Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
DISTRIBUCIÓN BINOMIAL
La distribución binomial es unas de las distribuciones de probabilidad discreta más importantes.
Recordemos que en una distribución de probabilidad discreta, la variable aleatoria asigna un
valor numérico a cada resultado en el espacio muestral del experimento. La distribución
binomial tiene que ver con una clase especial de experimento llamado experimento binomial.
EXPERIMENTO BINOMIAL
Un experimento que tiene exactamente dos posibles resultados o dos categorías de
resultados conocidos como "éxito" o "fracaso".
Cada día Aero México tiene 5 vuelos México – Colima. Supón que para cada vuelo, la
probabilidad de que este se retrase es de 0.20.
Solución
P ( X ) = nCx px (1 – p) n – x
P ( 0 ) = 5C0 (0.20)0 (1 – 0.20) 5 – 0
P ( 0 ) = (1) (1) (0.3277)
P ( 0 ) = 0.3277
P ( X ) = nCx px (1 – p) n – x
P ( 1 ) = 5C1 (0.20)1 (1 – 0.20) 5 – 1
P ( 1 ) = (5) (0.20) (0.4096)
P ( 1 ) = 0.4096
La distribución binomial completa para n=5, p=0.20 es la siguiente:
0.5
0.4
Probabilidad
0.3
0.2
0.1
0
0 1 2 3 4 5
Número de vuelos
Una distribución de probabilidad binomial es una distribución teórica, que se puede calcular
mediante el uso de una fórmula. Sin embargo, los cálculos pueden ser muy tediosos. Por tal
motivo existen tablas en las que se pueden consultar las probabilidades de un determinado
número de éxitos para varios valores de n y de p.
DISTRIBUCIÓN DE POISSON
Se utiliza cuando las probabilidades de éxito (p) son menores a 0.05 y cuando (n) es muy
grande (p.e. mayor a 100).
Por lo demás tiene casi las mismas características que una distribución binomial simple. Se le
conoce también como ley de los eventos improbables.
DISTRIBUCIÓN DE P ( X ) = μx e –μ
PROBABILIDAD DE POISSON x!
Donde:
x = Número de éxitos
Una diferencia entre una distribución binomial simple y la de Poisson es que, a diferencia de la
binomial (dónde debe existir un número fijo de ensayos), para la distribución de Poisson X
puede asumir un número infinito de valores.
Una empresa que se dedica a crear alimentos transgénicos experimenta problemas con una
plaga llamada gusano del maíz. El examen de 5000 mazorcas seleccionadas al azar reveló que
se encontraron en total 3500 gusanos.
0.5
0.4
Probabilidad
0.3
0.2
0.1
0
0 1 2 3 4 5 6
Número de gusanos
En resumen, la distribución de Poisson es parte del grupo de distribuciones discretas. Para
aplicarla, n debe ser grande y p debe ser pequeña. Todo lo que se necesita para construir una
distribución de Poisson es μ, que es el número promedio de éxitos durante un intervalo
específico. μ se calcula multiplicando n por p.
DISTRIBUCIÓN HIPERGEOMÉTRICA
Su aplicación exige los mismos requisitos de la distribución binomial, con la variante de que
para la Hipergeométrica la probabilidad de éxito no permanece igual de un ensayo al siguiente.
Otras características que se deben cumplir son:
N = Tamaño de la población
K = # de éxitos en la población
x = # de éxitos que son de interés
n = Tamaño de la muestra o # de ensayos
C = Denota una combinación
Suponga que durante la semana se fabricaron 50 estaciones de juego para video. Cuarenta de
ellas funcionaron perfectamente, y diez tuvieron al menos un defecto. Se seleccionó al azar una
muestra de cinco. Utilizando la fórmula Hipergeométrica, ¿cuál es la probabilidad de que 4 de
los 5 funcionen perfectamente?
P ( 4 ) = (40 C 4 ) (50 - 40 C 5 - 4 )
50 C 5
P ( 4 ) = .431
Por lo tanto, la probabilidad de seleccionar 5 estaciones de juego y encontrar que 4 funcionan
perfectamente es de 0.431.
