“Año del dialogo y la reconciliación nacional”

UNIVERSIDAD NACIONAL FEDERICO VILLAREAL

FACULTAD DE INGENIERIA INDUSTRIAL Y

DE SISTEMAS
ESCUELA DE SISTEMAS

ESTADÍSTICA INFERENCIAL
Ing. RAMIREZ SAAVEDRA NOEMÍ

EQUIPO 3:

- BENDEZU CORTEZ, José Luis

- BLANCO MARTIN, Jheferson Santiago
- CENTENO VARGAS, Mario Luis
- DAVILA CAMPOS, Edison
- ESPINOZA CONCHA, Sebastián Freddy
- EVARISTO CRUZ, Mayumi Rooshina

2018
 INTRODUCCIÓN

En teoría de la probabilidad y estadística, la distribución de probabilidad de

una variable aleatoria es una función que asigna a cada suceso definido sobre
la variable la probabilidad de que dicho suceso ocurra. La distribución de
probabilidad está definida sobre el conjunto de todos los sucesos y cada uno de
los sucesos es el rango de valores de la variable aleatoria. También puede
decirse que tiene una relación estrecha con las distribuciones de frecuencia. De
hecho, una distribución de probabilidades puede comprenderse como una
frecuencia teórica, ya que describe cómo se espera que varíen los resultados.
La distribución de probabilidad está completamente especificada por la función
de distribución, cuyo valor en cada x real es la probabilidad de que la variable
aleatoria sea menor o igual que x. En este caso, llevaremos a cabo la distribución
conocida la de los dos casos, Distribución de Bernoulli.

2
 INDICE

1.- DEFINICIÓN: ............................................................................................. 4

1.1. Ejemplos: .............................................................................................. 4
2.- CARACTERISTICAS: ................................................................................ 5
3.- FORMULACIÓN MATEMÁTICA: ............................................................... 5
Media: .......................................................................................................... 6
Moda: ........................................................................................................... 6
Varianza:...................................................................................................... 6
Coeficiente de Simetría:............................................................................... 6
4.- REPRESENTACION GRAFICA: ................................................................ 7
5.- APLICACIONES DE LA DISTRI. DE BERNOULLI EN EL CONTEXTO
REAL............................................................................................................... 8
5.1.- EJERCICIOS: .................................................................................... 10
5.2.- EJERCICIOS: .................................................................................... 11
5.3.- EJERCICIOS: .................................................................................... 12
5.4.- EJERCICIOS: .................................................................................... 12
5.5.- EJERCICIOS: .................................................................................... 12
5.6.- EJERCICIOS ..................................................................................... 13
5.7.- EJERCICIOS: .................................................................................... 13
6. EJERCICIOS APLICATIVOS .................................................................... 14
7.- BIBLIOGRAFIA: ....................................................................................... 15
8. ANEXO ..................................................................................................... 16
Variable aleatoria ....................................................................................... 16
Variable aleatoria discreta ......................................................................... 16
Variable aleatoria continua ........................................................................ 17

3
1.- DEFINICIÓN:

La distribución de Bernoulli es una distribución discreta que se usa cuando un

proceso aleatorio tenga exactamente dos resultados: evento o no evento. Por su
parte una distribución binomial con 1 ensayo es igual que una distribución de
Bernoulli.

Las variables de Bernoulli pueden tomar dos valores numéricos, 0 y 1, donde 1

corresponde a un evento y 0 corresponde a un no evento. Una variable aleatoria
X sigue una distribución de Bernoulli si P(X = 1) = p y P(X = 0) = 1 – p, donde p
es la probabilidad de ocurrencia del evento, se puede construir una función de
probabilidad:

P( x)  p x (1  p)1 x x  0,1

1  p, para x  0
F ( x)  
 1, para x  1
1.1. Ejemplos:
 Al tirar una moneda el resultado puede ser cara o sello.

 Un tratamiento médico puede ser efectivo o inefectivo.

4
2.- CARACTERISTICAS:

 Se utiliza la distribución de Bernoulli cuando un proceso aleatorio tenga

exactamente dos resultados: evento o no evento.

Por ejemplo, en el campo de la calidad, un producto se puede clasificar

como bueno o malo.

