Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
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
•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 .
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).
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
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 pq
2
n pq
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
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