DISTRIBUCION BINOMINAL

Las distribucin binomial parte de la distribucin de Bernouilli:

La distribucin de Bernouilli se aplica cuando se realiza una sola vez un
experimento que tiene nicamente dos posibles resultados (xito o fracaso),
por lo que la variable slo puede tomar dos valores: el 1 el !
La distribucin binomial se aplica cuando se realizan un nmero"n" de veces el
experimento de Bernouilli, siendo cada ensao independiente del anterior# La
variable puede tomar valores entre:
!: si todos los experimentos $an sido fracaso
n: si todos los experimentos $an sido xitos
%&emplo: se tira una moneda 1! veces: 'cuantas caras salen( )i no $a salido
nin*una la variable toma el valor !+ si $an salido dos caras la variable toma el
valor ,+ si todas $an sido cara la variable toma el valor 1! La distribucin de
probabilidad de este tipo de distribucin si*ue el si*uiente modelo:
%&emplo 1: '-u.l es la probabilidad de obtener / caras al lanzar una moneda
1! veces(
0 1 0 es el nmero de aciertos# %n este e&emplo 0 1 0 i*ual a / (en cada acierto
dec2amos que la variable toma el valor 1: como son / aciertos, entonces 1 3 /)
0 n" es el nmero de ensaos# %n nuestro e&emplo son 1!
0 p 0 es la probabilidad de xito, es decir, que sal*a 0cara" al lanzar la moneda#
4or lo tanto p 3 !,5 La frmula quedar2a:
Lue*o,
4 (x 3 /) 3 !,,!5
%s decir, se tiene una probabilidad del ,!,56 de obtener / caras al lanzar 1!
veces una moneda#
%s una de las distribuciones discretas mas importantes &unto con las
7istribuciones 8eomtrica, 9iper*eometrica, de 4oisson##
)e utiliza para determinar la probabilidad de obtener un nmero o cantidad
determinada de xitos, en experimentos completamente aleatorios o de
Bemoulli#
%n este caso 0:" se define como el xito en un experimento#
)e requieren ; valores, la cantidad desi*nada de xitos o :+ el numero de
ensaos, observaciones o experimentos (n) la probabilidad de xito de cada
ensao#
<na variable aleatoria discreta : definida en un espacio de probabilidad:
representa el numero de xitos en n repeticiones de un experimento de
Bernoulli, entonces:
n 3 cantidad de ensaos o experimentos
x 3 cantidad de xitos
p 3 probabilidad de xito
q 3 probabilidad de fracasos (1=p)
%&emplo: 1
%n una &aula con ,! pericos 15 de ellos $ablan ruso, si extraemos / pericos al
azar, calcular la probabilidad de que , pericos $ablen ruso#
7efinir xito: pericos que $ablen ruso#
n3/
x3,
p315>,!3!#?5
q31@!#?53 !#,5
%&emplo: ,
7e los alumnos del saln la cuarta parte rprobo el examen, si extraemos A
alumnos al azar, calcular la probabilidad de que B de ellos $aan reprobado el
examen#
7efinir xito: alumno reprobado
n 3 A
x3B
p3!#,5
q 3 1 = !#,5 3 !#?5
%&emplo:;
%n una ca&a $a A canicas ne*ras, / canicas ro&as C canicas verdes, si
extraemos 5 canicas al azar calcular probabilidad de que , de ellas sean ro&as#
7efinir xito: sea canica ro&a#
n 35
x 3,
p 3 />,; 3 !#,/
q 3 1@!#,/ 3 !#?B
%&emplo:B
<n cazador mata patos atina al blanco el B!6 de las veces, si $o le disparo a
1, patos, calcular la probabilidad de que $aa fallado ; veces#
7efinir xito:
fallar el disparo#
n 3 1,
x 3 ;
p 3 !#/!
q 3 1 = !#/! 3 !#B!
%&emplo: 5
Duan el alumno mas distin*uido del saln tiene probabilidad del B!6 de
reprobar la materia, calcular la probabilidad de que apruebe ; de los 5
ex.menes parciales#
7efinir xito:
se apruebe el examen#
n 3 5
x 3 ;
p 3 !#/!
q 3 !#B!
