FACULTAD DE INGENIERÍA

ESCUELA PROFESIONAL INGENIERÍA CIVIL

TÍTULO
DISTRIBUCIÓN BINOMIAL, POISSON, TESTE T,

TESTE F Y HIDROGRAFIA

DOCENTE:
ING. DR. ALEX RUBEN HUAMAN DE LA CRUZ

AUTOR:
PAUCAR PALOMINO EFRAÍN

CURSO:
HIDROLOGIA

SEMESTRE:
2020 – I

FILIAL – SATIPO
 1. Contenido

1. Introducción .................................................................................................................... 3

2. Distribución binomial...................................................................................................... 4

3. Distribución de poisson ................................................................................................... 5

4. Teste T y teste F .............................................................................................................. 7

5. Referencias bibliográficas ............................................................................................. 13

 1. Introducción

Dentro de la estadística, para calcular probabilidades de diversos experimentos se pueden

usar la distribución binomial, el cual este hace referencia a que solo se consiguen dos
resultados (éxito o fracaso) denominadas p y q.

La distribución de Poisson es una distribución de probabilidad discreta que expresa, a partir

de una frecuencia de ocurrencia media, la probabilidad de que ocurra un determinado número
de eventos durante cierto período de tiempo.

Los tests de Fisher y de Student sirven para comparar las medias y las varianzas de dos
muestras gaussianas. El t-test se usa para realizar una prueba de hipótesis para una media y
para una prueba de hipótesis para comparar dos medias. para realizar una prueba de hipótesis
para comparar tres o más medias se entra en los que se conoce como el Análisis de la Varianza
o ANOVA y en este caso se utiliza la F test.
 2. Distribución binomial

Física y mates (1), canal en línea dice que: “Se llama también experiencia aleatoria
dicotómica a la variable que solo puede tener dos posibles resultados. La distribución
binomial es una distribución de probabilidades que toman valores discretos (VAD) mas no
toma valores continuos. La distribución binomial es el resultado de contar con el número de
éxitos al repetir 𝑛 veces un determinado experimento, que consta de dos resultados posibles,
el denominamos p y p respectivamente.”

La variable aleatoria discreta X tiene una distribución binomial cuando: 𝑋~𝐵𝑖(𝑛, 𝑝)

la función de probabilidad es:

𝑝𝑘 = 𝑃[𝑋 = 𝑘] = (𝑛𝑘)𝑝𝑘 𝑞 𝑛−𝑘

𝑛
La probabilidad de la variable aleatoria discreta 𝑋 tome un valor cualquiera 𝑘 es (𝑘 )que es

un numero combinatorio multiplicado por 𝑝𝑘 y por 𝑞 𝑛−𝑘 .

𝑛 𝑛!
Dónde: 𝑋 = {0,1,2, … , 𝑛}, Siendo: (𝑘 ) = 𝐶𝑘𝑛 =
𝑋!(𝑛−𝑥)!

Donde:

𝑛 = número de ensayos
𝑝 = Probabilidad de éxito

𝑋 = Variable aleatoria binomial

Existen muchas situaciones en las que se presenta una experiencia binomial. Cada uno de los
experimentos es independiente de los restantes. El resultado de cada experimento ha de
admitir sólo dos categorías (expansión y fracaso). El valentía de ambas posibilidades ha de
ser consecuente en todos los experimentos, y se denotan como 𝑝 y 𝑞 respectivamente, o 𝑝 y
1−𝑝 de forma opción. Se designa por 𝑋 a la permanente que mide el número de éxitos que se
han producido en los 𝑛 experimentos.
Ejemplo:

Un evento tiene un 55%de probabilidades de ocurrir cada vez que alguien entra a determinado
hospital ¿Cuál es la probabilidad de que dicho evento suceda en 2 de 5 personas ingresadas
hoy?

Solución:

Solución:
5
𝑝 = 55% = 0.55 𝑃[𝑋] = ( ) (0.55)2 (0.45)5−2
2
𝑞 = 45% = 0.45 5!
𝑃[𝑋] = (0.55)2 (0.45)5−2
2! (5 − 2)!
𝑛 = 5 𝑡𝑜𝑡𝑎𝑙 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑜𝑠
20
𝑥 = 2 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 é𝑥𝑖𝑡𝑜𝑠 𝑃[𝑋] = (0.55)2 (0.45)5−2
2
𝑃[𝑋] = 10(0.55)2 (0.45)5−2

𝑃[𝑋] = 0.27565

𝑃[𝑋] = 27.565%

La probabilidad de que dicho evento suceda dos personas de 5 personas ingresadas al hospital
es de 27.565%.

