Scribd
Cargar
217 vistas10 páginas

Distribucion de Bernoulli y Binomial 2016 PDF

Este documento describe la distribución de Bernoulli y binomial. La distribución de Bernoulli modela experimentos con dos resultados posibles (éxito/fracaso), mientras que la distribución binomial modela el número de éxitos en múltiples intentos independientes con probabilidad constante de éxito. El documento proporciona fórmulas para calcular la probabilidad, esperanza y varianza para ambas distribuciones, y explica cómo aproximar una distribución binomial a una normal.

Cargado por

Maria Del Mar Hernandez
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
217 vistas10 páginas

Distribucion de Bernoulli y Binomial 2016 PDF

Este documento describe la distribución de Bernoulli y binomial. La distribución de Bernoulli modela experimentos con dos resultados posibles (éxito/fracaso), mientras que la distribución binomial modela el número de éxitos en múltiples intentos independientes con probabilidad constante de éxito. El documento proporciona fórmulas para calcular la probabilidad, esperanza y varianza para ambas distribuciones, y explica cómo aproximar una distribución binomial a una normal.

Cargado por

Maria Del Mar Hernandez
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 10

Distribución de Bernoulli

Experimento de Bernoulli: Solo son posibles dos resultados:


éxito o fracaso.

Ejemplo:
• Probabilidad de salir cara al lanzar una moneda al
aire (sale cara o no sale)

• probabilidad de ser admitido en una universidad (o


te admiten o no te admiten)

• probabilidad de acertar chontico (o aciertas o no


aciertas)

• Probabilidad que un estudiante este estudiando


ingles
1
Distribución de Bernoulli
Experimento de Bernoulli: Podemos definir una
variable aleatoria discreta X tal que:

Exito 1
Fracaso  0

Si la probabilidad de éxito es p y la de fracaso q = 1 - p,


podemos construir una función de probabilidad:

P( X  x)  p x q1 x x  0,1
Evidentemente:
1

 P( X
x 0
 x)  P( X  0)  P( X  1)

 p  q 1
2
Distribución de Bernoulli
P( X  x)  p x q1 x x  0,1
Esperanza y varianza

1
E[ X ]     x P( X  x) 
μ= E(x) = ∑xf(x) x 0

0  P( X  0)  1 P( X  1)  p

1
Var( X )  E[ X ]  ( E[ X ])   x 2 P( X  x)  p 2
2 2

x 0

σ2 = E(x2)- μ2  02  P( X  0)  12  P( X  1)  p 2 
p  p 2  p(1  p)  pq 3
Distribución binomial
La distribución binomial aparece cuando estamos
interesados en el número de veces que un suceso A
ocurre (éxitos) en n intentos independientes de un
experimento.

Ejemplo
número de caras en n lanzamientos de una moneda.

Si A tiene probabilidad p (probabilidad de éxito) en un


intento, entonces q = 1-p es la probabilidad de que A
no ocurra (probabilidad de fracaso).

En nuestro ejemplo de la moneda, p = 0.5 es la


probabilidad de que salga cara y q = 1-p =1 - 0.5 = 0.5
es la probabilidad de que no salga cara.
4
Distribución binomial
Supongamos que el experimento consta de n intentos y
definamos la variable aleatoria:

X = Número de veces que ocurre A.


En nuestro ejemplo: X = Número de veces que sale cara.

Entonces X puede tomar los valores 0, 1, 2, ... n.

Si consideramos uno de estos valores, digamos el valor x,


en x de los n intentos ocurre A y en n-x no ocurre. Entonces
la probabilidad de cada posible ordenación es pxqn-x y
existen  n  idénticas ordenaciones.
 x
  5
Distribución binomial
La distribución de probabilidad P(X = k) será:

 n x n!
  n x
B(n, p)  p( x)    p (1  p)  p x (1  p)n x
 x x!(n  x)!
Ejemplo:
Si de 800 piezas fabricadas por una máquina salieron 80 defectuosas y se eligen 5 de
aquéllas al azar. ¿Cuál es la probabilidad de que haya alguna defectuosa entre las cinco
elegidas?

80 Estamos por tanto ante una binomial Bin(5;0.1) y nos piden p(X=1).
P  0.1 Si aplicamos la fórmula será:
800

 5
P( X  1)   (0.1) (0.5) 
1 51 5!
0.11 (0.9)4  0.32805
 1 1!(5 1)!

6
Distribución binomial
La distribución de probabilidad P(X = k) será:

 n x n!
  n x
B(n, p)  p( x)    p (1  p)  p x (1  p)n x
 x x!(n  x)!

Estamos por tanto ante una binomial Bin(5;0.1)

¿Cuál es la probabilidad de que hayan 2 defectuosas entre las elegidas?


¿Cuál es la probabilidad de que ni haya ninguna defectuosa entre las elegidas?
¿Cuál es la probabilidad de que a los sumo 2 sean defectuosas de las elegidas?

7
Valor esperado de la distribución binomial

Media
= E(X) = n p

Varianza
  np(1  p)
2

Desviación estándar

  np(1  p)
8
Aproximación de una binomial por una normal

X ~ B(n, p) se  aproxima a X ~ N (np, npq)

Ejemplo:
El 35% de una población está afectado por la gripe. Se eligen 30
personas al azar. Calcular la probabilidad de que:
a) haya máximo 10 enfermos.
b) haya más de 5 y menos de 12 enfermos.

X ~ B(30,0.35) se  aproxima a X ~ N (10.5,2.61)

9
Aproximación de una distribución
Binomial a una normal
  Binn, p  
se  aproxima_ a  '  N np, npq 
Se lanza una moneda 200 veces:
a) Calcula la probabilidad de que aparezca cara al
menos 100 veces.
b) ¿Cuál es la probabilidad de que aparezcan 90 caras?

se  '  N 100,5
Se trata de una   Bin200,0.5
aproxima a

También podría gustarte