Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD DE INGENIERÍA
Resumen
Palabras claves
Distribución, frecuencias, binomial, poisson, probabilidades.
Abstract
The following laboratory aims to calculate the binomial distribution, where 100 marbles
were needed, of which 85 were colored and 15 were white, but the amount of marbles
varied depending on the table to be filled in by performing the procedure several times,
this was achieved do with the help of a binomial box. Once the experience is completed,
the data obtained to obtain the different frequencies and experimental and theoretical
probabilities are organized.
Keywords:
Distribution, frequency, binomial, probability.
1. Introducción
La distribución de poisson son el control de calidad, la aceptación de muestras, el
aseguramiento de la calidad, es decir, de esta manera la probabilidad de que un suceso
raro pase y que sea representada en una variable discreta. La distribución de poisson es
una de las distribuciones más importantes para las variables discretas y que ella solo
toma valor desde 0, 1, 2 hasta n. Por otro lado, la distribución binomial asegura que en
cada ensayo o experimento solo son posibles dos resultados (éxito o fracaso) y que el
resultado obtenido en cada experimento es independiente del anterior, lo que quiere decir
que lo que ocurra en cada experimento no afecta a los siguientes.
En la experiencia realizada en el laboratorio se logró evidenciar que puede ocurrir en un
determinado suceso o evento, ya que probaremos con 100 canicas en una caja binomial
con diferentes proporciones como esta dada la distribución de poisson y binomial.
1
UNIVERSIDAD DE LA COSTA
DEPARTAMENTO DE CIENCIAS BÁSICAS
ÁREA DE LABORATORIO DE FÍSICA
FACULTAD DE INGENIERÍA
2. Fundamentos Teóricos
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:
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.
2
UNIVERSIDAD DE LA COSTA
DEPARTAMENTO DE CIENCIAS BÁSICAS
ÁREA DE LABORATORIO DE FÍSICA
FACULTAD DE INGENIERÍA
Ahora, veamos algunos ejemplos o ejercicios que nos permitirán entender mejor esta
operatoria matemática llamada distribución binomial.
En cada ensayo, experimento o prueba solo son posibles dos resultados (éxito o fracaso).
La probabilidad del éxito ha de ser constante. Esta se representa mediante la letra p. La
probabilidad de que salga cara al lanzar una moneda es 0,5 y esta es constante dado que
la moneda no cambia en cada experimento y las probabilidades de sacar cara es constate.
La probabilidad de fracaso ha de ser también constate. Esta se representa mediante la letra
q = 1-p. Es importante fijarse que mediante esa ecuación, sabiendo p o sabiendo q,
podemos obtener la que nos falte.
El resultado obtenido en cada experimento es independiente del anterior. Por lo tanto lo
que ocurra en cada experimento no afecta a los siguientes.
Los sucesos son mutuamente excluyentes, es decir, no pueden ocurrir los 2 al mismo
tiempo. No se puede ser hombre y mujer al mismo tiempo o que al lanzar una moneda
salga cara y cruz al mismo tiempo.
Los sucesos son colectivamente exhaustivos, es decir, al menos uno de los 2 ha de ocurrir.
Si no se es hombre, se es mujer y si se lanza una moneda, si no sale cara ha de salir cruz.
La variable aleatoria que sigue una distribución binomial se suele representar como
X~(n,p). n representa el número de ensayos o experimentos y p la probabilidad de éxito.
Ejemplo:
Imaginemos que un 80% de personas en el mundo han visto el partido de la final del
último mundial de futbol. Tras el evento, 4 amigos se reúnen a conversar, ¿Cuál es la
probabilidad de que 3 de ellos hayan visto?
x = número de éxitos, que en este caso es igual a 3, dado que buscamos la probabilidad
de que 3 de los 4 amigos lo hayan visto.
3
UNIVERSIDAD DE LA COSTA
DEPARTAMENTO DE CIENCIAS BÁSICAS
ÁREA DE LABORATORIO DE FÍSICA
FACULTAD DE INGENIERÍA
Por tanto, nuestro resultado final sería: 4*0,512*0,2 = 0,4096. Si multiplicamos por 100
tenemos que hay una probabilidad del 40,96% de que 3 de los 4 amigos hayan visto el
partido de la final del mundial.