3. Distribución de poisson

En el libro de estadística básica aplicaciones de Barreto C. (2) dice que: “la variable aleatoria
discreta 𝑋, cuyos valores posibles son: 0, 1, 2, …, tiene distribución de Poisson con parámetro
𝜆(𝜆 > 0) y se escribe 𝑋 → 𝑃(𝜆)”

𝑒 −𝜆 (𝜆)𝑥
Su función de probabilidad es: 𝑓(𝑥) = 𝑃[𝑋 = 𝑥] = , 𝑋 = 0, 1, 2, …
𝑥!

Donde:
𝜆 = monograma esperado de ocurrencias por unidad de lapso o puesto
“

𝑒 = 2.71828…

La distribución de Poisson se aplica a problemas adonde la colgante aleatoria es el emblema

de eventos independientes que ocurren en un falta de legislatura o en un superficie donado
(con un media cubo). La media: 𝜇 = 𝜆 , y la varianza: 𝜎 2 = 𝜆.
”

La probabilidad que ocurra k eventos de Poisson en un intervalo de tiempo o en un espacio

“

𝑒 −𝜆𝑡 (𝜆𝑡)𝑘
de tamaño t es: 𝑃[𝑋 = 𝑘] =
𝑘!

Donde t es el número de ocurrencias de eventos en el periodo o espacio t. ”

Ejemplo:

Si un mesa recibe en average 6 cheques sin cooperacha por día, ¿Cuáles son las
probabilidades que reciba, a) cuatro cheques sin vacuno en un día hexaedro, b) 10 cheques
sin vaca en persona de dos días consecutivos?

Solución a):

𝑥 = colgante que nos define el emblema de cheques sin becerra que llegan al sotabanco
en un día sujeto = 0, 1, 2, 3, …, etc., etc.

𝜆 = 6 cheques sin cooperación por día.

𝑒 = 2.718

64 ∗2.718−6
𝑃[𝑥 = 4, 𝜆 = 6] =
4!

(1296)(0.00248)
𝑃[𝑥 = 10, 𝜆 = 12] =
24

𝑃[𝑥 = 10, 𝜆 = 12] = 0.13392

Solución b):

𝑥= imprevisto que nos define el sigla de cheques sin cooperacha que llegan al asiento en
dos días consecutivos = 0, 1, 2, 3, …, etc., etc.

𝜆=6𝑥2=12 cheques sin ternera en promedio que llegan al costado en dos días
consecutivos.
 𝜆 siempre tiene que comportarse en clasificación de 𝑥 siempre.

1210 2.718−12
𝑃[𝑥 = 10, 𝜆 = 12] =
10!

(6.1917364𝐸10)(0.000006151)
𝑃[𝑥 = 10, 𝜆 = 12] =
3628800

𝑃[𝑥 = 10, 𝜆 = 12] = 0.104953

4. Teste T y teste F

Bernard (3) define que los tests de Fisher y de Student sirven para comparar las medias y las
varianzas de dos muestras gaussianas.

“
Los estadísticos t y F, además denominados métodos paramétricos constituyen un set de
procedimientos matemáticos que permiten calibrar el altitud de significancia estadística de
una observada desacuerdo entre las medias poblacionales independientes.

Estos procedimientos dependen básicamente de una letanía de supuestos básicos como:

normalidad de la organización poblacional, monotonía de varianzas poblacionales e
independencia de las observaciones.

Sin embargo, frecuentemente nos encontramos con una directorio de datos que no satisfacen
esos supuestos, lo cual indica que existe la urgencia de identificar cuáles tests estadísticos
son robustos a la transgresión de los supuestos fundamentales de los tests.

Por consiguiente, esta averiguación explora y describe fundamentalmente los estadísticos t

de Student y F de Fisher-Snedecor, examinando sus supuestos básicos, el fase de robustez de
los mismos a violaciones de los supuestos básicos de normalidad y regularidad de varianzas.

