3.

3 La distribucin binomial
Describe probabilsticamente el nmero de xitos que se pueden presentar cuando se define un nmero de ensayos. Por ejemplo: en el lanzamiento de 10 monedas observar la ocurrencia de exactamente tres caras. Las caractersticas de un experimento que se considera binomial son: 1. Se define un nmero de n condiciones. 2. Cada resultado se clasifica o fracaso. 3. La probabilidad de que una observacin se clasifique como xito (p) es en una de dos categoras mutuamente intentos o ensayos, cada uno en las mismas

excluyentes y colectivamente exhaustivas, por lo comn, llamadas xito (X)

constante entre una y otra observacin. De la misma manera la probabilidad de fracaso (1 p). 4. Los resultados entre uno y otro ensayo son independientes.

3.2.1. Funcin de probabilidad Modelo matemtico de carcter probabilstico que asigna a un valor en particular (xi) de la variable aleatoria discreta, un nico valor de probabilidad f ( xi ). Es decir: Xi f f (Xi ) = P ( X= xi )

La expresin matemtica viene dada por:

f ( x) =
Donde: n x : nmero de ensayos : nmero de xitos

n! * P x * (1 p ) n x (n x )!

: probabilidad de xito

(1-p) : probabilidad de fracaso

3.3.2 Caractersticas numricas

Valor esperado: E ( X ) = n*p Varianza: V ( X ) = n*p*( 1 p ) Los siguientes enlaces le permitirn complementar y profundizar los anteriores temas, as como la aplicacin de las frmulas de valor esperado y varianza. Distribucin binomial, Varios enlaces y Distribucin binomial (Video)

3.4

La distribucin de Poisson

Describe probabilsticamente el nmero de xitos en un intervalo definido de tiempo, espacio, regin, rea o volumen. Por ejemplo, nmero de clientes que usan un cajero electrnico cada 15 minutos; nmero de imperfectos en un corte de tela de 20 metros; nmero de errores ortogrficos cometido por un estudiante en 5 pginas, entre otros.

Las caractersticas de un experimento que se considera de Poisson son: 1. La probabilidad de que ocurra un nmero de xitos es proporcional a la longitud del intervalo. 2. La variable puede optar una sucesin infinita de valores (x = 0,1,2,3,4, ..). 3. Entre uno y otro intervalo hay independencia. 4. La distribucin de probabilidades tiene un sesgo a la derecha debido a que la probabilidad disminuye cuando x se hace muy grande.

3.4.2 Funcin de probabilidad

Igual que en la Distribucin binomial, es una expresin matemtica de carcter probabilstico. Viene dada por:
x *

f ( x) =

x!

Donde: = media o promedio de xitos por intervalo de tiempo, rea, etc. = 2.718 x = valor de la variable.

3.4.3 Caractersticas numricas

Valor esperado: E(X)= Varianza: V ( X ) = 2

3.4.4

Aproximacin de Poisson a la Distribucin Binomial

La distribucin de Poisson resulta til, precisa y fcil de aplicar cuando se trata de estimar probabilidades de una distribucin binomial pequea. Como en la funcin de probabilidad de Poisson se requiere conocer el valor del parmetro , este se calcula con la frmula del valor esperado en la binomial. ( = n*p) Los siguientes enlaces le van a permitir complementar y profundizar los temas anteriores, as como la aplicacin de las frmulas para evaluar probabilidades: cuando n es grande y p es

Varios

enlaces,

Distribucin

de

Poisson,

Distribucin

de

Poisson

(Video),

Distribucin de Poisson, cantidad de xito en una muestra y Distribucin de Poisson, ejercicios

3.5.

La distribucin continua de probabilidades

Describe el comportamiento probabilstico de una variable aleatoria continua. Algunas propiedades de estas distribuciones son: 1. La probabilidad de que x asuma un valor particular en un intervalo definido

corresponde a un rea bajo la curva de la funcin f(x). 2. El rea bajo la curva de la funcin que representa la distribucin de

probabilidad es igual a uno. 3. La probabilidad de que la variable x asuma un valor exacto, por ejemplo x= b, se considera prcticamente cero. Esto es: P (x =b) = 0, pues obedece a que no hay rea bajo la curva para un valor de x=b. La implicacin de esta caracterstica es que (x<=b) = P(x<b). P (x > =b) = P (x>b) o P

4. La expresin matemtica que se utiliza para evaluar la probabilidad de que x asuma un valor en el intervalo definido, se le conoce como funcin de densidad de probabilidad y se denota como f(x). Como tal debe cumplirse que: a.

f ( x ) 0

b.

f ( x)d = x 1

c. P ( a< x <B)=

f ( x)d x

De las distribuciones continuas ms importantes que se estudian y utilizan son la distribucin normal y la distribucin normal estndar. Para conocer en detalle cada una de estas distribuciones y su aplicacin para calcular probabilidades utilice los siguientes enlaces:

Distribucin normal (varios enlaces), Distribucin normal o campana de Gauss Laplace y Distribucin normal (video).

Distribucin normal estndar ,Vdeos sobre la distribucin normal estandar

3.6.

Herramienta tecnolgica

Los siguientes enlaces le van a permitir usar la hoja de clculo Excel para evaluar probabilidades de las distribuciones vistas:

Estimacin de las principales distribuciones de probabilidad mediante Microsoft Excel, Funciones estadsticas, Distribucin de probabilidad discretas y Distribucin normal