Universidad Politécnica Salesiana

Integrantes:
Paul Stalin Aguaiza
Julio Cesar Jaramillo
Christopher Adrián Samaniego Guzmán

Materia: Probabilidad y Estadística

Docente: Ing. Eduardo Pinos

Ciclo: 3

Carrera: Electrónica y Automatización

 Índice
Contenido
Introducción.................................................................................................................................. 2
Objetivo General .......................................................................................................................... 2
Objetivo especifico ....................................................................................................................... 2
Marco Teórico ............................................................................................................................... 3
¿Qué es una distribución Binomial? .......................................................................................... 3
¿Qué es una distribución Multinomial? .................................................................................... 5
Conclusiones ................................................................................................................................. 7
Bibliografía .................................................................................................................................... 7

Introducción

Una distribución de probabilidad indica toda la cantidad de valores que pueden

representarse como resultado de un experimento. Una distribución de probabilidad es
similar a la distribución de frecuencias relativas. Sin embargo, en vez de describir el
pasado, describe la probabilidad que un evento se realice en el futuro, constituye una
herramienta fundamental para la prospectiva, puesto que se puede diseñar un escenario
de acontecimientos futuros considerando las tendencias actuales de diversos fenómenos
naturales.

Objetivo General

 Identificar los conceptos de función de probabilidad y función de densidad para

variables aleatorias discretas y continuas, respectivamente.

 Reconocer la distribución binomial y el contexto de su aplicación.123

 Reconocer la distribución normal y el contexto de su aplicación.

Objetivo especifico

 Calcular probabilidades para variables aleatorias binomiales.

 Identificar cuándo es aceptable aproximar una distribución binomial por una normal
y cómo hacerlo
 Calcular probabilidades para variables aleatorias normales el uso de tablas.
Marco Teórico
¿Qué es una distribución Binomial?

En estadística, la distribución binomial es una distribución de probabilidad discreta que

indica el número de éxitos al realizar una secuencia de n ensayos independientes entre sí,
con una probabilidad fija (p) de ocurrencia del éxito entre esos ensayos.

Una variable discreta es aquella que solo puede tomar un número finito de valores entre
dos valores cualesquiera de una característica.
La función de probabilidad de la distribución binomial, también denominada función de
la distribución de Bernoulli, se expresa con la fórmula:

Donde:
La distribución binomial se expresa por B(n, p)
n es el número de pruebas o ensayos.
x es el número esperado de éxitos.
p es la probabilidad porcentual de éxito.
q es la probabilidad porcentual de fracaso, que se obtiene siempre haciendo 1 – p.

APLICACION

Utilice la distribución binomial para describir un proceso donde los resultados se pueden
etiquetar como un evento o un no evento y cuando esté interesado en la ocurrencia de un
evento y no en su magnitud. Por ejemplo, un elemento pasa o no pasa una inspección o
un partido político gana o pierde. La distribución binomial se usa frecuentemente en
control de calidad, sondeos de opinión pública, investigaciones médicas y seguros.

CARACTERISTICAS
Una distribución binomial o de Bernoulli tiene las siguientes características:
1. En cada prueba del experimento sólo son posibles dos resultados: el suceso A
(éxito) y su contrario 𝐴̅ (fracaso).
2. La probabilidad de éxito es constante, es decir, que no varía de una prueba a otra. Se
representa por p.
3. La probabilidad de fracaso también es constante, Se representa por q,
q=1–p
3. El resultado obtenido en cada prueba es independiente de los resultados obtenidos
anteriormente.
5. La variable aleatoria binomial, X, expresa el número de éxitos obtenidos en las n
pruebas. Por tanto, los valores que puede tomar X son: 0, 1, 2, 3, 4, ..., n.
Nota:
Hay que observar que las probabilidades de éxito y fracaso son complementarias; es
decir, q = 1 – p y p = 1 – q, por lo que basta saber una de ellas para calcular la otra.
El coeficiente binomial

, también llamado número combinatorio, se puede expresar como nCx.

El cálculo del coeficiente binomial se obtiene con la fórmula

Al incluir n! incorporamos el concepto de función factorial, el que se puede ver

en Factorial o Función factorial.
Ahora, veamos algunos ejemplos o ejercicios que nos permitirán entender mejor esta
operatoria matemática llamada distribución binomial.