%&emplo :/
%n una ca&a $a A pelotas ne*ras, / ro&as 5 blancas, calcular la probabilidad
de que si extraemos B pelotas , de ellas sean ro&as#
7efmir xito: sea pelota ro&a
n3B
x3,
p 3 />1C 3 !#;1
q 3 1= !#;1 3 !#/C
PROPIEDADES DISTRIBUCION BINOMIAL
%n estad2stica, la distribucin binomial es una distribucin de probabilidad
discreta, mide el nmero de xitos en una secuencia de n ensaos
independientes de Bernoulli , con una probabilidad fi&a E de ocurrencia del xito
entre los ensaos#
La distribucin binomial es una *eneralizacin de la distribucin de Bernoulli, a
la que puede lle*arse nuevamente $aciendo n 3 1#
)u funcin de masa de probabilidad est. dada por:
para , siendo las combinaciones de en
( elementos tomados de en )
4or e&emplo, la distribucin binomial se puede usar para calcular la probabilidad
de sacar 5 caras ? cruces en 1, lanzamientos de una moneda# %n realidad
solo se calcula la probabilidad de sacar 5 caras, pero como es l*ico si en 1,
lanzamientos de una moneda sacamos 5 caras el resto deben ser cruces, ? en
este caso#
4or lo tanto debemos definir la variable F:: Gmero de caras obtenidas en 1,
lanzamientos de monedaF# %n este caso se tiene que
resulta:
Hbservese que para el caso concreto de la moneda al ser la probabilidad de
xito E 3 !,5 la funcin de masa de probabilidad solo depende del nmero
combinatorio a que:
!,5
x
(1 I !,5)
n I x
3 !,5
x
!,5
n I x
3 !,5
n I x J x
3 !,5
n
que es constante para un n fi&o#
)u media su varianza son:
Ex!rim!nto binomial
La variable aleatoria binomial su distribucin est.n basadas en un
experimento que satisface las si*uientes condiciones:
%l experimento consiste en una secuencia de n ensaos, donde n se fi&a
antes del experimento#
Los ensaos se realizan ba&o idnticas condiciones, cada uno de ellos
tiene unicamente dos posibles resultados, que se denotan a
conveniencia por xito (E) o fracaso (F) (p(%)Jp(K)31)#
Los ensaos son independientes, por lo que el resultado de cualquier
ensaos en particular no influe sobre el resultado de cualquier otro
intento#
La probabilidad de xito es idntica para todos los ensaos#
)i*uiendo estas premisas, la variable aleatoria binomial X est. definida como
: 3 el nmero de E entre los n intentos#
R!lacion!s con Otras "ariabl!s al!atorias
)e verifica que si son tales que cada una si*ue una distribucin
Bernouilli de par.metro , todas ellas independientes entre s2, entonces
resulta ser una variable aleatoria con distribucin binomial de par.metros
#
Ldem.s, si n es *rande es pequeMo, de modo que el producto entre ambos
par.metros tiende a , entonces la distribucin de la variable aleatoria
binomial tiende a una distribucin de 4oisson de par.metro
4or ltimo, se cumple que cuando n es mu *rande (nN3;!) la distribucin
binomial se aproxima a la distribucin normal#
Proi!dad!s r!roducti"as
7adas n variables aleatorias , tales que
todas tienen una distribucin binomial
todas tienen el mismo par.metro
cada una tiene su propio par.metro (es decir, los n no necesariamente
tienen que ser i*uales)
son todas independientes entre s2
se toma la variable aleatoria
se toma
%ntonces:
La variable aleatoria O tiene una distribucin Binomial, con par.metros #
4or lo tanto, dadas n variables binomiales independientes, donde cada una
tiene su propio n pero todas tienen i*ual , su suma es tambin una variable
binomial, cuo par.metro n es la suma de los n de las variables ori*inales,
cuo par.metro coincide con el de las ori*inales
#RA$ICA DISTRIBUCION BINOMIAL
La fi*ura es la *r.fica de una distribucin binomial(n, !#5) para n 3 ,!, B!, /!,
A!, 1!!#
4uede ver la aproximacin a la distribucin normal#
DISTRIBUCION %IPER#EOMETRICA
7P)QRPB<-PSG 9P4%R8%HT%QRP-L 8%G%RLLPUL7L#
-aracter2sticas: a) a) Ll realizar un experimento con este tipo de distribucin,
se esperan m.s de dos tipos de resultados# b) b) Las probabilidades asociadas
a cada uno de estos resultados no son constantes# c) c) Los ensaos o
repeticiones del experimento no son independientes entre s2# d) d) %l nmero
de repeticiones del experimento n, es constante#
%ntonces en este caso se tienen m.s de dos tipos de ob&etos, por lo que la
frmula a utilizar ser2a:
donde: G 3 x J J z 3 total de ob&etos a 3 total de ob&etos del primer tipo b 3
total de ob&etos del se*undo tipo c 3 G=a=b 3 total de ob&etos del tercer tipo n 3
