Distribucin Binomial

Definicin
En estadstica, la distribucin binomial es una distribucin de probabilidad discreta
que cuenta el nmero de xitos en una secuencia de n ensayos de Bernoulli
independientes entre s, con una probabilidad fija p de ocurrencia del xito entre
los ensayos. Un experimento de Bernoulli se caracteriza por ser dicotmico, esto
es, slo son posibles dos resultados. A uno de estos se denomina xito y tiene una
probabilidad de ocurrencia p y al otro, fracaso, con una probabilidad q = 1 - p. En
la distribucin binomial el anterior experimento se repite n veces, de forma
independiente, y se trata de calcular la probabilidad de un determinado nmero de
xitos. Para n = 1, la binomial se convierte, de hecho, en una distribucin de
Bernoulli.
Existen muchas situaciones en las que se presenta una experiencia binomial.
Cada uno de los experimentos es independiente de los restantes (la probabilidad
del resultado de un experimento no depende del resultado del resto). El resultado
de cada experimento ha de admitir slo dos categoras (a las que se denomina
xito y fracaso). Las probabilidades de ambas posibilidades han de ser constantes
en todos los experimentos (se denotan como p y q o p y 1-p).
Se designa por X a la variable que mide el nmero de xitos que se han producido
en los n experimentos.
Cuando se dan estas circunstancias, se dice que la variable X sigue una
distribucin de probabilidad binomial, y se denota B(n,p).
Caractersticas
Las caractersticas de esta distribucin son:
a)

En los experimentos que tienen este tipo de distribucin, siempre se

esperan dos tipos de resultados, ejem. Defectuoso, no defectuoso, pasa, no
pasa, etc, etc., denominados arbitrariamente xito (que es lo que se
espera que ocurra) o fracaso (lo contrario del xito).

b)

Las probabilidades asociadas a cada uno de estos resultados son

constantes, es decir no cambian.

c)

Cada uno de los ensayos o repeticiones del experimento son

independientes entre s.

d)

El nmero de ensayos o repeticiones del experimento (n) es constante.

Funcin de densidad
La distribucin Binomial sera:

Dnde:
p(x, n, p) = probabilidad de obtener en n ensayos x xitos, cuando la probabilidad
de xito es p

Media o valor esperado.

Dnde:
n = nmero de ensayos o repeticiones del experimento
P = probabilidad de xito o la probabilidad referente al evento del cual se desea
calcular la media que se refiere la media
Q = complemento de P

Desviacin estndar.

Aplicaciones de la distribucin Binomial

La distribucin binomial encuentra aplicaciones en mucho s campos cientficos.
Dentro de la ingeniera es normal estudiar la proporcin de elementos defectuosos
dentro de un proceso industrial; las mediciones de control de calidad y los
esquemas de muestreo se basan en la distribucin binomial.

Ejercicio 1
La ltima novela de un autor ha tenido un gran xito, hasta el punto de que el
80% de los lectores ya la han ledo. Un grupo de 4 amigos son aficionados a la
lectura:
1Cul es la probabilidad de que en el grupo hayan ledo la novela 2 personas?
2Y cmo mximo 2?
Cul es la probabilidad de que en el grupo hayan ledo la novela 2 personas?
B(4, 0.2) p = 0.8 q = 0.2

2Y cmo mximo 2?

Ejercicio 2
Un agente de seguros vende plizas a cinco personas de la misma edad y que
disfrutan de buena salud. Segn las tablas actuales, la probabilidad de que una
persona en estas condiciones viva 30 aos o ms es 2/3. Hllese la probabilidad
de que, transcurridos 30 aos, vivan:
1Las cinco personas
2Al menos tres personas
3Exactamente dos personas
Y cmo mximo 2?

Las cinco personas

B(5, 2/3) p = 2/3 q = 1/3

2Al menos tres personas

3Exactamente dos personas

Ejercicio 3
Se lanza una moneda cuatro veces. Calcular la probabilidad de que salgan ms
caras que cruces
B(4, 0.5) p = 0.5q = 0.5

Distribucin poisson
Definicin
En teora de probabilidad y estadstica, la distribucin de Poisson es una
distribucin de probabilidad discreta que expresa, a partir de una frecuencia de
ocurrencia media, la probabilidad de que ocurra un determinado nmero de
eventos durante cierto perodo de tiempo. Concretamente, se especializa en la
probabilidad de ocurrencia de sucesos con probabilidades muy pequeas, o
sucesos "raros".