 Las variables de Bernoulli pueden tomar dos valores numéricos, 0

(fracaso) y 1(éxito), donde 1 corresponde a un evento y 0 corresponde a
un no evento.

 El resultado obtenido en cada experimento es independiente de los

resultados obtenidos

 Una variable aleatoria X sigue una distribución de Bernoulli si P(X = 1) =

p y P(X = 0) = 1 – p, donde p es la probabilidad de ocurrencia del evento.

 Es una distribución discreta que está relacionada con muchas

distribuciones tales como la distribución binomial, geométrica y binomial
negativa. La distribución de Bernoulli representa el resultado de 1 ensayo.
Las secuencias de ensayos de Bernoulli independientes generan las
demás distribuciones: la distribución binomial modela el número de éxitos
en n ensayos, la distribución geométrica modela el número de fallas antes
del primer éxito y la distribución binomial negativa modela el número de
fallas antes del éxito xésimo.

3.- FORMULACIÓN MATEMÁTICA:

𝑒𝑥𝑖𝑡𝑜 →1
Ensayo de Bernoulli { 𝑓𝑟𝑎𝑐𝑎𝑠𝑜 →0

1 − 𝑝 ; 𝑠𝑖 𝑥 = 0
F(X)= { 𝑝 ; 𝑠𝑖 𝑥 = 1
0 ; 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

F(X)= px(1-p)1-x si x = 0;1 . en otro caso F(X) = 0 .

5
Media:
Es la esperanza matemática de una variable aleatoria X y es igual “p”.

Moda:
Se conoce como el digito o individuo que más se repite:

0 𝑠𝑖 𝑞 > 𝑝
{ 0 𝑦 1 𝑠𝑖 𝑞 = 𝑝
1 𝑠𝑖 𝑞 < 𝑝

Varianza:
De una variable aleatoria es una medida de dispersión definida como la
esperanza del cuadrado de la desviación de dicha variable respecto a su
medida.

“ p*q “

Coeficiente de Simetría:
Es un indicador de cuan simétrico es la gráfica de distribución.

𝑞−𝑝
𝑌=
√𝑝𝑞

Y > 0 -> distribución asimétrica positiva o hacia la derecha.

Y < 0 -> distribución asimétrica negativa o hacia la izquierda.

Y=0 -> distribución simétrica.

6
4.- REPRESENTACION GRAFICA:

Función Probabilidad:

P(x=0)=1-p = q ; P(x=1)=p

7
5.- APLICACIONES DE LA DISTRI. DE BERNOULLI EN EL CONTEXTO
REAL

Como sabemos, en la distribución de Bernoulli solo son posibles dos resultados:

éxito o fracaso. Una probabilidad de un sí o un no, Y el azar está presente la vida
cotidiana en muchos contextos en los que aparecen nociones de incertidumbre,
riesgo y probabilidad, en el transcurso del día se presenta diferentes casos como
el tratamiento médico que puede ser efectivo o inefectivo, la meta de producción
o ventas del mes se pueden o no lograr, una película en estreno que sea vista
por varios o que no sea vista por nadie, entonces podemos aplicar la distribución
de Bernoulli y lograr calcular la probabilidad de éxito o fracaso.
Ejemplo:

8
En cuanto a la opinión del paciente sobre la calidad de atención de la enfermera
de los pacientes, (45) presentan una opinión medianamente favorable, (30)
presentan una opinión desfavorable y (25) presentan una opinión favorable
¿Cuál es la probabilidad de personas satisfechas y personas insatisfechas
(incluyendo la medianamente favorable)?.
Aplicando Fórmula

P(x)  p x (1  p)1x x  0,1

1 − 𝑝 ; 𝑠𝑖 𝑥 = 0
F(X)= { 𝑝 ; 𝑠𝑖 𝑥 = 1
0 ; 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

Como vemos casos favorables aplicamos x = 1.

F(X=1) = (25/100)1(1-20/100)1-1
F(X=1) = 0.25
P(x)= 25%
De 100 personas 25% están satisfechas.
Como vemos casos desfavorables aplicamos x = 0.
F(X=0) = (25/100)0(1-25/100)1-0
F(X=0) = 0.75
P(x)= 75%
CASO 2.

