Las distribucin binomial parte de la distribucin de Bernouilli:
La distribucin de Bernouilli se aplica cuando se realiza una sola vez un experimento que tiene nicamente dos posibles resultados (xito o fracaso), por lo que la variable slo puede tomar dos valores: el 1 el ! La distribucin binomial se aplica cuando se realizan un nmero"n" de veces el experimento de Bernouilli, siendo cada ensao independiente del anterior# La variable puede tomar valores entre: !: si todos los experimentos $an sido fracaso n: si todos los experimentos $an sido xitos %&emplo: se tira una moneda 1! veces: 'cuantas caras salen( )i no $a salido nin*una la variable toma el valor !+ si $an salido dos caras la variable toma el valor ,+ si todas $an sido cara la variable toma el valor 1! La distribucin de probabilidad de este tipo de distribucin si*ue el si*uiente modelo: %&emplo 1: '-u.l es la probabilidad de obtener / caras al lanzar una moneda 1! veces( 0 1 0 es el nmero de aciertos# %n este e&emplo 0 1 0 i*ual a / (en cada acierto dec2amos que la variable toma el valor 1: como son / aciertos, entonces 1 3 /) 0 n" es el nmero de ensaos# %n nuestro e&emplo son 1! 0 p 0 es la probabilidad de xito, es decir, que sal*a 0cara" al lanzar la moneda# 4or lo tanto p 3 !,5 La frmula quedar2a: Lue*o, 4 (x 3 /) 3 !,,!5 %s decir, se tiene una probabilidad del ,!,56 de obtener / caras al lanzar 1! veces una moneda# %s una de las distribuciones discretas mas importantes &unto con las 7istribuciones 8eomtrica, 9iper*eometrica, de 4oisson## )e utiliza para determinar la probabilidad de obtener un nmero o cantidad determinada de xitos, en experimentos completamente aleatorios o de Bemoulli# %n este caso 0:" se define como el xito en un experimento# )e requieren ; valores, la cantidad desi*nada de xitos o :+ el numero de ensaos, observaciones o experimentos (n) la probabilidad de xito de cada ensao# <na variable aleatoria discreta : definida en un espacio de probabilidad: representa el numero de xitos en n repeticiones de un experimento de Bernoulli, entonces: n 3 cantidad de ensaos o experimentos x 3 cantidad de xitos p 3 probabilidad de xito q 3 probabilidad de fracasos (1=p) %&emplo: 1 %n una &aula con ,! pericos 15 de ellos $ablan ruso, si extraemos / pericos al azar, calcular la probabilidad de que , pericos $ablen ruso# 7efinir xito: pericos que $ablen ruso# n3/ x3, p315>,!3!#?5 q31@!#?53 !#,5 %&emplo: , 7e los alumnos del saln la cuarta parte rprobo el examen, si extraemos A alumnos al azar, calcular la probabilidad de que B de ellos $aan reprobado el examen# 7efinir xito: alumno reprobado n 3 A x3B p3!#,5 q 3 1 = !#,5 3 !#?5 %&emplo:; %n una ca&a $a A canicas ne*ras, / canicas ro&as C canicas verdes, si extraemos 5 canicas al azar calcular probabilidad de que , de ellas sean ro&as# 7efinir xito: sea canica ro&a# n 35 x 3, p 3 />,; 3 !#,/ q 3 1@!#,/ 3 !#?B %&emplo:B <n cazador mata patos atina al blanco el B!6 de las veces, si $o le disparo a 1, patos, calcular la probabilidad de que $aa fallado ; veces# 7efinir xito: fallar el disparo# n 3 1, x 3 ; p 3 !#/! q 3 1 = !#/! 3 !#B! %&emplo: 5 Duan el alumno mas distin*uido del saln tiene probabilidad del B!6 de reprobar la materia, calcular la probabilidad de que apruebe ; de los 5 ex.menes parciales# 7efinir xito: se apruebe el examen# n 3 5 x 3 ; p 3 !#/! q 3 !#B! %&emplo :/ %n una ca&a $a A pelotas ne*ras, / ro&as 5 blancas, calcular la probabilidad de que si extraemos B pelotas , de ellas sean ro&as# 7efmir xito: sea pelota ro&a n3B x3, p 3 />1C 3 !#;1 q 3 1= !#;1 3 !