74

TEORA DE DISTRIBUCIONES
La Distribucin Binomial
( )
( )
X N X X N X
q p
X N X
N
q p
X
N
X p

=
|
|
.
|

\
|
=
! !
!
(1)

Donde: X = 0, 1,2,..., N; N! = N(N- l) (N-2). 1 y 0! = 1 por definicin

Tabla 7-1 Distribucin binomial
Media

= N p

Varianza

2
= N p q

Desviacin estndar

Npq = o

Ej. 65: En 100 lanzamientos de una moneda la media de caras es = N p = (100)(1/2) = 50, que es el
nmero esperado de caras, en 100 lanzamientos.

La desviacin estndar es Npq = o = ( )( )( ) 5 100
2
1
2
1
=


75




Distribucin Multinomial
Si los eventos E
l
,E
2
,...,E
K
pueden ocurrir con probabilidades p
1
, p
2
,..., p
K
, respectivamente,
entonces la probabilidad de que E
1
E
2
,..., E
K
ocurran X
l
, X
2
,..., X
K
, veces, en ese orden, es
K
X
K
X X
K
p p p
X X X
N
......
! !... !
!
2 1
2 1
2 1
(6)

Donde X
1
+ X
2
+...+ X
K
= N. Esta distribucin, que es una generalizacin de la distribucin
binomial, se denomina distribucin multinomial, puesto que la ecuacin (6) es el trmino general
en la expansin multinomial (p
l
+ p
2
+. + p
K
)
N
.
Ej. 66: Si un dado se lanza 12 veces, la probabilidad de obtener 1,2,3,4,5 y 6 puntos exactamente
dos veces , cada uno es
00344 . 0
559872
1925
6
1
6
1
6
1
6
1
6
1
6
1
! 2 ! 2 ! 2 ! 2 ! 2 ! 2
! 12
2 2 2 2 2 2
= =
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|
|
.
|

\
|


El nmero esperado de veces que E
1
E
2
,..., E
K
ocurrirn en N ensayos es Np
1
, Np
2
,..., Np
K
,
respectivamente.


76



Distribucin de Poisson
La distribucin de probabilidad discreta
!
p(X)
X
e
X

=
X = 0, 1,2. (5)
Donde e = 2.71828 y es una constante dada, se denomina distribucin de Poisson, debido a
que Simon - Denis Poisson la descubri a inicios del siglo XIX. El valor de p(X) puede
calcularse con la tabla del apndice VIII (que proporciona los valores de e
-
para diversos valores
de X) o por medio de logaritmos.
Algunas de las propiedades de la distribucin de Poisson se incluyen en la tabla 7-3.

Tabla 7-3 Distribucin de Poisson

Media

=
Varianza

o =
2

Desviacin estndar

o =



77








78

La Distribucin Normal
Uno de los ejemplos ms importantes de una distribucin de probabilidad continua es la distribucin
normal, curva normal o distribucin gaussiana. Se define por medio de la ecuacin
2
2
1
2
1
z
e Y

=
t o
(3)
Donde =media, o = desviacin estndar, = 3.14159 y e = 2.71828. El rea total limitada
por la curva (3) y el eje X es 1; por consiguiente, el rea bajo la curva entre dos ordenadas X = a
y X = b, donde a < b, representa la probabilidad de que X est entre a y b. Esta probabilidad se
denota por Pr {a < X < b}.
Cuando la variable X est expresada en unidades estndar [z = (X - )/o ], la ecuacin (3) se
reemplaza por la denominada forma estndar
2
2
1
2
1
z
e Y

=
t
(4)
En tal caso, se dice que z est normalmente
distribuida, con media 0 y varianza 1.
La figura es una grfica de esta curva
normal estandarizada.





Muestra que las reas incluidas entre z = -1 y +1, z = -2 y +2 y z = -3 y +3 son iguales,
respectivamente, a 68.27%, 95.45% y 99.73% del rea total, que es 1.
La tabla del apndice II indica las reas bajo esta curva, limitadas por las ordenadas en z = 0 y
cualquier valor positivo de z.
A partir de esta tabla se puede encontrar el rea entre cualesquiera 2 ordenadas, usando la
simetra de la curva respecto de z = 0.


79

80

Algunas propiedades de la distribucin normal dadas por la ecuacin (3) se incluyen en
la tabla 7-2.

Tabla 7-2 Distribucin normal

Media



Varianza

2


Desviacin estndar

o
Desviacin Media
o t o 7979 . 0 2 =





81




82