La municipalidad requiere, previo al operativo:
A. Conocer la probabilidad de que en la primera hora se cubran los gastos de $50000.
Variable Aleatoria: El número de multas labradas en la primera hora.
Distribución: Poisson
Parámetros:
Cantidad de multas labradas en el operativo:
50.000
x= =25
2.000
Promedio de multas por hora:
150
λ= =75
2
Evaluamos la probabilidad de que se labren al menos 25 multas en la primera hora:
P( X ≥ 25)=1−P (X ≤25)
Formula distribución de Poisson:
−λ x −75 25
e × λ e × 75
= =0,00000000001299=0,000000001299 %
x! 25 !
En resumen, utilizamos la distribución de Poisson para estimar la cantidad de veces que ocurre un
evento de un intervalo de tiempo determinado. Para cubrir los gastos de $50.000 con multas de $2.000
cada una, se necesitan 25 multas. Utilizando la fórmula de la distribución de Poisson con un valor de λ
de 75 (basado en las 150 multas en 2 horas), obtenemos un resultado de aproximadamente
0,000000001299%, lo que indica una probabilidad casi nula de cubrir esos gastos en una hora.
B. Conocer la probabilidad de que en el operativo participen los 3 inspectores de mayor
experiencia con que cuenta en su plantel.
Los 3 inspectores de mayor experiencia son seleccionados de un total de 15.
Variable Aleatoria: Número de inspectores de mayor experiencia seleccionados.
Distribución: Hipergeométrica
Parámetros:
𝑁=15: Total de inspectores.
k=3: Inspectores de mayor experiencia.
𝑛=6: Inspectores seleccionados.
Formula distribución hipergeométrica:
P ( X=x ) =
( x ) ( n−x )
k × N−k
( Nn )
La probabilidad de que los 3 inspectores de mayor experiencia estén entre los seleccionados es:
P ( x=3 )=
( 3) ( 6−3 ) ( 1 ) × ( 220 )
3 × 15−3
= =0,0439
(6)
15 ( 5005 )
Por lo tanto, la probabilidad de que participen los 3 inspectores más experimentados en el operativo es
aproximadamente de 0.0439, o 4.39%.
C. Estimar la cantidad de autos a controlar si se espera labrar 45 multas.
Variable aleatoria: Número de autos que reciben multas en el operativo.
Tipo de distribución: Binomial.
Parámetros:
𝑛= Número total de ensayos (número de autos a controlar)
K: Número de éxitos (multas que deseamos labrar)
𝑝=45𝑛 probabilidad de éxito (probabilidad de que un auto inspeccionado reciba una multa)
Fórmula distribución binomial:
P ( x=k ) = n × p × ¿En este caso, queremos encontrar el valor de 𝑛 cuando 𝑘=45.
() k
k
Dado que ya conocemos la probabilidad de que un auto reciba una multa (𝑝=45𝑛), podemos despejar 𝑛
de esta ecuación y resolverla.
Entonces, la ecuación a resolver es:
45
=p
n
(probabilidad de que un auto inspeccionado reciba una multa) y 𝑘=45:
150
Sustituyendo
1000
45 150
=
n 1000
Ahora, despejamos 𝑛:
45 ×1000
n=
150
45000
n=
150
n=300
Por lo tanto, la cantidad de autos a controlar para labrar 45 multas es 300.
D. Determinar la cantidad esperada de autos dentro de los 2 años de antigüedad si se
controlase solo el 25 % de los autos del operativo anterior.
Variable aleatoria: Número de autos dentro de los 2 años de antigüedad en el operativo.
Tipo de distribución: Binomial.
Parámetros:
𝑛=
1000
=250(25% de los autos del operativo anterior)
4
𝑝=
200
=0 , 2 (probabilidad de que un auto inspeccionado esté dentro de los 2 años de antigüedad)
1000
Fórmula distribución binomial:
()
P ( x=k ) = n × p × ¿
k
k
Para este caso, queremos encontrar el valor esperado de 𝑘 cuando 𝑛 es el 25% de los autos
inspeccionados en el operativo anterior y 𝑝 (probabilidad de que un auto inspeccionado esté dentro de
los 2 años de antigüedad).
Entonces, la cantidad esperada de autos dentro de los 2 años de antigüedad (𝐸(𝑋)) se calcula como:
E(x )=n × p
Dado que 𝑛es el 25% de los autos inspeccionados en el operativo anterior, y sabemos que en el
operativo anterior se inspeccionaron 1000 autos, entonces n=0.25 ×1000=250 .
200
Entonces, sustituimos n=250 y p= en la fórmula:
1000
200
E(x )=250 ×
1000
E(x )=250 × 0 ,2
E(x )=50
Por lo tanto, la cantidad esperada de autos dentro de los 2 años de antigüedad si se controla el 25% de
los autos del operativo anterior es 50.
E. Para cada punto anterior, explica cuál es la variable aleatoria, el tipo de distribución
correspondiente, y los parámetros utilizados en cada caso.
Se especifica en cada caso dado cual es la variable aleatoria, el tipo de distribución y los parámetros en
cada uno de ellos.
F. A tu criterio: ¿qué modelo probabilístico utilizarías para dar respuestas a los
requerimientos de la municipalidad?
Para responder a los requerimientos de la municipalidad, utilizaría los siguientes modelos
probabilísticos:
1. Probabilidad de cubrir los gastos de $50,000 con multas en la primera hora:
El modelo probabilístico que utilizaría es la distribución de Poisson ya que es adecuada para modelar el
número de eventos en un intervalo de tiempo fijo, especialmente cuando los eventos son raros y
ocurren a una tasa promedio constante. En este caso, el número de multas labradas en una hora cumple
con estas características.
2. Probabilidad de que los 3 inspectores de mayor experiencia participen en el operativo:
En este caso el modelo probabilístico ideal sería la distribución hipergeométrica dado que es apropiada
cuando se selecciona una muestra sin reemplazo de una población finita para calcular la probabilidad de
un número específico de éxitos. Aquí, los "éxitos" son los inspectores de mayor experiencia
seleccionados para el operativo.
3. Estimación de la cantidad de autos a controlar para labrar 45 multas:
El modelo probabilístico de distribución binomial seria la adecuada para modelar el número de éxitos
(multas) en una cantidad fija de ensayos (autos inspeccionados) con dos posibles resultados (multa o no
multa) y una probabilidad constante de éxito. Se utiliza para encontrar el número de autos a
inspeccionar para alcanzar un número esperado de multas.
4. Cantidad esperada de autos dentro de los 2 años de antigüedad al controlar el 25% de los autos
del operativo anterior:
Otra vez, el modelo probabilístico de distribución binomial sería el adecuado para una serie de ensayos
independientes (inspección de autos) con dos posibles resultados (auto dentro o fuera de los 2 años de
antigüedad) y una probabilidad constante de éxito. Se utiliza para calcular la expectativa del número de
autos dentro de los 2 años de antigüedad.
En conclusión, dado que estamos tratando con eventos binarios (multa o no multa, inspector más
experimentado o no, auto dentro de los 2 años de antigüedad o no), la distribución binomial parece ser
adecuada para la mayoría de los casos. Sin embargo, para el primer caso será mejor utilizar la Poisson y
para el segundo caso (probabilidad de participación de inspectores más experimentados), la distribución
hipergeométrica sería más precisa ya que estamos extrayendo una muestra sin reemplazo de una
población finita con dos clases (inspectores más y menos experimentados).
