos para que la probabilidad de que no tenga ningún pinchazo
sea 0.4066.

3. Un vendedor de seguros de vida vende en promedio 3 pólizas por semana. Calcular la

probabilidad de:
(a) Que venda algunas pólizas en una semana
(b) Que venda 2 o más pólizas, pero menos de 5 en una semana
(c) Suponiendo que hay 5dias de trabajo por semana. ¿Cuál es la probabilidad de que
en un día venda una póliza?
(d) Calcule la media, la varianza y la desviación estándar de la distribución de
probabilidad que se infiere de este 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. Determinar:

(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

5. Ciertos autos llegan a una garita de peaje a razón de 6 autos por hora. Calcular:
(a) La probabilidad de que lleguen 5 autos en una hora.
(b) La probabilidad de que lleguen a lo más 2 autos en 30 minutos.
SOLUCIONES:
1. (a) E(x)=2.3 imperfecciones y
𝑒 −2.3 3 ∗ 32
𝑃(𝑥 = 2) = = 0.265
2!
(b) Sea que X denote el número de imperfecciones en 5 milímetro de alambre. Entonces,
X tiene una distribución Poisson con
E(x)=5mmx2.3 imperfecciones/mm= 11,5 imperfecciones.
Por lo tanto,
𝑒 −11.5 11.5
𝑃(𝑥 = 10) = = 0.113
10!
(c) Sea que x denote el número de imperfecciones en 2 milímetros de alambra.
Entonces, X tiene una distribución de Poisson con

E(x)=2mmx2.3imperdecciones/mm=4.6imperfecciones

Por lo tanto,
𝑃(𝑥 ≥ 1) = 1 − 𝑃(𝑥 = 0) = 1 − 𝑒 −4.6 = 0.9899

2. X ≡ 'Número de pinchazos en los neumáticos de cierto vehículo industrial'.

Tamaño de la muestra: n = 50000 km.
La variable aleatoria X sigue una distribución Poisson: X ~ P(0.3).
Debemos adaptar nuestro parámetro promedio ya que el enunciado del problema
trabaja en base a los 100000 km:
λ = (100000·0.3)/50000 = 0.6
(a)
𝑒 −0.6 0.60
𝑃(𝑥 = 0) = = 0.548812
0!
(b) P(X < .3) = P(X = 0) + P(X = 1) + P(X = 2)
𝑒 −0.6 0.60 𝑒 −0.6 0.61 𝑒 −0.6 0.62
𝑃(𝑥 < 3) = + + = 0.976885
0! 1! 2!

(c)
𝑒 −λ λ0
𝑃(𝑥 = 0) = = 0.4066
0!
Empleamos las propiedades del logaritmo neperiano para despejar y resolver el
parámetro promedio λ:

-λ = Ln(0.4066)
λ = 0.899925
(0.899925·50000) /0.3 = 149987.5 km.

3. X= Numero de ventas de póliza

µ= 3 pólizas por semanas
 (a) P(X>0)
𝑒 − 3 30
1 − 𝑃(𝑋 = 0) = 1 − = 0.04978 ≅ 4.978%
0!
(b) P(2≤X<5) = P(X=2) + P(X=3) + P(X=4)

𝑒 − 3 32 𝑒 − 3 3 3 𝑒 − 3 34
𝑃(2 ≤ X < 5) = + + = 0.61611 ≅ 61.61%
2! 3! 4!
(c) P(X=1)
3
31
𝑒 −3 5
𝑃(𝑋 = 1) = = 0.32929 ≅ 33%
1!
(d) E(X) = µ = 3
Var (X) = µ = 3
Desviación estándar = √3 = 1.73

