DISTRIBUCIN

BINOMIAL
Prof. Leopoldo Bejarano B.
1. INTRODUCCION:
Es una distribucin de probabilidad de variable discreta
y Bernoulli es el autor de esta distribucin.
Ensayo de Bernoulli: Es cualquier ensayo de algn
experimento que conduce slo a uno de dos resultados
mutuamente excluyentes, tales como: vivo o muerto;
enfermo o saludable; +
De una sucesin de ensayos de Bernoulli se obtiene la
distribucin binomial.
La formacin de un proceso de Bernoulli se efecta
bajo las siguientes condiciones.
a. Se tiene un nmero finito de ensayos
b. Cada ensayo conduce a uno de dos resultados
mutuamente excluyentes. Uno de los resultados
posibles se denomina (arbitrariamente) xito y el otro
fracaso.
C. La probabilidad de xito, representada por p,
permanece constante de ensayo a ensayo. La
probabilidad de fracaso, 1-p, se denota por q.
D. Los ensayos son independientes, es decir, el
resultado de cualquier ensayo particular no es
afectado por el resultado del otro ensayo.

2. CLCULO DE PROBABILIDADES CON LA
DISTRIBUCIN BINOMIAL
Al estudiar la distribucin binomial se tiene inters
en calcular la probabilidad de obtener x xitos de un
total de n ensayos de Bernoulli. Este clculo se
realiza con:
x n- x
q p
x)! - (n x!
n!
= x) = p(X
Donde: X = variable aleatoria
x = 0,1,2,3,....n

Se demuestra que la distribucin binomial es una
distribucin de probabilidad ya que:
a. P(x) > 0, para todo x.
b. P(x) =1
Rx
La distribucin binomial tiene dos parmetros: n y p
La media de la distribucin binomial es:
x
= np
La desviacin estndar es:
o
x
= \npq
Ejemplo: En cierta poblacin la prevalencia de alergia
es de 20%. Si se selecciona una muestra aleatoria
de n=10. Calcular :

a. La probabilidad de que la muestra contenga
exactamente un alrgico.
Solucin:
Datos:
xito= tener alergia, p = 0,2 y q = 0,8
n = 10
x = 1
Luego: P(X=1)= 10! (0,2)
1
(0,8)
9

1!9!
= 10 (0,2)(0,8)
9


P(X=1) = 0,2684

b. La probabilidad de que la muestra incluya
menos de dos alrgicos
Solucin:
p = 0,2
q = 0,8
n = 10
P(X<2) = P(X=0) + P(X=1)
= 10! (0,2)
0
(0,8)
10
+ 0,2684
0!10!
= 0,1074 + 0,2684
P(X<2) = 0,3758
c. La probabilidad de que la muestra incluya
dos o ms alrgicos.
d. La probabilidad de que la muestra incluya
entre uno y tres alrgicos inclusive.
e. La probabilidad de que los dos primeros
resulten alrgicos.
e. Cul es el valor de la media y varianza


Los parmetros que identifican a la
distribucin binomial son: probabilidad de
xito p y el nmero de ensayos n.
Cuando la probabilidad p se aproxima a
cero (P<0.1), se tiene un evento raro (como
una enfermedad oncolgica, ETS, etc.), por
consiguiente, se recomienda utilizar una
distribucin alternativa como la distribucin
de Poisson.
La distribucin de Poisson es de variable
discreta y se considera como una
distribucin lmite de la distribucin binomial
El modelo de la distribucin de Poisson est
definida como:
P( X= k ) =e-

k
, k=0, 1, 2, 3, ...;
k! donde = n p
Adems se cumple de que:
a. P(X=0) + P(X=1) + P(X=2) + . . . =1
b. 0 sP( X= k ) s 1.
La media aritmtica y varianza de esta
distribucin es:
= , o= respectivamente.
La probabilidad de muerte resultante del
uso de pldoras anticonceptivas es de
3/100.000. De 100.000 mujeres que utilizan
este medio de control de natalidad, se
pide:
a. Cuntas muertes se espera debida a
esta causa?
b. Cul es la probabilidad de que haya,
como mximo, 2 de estas muertes?
c. Cul es la probabilidad de que el
nmero de muertes debidas a esta causa
est entre 1 y 5 inclusive?
El nmero de colonias de bacterias en
una muestra de agua tiene una
distribucin de Poisson con una media
de 2 colonias/cm3