Caractersticas de la Distribucin de Poisson

Un modelo de probabilidad de Poisson tiene las siguientes caractersticas:

1. El espacio muestral se genera por un nmero muy grande (puede

considerarse infinito) de repeticiones de un experimento cuyo modelo de
probabilidad es el de Bernoulli, con probabilidad de xito muy pequea. Por
esta razn, a la distribucin de Poisson suele llamrsele de eventos raros. Las
repeticiones del experimento de Bernoulli se realizan en cada uno de los
puntos de un intervalo de tiempo o espacio.

2. El nmero de xitos en el intervalo li es ajeno al nmero de xitos en el

intervalo lk, por lo que li lk =

3. La probabilidad de que se tengan dos o ms xitos en el mismo punto del

intervalo es cero.

4. El nmero promedio de xitos en un intervalo es una constante , que no

cambia de intervalo a intervalo.

Funcin de densidad

Dnde:
p(x, ) = probabilidad de que ocurran x xitos, cuando el nmero promedio de
ocurrencia de ellos es
= media o promedio de xitos por unidad de tiempo, rea o producto
= 2.718
x = variable que nos denota el nmero de xitos que se desea que ocurra

Aplicaciones de la distribucin de Poisson.

APLICACIONES
Esta distribucin puede ser encontrada en varias ocasiones de la vida cotidiana,
sobre todo en fenmenos relacionados con la naturaleza, es decir, con los
fenmenos que se dan 0, 1, 2.veces en un intervalo de tiempo o espacio.
Algunos ejemplos de estos fenmenos que podemos modelar con una distribucin
de Poisson son:
El nmero de peces muertos encontrados por unidad de superficie en una
determinada rea.
El nmero de vehculos que pasan por un radar fijo durante un intervalo de
tiempo concreto.
El nmero de llamadas telefnicas recibidas en una central por minuto.
El nmero de inventos llevados a cabo por una persona a lo largo de su carrera.
Y as podramos continuar de forma infinita

Ejercicio 1
En la inspeccin de hojalata producida por un proceso electroltico continuo,
se identifican 0.2 imperfecciones en promedio por minuto. Determine las
probabilidades de identificar a) una imperfeccin en 3 minutos, b) al menos
dos imperfecciones en 5 minutos, c) cuando ms una imperfeccin en 15
minutos.
Solucin:
a)

x = variable que nos define el nmero de imperfecciones en la

hojalata por cada 3 minutos = 0, 1, 2, 3, ...., etc., etc.

= 0.2 x 3 =0.6 imperfecciones en promedio por cada 3 minutos en la

hojalata

b)

x = variable que nos define el nmero de imperfecciones en la

hojalata por cada 5 minutos = 0, 1, 2, 3, ...., etc., etc.

= 0.2 x 5 =1 imperfeccin en promedio por cada 5 minutos en la

hojalata

=1-(0.367918+0.367918) = 0.26416

c)

x = variable que nos define el nmero de imperfecciones en la

hojalata por cada 15 minutos = 0, 1, 2, 3, ....., etc., etc.

= 0.2 x 15 = 3 imperfecciones en promedio por cada 15 minutos en la

hojalata

=
0.0498026 + 0.149408 = 0.1992106

Ejercicio 2
La probabilidad de tener un accidente de trfico es de 0,02 cada vez que se viaja,
si se realizan 300 viajes, cul es la probabilidad de tener 3 accidentes?
Como la probabilidad " p " es menor que 0,1, y el producto " n * p " es menor que
10, entonces aplicamos el modelo de distribucin de Poisson.

Luego,
P (x = 3) = 0,0892
Por lo tanto, la probabilidad de tener 3 accidentes de trfico en 300 viajes es del
8,9%

Ejercicio 3
La probabilidad de que un nio nazca pelirrojo es de 0,012. Cul es la
probabilidad de que entre 800 recin nacidos haya 5 pelirrojos?

Luego,
P (x = 5) = 4,602
Por lo tanto, la probabilidad de que haya 5 pelirrojos entre 800 recin nacidos es
del 4,6%.