EJEMPLO 1:
Un examen consta de 6 preguntas con 4 posibles respuestas cada una, de las que sólo una
de ellas es correcta. Un estudiante que no se había preparado la materia responde
completamente al azar marcando una respuesta aleatoriamente. Calcula la probabilidad
de que acierte 4 o más preguntas.
Se trata de una distribución de probabilidad binomial, B(n, p), con n = 6, p = P(acierto)
= 0,25 y q = P(fallo) = 0,75.
Como se sabe, para la B(n, p), la probabilidad de r aciertos en n intentos es:
PARÁMETROS DE LA DISTRIBUCIÓN BINOMIAL
Media

Varianza

Desviación típica

¿Qué es una distribución Multinomial?

La distribución Multinomial es similar a la distribución binomial, con la diferencia de

que en lugar de dos posibles resultados en cada ensayo, puede haber múltiples
resultados.
La distribución Multinomial sigue el siguiente modelo:
𝑛! 𝑥 𝑥 𝑥
𝑃(𝑋1 = 𝑥1 , 𝑋2 = 𝑥2 , 𝑋3 = 𝑥3 … ) = 𝑝1 1 ∗ 𝑝2 2 ∗ 𝑝3 3 ∗ …
𝑥1 ! ∗ 𝑥2 ∗ 𝑥3 ∗ …
Donde:

X1 = x1: indica que el suceso X1 aparezca x1 veces (en el ejemplo, que el partido
POPO lo hayan votado 3 personas)
n: indica el número de veces que se ha repetido el suceso (en el ejemplo, 5 veces)
n!: es factorial de n (en el ejemplo: 5 * 4 * 3 * 2 * 1)
p1: es la probabilidad del suceso X1 (en el ejemplo, el 40%)

CARACTERISTICAS
a) Al llevar a cabo un experimento con esta distribución se esperan más de dos tipos de
resultados.
b) Las probabilidades asociadas a cada uno de los resultados son constantes.
c) Cada uno de los ensayos o repeticiones del experimento son independientes.
d) El número de repeticiones del experimento, n es constante.
APLICACIÓN
La distribución Multinomial al ser una distribución discreta, se puede aplicar en cualquier
caso de distribución binomial y con la posibilidad de que pueda tener más de dos posibles
resultados, sino, múltiples resultados.

PARÁMETROS DE LA DISTRIBUCIÓN MULTINOMIAL

La esperanza matemática del suceso i observado en n pruebas es:

La varianza es:

EJEMPLO 2:

Supóngase que el 23 % de las personas que asisten a cierto partido de “baseball”

viven a menos de 10 millas del estadio, el 59 % de ellas viven a entre 10 y 50 millas
del estadio, y el 18 % vive a más de 50 millas. Se seleccionan al azar 20 personas
entre los asistentes al partido (que son miles). Calcular la probabilidad de que siete
de los seleccionados vivan a menos de 10 millas, ocho vivan entre 10 y 50 millas, y
cinco vivan a más de 50 millas del estadio.
Solución

n = 20 (número de personas seleccionadas), k = 3 (cantidad de grupos de

clasificación de las personas); y1 = {Personas que viven a menos de 10 millas del
estadio}, y2 = {Personas que viven a entre 10 y 50 millas del estadio}, y3 =
{Personas que viven a más de 50 millas del estadio}; p1 = 0,23, p2 = 0,59, p3 = 0,18

20
P (N1 = 7, N2 = 8, N3 = 5) = ( ) 0,237 ∗ 0,598 ∗ 0,185
785

20!
=7!8!5! 0,237 ∗ 0,598 ∗ 0,185

=0,0094

Conclusiones

Bibliografía

Probabilidad y Estadistica para Ingenieria, William W, Douglas C, David M, CECSA, 1. Mexico 2005

Estadística aplicada, Lothar Sachs, Editorial Labor,s.a. Barcelona 1978

[1] https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-distributions-
and-random-data/supporting-topics/distributions/binomial-distribution/
[2]http://www.profesorenlinea.cl/matematica/Distribucion_binomial.html

[3]https://www.ditutor.com/distribucion_binomial/distribucion_binomial.html

[4]https://www.vitutor.com/pro/3/b_1.html

[5]http://www.vadenumeros.es/sociales/distribucion-binomial-parametros.htm

[6]http://www.aulafacil.com/cursos/l11243/ciencia/estadisticas/estadisticas/distribuciones-
discretas-multinomial

[7]http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo3/B0C3m1t7.ht
m

[8]https://prezi.com/8qsmh1o3unat/la-distribucion-multinomial/

[9]https://prezi.com/zx_j_czcd3pj/distribucion-multinomial/
[10]http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/02Distr%20M
ultinomial.htm