DISTRIBUCIONES.

1. DISTRIBUCIN BINOMIAL. En estadstica, la distribucin binomial es una distribucin de probabilidad discreta que mide el nmero de xitos en una secuencia de n ensayos de Bernoulli independientes entre s, con una probabilidad fija p de ocurrencia del xito entre los ensayos. Un experimento de Bernoulli se caracteriza por ser dicotmico, esto es, slo son posibles dos resultados. A uno de estos se denomina xito y tiene una probabilidad de ocurrencia p y al otro, fracaso, con una probabilidad q = 1 - p. En la distribucin binomial el anterior experimento se repite n veces, de forma independiente, y se trata de calcular la probabilidad de un determinado nmero de xitos. Para n = 1, la binomial se convierte, de hecho, en una distribucin de Bernoulli. Para representar que una variable aleatoria X sigue una distribucin binomial de parmetros n y p, se escribe:

CARACTERISTICAS En cada prueba del experimento slo son posibles dos resultados: xito y fracaso. La probabilidad de xito es constante, es decir, que no vara de una prueba a otra. Se representa por p. La probabilidad de fracaso tambin es constante, Se representa por q,q = 1 p El resultado obtenido en cada prueba es independiente de los resultados obtenidos anteriormente. La variable aleatoria binomial, X, expresa el nmero de xitos obtenidos en las n pruebas. Por tanto, los valores que puede tomar X son: 0, 1, 2, 3, 4, ..., n.

Clculo de probabilidades en una distribucin binomial

n: es el nmero de pruebas. k: es el nmero de xitos. p: es la probabilidad de xito. q: es la probabilidad de fracaso. El nmero combinatorio

Ejemplo1 La ltima novela de un autor ha tenido un gran xito, hasta el punto de que el 80% de los lectores ya la han ledo. Un grupo de 4 amigos son aficionados a la lecturaCul es la probabilidad de que el grupo hayan ledo la novela 2 personas? .Y al menos 2? n=4 p = 0.8 q = 0.2 B(4, 0.8)

Ejemplo2 Cul es la probabilidad de obtener cuatro veces el nmero 3 al lanzar un dado ocho veces? " k " (nmero de aciertos) toma el valor 4 " n" toma el valor 8 " p " (probabilidad de que salga un 3 al tirar el dado) es 1 / 6 (= 0,1666)

luego, P (x = 4) = 0,026

Es decir, se tiene una probabilidad del 2,6% de obtener cuatro veces el nmeros 3 al tirar un dado 8 veces. Ejemplo3 La probabilidad de que el nivel de ruido de un amplificador de banda ancha exceda de 2 dB (decibeles) es de 0.15, si se prueban 10 amplificadores de banda ancha, determine la probabilidad de que; a) en solo 5 de los amplificadores el nivel de ruido exceda los 2 dB, b) por lo menos en 2 de los amplificadores, el ruido exceda de 2 dB. Solucin: a) n =10 x =variable que nos define el nmero de amplificadores de banda ancha que su nivel de ruido excede de 2 dB x = 0, 1, 2,...,10 amplificadores en los que el nivel de ruido excede de los 2 dB p = p(un amplificador exceda su nivel de ruido de 2 dB) = 0.15 q = p(un amplificador no exceda su nivel de ruido de 2 dB =1-p= 0.85

= 0.00849
b) p(x=2,3,...,10, n=10, p=0.15)= 1- p(x = 0,1) =

= 1 (0.19687+(10)(0.15)(0.231617)=1-0.544296 = 0.455705

2. DISTRIBUCIN DE POISSON. La distribucin de probabilidad de Poisson es un ejemplo de distribucin de probabilidad discreta. La distribucin de Poisson parte de la distribucin binomial. Cuando en una distribucin binomial se realiza el experimento muchas veces, la muestra n es grande y la probabilidad de xito p en cada ensayo es baja, es aqu donde aplica el modelo de distribucin de Poisson. En poisson se debe cumplir que: P < 0.10 P*n <10

CARACTERISTICAS. Un modelo de probabilidad de Poisson tiene las siguientes caractersticas: 1. El espacio muestral, se genera por un nmero muy grande (puede considerarse infinito) de repeticiones de un experimento cuyo modelo de probabilidad es el de Bernoulli, con probabilidad de xito muy pequea. Por esta razn, a la distribucin de Poissonsuele llamrsele de eventos raros. Las repeticiones del experimento de Bernoulli se realizan en cada uno de los puntos de un intervalo de tiempo o espacio. 2. El nmero de xitos en el intervalo li es ajeno al nmero de xitos en el intervalo lk, por lo que su interseccin es nula. 3. La probabilidad de que se tengan dos o ms xitos en el mismo punto del intervalo es cero.