ob&etos seleccionados en la muestra x 3 ob&etos del primer tipo en la muestra
3 ob&etos del se*undo tipo en la muestra z 3 n=x= 3 ob&etos del tercer tipo en la
muestra
%&emplos: 1#%n un lote de productos se tienen ,! productos sin defectos, ; con
defectos menores , con defectos maores, se seleccionan al azar 5
productos de este lote, determine la probabilidad de que a) ; de los productos
seleccionados no ten*an defectos 1 ten*a defectos menores, b) B de los
productos seleccionados no ten*an defectos 1 ten*a defectos menores#
)olucin: a)G3 ,!J;J, 3,5 total de art2culos a3,! productos sin defectos b3 ;
productos con defectos menores G=a=b3 , productos con defectos maores n3
5 productos seleccionados en la muestra x 3 ; productos sin defectos en la
muestra 3 variable que nos define el V de productos sin defectos en la muestra
3 1 producto con defectos menores en la muestra 3 variable que nos define el
V de productos con defectos menores en la muestra z 3 n=x= 3 5@;I1 3 1
producto con defectos maores en la muestra 3 variable que nos define el V de
productos con defectos maores en la muestra
b)G3 ,5 a3,! productos sin defectos b3 ; productos con defectos menores G=
a=b3 , productos con defectos maores n3 5 productos seleccionados en la
muestra x 3 B productos sin defectos en la muestra 3 variable que nos define el
V de productos sin defectos en la muestra 3 1 producto con defectos menores
en la muestra 3 variable que nos define el V de productos con defectos
menores en la muestra z 3 n=x= 3 5@BI1 3 ! productos con defectos maores
en la muestra 3 variable que nos define el V de productos con defectos
maores en la muestra
;#<n club de estudiantes extran&eros tiene en sus listas a , canadienses, ;
&aponeses, 5 italianos , alemanes# )i se selecciona aleatoriamente un comit
de B estudiantes, encuentre la probabilidad de que: a)estn representadas
todas las nacionalidades, b)estn representadas todas las nacionalidades,
excepto la italiana#
)olucin: a) G 3 1, estudiantes a 3 , -anadienses b 3 ; Daponeses c 3 5
Ptalianos G=a=b=c 3 , Llemanes n 3 B estudiantes seleccionados para formar
comit x 3 1 estudiante -anadiense en el comit seleccionado 3 1 estudiante
Dapons en el comit seleccionado z 3 1 estudiante Ptaliano en el comit
seleccionado n=x==z 3 1 estudiante Llem.n en el comit seleccionado
b) G 3 ? estudiantes quitando a los Ptalianos a 3 , -anadienses b 3 ;
Daponeses G=a=b 3 , Llemanes n 3 B estudiantes seleccionados para formar
comit x 3 1 o , estudiantes -anadienses en el comit seleccionado 3 1 o ,
estudiantes Daponeses en el comit seleccionado n=x=3 1 o , estudiantes
Llemanes en el comit seleccionado p(estn representadas todas las
nacionalidades, excepto la italiana)
7istribucin $iper*eomtrica 4or claridad, consideremos el si*uiente e&emplo:
Qenemos una bara&a de cartas espaMolas (G3B! naipes), de las cuales nos
vamos a interesar en el palo de oros (731! naipes de un mismo tipo)#
)upon*amos que de esa bara&a extraemos n3A cartas de una vez (sin
reemplazamiento) se nos plantea el problema de calcular la probabilidad de
que $aan 13, oros (exactamente) en esa extraccin# La respuesta a este
problema es
%n lu*ar de usar como dato 7 es posible que ten*amos la proporcin existente,
p, entre el nmero total de oros el nmero de cartas de la bara&a
de modo que podemos decir que
%ste e&emplo sirve para representar el tipo de fenmenos que si*uen una le
de distribucin $iper*eomtrica# 7iremos en *eneral que una v#a# : si*ue una
distribucin $iper*eomtrica de par.metros, G, n p, lo que representamos del
modo , si su funcin de probabilidad es
/#B#1!#1 Hbservacin -uando el tamaMo de la poblacin (G) es mu *rande, la
le $iper*eomtrica tiende a aproximarse a la binomial:
%l valor esperado de la $iper*eomtrica es el mismo que el de la binomial,
sin embar*o su varianza
no es exactamente la de la binomial, pues est. corre*ida por un factor, , que
tiende a 1 cuando # L este factor se le denomina factor de correccin para
poblacin finita#
PROPIEDADES DISTRIBUCION %IPER#EOMTRICA
-aracter2sticas: a) a) Ll realizar un experimento con este tipo de distribucin,
se esperan m.s de dos tipos de resultados# b) b) Las probabilidades asociadas
a cada uno de estos resultados no son constantes# c) c) Los ensaos o
repeticiones del experimento no son independientes entre s2# d) d) %l nmero
