UNIVERSIDAD NACIONAL DE SAN AGUSTIN

ESCUELA PROFESIONAL DE INGENIERÍA GEOFÍSICA

GEOFISICA PREDICTIVA

CAPITULO VI

LAS DISTRIBUCIONES BINOMIAL, NORMAL Y

DE POISSON

Ing. Javier Ticona P.

jticonap@hotmail.com
 CAPITULO VI

6.1 Distribución Binomial

Supongamos que un experimento aleatorio tiene las siguientes características:

-En cada prueba del experimento sólo son posibles dos resultados: el suceso A
(éxito) y su contrario ‾A (fracaso).

-El resultado obtenido en cada prueba es independiente de los resultados

obtenidos anteriormente.

-La probabilidad del suceso A es constante, la representamos por p, y no varía de

una prueba a otra. La probabilidad de ‾A es 1- p y la representamos por q.

-El experimento consta de un número n de pruebas.

Todo experimento que tenga estas características diremos que sigue el modelo de
la Distribución Binomial. A la variable X que expresa el número de éxitos
obtenidos en cada prueba del experimento, la llamaremos Variable Aleatoria
Binomial (V.A.B.).
 CAPITULO VI

La variable binomial es una variable aleatoria discreta, sólo puede tomar los
valores 0, 1, 2, 3, 4, ..., n suponiendo que se han realizado n pruebas. Como
hay que considerar todas las maneras posibles de obtener k-éxitos y (n-k)
fracasos debemos calcular éstas por combinaciones (número combinatorio n
sobre k).

La distribución Binomial se suele representar por B(n,p) siendo n y p los

parámetros de dicha distribución.

Función de Probabilidad de la Variable Aleatoria Binomial

Función de probabilidad de la distribución Binomial o también denominada función
de la distribución de Bernoulli (para n=1). Verificándose: 0 ≤ p ≤ 1

N!
 pX qN X
X !( N  X )!

Como el cálculo de estas probabilidades puede resultar algo tedioso se han

construido tablas para algunos valores de n y p que nos facilitan el trabajo.
CAPITULO VI

TABLA DE DISTRIBUCIÓN BINOMIAL

 CAPITULO VI

Ejemplo 1. La probabilidad de obtener exactamente 2 caras en 6 lanzadas de

una moneda es:

N!
 pX qN X
X !( N  X )!

2 62 62
 6  1  1 6! 1
2
1 15
             0.2344
 2  2  2 2!(6  2)!  2  2 64
 CAPITULO VI

Ejemplo 2. La probabilidad de obtener al menos 4 caras en 6 lanzadas de una

moneda es:

N!
 pX qN X
X !( N  X )!

4 6 4 5 6 5 6 66
 6  1   1   6  1  1  6  1   1 
                  
 4  2   2   5  2  2  6  2   2 
4 64 5 6 5 6 66
6! 1 1 6!  1  1 6! 1 1
              
4!(6  4)!  2   2  5!(6  5)!  2  2 6!(6  6)!  2  2

 0.234375  0.09375  0.015625  0.34375

 CAPITULO VI

Parámetros de la Distribución Binomial

Función de Distribución de la v.a. Binomial

siendo k el mayor número entero menor o igual a xi.

Esta función de distribución proporciona, para cada número real xi, la probabilidad
de que la variable X tome valores menores o iguales que xi.
 CAPITULO VI

Ejemplo 3. En 100 lanzadas de una moneda:

a) El numero medio de caras es:

b) La desviación típica es:

1
a)   Np  (100)   50
2

 1  1 
b)   Npq  (100)    5
 2  2 
 CAPITULO VI

Sea X una variable aleatoria discreta correspondiente a una distribución binomial.

Ejemplo 1
Una máquina fabrica una determinada pieza y se sabe que produce 7 de 1000
piezas defectuosas. Hallar la probabilidad de que al examinar 50 piezas sólo haya
una defectuosa p(x=1).

Solución :
Se trata de una distribución binomial de parámetros B(50, 0.007) y debemos
calcular la probabilidad p(X=1).
 CAPITULO VI
Ejemplo 2
La probabilidad de éxito de una determinada vacuna es 0,72. Calcular la
probabilidad de que una vez administrada a 15 pacientes:

a) Ninguno sufra la enfermedad

b) Todos sufran la enfermedad
c) Dos de ellos contraigan la enfermedad

Solución :
Se trata de una distribución binomial de parámetros B(15, 0.72)
 CAPITULO VI
Ejemplo 2
La probabilidad de éxito de una determinada vacuna es 0,72. Calcular la
probabilidad de que una vez administrada a 15 pacientes:

a) Ninguno sufra la enfermedad

b) Todos sufran la enfermedad
c) Dos de ellos contraigan la enfermedad

Solución :
Se trata de una distribución binomial de parámetros B(15, 0.72)
 CAPITULO VI

Ejemplo 3
La probabilidad de que un equipo geofísico salga de fábrica defectuoso es del 4
de 100. Hallar :

a) El número de equipos geofísicos defectuosos esperados en un lote de 1000

b) La varianza y la desviación típica.