Si se toma una muestra de 1 cm3,
determine la probabilidad de que la
muestra tenga una o ms colonias de
bacterias.
Es una distribucin de probabilidad de variable
continua.
El matemtico Gauss contribuy notablemente
en el estudio y difusin de esta distribucin.
La mayora de las variables continuas tienen
polgonos de frecuencias que permiten
visualizar un aumento gradual hasta llegar a
un mximo y luego un descenso igualmente
gradual. As:
Polgono de frecuencias
Si n e c0
X
i

x
X
i
Curva normal
y
Como toda figura geomtrica en el plano, la
curva normal posee una frmula o ecuacin
denominada tambin funcin de densidad de
la variable aleatoria continua que es la
siguiente:
2
2
1
2
1
|
.
|

\
|

=

x
e

y
- < x <
(1)
Donde:
y = ordenada de la curva en el punto x
= media aritmtica de la distribucin
o = desviacin estndar de la distribucin
1. Es simtrica respecto a la media, .
2. La media, la mediana y la moda son iguales.
3. El rea total debajo de la curva y por encima
del eje x es igual a una unidad cuadrada
4. Si se levantan perpendiculares a una distancia
de una desviacin estndar a ambos lados de
la media, se habr delimitado
aproximadamente el 68.26% del rea total.
Si se extienden estas perpendiculares hasta
dos desviaciones estndar, se define como
95.44% del rea total y con 3 desviaciones
estndar aproximadamente el 99.74%. As:
-o
X

+o
0,6826
-2o
X

+2o
0,9544
5. La normal queda completamente determinada
por los parmetros y o
Tiene una media de cero y desviacin
estndar de uno

Se obtiene a partir de la ecuacin (1),
haciendo =0, o=1 y x -
=
z
o
Donde z es una variable aleatoria con
distribucin normal.
Se utiliza la tabla de reas.
Ejemplo 1:
Calcular el rea entre z= - y z=2
Solucin:
Se recomienda graficar la curva normal y
sombrear el rea solicitada para facilitar la
resolucin del problema. As:






De la tabla de reas se obtiene:
P( Z s 2) = 0,9772
Interpretacin:
La probabilidad de que la variable z asuma valores
entre - y 2 inclusive, es 0,9772
0
z

o=1
2
Ejemplo 2:
Si de la poblacin de posibles valores de z, se
elige uno al azar, cul es la probabilidad de
que se encuentre entre 0,84 y 2,45 inclusive?

Solucin:
La pregunta permite calcular:
P(0,84 s Z s 2,45) = ?
Veamos el grfico siguiente:
De la tabla: rea entre - y z=2,45 0,9929
rea entre - y z=0,84 0,7995
P(0,84 s Z s 2,45) = 0,9929 - 0,7995= 0,1934
Interpretacin:
La probabilidad de que una z elegida al azar quede entre
0,84 y 2,45 es de 0,1934 el 19,34% de los valores de z
estn entre 0,84 y 2,45.
0,84
z

o=1
2,45
0
Ejemplo 3:
Calcular P( z>2,71).
Solucin: Graficando:

Interpretacin:
La probabilidad de que un valor de z sea mayor
o igual a 2,71 es de 0,0034.
De la tabla: rea entre - y
z=2,71 0,9966

Luego: P(z>2,71)=1,0 - 0,9966
= 0,0034.
z
i
o=1
2,71
0
Ejemplo:
Los niveles de colesterol total en la poblacin
general se distribuyen normalmente con =200
y o= 20. Si de esta poblacin se selecciona un
sujeto al azar, cal es la probabilidad de que:
a. tenga un valor entre 170 y 230?
Solucin:
Se solicita: P(170sXs230)=?.
En el grfico, el rea que debemos calcular
aparece sombreada:
200 170
X
i 230
o=20
Se transforman o estandarizan los valores de
x
i
en trminos de z.
50 , 1
20
200 170
50 , 1
20
200 230
2
2
1
1
=

