Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Dialnet IMPORTANCIADELADISTRIBUCIONBINOMIALYDEPOISSON 4020400 PDF
Dialnet IMPORTANCIADELADISTRIBUCIONBINOMIALYDEPOISSON 4020400 PDF
POISSON
MILLER RODRIGUEZ RODRIGUEZ
El contenido de este ensayo fue redactado por el estudiante Miller Rodriguez Rodriguez bajo la tutoría del
docente Ing. Ramiro Polanco pertenecientes a la escuela de ingenierías de la Corporación Universitaria del
Meta, el autor reside en la ciudad de Cumaral Meta (Colombia) en la calle 13 # 12-31(Los Moriches) con
dirección de corre electrónico milleradrian31@hotmail.com.
________________________________________________________________________________________
DISTRBUCION BINOMIAL.
Empleo del proceso de Bernoulli. Podemos
A menudo cuando nos encontramos
estudiando una carrera universitaria somos servirnos de los resultados de un número fijo
bombardeados con mucha información por de lanzamientos de una moneda como
parte de la academia, sin embargo no ejemplo de un proceso de Bernoulli. Este
hallamos conciencia de la importancia de proceso lo describimos así:
dicha información menospreciando la 1. Cada ensayo (cada lanzamiento, en nuestro
aplicación de estos conocimientos al igual caso) tiene sólo dos resultados posibles: lado
atacamos sin misericordia al docente cuando A o lado B, sí o no, éxito o fracaso.
por no prestar atención a la clase, no 2. La probabilidad del resultado de cualquier
entendemos lo enseñado y para escudar la ensayo (lanzamiento) permanece fija con el
falta de atención expresamos comentarios tiempo. Tratándose de una moneda la
como: “¿para que me va ha servir esto en mi
probabilidad de que salga del lado A sigue
vida laboral?”.
siendo de 0.5 en cada lanzamiento, cualquiera
Bien ahora los invito a reflexionar sobre lo que sea el número de veces que la moneda
siguiente: será que la distribución bionomíal sea arrojada.
nos puede servir para algo, para averiguarlo 3. Los ensayos son estadísticamente
debemos entender de que estamos hablando
comencemos por estudiar la historia de este independientes, es decir, el resultado de un
tipo de distribución fue desarrollada por lanzamiento no afecta al de cualquier otro
Jakob Bernoulli (Suiza, 1654-1705) es la lanzamiento.
principal distribución de probabilidad Cada proceso de Bernoulli tiene su propia
discreta.
Una distribución de probabilidad probabilidad característica. Pongamos el caso
ampliamente utilizada de una variable en que siete décimas partes de las personas
aleatoria discreta es la distribución binomial. que solicitaron cierto tipo de empleo pasaron
Esta describe varios procesos de interés para la prueba. Diremos entonces que la
los administradores. Describe datos discretos,
resultantes de un experimento denominado probabilidad característica fue de 0.7 pero
proceso de Bernoulli en honor del podemos describir los resultados de la prueba
matemático suizo Jacob Bernoulli, quien como un proceso de Bernoulli sólo si
vivió en el siglo XVII. tenemos la seguridad de que la proporción de
los que fueron aprobados permaneció k).La distribución Binomial se suele
constante con el tiempo. Desde luego, la otra representar por B(n,p) siendo n y p los
característica del proceso de Bernoulli parámetros de dicha distribución.
también deberá ser satisfecha. Cada prueba El anterior fue un ejemplo de la forma que
deberá arrojar tan sólo dos resultados (éxito o menos nos gusta con términos enredados y
fracaso y los resultados de las pruebas habrán con poca aplicabilidad pero ahora vamos a
de ser estadísticamente independientes. En un analizar y a demostrar con el siguiente
lenguaje más formal, el símbolo p representa ejemplo que la distribuc ión binomial es fácil
la probabilidad de un éxito y el símbolo de entender y es importante en nuestra vida
q (1- p) representa la probabilidad de un cotidiana imaginemos una escuela primaria
fracaso. Para representar cierto número de donde los alumnos llegan tarde a menudo.