Solución :

equipos geofísicos defectuosos

 CAPITULO VI

6.2 DISTRIBUCIÓN NORMAL

o campana de Gauss-Laplace

Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su

propio nombre indica su extendida utilización, justificada por la frecuencia o
normalidad con la que ciertos fenómenos tienden a parecerse en su
comportamiento a esta distribución.

Muchas variables aleatorias continuas presentan una función de densidad cuya

gráfica 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 polígonos de
frecuencias se aproximan a una curva en "forma de campana".

En resumen, la importancia de la distribución normal se debe principalmente a que

hay muchas variables asociadas a fenómenos naturales que siguen el modelo de
la normal
 CAPITULO VI

Variables Asociadas a Fenómenos Naturales

- Caracteres morfológicos de individuos (personas, animales, plantas,...) de una

especie, p.ejm. tallas, pesos, envergaduras, diámetros, perímetros,...
- Caracteres fisiológicos, por ejemplo: efecto de una misma dosis de un fármaco,
o de una misma cantidad de abono.
- Caracteres sociológicos, por ejemplo: consumo de cierto producto por un mismo
grupo de individuos, puntuaciones de examen.
- Caracteres psicológicos, por ejemplo: cociente intelectual, grado de adaptación
a un medio,...
- Errores cometidos al medir ciertas magnitudes.
- Valores estadísticos muestrales, por ejemplo : la media.
- Otras distribuciones como la binomial o la de Poisson son aproximaciones
normales.

Y en general cualquier característica que se obtenga como suma de muchos

factores.
 CAPITULO VI

FUNCIÓN DE DENSIDAD
Empleando cálculos bastante laboriosos, puede demostrarse que el modelo de la
función de densidad que corresponde a tales distribuciones viene dado por la
fórmula

Representación gráfica de esta función de densidad

 CAPITULO VI

La distribución normal queda definida por dos parámetros, su media y su

desviación típica y la representamos de la siguiente forma.
 CAPITULO VI

FUNCIÓN DE DISTRIBUCIÓN

• Puede tomar cualquier valor (- , + )

• Son más probables los valores cercanos a uno central que llamamos media 
• Conforme nos separamos de ese valor  , la probabilidad va decreciendo de igual
forma a derecha e izquierda (es simétrica).
• Conforme nos separamos de ese valor  , la probabilidad va decreciendo de
forma más o menos rápida dependiendo de un parámetro  , que es la desviación
típica.

F(x) es el área sombreada de esta gráfica

CAPITULO VI
 CAPITULO VI
TIPIFICACIÓN

Por tanto su función de densidad es

y su función de distribución es

siendo la representación gráfica de esta función

a la variable Z se la denomina variable tipificada de X, y a la curva de su función de

densidad curva normal tipificada.
 CAPITULO VI

Característica de la distribución normal tipificada (reducida, estándar)

No depende de ningún parámetro
Su media es 0, su varianza es 1 y su desviación típica es 1.
La curva f(x) es simétrica respecto del eje OY
Tiene un máximo en este eje
Tiene dos puntos de inflexión en z =1 y z = -1
Aproximación de la Binomial por la Normal (Teorema de De Moivre) :
Demostró que bajo determinadas condiciones (para n grande y tanto p como q no
estén próximos a cero) la distribución Binomial B(n, p) se puede aproximar
mediante una distribución normal

Debemos tener en cuenta que cuanto mayor sea el valor de n, y cuanto más
próximo sea p a 0.5, tanto mejor será la aproximación realizada. Es decir, basta
con que se verifique
 CAPITULO VI
gracias a esta aproximación es fácil hallar probabilidades binomiales, que para
valores grandes de n resulten muy laboriosos de calcular.

Hay que tener en cuenta que para realizar correctamente esta transformación de
una variable discreta (binomial) en una variable continua (normal) es necesario
hacer una corrección de continuidad.
 CAPITULO VI

AJUSTE DE DISTRIBUCIONES DE FRECUENCIAS MUESTRALES MEDIANTE

DISTRIBUCIONES TEORICAS.

Cuando se tiene una cierta indicación sobre la distribución de una población por
argumentos probabilísticas o de otra índole, suele ser posible ajustar esa
distribución teórica (llamada también distribución esperada o modelo) a
distribuciones de frecuencias obtenidas de una muestra de esa población. El método
usado consiste en emplear la media y la desviación típica de la muestra para
estimar las de la población.

Para probar la bondad del ajuste de las distribuciones teóricas, usamos el test ji-
cuadrado.