Sei sulla pagina 1di 18

UNIVERSIDAD NACIONAL SAN AGUSTIN DE

AREQUIPA

ESTADÍSTICA II
TEMA: DISTRIBUCIONES DE
PROBABILIDAD:
Binomial y Poisson

2017
Distribución de Probabilidad
Una distribución o densidad de probabilidad de una variable
aleatoria x es la función de distribución de la probabilidad
de dicha variable
 Área de curva entre 2 puntos representa la probabilidad de que
ocurra un suceso entre esos dos puntos.
Las Distribuciones de probabilidad pueden ser discretas o
continuas, de acuerdo al tipo de la variable aleatoria.
Hay infinidad de distribuciones probabilidad, pero hay
ciertas distribuciones “modelo”:

 Binomial
 Normal
 Ji-cuadrado
 "t" de Student,
 F de Fisher
-1 0 +1
Propiedades de un
experimento de Bernoulli
1. En cada prueba del experimento sólo hay dos
posibles resultados: Éxito o Fracaso.
2. El resultado obtenido en cada prueba es
independiente de los resultados obtenidos en
pruebas anteriores.
3. La probabilidad de un suceso (p) es constante y no
varía de una prueba a otra.
4. La probabilidad del complemento (1- p) es q .
Si repetimos el experimento n veces podemos obtener
datos para armar una distribución binomial.
La Distribución Binomial
 Distribución de probabilidad discreta.
 Formada por serie de experimentos de
Bernoulli.
 Los Resultados de cada experimento son
mutuamente excluyentes.
 Para construirla necesitamos:
1. La cantidad de pruebas n
2. La probabilidad de éxitos p
3. Utilizar la función matemática P(x=k).
Distribución Binomial

Supongamos que un experimento aleatorio tiene las siguientes características:

•En cada prueba del experimento sólo son posibles dos resultados: el suceso A
(éxito) y su contrario Ā (fracaso).
•El resultado obtenido en cada prueba es independiente de los resultados
obtenidos anteriormente.
•La probabilidad del suceso A es constante, la representamos por p, y no varía
de una prueba a otra. La probabilidad de Ā es 1- p y la representamos por q .

El experimento consta de un número n de pruebas.

Todo experimento que tenga estas características diremos que sigue el modelo de la
distribución Binomial. A la variable X que expresa el número de éxitos obtenidos
en cada prueba del experimento, la llamaremos variable aleatoria binomial.
Distribución Binomial
La variable binomial es una variable aleatoria discreta, sólo puede tomar los valores
0, 1, 2, 3, 4, ..., n suponiendo que se han realizado n pruebas.
Como hay que considerar todas las maneras posibles de obtener k-éxitos y (n-k)
fracasos debemos calcular éstas por combinaciones (número combinatorio n sobre k).

Se suele representar por B(n,p) siendo n y p los parámetros de dicha distribución.

Función de probabilidad de la distribución Binomial


o también denominada función de la distribución de Bernoulli (para n=1).
Verificándose: 0  p  1

Probabilidad de obtener K éxitos


n k nk
p( X  k )     p  q
k
Distribución Binomial
Parámetros de la Distribución Binomial

Función de Distribución de la variable aleatoria Binomial


n 0 n n 1 n 1 n k nk
F ( x1 )  p( X  x1 )     p q   p q  ....     p q
0 1 k
Siendo K el mayor número entero menor o igual a xi

Esta función de distribución proporciona, para cada número real xi, la probabilidad
de que la variable X tome valores menores o iguales que xi.
Distribución Binomial
Resumen Distribución Binomial
Sea X una variable aleatoria discreta correspondiente a una distribución binomial.