éxitos, utilizaremos el símbolo r y para Cinco alumnos están en el jardín de niños. La
simbolizar el número total de ensayos directora lleva tiempo estudiando el
emplearemos el símbolo n. para ilustrar de problema, habiendo llegado a la conclusión
una manera más sencilla lo dicho de que hay una probabilidad de 0.4 de que un
anteriormente analicemos el siguiente alumno llegue tarde y de que los alumnos
ejemplo Supongamos que un experimento lleguen independientemente uno de otro
aleatorio tiene las siguientes características: ¿Cómo trazamos una distribución binomial
En cada prueba del experimento sólo son de probabilidad que ilustre las probabilidades
posibles dos resultados: el suceso A (éxito) y de que 0,1,2,3,4 ó 5 estudiantes lleguen tarde
simultáneamente? Para hacerlo necesitaremos
obtenido en cada prueba es independiente de utilizar la fórmula binomial donde:
los resultados obtenidos anteriormente. La P= 0.4
probabilidad del suceso A es constante, la Q= 0.6
representamos por p, y no varía de una N= 5
prueba a otra. La probabilidad de es 1- p y la
representamos por q. El experimento consta P Probabilidad de éxito.
Q Probabilidad de
de un número n de pruebas. fracaso.
Todo experimento que tenga estas r Número de éxitos
características diremos que sigue el modelo deseados.
de la distribución Binomial. A la variable X n Número de ensayos
efectuados.
que expresa el número de éxitos obtenidos en
cada prueba del experimento, la llamaremos
Existe una fórmula binomial:
variable aleatoria binomial.
Probabilidad de r éxitos en n ensayos es :
La variable binomial es una variable aleatoria
N! / R! (N-R)! PR QN-R
discreta, sólo puede tomar los valores 0, 1, 2,
Recordemos que el símbolo factorial!
3, 4,..., n suponiendo que se han realizado n
Significa por ejemplo que es 3! = 3*2*1 =6
pruebas. Como hay que considerar todas las
Los matemáticos definen 0! = 1.
maneras posibles de obtener k-éxitos y
Realicemos el cálculo de cada valor de R:
(n-k) fracasos debemos calcular éstas por
Para R= 0 obtenemos que:
combinaciones (número combinatorio n sobre
P (0) = 5!/ 0! (5-0)! (0.4)0 (0.6)5 matière civile (Investigación sobre la
probabilidad de los juicios en materias
P (0) = 0.07776
criminales y civiles). La función de densidad
Para R= 1 obtenemos que : de la distribución de Poisson es
1 4
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)3 2
Donde λ es un parámetro positivo que
P(2) = 0.3456 representa la frecuencia esperada del
Para R= 3 obtenemos que : fenómeno modelado por la distribución.
3 2
P(3) = 5!/ 3!(5-3)! (0.4 ) (0.6) Tanto el valor esperado como la varianza de
P(3) = 0.2304 una variable aleatoria con distribución de
Para R= 4 obtenemos que : Poisson son iguales a λ. Los momentos de
4 1
P(4) = 5!/ 4!(5-4)! (0.4 ) (0.6) orden superior son polinomios de Touchard
P(4) = 0.0768 en λ cuyos coeficientes tienen una
Para R= 5 obtenemos que: interpretación combinatoria. De hecho,
P(5) = 5!/ 5!(5-5)! (0.4 )5 (0.6)0 cuando el valor esperado de la distribución de
P(5) = 0.01024 Poisson es 1, entonces según la fórmula de
Representando estos resultados en una Dobinski, el n-ésimo momento iguala al
gráfica:
número de particiones de tamaño n.
La moda de una variable aleatoria de
distribución de Poisson con un λ no entero es
igual a , el mayor de los enteros menores
que λ (los símbolos representan la función
parte entera). Cuando λ es un entero positivo,
las modas son λ y λ − 1.
La función generadora de momentos de la
distribución de Poisson con valor esperado λ
es
REFERENCIA BIBLIOGRÁFICA