Alumno: Francisco Javier Barrera Molano

Materia: Estadstica
Grupo: L5

Turno: Vespertino

Tema: Distribucin binomial e hipergeometrica

Introduccin
1

A diferencia de los eventos categricos, como extraer determinada carta de una

baraja de naipes, una variable aleatoria se define como un evento numrico cuyo
valor se determina un proceso aleatorio si a cada uno de los valores numricos de
una variable aleatoria X se le asigna un valor de probabilidad, ya sea mediante
una lista o una funcin matemtica, el resultado de una distribucin de
probabilidad. La suma de las probabilidades de todos los posibles resultados
numricos debe de ser 1.0.
Si se trata de una variable aleatoria discreta, los valores observados solo pueden
presentarse en puntos aislados a lo largo de una escala de valores. Por tanto, se
puede enlistar en una tabla todos los valores numricos de la variable con sus
probabilidades correspondientes. Hay varias funciones de probabilidad estndar
que pueden servir como modelos, para una amplia gama de variables aleatorias
discretas que se utilizan en los negocios. Los modelos estndar que se describen
a continuacin son la distribucin de probabilidad binomial, hipergeometrica y de
Poisson.

ndice
2

Introduccin.2
Distribucin binomial..4
Caractersticas4
Formula4
Ejemplo5
Distribucin Hipergeomtrica5
Caractersticas5
Formula6
Ejemplo.6
Distribucin de Poisson.7
Caractersticas7
Formula8
Ejemplo.8
Conclusiones.9

Distribucin binomial
3

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.
Cuando se dispone de una expresin matemtica, es factible calcular la
probabilidad de ocurrencia exacta correspondiente a cualquier resultado especfico
para la variable aleatoria.
La distribucin de probabilidad binomial es uno de los modelos matemticos
(expresin matemtica para representar una variable) que se utiliza cuando la
variable aleatoria discreta es el nmero de xitos en una muestra compuesta por n
observaciones.
Caractersticas
Podemos utilizar el resultado del lanzamiento de una moneda no alterada un cierto
nmero de veces como ejemplo de proceso de Bernoulli. Podemos describir el proceso de la
manera siguiente:
1. Cada ensayo conduce a uno de dos resultados posibles, mutuamente exclusivos, uno
denominado xito y el otro fracaso.
2. La probabilidad del resultado de cualquier intento permanece fijo con respecto al tiempo.
3. Los ensayos son estadsticamente independientes, es decir, el resultado de un ensayo en
particular no es afectado por el resultado de cualquier otro ensayo.
Formula

n es el nmero de pruebas.
k es el nmero de xitos.
p es la probabilidad de xito.
q es la probabilidad de fracaso.

El nmero combinatorio
Ejemplo
Se sabe que el 30% de los habitantes de una ciudad depende del asma.
Determinar la probabilidad de que en una muestra aleatoria de 4 personas.
i) Ninguna padezca de agua.
ii) ms de 2 sufran de asma.
Sea x el nmero de personas que sufren de asma en una muestra de personas.
X~B(n=4; P=0,3)
i) P(X=0)= (40)*0,30*(0,7)4=0,2401
ii) P(X 3)= (43)*0,33*(0,7)1 + (44)*0,34*(0,7)0= 0,0756 + 0,0081= 0,0837

Distribucin Hipergeomtrica
En teora de la probabilidad la distribucin hipergeomtrica es una distribucin
discreta relacionada con muestreos aleatorios y sin reemplazo. Supngase que se
tiene una poblacin de N elementos de los cuales, d pertenecen a la
categora A y N-d a la B. La distribucin hipergeomtrica mide la probabilidad de
obtener x (
) elementos de la categora A en una muestra
de n elementos de la poblacin original.
La distribucin hipergeomtrica es especialmente til en todos aquellos casos en
los que se extraigan muestras o se realizan experiencias repetidas sin devolucin
del elemento extrado o sin retornar a la situacin experimental inicial.
Modeliza , de hecho, situaciones en las que se repite un nmero determinado de
veces una prueba dicotmica de manera que con cada sucesivo resultado se ve
alterada la probabilidad de obtener en la siguiente prueba uno u otro resultado. Es
una distribucin .fundamental en el estudio de muestras pequeas de
poblaciones .pequeas y en el clculo de probabilidades de, juegos de azar y tiene
grandes aplicaciones en el control de calidad en otros procesos experimentales en
los que no es posible retornar a la situacin de partida.
Caractersticas
Para efectos de esta distribucin, llamemos poblacin al conjunto de elementos
disponibles para realizar un experimento y muestra a un subconjunto de dichos
elementos seleccionados en forma aleatoria.
En el caso de la distribucin Hipergeomtrica, a diferencia de la
distribucin Binomial, los elementos se extraen simultneamente, o si es uno a
5

uno, sin devolverlos antes de realizar la siguiente extraccin, de forma que un

elemento no puede aparecer dos veces en una muestra. A esta manera de obtener
la muestra se le llama muestreo sin reemplazo.
De esta forma, la probabilidad del segundo elemento depende o
estcondicionada al elemento que se haya sacado en la primera extraccin o sea
que existe dependencia. Este concepto tambin se aplica en la extraccin del
tercero, cuarto y dems elementos, dependiendo del tamao de la muestra, donde
la probabilidad depende de los elementos obtenidos en las extracciones
anteriores. Obsrvese que el muestreo sin reemplazo origina la dependencia
probabilstica, a diferencia del modelo binomial que no la tiene.
Formula
La funcin de probabilidad de una variable aleatoria con distribucin
hipergeomtrica puede deducirse a travs de razonamientos combinatorios y es
igual a