de repeticiones del experimento n, es constante#
%ntonces en este caso se tienen m.s de dos tipos de ob&etos, por lo que la
frmula a utilizar ser2a:
donde: G 3 x J J z 3 total de ob&etos a 3 total de ob&etos del primer tipo b 3
total de ob&etos del se*undo tipo c 3 G=a=b 3 total de ob&etos del tercer tipo n 3
ob&etos seleccionados en la muestra x 3 ob&etos del primer tipo en la muestra
3 ob&etos del se*undo tipo en la muestra z 3 n=x= 3 ob&etos del tercer tipo en la
muestra
%&emplos: 1#%n un lote de productos se tienen ,! productos sin defectos, ; con
defectos menores , con defectos maores, se seleccionan al azar 5
productos de este lote, determine la probabilidad de que a) ; de los productos
seleccionados no ten*an defectos 1 ten*a defectos menores, b) B de los
productos seleccionados no ten*an defectos 1 ten*a defectos menores#
)olucin: a)G3 ,!J;J, 3,5 total de art2culos a3,! productos sin defectos b3 ;
productos con defectos menores G=a=b3 , productos con defectos maores n3
5 productos seleccionados en la muestra x 3 ; productos sin defectos en la
muestra 3 variable que nos define el V de productos sin defectos en la muestra
3 1 producto con defectos menores en la muestra 3 variable que nos define el
V de productos con defectos menores en la muestra z 3 n=x= 3 5@;I1 3 1
producto con defectos maores en la muestra 3 variable que nos define el V de
productos con defectos maores en la muestra
b)G3 ,5 a3,! productos sin defectos b3 ; productos con defectos menores G=
a=b3 , productos con defectos maores n3 5 productos seleccionados en la
muestra x 3 B productos sin defectos en la muestra 3 variable que nos define el
V de productos sin defectos en la muestra 3 1 producto con defectos menores
en la muestra 3 variable que nos define el V de productos con defectos
menores en la muestra z 3 n=x= 3 5@BI1 3 ! productos con defectos maores
en la muestra 3 variable que nos define el V de productos con defectos
maores en la muestra
;#<n club de estudiantes extran&eros tiene en sus listas a , canadienses, ;
&aponeses, 5 italianos , alemanes# )i se selecciona aleatoriamente un comit
de B estudiantes, encuentre la probabilidad de que: a)estn representadas
todas las nacionalidades, b)estn representadas todas las nacionalidades,
excepto la italiana#
)olucin: a) G 3 1, estudiantes a 3 , -anadienses b 3 ; Daponeses c 3 5
Ptalianos G=a=b=c 3 , Llemanes n 3 B estudiantes seleccionados para formar
comit x 3 1 estudiante -anadiense en el comit seleccionado 3 1 estudiante
Dapons en el comit seleccionado z 3 1 estudiante Ptaliano en el comit
seleccionado n=x==z 3 1 estudiante Llem.n en el comit seleccionado
b) G 3 ? estudiantes quitando a los Ptalianos a 3 , -anadienses b 3 ;
Daponeses G=a=b 3 , Llemanes n 3 B estudiantes seleccionados para formar
comit x 3 1 o , estudiantes -anadienses en el comit seleccionado 3 1 o ,
estudiantes Daponeses en el comit seleccionado n=x=3 1 o , estudiantes
Llemanes en el comit seleccionado p(estn representadas todas las
nacionalidades, excepto la italiana)
7istribucin $iper*eomtrica 4or claridad, consideremos el si*uiente e&emplo:
Qenemos una bara&a de cartas espaMolas (G3B! naipes), de las cuales nos
vamos a interesar en el palo de oros (731! naipes de un mismo tipo)#
)upon*amos que de esa bara&a extraemos n3A cartas de una vez (sin
reemplazamiento) se nos plantea el problema de calcular la probabilidad de
que $aan 13, oros (exactamente) en esa extraccin# La respuesta a este
problema es
%n lu*ar de usar como dato 7 es posible que ten*amos la proporcin existente,
p, entre el nmero total de oros el nmero de cartas de la bara&a
de modo que podemos decir que
%ste e&emplo sirve para representar el tipo de fenmenos que si*uen una le
de distribucin $iper*eomtrica# 7iremos en *eneral que una v#a# : si*ue una
distribucin $iper*eomtrica de par.metros, G, n p, lo que representamos del
modo , si su funcin de probabilidad es
/#B#1!#1 Hbservacin -uando el tamaMo de la poblacin (G) es mu *rande, la
le $iper*eomtrica tiende a aproximarse a la binomial:
%l valor esperado de la $iper*eomtrica es el mismo que el de la binomial,
sin embar*o su varianza
no es exactamente la de la binomial, pues est. corre*ida por un factor, , que
tiende a 1 cuando # L este factor se le denomina factor de correccin para
poblacin finita#
#RA$ICA DISTRIBUCION %IPER#EOMETRICA