4. Sea que x denote el número de partículas en el área de un disco bajo estudio. Puesto que
el número promedio de partículas es 0.1 partículas por cm 2.
E(x)=100 cm 2 x0.1 partículas/ cm 2 = 10 partículas
Por lo tanto,
(a)
𝑒 −10 1012
𝑃(𝑥 = 12) = = 0.095
12!
(b)
𝑃(𝑥 = 0) = 𝑒 −10 = 4.54 ∗ 10−5
5. X= Numero de autos que llegan a la garita de peaje por hora
λ = 6 autos por hora
(a)
𝑒 − 6 65
𝑃(𝑋 = 5) = = 0.1606
5!
(b) P(X≤2) en 30 min. λ = (30*6) / 60 = 3
P(X≤2) = P(x=0) + P(x=1) + P(x=2)
𝑒 −3 30 𝑒 −3 31 𝑒 −3 32
𝑃(𝑋 ≤ 2) = + + = 0.4232 ≅ 42.32%
0! 1! 2!
REGRESION Y CORRELACION LINEAL
1. A partir de las siguientes observaciones determinar el costo de una jornada de trabajo de
52 horas conociendo la siguiente información y encontrar la recta de a ecuación lineal.

X Y
Mes
Horas Costo
Enero 12 400
Febrero 10 390
Marzo 40 1200
Abril 50 1900
Mayo 30 950
Sumas 142 4840

2. La juguetería “Gaby” desea estimar mediante regresión lineal las ventas para el mes de
julio de su nuevo carrito infantil. La información del comportamiento de las ventas de todos
sus almacenes de cadena se presenta en el siguiente tabulado:

Mes Ventas
1 Enero 7000
2 Febrero 9000
3 Marzo 5000
4 Abril 11000
5 Mayo 10000
6 Junio 13000
7 Julio

3. Mediante el método de mínimo cuadrado, encontrar la recta que mejor se ajuste a los
siguientes datos:

X Y
7 2
1 9
10 2
5 5
4 7
3 11
13 2
10 5
2 14
4. Una empresa de mensajería de entrega puerta a puerta, con el fin de mejorar la prestación
del servicio desea establecer la relación que pueda existir entre el tiempo empleado y la
distancia recorrida para la entrega de un determinado producto.

X Y
825 3.5
215 1
1070 4
550 2
480 1
920 3
1350 4.5
325 1.5
670 3
1215 5

Determinar la mejor ecuación que se ajuste a los datos

5. Los siguientes datos relacionan la cantidad diaria de accidentes de tránsito en las rutas de
acceso a la feria de Tabasco con la cantidad de gente que llega a la feria diariamente.

Visitas diarias a la feria Cantidad de accidentes

(en miles) automovilísticos diarios
2 3
3 4
2.5 3
3.1 6

Determine:

a) La recta que mejor se ajuste

b) El coeficiente de relación
c) Si las visitas fueron 4 miles de personas. ¿Cuantos accidentes se esperan?
 SOLUCIONES
1.

X Y X*Y X2
Mes
Horas Costo
Enero 12 400 4800 144
Febrero 10 390 3900 100
Marzo 40 1200 48000 1600
Abril 50 1900 95000 2500
Mayo 30 950 28500 900
Sumas 142 4840 180200 5244

𝑦 = 𝑚𝑥 + 𝑏
𝑛(∑ 𝑥𝑦) − (∑ 𝑥)(∑ 𝑦)
𝑚= 2 = 35,29
𝑛(∑ 𝑥 2 ) − (∑ 𝑥)
(∑ 𝑦)(∑ 𝑥 2 ) − (∑ 𝑥)(∑ 𝑥𝑦)
𝑏= 2 = −34,25
𝑛(∑ 𝑥 2 ) − (∑ 𝑥)
𝑦 = 35,29𝑥 − 34,25
𝑦 = 35,29 (52) − 34,25 = 1800.83 $
2. Hallando la pendiente
∑ 𝑥𝑖 𝑦𝑖 = [(7000 ∗ 1) + (9000 ∗ 2) + (5000 ∗ 3) + (11000 ∗ 4) + (10000 ∗ 5) + (13000 ∗ 6)]
= 212000
∑ 𝑥𝑖 = (7000 + 9000 + 5000 + 11000 + 10000 + 13000) = 55000

∑ 𝑦𝑖 = (1 + 2 + 3 + 4 + 5 + 6) = 21

∑ 𝑦𝑖2 = (12 + 22 + 32 + 42 + 52 + 62 ) = 91
2
(∑ 𝑦) = (1 + 2 + 3 + 4 + 5 + 6)2 = 441
6(212000) − 55000(21)
𝑏= = 1114.28 𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒
6(91) − 441
Calcular el valor de a
(7000 + 9000 + 5000 + 11000 + 10000 + 13000)
𝑋̅ = = 9166,67
6
(1 + 2 + 3 + 4 + 5 + 6)
𝑌̅ = = 3,5
6
𝑎 = 9166,67 − [(1114,28)(3,5)] = 5266,69
Determinando el pronóstico del mes 7
𝑋̂7 = 5266,69 + [(1114,28)(7)] = 13067
3.

