Vous êtes sur la page 1sur 5

El siguiente material se encuentra en etapa de correccin y no deber ser considerado una versin final.

Para hacer comentarios y sugerencias, o reportar errores, enviar mail a Alejandro D. Zylberberg <alejandro@probabilidad.com.ar> Versin Actualizada al: 1 de junio de 2004

Aproximacin de Binomial y Poisson por Normal


Para calcular probabilidades de distribuciones discretas con nmeros grandes, es preciso sumar muchos trminos, lo cual puede resultar poco prctico. Sin embargo las caractersticas de algunas distribuciones, como la binomial y la Poisson, permiten muy buenas aproximaciones mediante la distribucin normal. Y como la distribucin normal se puede obtener de una tabla, el problema de sumar una gran cantidad de trminos queda reducido a buscar uno o dos valores en una tabla. A continuacin se presentan los mtodos y justificaciones de cmo efectuar tales aproximaciones.

Aproximacin de la distribucin binomial por la distribucin normal


Si X es una variable distribuida binomialmente, con n 10 y p cercano a 0,5

Y=
entonces la variable aleatoria aproximadamente normal estndar.

X np n p (1 p )

tiene una distribucin

Esto es vlido porque si p es cercano a 0,5 y n es lo suficientemente grande (generalmente se pide n 10) entonces la forma de la distribucin binomial, a pesar de ser discreta, se parece mucho a la de la una distribucin normal. El cambio de variable Y no es otra cosa que la estandarizacin de esa variable aproximadamente normal (ya que n.p es la media de X y que el denominador es el desvo de X).

En el grfico vemos una variable binomial(n = 100 ; p = 0,5) junto con una variable normal( = 50 ; = 5).

Esta propiedad nos permite utilizar una variable normal estndar, que se encuentra tabulada, para ahorrarnos la engorrosa tarea de sumar una cantidad elevada de trminos de probabilidades binomiales, especialmente cuando n es muy grande y la cantidad de xitos est lejos de 0 y lejos de n, con lo cual la sumatoria tiene muchos trminos aunque se intente restar del 1 en vez de sumar. Queda por hacer una observacin antes de poder utilizar esta propiedad. Al estar aproximando una distribucin discreta por una continua, lo que se hace es tomar intervalos de la continua, que representan los valores puntuales de la discreta. Por ejemplo, consideraremos que la discreta vale 43, si la continua tiene cualquier valor entre 42,5 y 43,5. Entonces la probabilidad de que la discreta est entre 8 y 12 no es la probabilidad de que la continua est entre 8 y 12 sino de que est entre 7,5 y 12,5. Considerar esto se conoce como "correccin por continuidad". Ejemplo: Se tiene una variable aleatoria X:Bi(n = 50 ; p = 0,4). Cul es la probabilidad de que X sea menor a 20?

Podramos hacer . Esto demandara sumar 20 trminos, y arroja el resultado 0,44648 Sin embargo, y a menos que se necesite el resultado exacto, podemos usar la aproximacin normal para resolver el problema. Estamos buscando P(X < 20), lo cual es igual a: P(0 X 19) Hacemos la correccin por continuidad: P(0 X 19) P(-0,5 X 19,5) Tomamos el cambio de variables:

n x n x P ( X < 20) = P ( X = x) = p (1 p ) x =0 x =0 x
19 19

Y=

X np n p (1 p )

con lo cual Y tendr una distribucin aproximadamente normal estndar. Dejamos X en funcin de Y:

X = n p (1 p) Y + np

Luego reemplazamos X por su definicin en trminos de Y en la probabilidad que estbamos buscando:

0,5 np 19,5 np = P ( 5,92 Y 0,14 ) Y P ( 0,5 X 19,5) = P n p (1 p ) n p (1 p )

Lo cual, por propiedades de la funcin de distribucin acumulada queda: P(-5,92 Y -0,14) = F Y(-0,14) - F Y(-5,92) Como estamos considerando a Y una normal estndar, entonces:

F Y(-0,14) - F Y(-5,92) = (-0,14) - (-5,92) = (1 - (0,14)) - (1 - (5,92)) = (5,92) - (0,14) = 1 - 0,55567 = 0,44433 Observemos que el resultado aproximado 0,44433 es prcticamente igual al resultado exacto 0,44648.