#/C PROPIEDADES DISTRIBUCION BINOMIAL %n estad2stica, la distribucin binomial es una distribucin de probabilidad discreta, mide el nmero de xitos en una secuencia de n ensaos independientes de Bernoulli , con una probabilidad fi&a E de ocurrencia del xito entre los ensaos# La distribucin binomial es una *eneralizacin de la distribucin de Bernoulli, a la que puede lle*arse nuevamente $aciendo n 3 1# )u funcin de masa de probabilidad est. dada por: para , siendo las combinaciones de en ( elementos tomados de en ) 4or e&emplo, la distribucin binomial se puede usar para calcular la probabilidad de sacar 5 caras ? cruces en 1, lanzamientos de una moneda# %n realidad solo se calcula la probabilidad de sacar 5 caras, pero como es l*ico si en 1, lanzamientos de una moneda sacamos 5 caras el resto deben ser cruces, ? en este caso# 4or lo tanto debemos definir la variable F:: Gmero de caras obtenidas en 1, lanzamientos de monedaF# %n este caso se tiene que resulta: Hbservese que para el caso concreto de la moneda al ser la probabilidad de xito E 3 !,5 la funcin de masa de probabilidad solo depende del nmero combinatorio a que: !,5 x (1 I !,5) n I x 3 !,5 x !,5 n I x 3 !,5 n I x J x 3 !,5 n que es constante para un n fi&o# )u media su varianza son: Ex!rim!nto binomial La variable aleatoria binomial su distribucin est.n basadas en un experimento que satisface las si*uientes condiciones: %l experimento consiste en una secuencia de n ensaos, donde n se fi&a antes del experimento# Los ensaos se realizan ba&o idnticas condiciones, cada uno de ellos tiene unicamente dos posibles resultados, que se denotan a conveniencia por xito (E) o fracaso (F) (p(%)Jp(K)31)# Los ensaos son independientes, por lo que el resultado de cualquier ensaos en particular no influe sobre el resultado de cualquier otro intento# La probabilidad de xito es idntica para todos los ensaos# )i*uiendo estas premisas, la variable aleatoria binomial X est. definida como : 3 el nmero de E entre los n intentos# R!lacion!s con Otras "ariabl!s al!atorias )e verifica que si son tales que cada una si*ue una distribucin Bernouilli de par.metro , todas ellas independientes entre s2, entonces resulta ser una variable aleatoria con distribucin binomial de par.metros # Ldem.s, si n es *rande es pequeMo, de modo que el producto entre ambos par.metros tiende a , entonces la distribucin de la variable aleatoria binomial tiende a una distribucin de 4oisson de par.metro 4or ltimo, se cumple que cuando n es mu *rande (nN3;!) la distribucin binomial se aproxima a la distribucin normal# Proi!dad!s r!roducti"as 7adas n variables aleatorias , tales que todas tienen una distribucin binomial todas tienen el mismo par.metro cada una tiene su propio par.metro (es decir, los n no necesariamente tienen que ser i*uales) son todas independientes entre s2 se toma la variable aleatoria se toma %ntonces: La variable aleatoria O tiene una distribucin Binomial, con par.metros # 4or lo tanto, dadas n variables binomiales independientes, donde cada una tiene su propio n pero todas tienen i*ual , su suma es tambin una variable binomial, cuo par.metro n es la suma de los n de las variables ori*inales, cuo par.metro coincide con el de las ori*inales #RA$ICA DISTRIBUCION BINOMIAL La fi*ura es la *r.fica de una distribucin binomial(n, !#5) para n 3 ,!, B!, /!, A!, 1!!# 4uede ver la aproximacin a la distribucin normal# DISTRIBUCION %IPER#EOMETRICA 7P)QRPB<-PSG 9P4%R8%HT%QRP-L 8%G%RLLPUL7L# -aracter2sticas: a) a) Ll realizar un experimento con este tipo de distribucin, se esperan m.s de dos tipos de resultados# b) b) Las probabilidades asociadas a cada uno de estos resultados no son constantes# c) c) Los ensaos o repeticiones del experimento no son independientes entre s2# d) d) %l nmero de repeticiones del experimento n, es constante# %ntonces en este caso se tienen m.s de dos tipos de ob&etos, por lo que la frmula a utilizar ser2a: donde: G 3 x J J z 3 total de ob&etos a 3 total de ob&etos del primer tipo b 3 total de ob&etos del se*undo tipo c 3 G=a=b 3 total de ob&etos del tercer tipo n 3 ob&etos seleccionados en la muestra x 3 ob&etos del primer tipo en la muestra 3 ob&etos del se*undo tipo en la muestra z 3 n=x= 3 ob&etos del tercer tipo en la muestra %&emplos: 1#%n un lote de productos se tienen ,! productos sin defectos, ; con defectos menores , con defectos maores, se seleccionan al azar 5 productos de este lote, determine la probabilidad de que a) ; de los productos seleccionados no ten*an defectos 1 ten*a defectos menores, b) B de los productos seleccionados no ten*an defectos 1 ten*a