4. El nmero promedio de xitos en un intervalo es una constante l, que no cambia de intervalo a intervalo.

UTILIDADES: La distribucin de Poisson se utiliza en situaciones donde los sucesos son impredecibles o de ocurrencia aleatoria. En otras palabras no se sabe el total de posibles resultados. Permite determinar la probabilidad de ocurrencia de un suceso con resultado discreto. Es muy til cuando la muestra o segmento n es grande y la probabilidad de xitos p es pequea. Se utiliza cuando la probabilidad del evento que nos interesa se distribuye dentro de un segmento n dado como por ejemplo distancia, rea, volumen o tiempo definido.

LA FUNCIN POISSON P(X=K). A continuacin se muestra la funcin de probabilidad de la distribucin de Poisson:

Donde:

P(X=K), es la probabilidad de ocurrencia cuando la variable discreta X toma un valor finito k. = Lambda es la ocurrencia promedio por unidad (tiempo, volumen, rea, etc.). Es igual a p por el segmento dado. La constante e tiene un valor aproximado de 2.711828. K= X ,es el nmero de xitos por unidad.

Ejemplo1 La probabilidad de que haya un accidente en una compaa de manufactura es de 0.02 por cada da de trabajo. Si se trabajan 300 das al ao, cul es la probabilidad de tener 3 accidentes? Solucion: Como la probabilidad p es menor que 0.1, y el producto n * p es menor que 10 (300 * 0.02 = 6), entonces, aplicamos el modelo de distribucin de Poisson:

Al realizar el clculo tenemos que P(x = 3) = 0.0892 Por lo tanto, la probabilidad de tener 3 accidentes laborales en 300 das de trabajo es de 8.9%.

Ejemplo2 Un entomlogo examina una planta de algodn y cuenta el nmero de huevecillos de un insecto por planta. De estudios anteriores se sabe que bajo las condiciones del experimento el nmero de huevecillos por planta puede representarse por una distribucin dePoisson con = 0.9. Si se selecciona una planta al azar, calcular la probabilidad de que se encuentren cuando mucho 3 huevecillos. Solucion: Las probabilidades de que el entomlogo encuentre 0, 1, 2, 3,huevecillos por planta son:

Con los clculos realizados podemos obtener que:

Ejemplo3 La probabilidad de que un producto salga defectuoso es de 0.012. Cul es la probabilidad de que entre 800 productos ya fabricados hayan 5 defectuosos? Solucin: En este ejemplo vemos nuevamente la probabilidad p menor que 0.1, y el producto n * p menor que 10, por lo que aplicamos el modelo de distribucin de Poisson:

El resultado es P (x = 5) = 0.04602 Por lo tanto, la probabilidad de que haya 5 productos defectuosos entre 800 recin producidos es de 4.6%.

Ejemplo4 Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las probabilidades de que reciba, a) cuatro cheques sin fondo en un da dado, b) 10 cheques sin fondos en cualquiera de dos das consecutivos?

Solucin: a) x = variable que nos define el nmero de cheques sin fondo que llegan al banco en
un da cualquiera = 0, 1, 2, 3, ...... = 6 cheques sin fondo por da

 = 2.718

b)x= variable que nos define el nmero de cheques sin fondo que llegan al banco en dos
das consecutivos = 0, 1, 2, 3, ......, etc., etc. = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos das consecutivos Nota: siempre debe de estar en funcin de x.

3. DISTRIBUCIN BINOMIAL A POISSON. Se puede probar que la distribucin binomial tiende a converger a la distribucin de Poisson cuando el parmetro n tiende a infinito y el parmetro p tiende a ser cero, de manera que el producto de n por p sea una cantidad constante. De ocurrir esto la distribucin binomial tiende a un modelo de Poisson de parmetro igual a n*p. Este resultado es importante a la hora del clculo de probabilidades,o, incluso a la hora de inferir caractersticas de la distribucin binomialcuando el nmero de pruebas sea muy grande y la probabilidad de xito sea muy pequea. El resultado se prueba, comprobando como la funcin de cuanta de una distribucin binomial con y tiende a una funcin de cuanta de una distribucin de Poisson con = (n*p) siempre que este producto sea una cantidad constante, un valor finito. En efecto, la funcin de cuanta de la binomial es:

Y llamamos

tendremos que:

Realizando:

Que es la funcin de cuanta de una distribucin de Poisson