9
5.1.- EJERCICIOS:
1. Supongamos que la probabilidad de tener una unidad defectuosa en una línea
de ensamblaje es de 0.05. Si el conjunto de unidades terminadas constituye un
conjunto de ensayos independientes:
a. ¿cuál es la probabilidad de que entre diez unidades dos se encuentren
defectuosas?
b. ¿cuál es la probabilidad de que por lo menos una se encuentre defectuosa?

Resolución:
Sea δ i una variable aleatoria que representa el estado de una unidad terminada
en la línea de ensamblaje en el momento i, siendo δ i= 1 si la unidad es
defectuosa y δ =0 en caso contrario. La variable δ sigue una distribución Bernoulli
con parámetro p=0’05, de acuerdo con el dato inicial del problema.

a.

b.

Sebastián Espinoza Concha

2.- “Lanzar un dado y que salgan números menores que 3”.

Solución:
Total de resultados:

Casos a favor: {1, 2} p=2/6=1/3

Casos en contra: {3, 4, 5,6} p=4/6=2/3

10
Probabilidad de obtener números menores que 3 serían éxito por lo tanto x=1:

1 2 1
𝑝(𝑥 = 1) = 𝑓(1) = ( )1 × ( )0 = = 0,3333 = 33,3%
3 3 3

Sebastián Espinoza Concha

5.2.- EJERCICIOS:
"Lanzar un dado y salir un 6".
Solución:
Cuando lanzamos un dado tenemos 6 posibles resultados:

Estamos realizando un único experimento (lanzar el dado una sola vez). Se

considera éxito sacar un 6, por tanto, la probabilidad según la Regla de
Laplace (casos favorables dividido entre casos posibles) será 1/6.

Se considera éxito sacar un 6, por tanto, se considera fracaso sacar cualquier

otro resultado.

La variable aleatoria X medirá "número de veces que sale un 6", y solo existen
dos valores posibles, 0 (que no salga 6) y 1 (que salga un 6).
Por tanto, la variable aleatoria X se distribuye como una Bernoulli de
parámetro p= 1/6

La probabilidad de que obtengamos un 6 viene definida como la probabilidad de

que X sea igual a 1.

La probabilidad de que NO obtengamos un 6 viene definida como la probabilidad

de que X sea igual a 0.

11
 Mario Luis Centeno Vargas

5.3.- EJERCICIOS:
Calcule la probabilidad de obtener 8 caras tirando una moneda perfecta 10
veces.
Resolución:
Distribución B (10,1/2)
Numero de experimentos: n = 10
Numero de resultados con éxito k=8
Probabilidad de cada éxito y cada fracaso p = q = 1/2
10 (0.5)8 (0.5)2
( ) = 0.044
8
Se interpreta como el producto de las combinaciones
posibles de 8 caras y 2 cruces por la probabilidad de sacar
8 caras por la probabilidad de 2 cruces.
JOSE LUIS BENDEZU CORTEZ
5.4.- EJERCICIOS:
Sabemos que una maquina produce 3 piezas defectuosas de 50.
¿Calcule la probabilidad de la parte no defectuosa y efectuosa aplicando
distribución Bernoulli?
F(X)= px (1-p)1-x

F(X=1) = (47/50)1(1-47/50)1-1 = 0.94 = 94% parte efectuosa

F(X=0) = (47/20)0(1-47/20)1 = 0.06 = 6% parte defectuosa

JOSE LUIS BENDEZU CORTEZ

5.5.- EJERCICIOS:
La probabilidad de que un hombre acierte en el blanco es 1/4. Si dispara 10
veces ¿Cuál es la probabilidad de que acierte exactamente en tres ocasiones?
¿Cuál es la probabilidad de que acierte por lo menos en una ocasión?
SOLUCION:
B (10,1/4) p = 1/4 q = ¾

12
 EVARISTO CRUZ MAYUMI

5.6.- EJERCICIOS:

En una caja hay 5 bolas blancas,3 bolas rojas, 4 amarillas y 8 negras. ¿Cuál es
la probabilidad de sacar una bola color roja?
Solución:

F(X)= px (1-p)1-x ; donde p = 3/20;

F(X=1)= (3/20)1(1-3/20)1-1
F(X=1)= (3/20)1(1-3/20)0
F(X=1)= 0.15 = 15 %

DAVILA CAMPOS EDISON

5.7.- EJERCICIOS:

Al lanzar un dado ¿Cuál es la posibilidad de obtener un número menor a 4?