Donde
es el tamao de poblacin, es el tamao de la muestra extrada,
es el nmero de elementos en la poblacin original que pertenecen a la
categora deseada y es el nmero de elementos en la muestra que
pertenecen a dicha categora. La notacin
hace referencia al coeficiente
binomial, es decir, el nmero de combinaciones posibles al seleccionar
elementos de un total .
Ejemplo
Para evitar que lo descubran en la aduana, un viajero ha colocado 6 tabletas de
narctico en una botella que contiene 9 pldoras de vitamina que son similares en
apariencia. Si el oficial de la aduana selecciona 3 tabletas aleatoriamente para
analizarlas, a) Cul es la probabilidad de que el viajero sea arrestado por
posesin de narcticos?, b) Cul es la probabilidad de que no sea arrestado por
posesin de narcticos?.
Solucin:
a) N = 9+6 =15 total de tabletas
a = 6 tabletas de narctico
n = 3 tabletas seleccionadas
6

x = 0, 1, 2, o 3 tabletas de narctico = variable que nos indica el nmero de

tabletas de narctico que se puede encontrar al seleccionar las 3 tabletas
p (viajero sea arrestado por posesin de narcticos) = p(de que entre las 3
tabletas seleccionadas haya 1 o ms tabletas de narctico)

Distribucin de Poisson
Esta distribucin es una de las ms importantes distribuciones de variable
discreta. Sus principales aplicaciones hacen referencia a la modelizacin de
situaciones en las que nos interesa determinar el nmero de hechos de cierto tipo
que se pueden producir en un intervalo de tiempo o de espacio, bajo presupuestos
de aleatoriedad y ciertas circunstancias restrictivas. Otro de sus usos frecuentes
es la consideracin lmite de procesos dicotmicos reiterados un gran nmero de
veces si la probabilidad de obtener un xito es muy pequea.
Existen fenmenos o experimentos en los que los eventos ocurren en intervalos
continuos de tiempo o espacio (reas y volmenes), donde slo importa la
ocurrencia del fenmeno, ya que la no ocurrencia no tiene sentido. Por ejemplo, si
en cierta regin ocurren en promedio 2 terremotos por ao, la variable aleatoria
ser el nmero de terremotos por ao y es claro que no tiene sentido hablar del
nmero de no terremotos por ao. Lo mismo sucede para otros fenmenos, como
el nmero de errores en una pgina, derrumbes anuales en una regin
montaosa, accidentes de trfico diarios en cierto crucero, personas atendidas en
un banco en un perodo de 10 minutos, partculas de polvo en cierto volumen de
aire, nacimientos de nios en un periodo de tiempo, rayos que caen en una
tormenta, llamadas que llegan a un conmutados telefnico en un minuto, insectos
por planta en un cultivo, etc. Tambin es de importancia mencionar que cada
ocurrencia puede considerarse como un evento en un intervalo de tiempo
determinado.

Caractersticas
Esta distribucin se puede hacer derivar de un proceso experimental de
observacin en el que tengamos las siguientes caractersticas:
Se observa la realizacin de hechos de cierto tipo durante un cierto periodo de
tiempo o a lo largo de un espacio de observacin
7

 Los hechos a observar tienen naturaleza aleatoria ; pueden producirse o no de

una manera no determinstica.
La probabilidad de que se produzcan un nmero x de xitos en un intervalo de
amplitud t no depende del origen del intervalo (Aunque, s de su amplitud)
La probabilidad de que ocurra un hecho en un intervalo infinitsimo es
prcticamente proporcional a la amplitud del intervalo.
La probabilidad de que se produzcan 2 o ms hechos en un intervalo infinitsimo
es un infinitsimo de orden superior a dos.
En consecuencia, en un intervalo infinitsimo podrn producirse O 1 hecho pero
nunca ms de uno
Si en estas circunstancias aleatorizamos de forma que la variable aleatoria X
signifique o designe el "nmero de hechos que se producen en un intervalo de
tiempo o de espacio", la variable X se distribuye con una distribucin de
parmetro l. As:

Formula
Para determinar la probabilidad de que ocurran x xitos por unidad de tiempo,
rea, o producto, la frmula a utilizar sera:

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

Ejemplo
Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las
probabilidades de que reciba, a) cuatro cheques sin fondo en un da dado, b) 10
cheques sin fondos en cualquiera de dos das consecutivos?

Solucin:
8

a)

x = variable que nos define el nmero de cheques sin fondo que

llegan al banco en un da cualquiera = 0, 1, 2, 3, ....., etc, etc.
l = 6 cheques sin fondo por da
e = 2.718

b)
x= variable que nos define el nmero de cheques sin fondo que llegan al
banco en dos das consecutivos = 0, 1, 2, 3, ......, etc., etc.
l = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en
dos das consecutivos
Nota: l siempre debe de estar en funcin de x siempre o dicho de otra
forma, debe hablar de lo mismo que x.

Conclusiones
La estadstica es la ciencia que trata de cuantificarla probabilidad de la ocurrencia
o el efecto de cualquier evento, sujeto, proceso, fenmeno o interacciones
resultantes. En teora podemos decir que, de la probabilidad y estadstica,
la distribucin de probabilidad de una variable aleatoria es una funcin que asigna
a cada suceso definido sobre la variable aleatoria la probabilidad de que dicho
suceso ocurra. La distribucin de probabilidad est definida sobre el conjunto de
todos los sucesos, cada uno de los sucesos es el rango de valores de la variable
aleatoria. La distribucin de probabilidad, describe el comportamiento de
fenmenos estadsticos es decir, es un listado de las probabilidades de todos los
resultados posibles que podran presentarse si se efecta un experimento. En la
distribucin discreta, las variables asumen un nmero limitado de valores, por
ejemplo el nmero de aos de estudio y en la distribucin continua, las variables
en estudio pueden asumir cualquier valor dentro de determinados lmites.