n!
P( x; n, p)  p x (1  p) n x
(n  x)! x!
n!
P( x; n, p)  p x q n x
(n  x)! x!
Utilidad
 Se utiliza en situaciones cuya solución tiene dos
posibles resultados.
 Al nacer un/a bebé puede ser varón o hembra.
 En el deporte un equipo puede ganar o perder.
 Un tratamiento médico puede ser efectivo o inefectivo.
 Vivo / muerto; enfermo / sano; verdadero / falso
 Prueba múltiple 4 alternativas: correcta o incorrecta.
 Algo puede considerarse como Éxito o Fracaso
 Usos:
 Estimación de proporciones
 Pruebas de hipótesis de proporciones
Ejemplo 1
 ¿Probabilidad de obtener 6 caras al lanzar una
moneda 10 veces?
 El número de aciertos k es 6. Esto es x=6
 El número de experimentos n es 10
 La probabilidad de éxito p = 0.50
 La fórmula quedaría:

 P (k = 6) = 0.205
 Es decir, que la probabilidad de obtener 6 caras
al lanzar 10 veces una moneda es de 20.5% .
Ejemplo

 ¿Probabilidad de obtener menos de 5 caras al


lanzar una moneda 10 veces?
 ¿Probabilidad de obtener más de 1 cara al
lanzar una moneda 10 veces?
 ¿Probabilidad de obtener entre 3 y 6 caras al
lanzar una moneda 10 veces?
 ¿Probabilidad de obtener de 2 a 5 caras al
lanzar una moneda 10 veces?
Ejemplo 2
 ¿Probabilidad de obtener cuatro veces el
número 3 al lanzar un dado ocho veces?
 El número de aciertos k es 4. Esto es x=4
 El número de experimentos n es 8
 Probabilidad de éxito p = 1/6 ( 0.1666)
 La fórmula queda:

 P (k = 4) = 0.026
 Es decir, probabilidad de obtener cuatro veces el
números 3 al tirar un dado 8 veces es de 2.6%.
Tabla o calculadora?
Media, Varianza, y Desviación
Estandar en Distribución Binomial

  n p
  n pq
2

  n pq
Distribución Binomial
Ejemplo
La probabilidad de éxito de una determinada transacción es 0,72. Calcule
la probabilidad de que una vez realizada a 15 clientes:
a) Ningún cliente salga satisfecho. Rp. 5,097 x 10(-9)
b) Todos los clientes estén satisfechos . Rp. 0,00724
c) Más de dos de ellos estén satisfechos

Solución :
Se trata de una distribución binomial de parámetros B(15; 0,72)
Distribución de Poisson
Esta distribución aparece en algunos procesos que tienen una dimensión
temporal o espacial, y en fenómenos que tienen un alto número de
experimentos (alto n) y una baja probabilidad de que ocurran (baja p).
Ejemplos:
• número de llamadas telefónicas que recibe un servicio de atención a
urgencias durante un intervalo de tiempo determinado
•número de cultivos infectados por una plaga en una cierta región
geográfica

La función de probabilidad de una variable aleatoria de Poisson con media l > 0,


que simplificamos con la notación P(l), es

siendo su función de distribución el sumatorio de cada uno de los valores menores.

La media y varianza de X son ambas iguales a l,


E[S] = V[S] = l.
EJEMPLO 1

Si un banco recibe en promedio 5 cheques sin fondo, por dia, ¿Cuáles


son las probabilidades de que reciba
a) Cuatro cheques sin fondo, en un día dado.
b) 10 cheques sin fondos en cualquiera de dos días consecutivos

Solución
a) Cuatro cheques sin fondo, en un día dado.
k=4
X = Número de cheques sin fondo que llegan al banco en un día
cualquiera.
X = 0, 1, 2, 3, . . . .
λ = 6 cheques sin fondo por día
𝑒 −6 (6)4
a) P(x = 4) = = 0,13392
4!
b) 10 cheques sin fondos en cualquiera de dos días consecutivos

X = Número de cheques sin fondo que llegan al banco en dos días


consecutivos.
X = 0, 1, 2, 3, . . . .
λ = 6 x 2 = 12 cheques sin fondo en promedio que llegan en dos días
consecutivos.
K = 10
𝑒 −12 (12)10
P(x = 10) = = 0,104953
10!

Potrebbero piacerti anche