- Primero debemos de verificar si cumple la primera condición, de que solo
haya dos posibles resultados (éxito o fracaso)

Éxito = {1, 2,3} Fracaso {4.5.6}: Por ende si cumple

- Un solo experimento: si cumple gracias a que el enunciado lo confirma.

p(1) = (3/6) = 1/2 q= 1- P -> 1 – (1/2) = ½

𝐹(𝑥 = 1) = (1/2)1 𝑥(1/2)0 → 0.5 = 50%

BLANCO MARTIN JHEFERSON

13
6. EJERCICIOS APLICATIVOS

1. Supongamos que la probabilidad de tener una unidad defectuosa en una

línea de ensamblaje es de 0.05. Si el conjunto de unidades terminadas
constituye un conjunto de ensayos independientes:
a. ¿cuál es la probabilidad de que entre diez unidades dos se encuentren
defectuosas?
b. ¿cuál es la probabilidad de que por lo menos una se encuentre
defectuosa?

2. "Lanzar un dado y salir un 6".

3. La última novela de un autor ha tenido un gran éxito, hasta

el punto de que el 80% de los lectores ya la han leído. Un
grupo de 4 amigos son aficionados a la lectura:

a.- ¿Cuál es la probabilidad de que el grupo hayan leído la

novela 2 personas?

4. Calcule la probabilidad de obtener 8 caras tirando una moneda perfecta

10 veces.

5. La probabilidad de que un hombre acierte en el blanco es 1/4. Si dispara

10 veces ¿Cuál es la probabilidad de que acierte exactamente en tres
ocasiones? ¿Cuál es la probabilidad de que acierte por lo menos en una
ocasión?
6. En una caja hay 5 bolas blancas,3 bolas rojas, 4 amarillas y 8 negras.
¿Cuál es la probabilidad de sacar una bola color amarilla?

14
7.- BIBLIOGRAFIA:

 Página web Soporte de Minilab. Distribución de Bernoulli.

Link:
 https://support.minitab.com/es-mx/minitab/18/help-and-how-
to/probability-distributions-and-random-data/supporting-
topics/distributions/bernoulli-distribution/
 http://fuenterrebollo.com/Aeronautica2014/distribuciones-
probabilidad-azar.pdf
 http://virtual.uptc.edu.co/ova/estadistica/docs/libros/ftp.bioestadisti
ca.uma.es/libro/node69.htm
 https://www.youtube.com/watch?v=gqp5DSyQQKk
 https://es.slideshare.net/sonyelockheart/distribucin-bernoulli-y-
distribucin-binomial
 https://es.slideshare.net/leonardo19940511/cinco-ejemplos-de-
aplicacin-de-las-distribuciones-de-
probabilidad%20//caso%20practico
 http://cybertesis.unmsm.edu.pe/bitstream/handle/cybertesis/10
06/Quispe_na.pdf;jsessionid=7C52A0960083BC52174CB2F921D3B
B3C?sequence=1
 https://www.youtube.com/watch?v=WBSOTPM4BeY

15
8. ANEXO

Variable aleatoria

Se llama variable aleatoria a toda función que asocia a cada elemento

del espacio muestral E un número real.

Se utilizan letras mayúsculas X, Y, ... para designar variables aleatorias,

y las respectivas minúsculas (x, y, ...) para designar valores concretos de
las mismas.

Variable aleatoria discreta

Una variable discreta es aquella que solo puede tomar un número finito
de valores entre dos valores cualesquiera de una característica.

Ejemplos:

El número de hijos de una familia, la puntuación obtenida al lanzar un dado.

16
Variable aleatoria continua

Una variable continua es aquella que puede tomar un número

infinito de valores entre dos valores cualesquiera de una
característica.

Ejemplos:

La altura de los alumnos de una clase, las horas de duración de

una pila.

17