Vous êtes sur la page 1sur 11

INACAP

Sede Rancagua
Bioestadistica
Profesora: Rosa Carmona Arredondo


Primavera 2012
Introduccin
Estudiaremos en este tema dos de las distribuciones
de probabilidad ms importantes y que son
La distribucin Binomial es uno de los primeros
ejemplos de las llamadas distribuciones discretas
(que slo pueden tomar un nmero finito, o infinito
numerable, de valores).
Fue estudiada por Jakob Bernoulli (Suiza,1654-
1705), quin escribi el primer tratado importante
sobre probabilidad.
La distribucin normal es un ejemplo de las
distribuciones continuas, y aparece en multitud
de fenmenos sociales.


La Distribucin Binomial
Supongamos que un experimento aleatorio tiene slo
dos resultados posibles xito y fracaso, y que
p es la probabilidad de obtener xito en cada
repeticin. Si se realizan n repeticiones
independientes, la distribucin del nmero de xitos,
X, resultante se denomina Distribucin Binomial. Su
funcin de probabilidad es




para x = 0,1,2,....., n; con parmetros n y p
) 1 (
)! ( !
!
) (
p p
x n x
n
x P
x n x

=

Distribucin Binomial: Ejemplo
Un estudio seal que un 40% de las personas
viven en la ciudad en que nacieron
Cul es la probabilidad de que en una muestra
aleatoria de 5 personas haya a lo ms 2 que viva
en la ciudad en que nacieron?
Cul es la probabilidad de que en una muestra
de 5 personas haya a lo menos 3 que viven en la
ciudad en que nacieron.
Cul es la probabilidad de que en una muestra
aleatoria de tres personas haya exactamente una
persona que vive donde naci?
Sea X el nmero de xitos en n repeticiones
independientes, cada una con probabilidad
de xito p. Entonces, X sigue una
distribucin binomial con media:
u
x
= E(x) = np
y
Varianza o
2
x
= E((X - u
x
)
2
) = np(1 - p)
Media y Varianza de la Distribucin
Binomial
Distribucin Normal
Si la variable aleatoria X sigue una distribucin
normal con media u y varianza o
2
, escribiremos
X N(u, o
2
)
Al cambiar la media, dejando constante la
varianza, se traslada la funcin de densidad pero
no altera su forma.
Sea X una variable aleatoria normal con funcin
de distribucin acumulada F
x
(x), y sean a y b dos
posibles valores de X, que verifican que a < b.
Entonces,
P(a < X <b) = F
x
(a) - F
x
(b)
La probabilidad es el rea por debajo de la
funcin de densidad correspondiente entre a y b.

Las probabilidades de cualquier distribucin
normal pueden expresarse en trminos de las
probabilidades de una normal determinada, para
la cual ya se han calculado y tabulado las
probabilidades. Z N(0,1)
Los valores de la funcin de distribucin para
valores negativos de z pueden deducirse a partir
de la simetra de la funcin de densidad.
Fz(-z
0
) = P(Z < -z
0
)
La simetra de la funcin de densidad de la
variable aleatoria normal estndar alrededor del
0, implica que el rea por debajo de la curva a la
izquierda de -z
0
es la misma que el rea por
debajo de la curva a la derecha de z
0
, es decir,
Distribucin Normal (cont,)
P( Z < -z
0
) = P(Z > z
0
)

Es ms, por ser el rea total por debajo de la
curva igual a 1
P( Z > z
0
) = 1 - P(Z < z
0
) = 1 - Fz(z
0
)
Por tanto puede deducirse que
Fz(-z
0
) = 1 - Fz(z
0
)
Supongamos que queremos calcular la
probabilidad de que X este entre a y b. Esto es
equivalente a decir que (X - u)/o est entre (a- u)/o
y (b - u)/o, entonces la porbabilidad que se busca
es


Distribucin Normal (cont,)
( )
|
.
|

\
|

|
.
|

\
|

=
|
.
|

\
|

< <

=
|
.
|

\
|

<

<

= < <
o
u
o
u
o
u
o
u
o
u
o
u
o
u a
F
b
F
b
Z
a b X a
P b X a P Z Z
Ejemplo
Un fondo de inversin contiene acciones de un
gran nmero de empresas. A lo largo del ltimo
ao, las tasas de retorno obtenidas por estas
empresas siguieron una distribucin normal con
media 12% y desviacin tpica de 7%.
Para que proporcin de estas empresas la tasa
de retorno fue superior al 20%?
Para que proporcin de estas empresas la tasa
de retorno estuvo entre el 5% y 15%?
Para que proporcin de estas empresas la tasa
de retorno fue negativa?
El Teorema Central del Lmite
Sean X
1
, X
2
, ......, X
n
, n variables aleatorias
independientes y con idntica distribucin de
media u y varianza o
2
. Sean X y X la suma y el
promedio de estas variables aleatorias,
respectivamente. Cuando n se hace grande, la
distribucin de Z




tiende a la normal estndar.
n
X
n
n X
Z
o
u
o
u
=

=
2
La informacin crucial que proporciona el
Teorema Central del Lmite es que cualquiera sea
la distribucin de un conjunto de variables
aleatorias, suponiendo que su varianza sea finita,
la suma o el promedio de un nmero
moderadamente grande de ellas ser una variable
aleatoria con distribucin parecida a la normal.

El Teorema Central del Lmite tiene una impacto
sustancial en la prctica de la estadstica.
El Teorema Central del Lmite (cont.)