ESTUDIO DE CASO 3

La distribucin de probabilidad de Poisson describe el nmero de veces que se

presenta un evento durante un intervalo especfico. El intervalo puede ser de
tiempo, distancia, rea o volumen. La distribucin se basa en dos supuestos. El
primero consiste en que la probabilidad es proporcional a la longitud del intervalo.
El segundo supuesto consiste en que los intervalos son independientes. En otras
palabras, cuanto ms grande sea el intervalo, mayor ser la probabilidad; adems,
el nmero de veces que se presenta un evento en un intervalo no influye en los
dems intervalos.
Esta distribucin posee diversas aplicaciones. Se le utiliza como modelo para
describir la distribucin de errores en una entrada de datos, el nmero de rayones
y otras imperfecciones en las cabinas de automviles recin pintados, el nmero
de partes defectuosas en envos, el nmero de clientes que esperan mesa en un
restaurante, el nmero de accidentes en una carretera en un periodo determinado.
La compaa de aviacin Delta Airlines, se caracteriza por su responsabilidad y
cuidado con el equipaje de sus pasajeros, por lo que pocas veces se pierde
equipaje. En la mayora de los vuelos no se pierden maletas; en algunos se pierde
una; en unos cuantos se pierden dos; pocas veces se pierden tres, etc. Suponga
que una muestra aleatoria de 1 000 vuelos arroja un total de 300 maletas
perdidas. De esta manera, el nmero promedio de maletas perdidas por vuelo es
de 0.3.
INFORME A PRESENTAR:
Prepare un informe en el que como mnimo, incluya:
1.- Esta situacin cumple con los supuestos de la distribucin Poisson?
Identifquelos.
-En este experimento los xitos buscados son expresados por unidad de pieza,
cuando se refiere que cada 1000 vuelos 300 maletas se pierden.

-Por tanto X=Numero de vuelos donde hay maletas perdidas. Se concluye que X
sigue una distribucin de Poisson
-En cuanto mayor sea el intervalo, mayor ser la probabilidad, en este caso 300
maletas perdidas por cada 1000 vuelos.
- Como el nmero de pruebas es muy grande y la probabilidad de xito es muy
pequea, vemos que X sigue una distribucin de Poisson, donde =300/1000, es
decir =0.3
2.- Determine cul es la probabilidad de que en un vuelo no se pierda
ninguna maleta.
Para este punto utilizamos la funcin de probabilidad de la distribucin de Poisson.

f ( x ; )=

e .
x!

Seguidamente definimos lambda y x=numero de ocurrencias.

=

300
=0.3
1000

x=0

Remplazamos y efectuamos la operacin correspondiente

e0.3 (0.3)0
P ( x=0 )=
=0.7408
0!
Se concluye que en aproximadamente el 74% de los vuelos no habr maletas
perdidas.
3.- Determine cul es la probabilidad de que en un vuelo se pierda
exactamente una maleta.
Nuevamente para este punto utilizamos la funcin de probabilidad de la
distribucin de Poisson.
e . x
(
)
f x; =
x!
Seguidamente definimos lambda y x=numero de ocurrencias.

300
=0.3
1000

x=1

Remplazamos y efectuamos la operacin correspondiente

P ( x=1 )=

e0.3 (0.3)1
=0.2222
1!

Se concluye que en aproximadamente el 22% de los vuelos se pierda

exactamente una maleta.
4.- Determine cul es la probabilidad de que en un vuelo se pierdan entre dos
y cuatro maletas.
P (2 x 4 )=P ( x=2 ) + P ( x=3 )+ P ( x=4 )
e0.3 (0.3)2
P ( x=2 )=
=0.0333368
2!
P ( x=3 )=

P ( x=4 )=

e0.3 ( 0.3 )3
=0.0033336
3!
e

0.3

(0.3)
=0.0002500
4!

P (2 x 4 )=P ( x=2 ) + P ( x=3 )+ P ( x=4 )

Remplazamos
P (2 x 4 )=0.0333368+0.0033336+ 0.0002500
P (2 x 4 )=0.0369204
Se concluye que en aproximadamente el 3.69% de un vuelo se pierdan entre dos
y cuatro maletas.
5.- Podra establecer cul es la probabilidad de que se pierdan en un vuelo
ms de cuatro maletas

Desarrollamos este punto con la propiedad de suceso contrario

P ( x > 4 ) =1P ( x 4 )=1[ P ( x=0 ) + P ( x=1 ) + P ( x =2 )+ P ( x=3 )+ P ( x=4 ) ]
P ( x > 4 ) =1

e0.3 (0.3)0 e0.3 (0.3)1 e0.3 (0.3)2 e0.3 ( 0.3 )3 e0.3 (0.3)4
+
+
+
+
0!
1!
2!
3!
4!

P ( x > 4 ) =1[ 0.7408+0.2222+0.0333368+0.0033336+ 0.0002500 ]

P ( x > 4 ) =10.9999
P ( x > 4 ) =0.0001
Se concluye que en aproximadamente el 0.01% de un vuelo se pierdan ms
cuatro maletas.
6.- En qu momento debe sospechar el supervisor de la Aerolnea que en
un vuelo se estn perdiendo demasiadas maletas?
Un supervisor no debera sorprenderse de que se pierda una maleta, pero debera
esperar ver con menos frecuencia ms de una maleta perdida.
A continuacin anexo tabla que disee en la herramienta Excel.
lambda:
x
0
1
2
3
4
5
6
7
8
9
10
11

0,3
0
0,74081822
1
0,22224546
6
0,03333682
0,00333368
2
0,00025002
6
1,50016E-05
7,50078E-07
3,21462E-08
1,20548E-09
4,01828E-11
1,20548E-12
3,28768E-14

12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

8,2192E-16
1,89674E-17
4,06444E-19
8,12888E-21
1,52417E-22
2,6897E-24
4,48284E-26
7,07817E-28
1,06173E-29
1,51675E-31
2,0683E-33
2,69778E-35
3,37222E-37
4,04667E-39
4,66923E-41
5,18803E-43

REFERENCIAS BIBLIOGRAFICAS
Universidad Oberta Cataluna U.O.C. Variables aleatorias discretas. Obtenido 04,
2016, de http://www.uoc.edu/in3/emath/docs/VA_discretas.pdf
Instituto Tecnologico de Chihuahya. Curso de Probabilidad y Estadstica. Obtenido
04,

2016,

de

http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/05Distr
%20Poisson.htm
Morales, Adriana (2010) Modulo Probabilidad. Bogot D.C., Universidad Nacional
Abierta

distancia

UNAD.

Obtenido

04,

2016,

de

http://datateca.unad.edu.co/contenidos/100402/modulo_probabilidad_2010I.pdf
Rincon Luis (2013). Distribucin
https://youtu.be/y_dOx8FhHpQ

de

Poisson.

Obtenido

04,

2016,

de

FsicayMates (2016). Distribucin de Poisson. Teora y ejercicio resuelto. Obtenido

04, 2016, de https://www.youtube.com/watch?v=hmAfNpD7Eps