=
=

=
o

o

x
z
x
z





Luego: P(170sXs230)= P(-1,50sZs1,50)=?.
De la tabla:
P(-1,50szs1,50)= 0,9332 - 0,0668 = 0,8664
Interpretacin:
La probabilidad de que un sujeto seleccionado
al azar tenga un nivel de colesterol entre 170 y
230, es de 0,8664
0 -1,50
z
i
1,50
o=1
b. Tenga un valor de 270 ms.
Solucin:
p(x>270) =?
Clculo de z:
z= 270 200=3,50
20

Luego:
P(X>270)=P(Z>3,50)
= 1 - 0,9998
= 0,0002.
x

o=20
270
200
z

o=1
3,50
0
Interpretacin:
La probabilidad de que un sujeto elegido al azar tenga
un nivel de colesterol de 270 ms, es de 0,0002
C. A partir de que valor del colesterol
se localiza el 10% superior de la
poblacin?
D. Entre que valores de colesterol se
localiza el 80% central de la
poblacin?

Distribucin exponencial
Esta ley de distribucin describe procesos en los que:
- Nos interesa saber el tiempo hasta que ocurre determinado evento, sabiendo que,
el tiempo que pueda ocurrir desde cualquier instante dado t, hasta que ello ocurra
en un instante t
f
, no depende del tiempo transcurrido anteriormente en el que no
ha pasado nada.
Ejemplos de este tipo de distribuciones son:
- El tiempo que puede transcurrir en un servicio de urgencias, para la llegada de
un paciente;
- En un proceso de Poisson donde se repite sucesivamente un experimento a
intervalos de tiempo iguales, el tiempo que transcurre entre la ocurrencia de dos
sucesos consecutivos sigue un modelo probabilstico exponencial. Por ejemplo,
el tiempo que transcurre entre que sufrimos dos veces una herida importante.
Concretando, si una v.a. continua X distribuida a lo largo de , es tal que su funcin
de densidad es


se dice que sigue una distribucin exponencial de parmetro , .


Figura: Funcin de probabilidad, f, de una .


Un clculo inmediato nos dice que si x>0,


luego la funcin de distribucin es:


Figura: Funcin de distribucin, F, de , calculada como el rea que
deja por debajo de s la funcin de densidad.


Para calcular el valor esperado y la varianza de la distribucin exponencial, obtenemos
en primer lugar la funcin caracterstica
E(X) = 1/ , V(X)= = 1/
Ejemplo
Se ha comprobado que el tiempo de vida de cierto tipo de marcapasos sigue una
distribucin exponencial con media de 16 aos. Cul es la probabilidad de que a una
persona a la que se le ha implantado este marcapasos se le deba reimplantar otro antes
de 20 aos? Si el marcapasos lleva funcionando correctamente 5 aos en un paciente,
cul es la probabilidad de que haya que cambiarlo antes de 25 aos?
Solucin: Sea T la variable aleatoria que mide la duracin de un marcapasos en una
persona. Tenemos que

Entonces

En segundo lugar

Luego como era de esperar, por ser propio a un mecanismo exponencial,

o sea, en la duracin que se espera que tenga el objeto, no influye en nada el tiempo que
en la actualidad lleva funcionando. Es por ello que se dice que ``la distribucin
exponencial no tiene memoria".
Ejemplo 2

El tiempo medio de supervivencia de un paciente tras haber recibido un
cierto tratamiento es de E[X]=5 aos; sabiendo que la variable X tiene
distribucin exponencial, interesa saber cual es la probabilidad de que el
paciente supere los 10 aos de vida tras haberle suministrado el
tratamiento.
Puesto que la variable tiene distribucin exponencial de media 5, el
parmetro lambda (L) es igual a 1/5=0.2, por lo que la probabilidad de
superar los 10 aos de vida es: 0.1353.