X Y X*Y X2
7 2 14 49
1 9 9 1
10 2 20 100
5 5 25 25
4 7 28 16
3 11 33 9
13 2 26 169
10 5 50 100
2 14 28 4
55 57 233 473

𝑦 = 𝑚𝑥 + 𝑏
(∑ 𝑥)(∑ 𝑦) 55 ∗ 57
∑ 𝑥𝑦 − 233 −
𝑚= 𝑛 = 9 = −0,84
(∑ 𝑥)
2 552
2
∑𝑥 − 473 −
𝑛 9

∑𝑦 ∑ 𝑥 57 55
𝑏 = 𝑦̅ − 𝑚𝑥̅ = − (−0,84) = + (0,84) = 11,47
𝑛 𝑛 9 9

𝑦 = −0,84𝑥 + 11,47
4.
X Y X*Y X2 Y2
825 3.5 2887.5 680625 12.25
215 1 215 46225 1
1070 4 4280 1144900 16
550 2 1100 302500 4
480 1 480 230400 1
920 3 2760 846400 9
1350 4.5 6075 1822500 20.25
325 1.5 487.5 105625 2.25
670 3 2010 448900 9
1215 5 6075 1476225 25
7620 28.5 26370 7104300 99.75

𝑦 = 𝑎 + 𝑏𝑥

𝑛(∑ 𝑥𝑦) − (∑ 𝑥)(∑ 𝑦) 10(26370) − 7620(28,5)

𝑏= 2 = = 0.003585
𝑛(∑ 𝑥 2 ) − (∑ 𝑥) 10(7104300) − (7620)2
 ∑ 𝑦 − 𝑏 ∑ 𝑥 28.5 − (0.003585)(7620)
𝑎= = = 0.11823
𝑛 10

𝑦 = 0.11823 + 0.003585𝑥
5. a)

Visitas diarias a Cantidad de (𝑋𝑖 − 𝑋̅)(𝑌𝑖 − 𝑌̅) (𝑋𝑖 − 𝑋̅)2 (𝑌 − 𝑌̅)2

la feria accidentes
X Y
2 3 0.65 0.4225 1
3 4 0 0.1225 0
2.5 3 0.15 0.0225 1
3.1 6 0.9 0.2025 4

𝑋̅ = 2.65
𝑌̅ = 4

∑(𝑋𝑖 − 𝑋̅)(𝑌𝑖 − 𝑌̅) 0.65 + 0 + 0.15 + 0.9

𝑏= = = 2.20779
∑(𝑋𝑖 − 𝑋̅) 2 0.4225 + 0.1225 + 0.0225 + 0.2025

𝑎 = 𝑦̅ − 𝑏𝑥̅ = 4 − (2.20779)(2.65) = −1.8504

𝑦 = 𝑎 + 𝑏𝑥
𝑦 = −1.8504 + 2.20779𝑥
b) Calcular:
∑(𝑦 − 𝑦̅)2 = 1 + 0 + 1 + 4 = 6

∑(𝑋𝑖 − 𝑋̅)(𝑌𝑖 − 𝑌̅) 1.7

𝑟= = = 0.7909
√∑(𝑋𝑖 − 𝑋̅)2 ∑(𝑌𝑖 − 𝑌̅)2 √(0.77)(6)

c) Si las visitas fueron x=4 (en miles. ¿Cuantos accidentes se esperan?

𝑦 = −1.8504 + 2.20779(4)= 6.98

Respuesta: Se espera aproximadamente 7 accidentes