DISTRIBUCION

BINOMIAL Y
DISTRIBUCION
NORMAL
DISTRIBUCION BINOMIAL
En estadstica, la distribucin binomial es
una distribucin de probabilidad discreta que
mide el nmero de xitos en una secuencia de
n ensayos independientes de Bernoulli 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.
La distribucion binomial esta asociada a
experimentos del siguiente tipo:
- Realizamos n veces cierto experimento en el
que consideramos solo la posibilidad de exito
o
fracaso.
- La obtencion de exito o fracaso en cada
ocasion es independiente de la obtencion de
exito o
fracaso en las demas ocasiones.
- La probabilidad de obtener exito o fracaso
siempre es la misma en cada ocasion.

FORMULA :

n = cantidad de ensayos o experimentos

k = cantidad de xitos
p = probabilidad de xito
q = probabilidad de fracasos (1-p)
Ejemplo: 1

En una jaula con 20 pericos 15 de ellos hablan

ruso, si extraemos 6 pericos al azar, calcular
la probabilidad de que 2 pericos hablen ruso.

Definir xito: pericos que hablen ruso.

n=6
x=2
p=15/20=0.75
q=10.75= 0.25
Ejemplo: 2
De los alumnos del saln la cuarta parte
rprobo el examen, si extraemos 8 alumnos al
azar, calcular la probabilidad de que 4 de ellos
hayan reprobado el examen.

Definir xito: alumno reprobado

n=8
x=4
p=0.25
q = 1 - 0.25 = 0.75
Por ejemplo vamos a construir el rbol de
probabilidades de un proceso de Bernoulli de
tres experimentos:

La distribucin binomial se puede expresar

de forma grfica
Imaginemos una escuela primaria donde los
alumnos llegan tarde a menudo. Cinco
alumnos estn en el jardn de nios. La
directora lleva tiempo estudiando el problema,
habiendo llegado a la conclusin de que hay
una probabilidad de 0.4 de que un alumno
llegue tarde y de que los alumnos lleguen
independientemente uno de otro Cmo
trazamos una distribucin binomial de
probabilidad que ilustre las probabilidades de
que 0,1,2,3,4 5 estudiantes lleguen tarde
simultneamente? Para hacerlo
necesitaremos utilizar la frmula binomial
donde :
P= 0.4

Q= 0.6
N= 5
Realicemos el clculo de cada valor de R:
Para R= 0 obtenemos que :
P(0) = 5!/ 0!(5-0)! (0.4 ) (0.6)
P(0) = 0.07776
Para R= 1 obtenemos que :
P(1) = 5!/ 1!(5-1)! (0.4 ) (0.6)
P(1) = 0.2592
Para R=2 obtenemos que:
P(2) = 5!/ 2!(5-2)! (0.4 ) (0.6)
P(2) = 0.3456
Para R= 3 obtenemos que :
P(3) = 5!/ 3!(5-3)! (0.4 ) (0.6)
P(3) = 0.2304
Para R= 4 obtenemos que :
P(4) = 5!/ 4!(5-4)! (0.4 ) (0.6)
P(4) = 0.0768
Para R= 5 obtenemos que :
P(5) = 5!/ 5!(5-5)! (0.4 ) (0.6)
P(5) = 0.01024
Representando estos resultados en una
grfica:
0

Estas es un enlace para una pagina

interactiva y donde podran solo los valores
indicados y les dara automaticamente la
respuesta:
http://personal5.iddeo.es/ztt/Tem/t19_distrib
ucion_binomial.htm

DISTRIBUCION NORMAL
En estadstica y probabilidad se
llama distribucin normal, distribucin de
Gauss o distribucin gaussiana, a una de
las distribuciones de probabilidad devariable
continua que con ms frecuencia aparece en
fenmenos reales.
Esta distribucin es frecuentemente utilizada
en las aplicaciones estadsticas. Su propio
nombre indica su extendida utilizacin,

justificada por la frecuencia o normalidad con

la que ciertos fenmenos tienden a parecerse
en su comportamiento a esta distribucin.
Muchas variables aleatorias continuas
presentan una funcin de densidad cuya
grfica tiene forma de campana.
En otras ocasiones, al considerar
distribuciones binomiales, tipo B(n,p), para un
mismo valor de p y valores de n cada vez
mayores, se ve que sus polgonos de
frecuencias se aproximan a una curva en
"forma de campana".
La grfica de su funcin de densidad tiene una
forma acampanada y es simtrica respecto de
un determinado parmetro. Esta curva se
conoce como campana de Gauss.

Aqui se muestran unos ejemplos de aplicacion

de la distribucion normal con los datos
repectivamente tipificados:

La Curva Normal y la Probabilidad:

Los puntajes z de los ejemplos anteriores se
pueden emplear para determinar la
probabilidad de obtener un puntaje crudo en la
distribucion, para ello es importante recordar
que:
La curva normal es una distribucion de
frecuencias, en la cual la totalidad de
frecuencias bajo esta es igual a 100% por ello
aqui se trabaja en relacion con el 100%.