Académique Documents
Professionnel Documents
Culture Documents
DISTRIBUCIN BINOMIAL
Supongamos que un experimento aleatorio tiene las siguientes caractersticas:
En
cada prueba del experimento slo son posibles dos resultados: el suceso A (xito) y su contrario A (fracaso).
El
probabilidad del suceso A es constante, la representamos por p, y no vara de una prueba a otra. La probabilidad de A es 1- p y la representamos por q .
El
Todo experimento que tenga estas caractersticas diremos que sigue el modelo de la distribucin Binomial. A la variable X que expresa el nmero de xitos obtenidos en cada prueba del experimento, la llamaremos variable aleatoria binomial. La variable binomial es una variable aleatoria discreta, slo puede tomar los valores 0, 1, 2, 3, 4, ..., n suponiendo que se han realizado n pruebas. Como hay que considerar todas las maneras posibles de obtener kxitos y (n-k) fracasos debemos calcular stas por combinaciones (nmero combinatorio n sobre k).
Funcin de probabilidad de la distribucin Binomial o tambin denominada funcin de la distribucin de Bernoulli (para n=1).Verificndose: 0< p<1
Ejemplo 1
Una mquina fabrica una determinada pieza y se sabe que produce un 7 por 1000 de piezas defectuosas. Hallar la probabilidad de que al examinar 50 piezas slo haya una defectuosa.
Solucin : Se trata de una distribucin binomial de parmetros B(50, 0'007) y debemos calcular la probabilidad p(X=1).
Ejemplo 2
La probabilidad de xito de una determinada vacuna es 0,72. Calcula la probabilidad de a que una vez administrada a 15 pacientes: a) Ninguno sufra la enfermedad b) Todos sufran la enfermedad c) Dos de ellos contraigan la enfermedad Solucin : Se trata de una distribucin binomial de parmetros B(15, 0'72)
Ejemplo 3
La probabilidad de que el carburador de un coche salga de fbrica defectuoso es del 4 por 100. Hallar : a) El nmero de carburadores defectuosos esperados en un lote de 1000 b) La varianza y la desviacin tpica. Solucin :
siendo k el mayor nmero entero menor o igual a xi. Esta funcin de distribucin proporciona, para cada nmero real xi, la probabilidad de que la variable X tome valores menores o iguales que xi.
Ejemplo 4
Imaginemos una escuela primaria donde los alumnos llegan tarde a menudo. Cinco alumnos estn en el jardn de nios. La directora lleva tiempo estudiando el problema, habiendo llegado a la conclusin de que hay una probabilidad de 0.4 de que un alumno llegue tarde y de que los alumnos lleguen independientemente uno de otro Cmo trazamos una distribucin binomial de probabilidad que ilustre las probabilidades de que 0,1,2,3,4 5 estudiantes lleguen tarde simultneamente? Para hacerlo necesitaremos utilizar la frmula binomial donde :
Realicemos el clculo de cada valor de R: Para R= 0 obtenemos que : P(0) = 5!/ 0!(5-0)! (0.4 )0 (0.6)5 P(0) = 0.07776 Para R= 1 obtenemos que : P(1) = 5!/ 1!(5-1)! (0.4 )1 (0.6)4 P(1) = 0.2592 Para R=2 obtenemos que: P(2) = 5!/ 2!(5-2)! (0.4 )2 (0.6)3 P(2) = 0.3456 P= 0.4 K= 0.6 N= 5 Para R= 3 obtenemos que : P(3) = 5!/ 3!(5-3)! (0.4 )3(0.6)2 P(3) = 0.2304 Para R= 4 obtenemos que : P(4) = 5!/ 4!(5-4)! (0.4 )4 (0.6)1 P(4) = 0.0768
Para R= 5 obtenemos que : P(5) = 5!/ 5!(5-5)! (0.4 )5 (0.6)0 P(5) = 0.01024
Distribucin de Poisson
Muchos estudios se basan en el conteo de las veces que se presenta un evento dentro de un rea de oportunidad dada. El rea de oportunidad es una variables continua en donde se puede presentar ms de un evento.
12
Clientes: Hora:
S aplica Poisson
13
Personas:
Variable discreta
Kilometro:
S aplica Poisson
14
Distribucin de Poisson
El smbolo para denotar la distribucin de poisson es la letra griega Lambda (). La media es igual que la varianza
15
Distribucin de Poisson
La frmula de la distribucin es: x
e P( X x) x!
e = 2.71828
16
17
18
En estudios anteriores, en una agencia bancaria, en promedio llegan 3 clientes a una ventanilla para ser atendido durante la hora del almuerzo. Si en la actualidad queremos hacer modificaciones en la ventanillas, una de las preguntas que se pueden hacer los del depto. de Mercadeo es: Cul es la probabilidad de que lleguen dos clientes en un minuto dado.
19
En el enunciado el promedio es de 3 clientes por minuto; =3; al preguntar por la probabilidad de que 2 clientes lleguen en un minuto dato se quiere calcular x=2
P( X 2) P( X 2) P( X 1) P( X 0)
Cuando la poblacin es infinita, la probabilidad en mayor se convierten en tipo menor, de la siguiente manera:
P( X 2) 1 P( X 2)
21
22