Número de estaciones de
juego en la muestra que Probabilidad
Probabilidad binomial
funcionan de manera Hipergeométrica
n = 5, p = 0.80
correcta P(x)
x
0 .000 .000
1 .004 .006
2 .044 .051
3 .210 .205
4 .431 .410
5 .311 .328
FUNCION PARAMETROS
PROPIEDADES
1. En el experimento existen “n”
observaciones o ensayos idénticos. Es La función que representa a la
= Es el promedio a
largo plazo o valor
decir n es constante. distribución binomial es la siguiente
esperado de una variable
2. Cada observación se puede considerar f(x)= n! . px qn-x aleatoria binomial y esta
como seleccionada de una población X!(n-x)! dada por
infinita sin reemplazo o finita con
reemplazo. En donde la f(x)0 1 = np
3. Existen sólo dos resultados posibles En la fórmula cada expresión se define:
“éxito” o “fracaso”.
4. La probabilidad de éxito es “p” y la X= variable aleatoria binomial o número
x2= npq
probabilidad de fracaso (1-p) es
constante en cada ensayo.
de éxitos en “n” observaciones x= npq
independientes.
5. Los n ensayos son independientes. p= probabilidad de éxito
6. Estamos interesados en el número de q= probabilidad de fracaso
éxitos “x” observados en “n” ensayos. n= tamaño de la muestra
VARIABLE ALEATORIA BINOMIAL: px qn-x= la probabilidad de obtener “x”
éxitos y (n-x) fracasos en “n”
Es el número de éxitos obtenidos en una observaciones.
muestra de “n” observaciones. n! . Indica el número de
x!(n-x)! formas o combinaciones
posibles de obtener
“x” éxitos y (n-x)
fracasos en “n” observaciones.
DISTRIBUCION HIPERGEOMÉTRICA: Es una distribución discreta. Al igual que la binomial se ocupa
del número de éxitos en una muestra que contenga “n” observaciones. Lo que distingue a estas dos
distribuciones es la forma en como se toman los datos
Un experimento
=n*p
hipergeométrico posee las ( k C x )( N k Cn x ) Si la proporción de la
P( x) Media =
dos propiedades siguientes: N Cn muestra
1. Una muestra aleatoria de
tamaño “n” se selecciona p= K n/N 0.10 , se
sin reemplazo de un total N aplicara la
de “N” resultados o n* p *q 1 n/ N distribución
artículos totales. binomial.
2. K resultados o artículos Donde:
del total de N pueden N = Tamaño de la población Si n/N>0.10
(1 n / N )
clasificarse como éxitos y
K = # de éxitos en la población Es el
N-k como fracasos
x = # de éxitos que son de factor de corrección Entonces se utilizará
La diferencia entre la interés para una población la distribución
hipergeométrica.
distribución binomial y la finita.
n = Tamaño de la muestra o #
hipergeométrica es la manera de ensayos
en como se lleva el muestreo
Con reemplazo-binomial C = Denota una combinación
Sin reemplazo-
hipergeométrica
DISTRIBUCION DE POISSON: La distribución de Poisson suele ser útil para describir la probabilidad del número de
acaecimientos con respecto a un campo o intervalo continuo generalmente e tiempo o espacio.
Existe un gran
número de puntos
Algunos ejemplos de
p(x) = e-x
posibles para la variables aleatorias
que se pueden x! Media = =n*p En una muestra sin
reemplazo
verificación de un
evento dado dentro representar o modelar
de cada unidad de por la distribución de varianza =media
media, y la Poisson son: n/N 0.10 y;
probabilidad de una x= 0,1.2.3,...,n
ocurrencia
cualquier a de esos
en
Defectos por
p(x)=1 ==n*p
2
p0.10
Donde,
puntos es muy centímetro
pequeña Accidentes por día
La probabilidad de un Clientes por hora X= la variable se puede usar la
acaecimiento u Llamadas aleatoria de Poisson. aproximación de
ocurrencia es la telefónicas por Poisson a la Binomial.
misma a través de minutos
todo el campo de e= es la constante
Cabeza de ganado
observación
La probabilidad de
por hectárea base de los
más de una logaritmos
acaecimiento en Obsérvese que la naturales cuyo
cualquier punto único unidad de mediciones
es continua, pero la valor es de
es aproximadamente
cero. variable aleatoria es el 2.71828.
El número de número de ocurrencia = número promedio
ocurrencia en y es discreta.
cualquier intervalo es de éxitos que
independiente del ocurren por
número de unidad de medida
ocurrencias en otros
intervalos