Al mismo sesión, describe algunos procedimientos designados con el nombradía de no

paramétricos y robustos respecto a la violación de los supuestos, los cuales son considerados
como alternativas en el recurso de alegoría de medias, tales como el t’ de Welch y t* de Yuen;
F’-Folded, F*-Brown-Forsythe y F*.O’Brien

Finalmente, se destacan las diferencias más relevantes entre los definidos tests. ”
 TRABAJO FINAL DE HIDROGRAFIA

Apellidos y Nombres: Paucar Palomino Efraín

1. El valor de pH de los lixiviados en los diferentes puntos de muestreo (PM) del relleno
sanitario “X” en las tres primeras etapas durante el muestreo en época de estiaje (E) y en
época de lluvia (LL) es mostrado en la tabla 1.
PM Etapa I Etapa II Etapa III
E LL E LL E LL
1 7.88 8.51 7.45 7.45 5.67 6.78
2 7.11 8.22 6.67 7.78 6.12 6.12
3 8.20 8.01 7.11 7.89 5.57 7.56
4 6.84 7.77 8.22 8.12 5.13 7.78
5 8.29 7.92 6.56 8.18 7.07 7.89
6 7.45 6.54 7.03 8.34 6.87 9.0
7 7.85 6.78 6.88 9.12 7.11 7.12
8 6.77 5.45 6.54 7.89 6.23 7.34
9 5.67 8.34 6.73 6.89 5.45 6.54
10 5.12 8.12 6.15 7.56 5.12 6.33
Media 7.12 7.57 6.93 7.92 6.03 7.25
Mediana 7.28 7.97 6.81 7,89 5.90 7.23
Desvió 1.06 0.98 0.58 0.59 0.77 0.86
Varianza 1.12 0.97 0.33 0.35 0.59 0.75
Máximo 8.29 8.51 8.22 9.12 7.11 9
Mínimo 5.12 5.45 6.15 6.89 5.12 6.12

a) Calcular: La media, mediana, varianza, desvío padrón, máximo y mínimo para cada dato.
b) Por dato nos dicen que el valor de pH estandarizado es 6.78.
Realizar el teste t adecuado y decir si existe diferencia significativa o no al 95% con la
época de comparado a cada Etapa.
PARA ETAPA 1 ESTIAJE

 No hay diferencia significativa eso quiere decir que el PH medido por nosotros es
igual o cumpla de acuerdo a las normas
 LLUVIA

PARA ETAPA 2 ESTIAJE

 No hay diferencia significativa eso quiere decir que el PH medido por nosotros es
igual o cumpla de acuerdo a las normas

 LLUVIA
 PARA ETAPA 3 ESTIAJE

 No hay diferencia significativa eso quiere decir que el PH medido por nosotros es
igual o cumpla de acuerdo a las normas

 LLUVIA

c) Comparar cada época utilizando el respectivo teste t aprendido y decir si existe o no

diferencia significativa entre ellos.
PARA LA PRIMERA ETAPA

 No hay diferencia significativa entre la época seca y lluviosa

 PARA LA SEGUNDA ETAPA

 Si hay diferencia significativa entre la época seca y lluviosa

PARA LA TERCERA ETAPA

 Si hay diferencia significativa entre la época seca y lluviosa

d) Aplicar el análisis de varianza y Tukey para comparar cada época entre las etapas. Decir
entre quienes existe diferencia significativa

 Si hay diferencia significativa entre los métodos E1, E2, E3

HACIENDO TUKEY

 E1-E3 p-value 0.0177 < 0.05 si hay diferencia significativa

 E2-E3 pvalue 0.8724>0.05 si hay diferencia significativa
 E2-E1 pvalue 0.8724>0.0177 si hay diferencia significativa
 5. Referencias bibliográficas

1. Fisica y Mates, “Distribución Binomial”, 19 de marzo 2015 [en línea], disponible en:
https://www.youtube.com/watch?v=GvqsxC8UL3I
2. Barreto C., “Estadística Básica I”, primera edición, ULADECH, ISBN 978-603-
45269-3-8, 2007, Perú
3. Bernard, “Tests de Fisher y Student”, [en línea] 04 – 06 – 2020, disponible en:
https://ljk.imag.fr/membres/Bernard.Ycart/emel/cours/ts/node14.html