UNIVERSIDAD TECNOLÓGICA

INDOAMÉRICA

FACULTAD DE INGENIERÍA Y TECNOLOGÍAS DE

LA INFORMACIÓN Y LA COMUNICACIÓN

TEMA:

PROBABILIDADES DE OCURRENCIA

NIVEL:
Tercero

AUTOR:
Belén Marcatoma

QUITO – ECUADOR
2020
Índice
1. Introducción .............................................................................................. 3

2. Objetivos .................................................................................................... 3

2.1. Objetivo general .................................................................................... 3

2.2. Objetivos específicos ............................................................................. 3

3. Desarrollo .................................................................................................. 4

4. Conclusiones: ............................................................................................ 7

5. BIBLIOGRAFÍA ...................................................................................... 7
 1. Introducción
la teoría de la probabilidad es de utilidad en una gran variedad de situaciones
prácticas, ya que permite su aplicación en situaciones reales.

Estas distribuciones de probabilidad se dividen en dos grupos en función del tipo

de variable que modelizan. Así, distinguimos entre:

distribuciones de probabilidad discretas.

si la variable aleatoria que modelizan es de naturaleza discreta

distribuciones de probabilidad continuas

cuando la variable aleatoria es continua.

2. Objetivos
2.1. Objetivo general
Seleccionar la distribución de probabilidad para modelizarlo en un caso
aleatorio

2.2. Objetivos específicos

Calcular probabilidades de las distribuciones Binomial, Poisson y Normal

Generar valores aleatorios de una distribución determinada

 3. Desarrollo
Problema:

Una sucursal bancaria de un pueblo pequeño atiende, en promedio, a 6 clientes

por día. Se pide:

a) Definir una variable aleatoria que cuente el número de clientes por días e
identificar la distribución de probabilidad que sigue esta variable aleatoria

b) Calcular la probabilidad de que, en un día dado, la sucursal atienda

exactamente a 4 clientes

c) Calcular la probabilidad de que, en un día cualquiera, la sucursal atienda al

menos a 6 clientes

d) Calcular la probabilidad de que, en un día dado, la sucursal reciba entre 6 y 8

clientes (ambos inclusive)

e) Obtener la mediana de la variable

f) Generar una muestra de 10 valores aleatorios de la distribución.

Solución:

a)

En primer lugar, vamos a definir la variable aleatoria: X = “Número de clientes

que atiende la sucursal bancaria en un día”. Sabemos, por el enunciado que X → P(6)

b)

En este apartado se pide la probabilidad de que la variable aleatoria X tome

exactamente el valor 4, es decir, el valor de la función masa de probabilidad de X evaluada
en el punto 4. Para ello, vamos a utilizar la función dpois.

>dpois(4,6) = 0.1338526

Dicha probabilidad es 0.1338.

 c)

La probabilidad que nos piden calcular en este caso es P[X ≥ 6] . Para calcularla,
utilizaremos una estrategia similar a la que empleamos en el apartado c) del supuesto
práctico 1, en donde expresamos una probabilidad del tipo ≥ en función de los valores de
la función de distribución de la variable. Para ello, tendremos en cuenta que

P[X ≥ 6] = 1 – P[X ≤ 5] = 1 – F(5)

De manera que para calcular P[X ≥ 6] únicamente necesitamos calcular el valor

de la función de distribución de la variable evaluada en el punto 5, para lo cual
utilizaremos la función ppois.

>1–ppois(5,6) = 0.5543204

Por tanto, se tiene que P[X ≥ 6] = 0.554

d)

En este apartado, la probabilidad que nos piden calcular es P[6 ≤ X ≤ 8] . Vamos

a obtenerla a través de dos métodos distintos: uno basado en la función masa de
probabilidad y otro que utiliza la función de distribución.

Para calcular P[6 ≤ X ≤ 8] usando la función masa de probabilidad, tenemos que

tener en cuenta que

P[6 ≤ X ≤ 8] = P[X = 6] + P[ X = 7] + P[X = 8]

Por tanto, necesitamos obtener, y después sumar, los valores de la función masa
de probabilidad de la variable evaluada en los puntos 6, 7 y 8.

> dpois (6, 6) + dpois (7, 6) + dpois (8, 6) = 0.4015579

Esta estrategia sólo tiene cabida cuando el intervalo para el cual queremos calcular
su probabilidad es relativamente estrecho y está compuesto por pocos valores. En
cualquier otro caso, debemos utilizar un enfoque distinto, basado en la función de
distribución.

Esta alternativa, de utilizar la función de distribución, para calcular P[6 ≤ X ≤

8] parte de que dicha probabilidad puede reescribirse como
 P[6 ≤ X ≤ 8] = P[X ≤ 8] – P[ X ≤ 5] = F(8) – F(5)

De manera que, usando la función ppois, se tiene que:

>ppois(c(5,8),6) = 0.4456796 0.8472375

De modo que la probabilidad que buscamos puede obtenerse como la diferencia

entre los dos valores que proporciona la función ppois.

>0.8472375–0.4456796 = 0.4015579

Por tanto, P[6 ≤ X ≤ 8] = 0.40155

e)

La mediana de una variable aleatoria es el valor de la variable que deja a su

izquierda el 50% de las observaciones, quedando el 50% restante a la derecha de tal valor.
De aquí se deduce que la mediana de una variable coincide con el cuantil de orden 0.5 de
la variable. Por ello, se utiliza la función qpois para obtener la mediana de la
variable X tal y como se muestra a continuación:

>qpois(0.5,6) = 6

Podemos concluir, por tanto, que la mediana de la variable es 6.

f)

Por último, vamos a generar 10 valores aleatorios de esta distribución de Poisson

a través de la función rpois.

>rpois(10,6) = 3 5 5 7 5 5 4 6 3 7
 4. Conclusiones:
• los fenómenos de ocurrencia se pueden determinar mediante las
probabilidades
• para calcular las distribuciones discretas se debe analizar el
fenómeno a la cual el problema se adhiere.

5. BIBLIOGRAFÍA

Guarín S., Norberto (2002). Estadística aplicada. Universidad Nacional de

Colombia. Extraído el 7 de Junio, 2018 del
sitio: http://fcbi.unillanos.edu.co/proyectos/Facultad/php/tutoriales/upload_tutos/Curso%
20De%20Estadistica%20Aplicada.pdf

Marjorie G., Hahn (2001). New exposition on Probability and statistics. 2-5.

Extraído el 9 de Junio, 2018, de la base de datos

Runger, George. & Montgomery Douglas. (1996). trad. por Urbina, Mendal & Edmundo G.:
Probabilidad y estadística aplicadas a la ingeniería. (pp. 831-834, 856). México: Editorial
Mc Graw Hill.

Sáenz C., Antonio (2012). Apuntes de estadística para ingenieros. Universidad Jaén.
Extraído el 7 de Junio del 2018 del sitio:

http://www4.ujaen.es/~ajsaez/recursos/EstadisticaIngenieros.pdf