defectos menores# )olucin: a)G3 ,!J;J, 3,5 total de art2culos a3,! productos sin defectos b3 ; productos con defectos menores G=a=b3 , productos con defectos maores n3 5 productos seleccionados en la muestra x 3 ; productos sin defectos en la muestra 3 variable que nos define el V de productos sin defectos en la muestra 3 1 producto con defectos menores en la muestra 3 variable que nos define el V de productos con defectos menores en la muestra z 3 n=x= 3 5@;I1 3 1 producto con defectos maores en la muestra 3 variable que nos define el V de productos con defectos maores en la muestra b)G3 ,5 a3,! productos sin defectos b3 ; productos con defectos menores G= a=b3 , productos con defectos maores n3 5 productos seleccionados en la muestra x 3 B productos sin defectos en la muestra 3 variable que nos define el V de productos sin defectos en la muestra 3 1 producto con defectos menores en la muestra 3 variable que nos define el V de productos con defectos menores en la muestra z 3 n=x= 3 5@BI1 3 ! productos con defectos maores en la muestra 3 variable que nos define el V de productos con defectos maores en la muestra ;#<n club de estudiantes extran&eros tiene en sus listas a , canadienses, ; &aponeses, 5 italianos , alemanes# )i se selecciona aleatoriamente un comit de B estudiantes, encuentre la probabilidad de que: a)estn representadas todas las nacionalidades, b)estn representadas todas las nacionalidades, excepto la italiana# )olucin: a) G 3 1, estudiantes a 3 , -anadienses b 3 ; Daponeses c 3 5 Ptalianos G=a=b=c 3 , Llemanes n 3 B estudiantes seleccionados para formar comit x 3 1 estudiante -anadiense en el comit seleccionado 3 1 estudiante Dapons en el comit seleccionado z 3 1 estudiante Ptaliano en el comit seleccionado n=x==z 3 1 estudiante Llem.n en el comit seleccionado b) G 3 ? estudiantes quitando a los Ptalianos a 3 , -anadienses b 3 ; Daponeses G=a=b 3 , Llemanes n 3 B estudiantes seleccionados para formar comit x 3 1 o , estudiantes -anadienses en el comit seleccionado 3 1 o , estudiantes Daponeses en el comit seleccionado n=x=3 1 o , estudiantes Llemanes en el comit seleccionado p(estn representadas todas las nacionalidades, excepto la italiana) 7istribucin $iper*eomtrica 4or claridad, consideremos el si*uiente e&emplo: Qenemos una bara&a de cartas espaMolas (G3B! naipes), de las cuales nos vamos a interesar en el palo de oros (731! naipes de un mismo tipo)# )upon*amos que de esa bara&a extraemos n3A cartas de una vez (sin reemplazamiento) se nos plantea el problema de calcular la probabilidad de que $aan 13, oros (exactamente) en esa extraccin# La respuesta a este problema es %n lu*ar de usar como dato 7 es posible que ten*amos la proporcin existente, p, entre el nmero total de oros el nmero de cartas de la bara&a de modo que podemos decir que %ste e&emplo sirve para representar el tipo de fenmenos que si*uen una le de distribucin $iper*eomtrica# 7iremos en *eneral que una v#a# : si*ue una distribucin $iper*eomtrica de par.metros, G, n p, lo que representamos del modo , si su funcin de probabilidad es /#B#1!#1 Hbservacin -uando el tamaMo de la poblacin (G) es mu *rande, la le $iper*eomtrica tiende a aproximarse a la binomial: %l valor esperado de la $iper*eomtrica es el mismo que el de la binomial, sin embar*o su varianza no es exactamente la de la binomial, pues est. corre*ida por un factor, , que tiende a 1 cuando # L este factor se le denomina factor de correccin para poblacin finita# PROPIEDADES DISTRIBUCION %IPER#EOMTRICA -aracter2sticas: a) a) Ll realizar un experimento con este tipo de distribucin, se esperan m.s de dos tipos de resultados# b) b) Las probabilidades asociadas a cada uno de estos resultados no son constantes# c) c) Los ensaos o repeticiones del experimento no son independientes entre s2# d) d) %l nmero de repeticiones del experimento n, es constante# %ntonces en este caso se tienen m.s de dos tipos de ob&etos, por lo que la frmula a utilizar ser2a: donde: G 3 x J J z 3 total de ob&etos a 3 total de ob&etos del primer tipo b 3 total de ob&etos del se*undo