Demostracin
Se provee esta demostracin porque constituye un buen ejemplo de aplicacin del teorema central del lmite. Si X es la cantidad de xitos en una muestra en n experimentos de Bernoulli, entonces X es una variable aleatoria cuya distribucin se conoce como binomial. Toda variable binomial es en esencia la suma de n variables de Bernoulli (unos y ceros). Como vimos para la distribucin binomial: E(X) = n.p x2 = n.p.(1-p) Tambin vimos que, por el teorema central del lmite, para n lo suficientemente grande, la suma de n variables tiene aproximadamente una distribucin normal, con determinadas media y varianza. Particularmente cuando X es binomial, si np 5 y n (1 p ) 5 (lo cual tambin garantiza que p est lo suficientemente alejada de 0 y 1 para que no se "aplaste") entonces su ditribucin se puede aproximar por una normal, con media n.p y desvo (aproximadamente).
Y= X np n p (1 p)

X : N( n.p ;

n.p.(1 p) )

n.p.(1 p)

. Queda:

Luego, tomando el cambio de variables aproximadamente normal estndar.

, Y tiene una distribucin

Aproximacin de la distribucin de Poisson por la distribucin normal


Si X es una variable de Poisson, con >> 1, entonces la variable aleatoria

Y =

tiene una distribucin aproximadamente normal estndar.

Esto es vlido porque si es mucho mayor que 1, entonces la forma de la distribucin de Poisson, a pesar de ser discreta, se parece mucho a la de la una distribucin normal. El cambio de variable Y no es otra cosa que la estandarizacin de esa variable aproximadamente normal (ya que es a la vez la media y la varianza de X)

En el grfico vemos una variable de Poisson( = 50) junto con una variable normal( = 50 ; =

50

).

Esta propiedad nos permite utilizar una variable normal estndar, que se encuentra tabulada, para ahorrarnos la engorrosa tarea de sumar una cantidad elevada de trminos de probabilidades de Poisson al calcular probabilidades acumuladas, especialmente cuando necesitamos calcular la probabilidad acumulada para un valor que est lejos del cero. Queda por hacer una observacin antes de poder utilizar esta propiedad. Al estar aproximando una distribucin discreta por una continua, lo que se hace es tomar intervalos de la continua, que representan los valores puntuales de la discreta. Por ejemplo, consideraremos que la discreta vale 43, si la continua tiene cualquier valor entre 42,5 y 43,5. Entonces la probabilidad de que la discreta est entre 8 y 12 no es la probabilidad de que la continua est entre 8 y 12 sino de que est entre 7,5 y 12,5. Considerar esto se conoce como "correccin por continuidad". Ejemplo: Se tiene una variable aleatoria X:Pois( = 60). Cul es la probabilidad de que X sea menor a 70?

Podramos hacer . Esto demandara sumar 70 trminos, y arroja el resultado 0,88821. Sin embargo, y a menos que se necesite el resultado exacto, podemos usar la aproximacin normal para resolver el problema. Estamos buscando P(X < 70), lo cual es igual a: P(0 X 69) Hacemos la correccin por continuidad: P(0 X 69) P(-0,5 X 69,5) Tomamos el cambio de variables:

e x P( X < 70) = P( X = x) = x! x =0 x =0
69 69

Y =

con lo cual Y tendr una distribucin aproximadamente normal estndar. Dejamos X en funcin de Y:

X = Y +

Luego reemplazamos X por su definicin en trminos de Y en la probabilidad que estbamos buscando:

0,5 69,5 = P ( 7,81 Y 1,23 ) Y P ( 0,5 X 69,5) = P

Lo cual, por propiedades de la funcin de distribucin acumulada queda: P(-7.81 Y 1,23) = F Y(1,23) - F Y(-7,81) Como estamos considerando a Y una normal estndar, entonces: F Y(1,23) - F Y(-7,81) = (1,23) - (-7,81) = (1,23) - (1 - (7,81)) = (1,23) + (7,81) - 1 = 0,89065 + 1 - 1 = 0,89065 Observemos que el resultado aproximado 0,89065 es prcticamente igual al resultado exacto 0,88821.

Problemas tpicos
Deben considerarse modelos de problemas tpicos los dos ejemplos dados en esta seccin.

Este material se encuentra en etapa de correccin y no deber ser considerado una versin final. Para hacer comentarios y sugerencias, o reportar errores, enviar mail a Alejandro D. Zylberberg <alejandro@probabilidad.com.ar> Versin Actualizada al: 1 de junio de 2004