DISTRIBUCIN BINOMIAL

1. INTRODUCCION:
Es una distribucin de probabilidad de variables discretas 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. Cada ensayo conduce a uno de dos resultados mutuamente
excluyentes. Uno de los resultados posibles se denomina
(arbitrariamente) xito y el otro fracaso.
B. La probabilidad de xito, representada por p, permanece constante
de
ensayo a ensayo. La probabilidad de fracaso, 1-p, se denota por q.
C. 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
b. P(x) =1
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.
DISTRIBUCION NORMAL
DISTRIBUCION NORMAL
Es una distribucin de probabilidad de variables continuas.
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 i 0
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 = altura de la curva en el punto x
= media aritmtica de la distribucin
o = desviacin estndar de la distribucin
Caractersticas ms importantes de la
distribucin normal
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 el 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% del rea total.
Si se extienden estas perpendiculares hasta dos desviaciones
estndar, se define aproximadamente el 95% del rea total y con 3
desviaciones estndar aproximadamente el 100%. As:
-o
X
i
+o
0,6824
-2o
X
i
+2o
0,9544
5. La normal queda completamente determinada por los
parmetros y o
Distribucin normal unitaria o normal
estndar
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. Luego:
Clculo de rea o probabilidad en la curva
normal estndar
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
i
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
i
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
Clculo de reas en una curva normal
cualquiera
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
i
o=20
270
200
z
i
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
Ejemplo 1:
Consideremos que el peso de los nios varones Chiclayanos en el
momento del nacimiento se distribuye normalmente.
Si sabemos que el peso medio en el momento de nacer son 3,25 kgs y
la desviacin tpica es de 0,82 kgs, cal es la probabilidad de que el
peso de un nio varn al nacer sea superior a 4 kgs?
Tipificamos la variable aleatoria X, peso de los nios al nacer.
En el proceso de tipificacin, al valor de X=4, le corresponde el valor,
z=0,9146 :
9146 . 0
82 . 0
25 . 3 4
=

=
o
X
z
En la tabla de la distribucin normal tipificada, buscamos el valor de
correspondiente al valor de z=0,9146 ; la probabilidad de z > 0,9146
es,
18 , 0 ) 9146 , 0 ( ) 4 ( = > = > z p X p
Ejemplo 2:
Segn un estudio, la altura de los varones de cierta ciudad es una v.a. X,
que podemos considerar que se distribuye segn una ley gaussiana de
valor esperado =175 cm y desviacin tpica o=10 cm . Dar un intervalo
para el que tengamos asegurado que el 50% de los habitantes de la
ciudad estn comprendidos en l.
En este caso tenemos que buscar el la tabla de la N(0,1) que valor me
deja el 25% de los datos hacia la derecha y el valor que me deja el 25 %
a la izquierda, de esta manera tenemos el 50% en los valores centrales.
9146 . 0
82 . 0
25 . 3 4
=

=
o
X
z
El 50% de la poblacin tiene un
peso comprendido en el
intervalo [168,25,181,75].
75 , 181 175 ) 10 675 , 0 (
10
175
675 , 0 = + - =

= X
X
Buscamos el valor tipificado que
me da la Probabilidad de 0,25 en la
N(0,1) que es aproximadamente
0,675
Por lo tanto si destipificamos

N(175, 10)
Como es simtrica la distribucin,
el valor que nos deja el 25% por
debajo es -0,675
25 , 168 175 ) 10 675 , 0 (
10
175
675 , 0 = + - =

= X
X