tipo c 3 G=a=b 3 total de ob&etos del tercer tipo n 3 ob&etos seleccionados en la muestra x 3 ob&etos del primer tipo en la muestra 3 ob&etos del se*undo tipo en la muestra z 3 n=x= 3 ob&etos del tercer tipo en la muestra %&emplos: 1#%n un lote de productos se tienen ,! productos sin defectos, ; con defectos menores , con defectos maores, se seleccionan al azar 5 productos de este lote, determine la probabilidad de que a) ; de los productos seleccionados no ten*an defectos 1 ten*a defectos menores, b) B de los productos seleccionados no ten*an defectos 1 ten*a defectos menores# )olucin: a)G3 ,!J;J, 3,5 total de art2culos a3,! productos sin defectos b3 ; productos con defectos menores G=a=b3 , productos con defectos maores n3 5 productos seleccionados en la muestra x 3 ; productos sin defectos en la muestra 3 variable que nos define el V de productos sin defectos en la muestra 3 1 producto con defectos menores en la muestra 3 variable que nos define el V de productos con defectos menores en la muestra z 3 n=x= 3 5@;I1 3 1 producto con defectos maores en la muestra 3 variable que nos define el V de productos con defectos maores en la muestra b)G3 ,5 a3,! productos sin defectos b3 ; productos con defectos menores G= a=b3 , productos con defectos maores n3 5 productos seleccionados en la muestra x 3 B productos sin defectos en la muestra 3 variable que nos define el V de productos sin defectos en la muestra 3 1 producto con defectos menores en la muestra 3 variable que nos define el V de productos con defectos menores en la muestra z 3 n=x= 3 5@BI1 3 ! productos con defectos maores en la muestra 3 variable que nos define el V de productos con defectos maores en la muestra ;#<n club de estudiantes extran&eros tiene en sus listas a , canadienses, ; &aponeses, 5 italianos , alemanes# )i se selecciona aleatoriamente un comit de B estudiantes, encuentre la probabilidad de que: a)estn representadas todas las nacionalidades, b)estn representadas todas las nacionalidades, excepto la italiana# )olucin: a) G 3 1, estudiantes a 3 , -anadienses b 3 ; Daponeses c 3 5 Ptalianos G=a=b=c 3 , Llemanes n 3 B estudiantes seleccionados para formar comit x 3 1 estudiante -anadiense en el comit seleccionado 3 1 estudiante Dapons en el comit seleccionado z 3 1 estudiante Ptaliano en el comit seleccionado n=x==z 3 1 estudiante Llem.n en el comit seleccionado b) G 3 ? estudiantes quitando a los Ptalianos a 3 , -anadienses b 3 ; Daponeses G=a=b 3 , Llemanes n 3 B estudiantes seleccionados para formar comit x 3 1 o , estudiantes -anadienses en el comit seleccionado 3 1 o , estudiantes Daponeses en el comit seleccionado n=x=3 1 o , estudiantes Llemanes en el comit seleccionado p(estn representadas todas las nacionalidades, excepto la italiana) 7istribucin $iper*eomtrica 4or claridad, consideremos el si*uiente e&emplo: Qenemos una bara&a de cartas espaMolas (G3B! naipes), de las cuales nos vamos a interesar en el palo de oros (731! naipes de un mismo tipo)# )upon*amos que de esa bara&a extraemos n3A cartas de una vez (sin reemplazamiento) se nos plantea el problema de calcular la probabilidad de que $aan 13, oros (exactamente) en esa extraccin# La respuesta a este problema es %n lu*ar de usar como dato 7 es posible que ten*amos la proporcin existente, p, entre el nmero total de oros el nmero de cartas de la bara&a de modo que podemos decir que %ste e&emplo sirve para representar el tipo de fenmenos que si*uen una le de distribucin $iper*eomtrica# 7iremos en *eneral que una v#a# : si*ue una distribucin $iper*eomtrica de par.metros, G, n p, lo que representamos del modo , si su funcin de probabilidad es /#B#1!#1 Hbservacin -uando el tamaMo de la poblacin (G) es mu *rande, la le $iper*eomtrica tiende a aproximarse a la binomial: %l valor esperado de la $iper*eomtrica es el mismo que el de la binomial, sin embar*o su varianza no es exactamente la de la binomial, pues est. corre*ida por un factor, , que tiende a 1 cuando # L este factor se le denomina factor de correccin para poblacin finita# #RA$ICA DISTRIBUCION %IPER#EOMETRICA