DISTRIBUCION DE POISSON
donde:
4
UNIVERSIDAD DE LA COSTA
DEPARTAMENTO DE CIENCIAS BÁSICAS
ÁREA DE LABORATORIO DE FÍSICA
FACULTAD DE INGENIERÍA
EJEMPLO:
Si un banco recibe en promedio 6 cheques sin fondo por día, ¿cuáles son las
probabilidades de que reciba, a) cuatro cheques sin fondo en un día dado
x = variable que nos define el número de cheques sin fondo que llegan al banco en un
día cualquiera = 0, 1, 2, 3, ....., etc, etc.
l = 6 cheques sin fondo por día
e = 2.718
3. Desarrollo experimental
Materiales
4. Análisis y Resultados
Tablas:
5
UNIVERSIDAD DE LA COSTA
DEPARTAMENTO DE CIENCIAS BÁSICAS
ÁREA DE LABORATORIO DE FÍSICA
FACULTAD DE INGENIERÍA
PREGUNTAS
1. A qué razones obedece las diferencias entre la probabilidad teórica y
la probabilidad experimental resultante.
Para poder entender las diferencias entre ambas probabilidades debemos entender en que
consiste cada una, la probabilidad teórica es aquella que se calcula antes de que cualquier
evento ocurra, para poder predecir cómo será el desarrollo de este evento y la probabilidad
experimental se calcula después de que el evento haya ocurrido, observando el patrón de
los hechos de con qué frecuencia se ve cierto resultado y con esto poder tener una idea de
cómo sería el resultado del evento futuro. La diferencia entre probabilidad teórica y
probabilidad experimental radica en que la primera se obtiene sin efectuar el experimento,
y la segunda después de haberlo realizado un gran número de veces.
II. El número de clientes que llega por hora a ciertas instalaciones de servicio
automotriz se supone que sigue una distribución de Poisson con media λ =7
6
UNIVERSIDAD DE LA COSTA
DEPARTAMENTO DE CIENCIAS BÁSICAS
ÁREA DE LABORATORIO DE FÍSICA
FACULTAD DE INGENIERÍA
5. Conclusión
6. Bibliografía I
http://www.juntadeandalucia.es/averroes/centros-
tic/14002996/helvia/aula/archivos/repositorio/250/295/html/estadistica/ddisc
retas.htm
http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/05
Distr%20Poisson.htm
7
UNIVERSIDAD DE LA COSTA
DEPARTAMENTO DE CIENCIAS BÁSICAS
ÁREA DE LABORATORIO DE FÍSICA
FACULTAD DE INGENIERÍA
ANEXOS:
DISTRIBUCCION BINOMIAL
Sea X una v.a. discreta que toma los valores x = 0, 1, ..., n, donde n es un numero natural
conocido. Se dice que X sigue una distribución binomial de Apuntes de Métodos
Estadísticos. parámetros n y p (y se nota X → B (n, p)) si su función masa es:
Los sucesos son mutuamente excluyentes, es decir, no pueden ocurrir los 2 al mismo
tiempo. No se puede ser hombre y mujer al mismo tiempo o que al lanzar una moneda
salga cara y cruz al mismo tiempo. Los sucesos son colectivamente exhaustivos, es decir,
al menos uno de los 2 ha de ocurrir. Si no se es hombre, se es mujer y si se lanza una
moneda, si no sale cara ha de salir cruz.
8
UNIVERSIDAD DE LA COSTA
DEPARTAMENTO DE CIENCIAS BÁSICAS
ÁREA DE LABORATORIO DE FÍSICA
FACULTAD DE INGENIERÍA
DISTRIBUCCION DE POISSON
La distribución de Poisson es una distribución de probabilidad discreta que se aplica a las
ocurrencias de algún suceso durante un intervalo determinado. Nuestra variable
aleatoria x representará el número de ocurrencias de un suceso en un intervalo
9
UNIVERSIDAD DE LA COSTA
DEPARTAMENTO DE CIENCIAS BÁSICAS
ÁREA DE LABORATORIO DE FÍSICA
FACULTAD DE INGENIERÍA
determinado, el cual podrá ser tiempo, distancia, área, volumen o alguna otra unidad
similar o derivada de estas.
Ejemplo:
Un proveedor suministra una gran cantidad del articulo CXB-12, y en el pasado se ha
observado que el 1 por 100 es defectuoso. Si se inspecciona una muestra de 100 unidades
de CXB-12, ¿Cuál es la probabilidad de que se encuentren exactamente 3 defectuosos?
10
UNIVERSIDAD DE LA COSTA
DEPARTAMENTO DE CIENCIAS BÁSICAS
ÁREA DE LABORATORIO DE FÍSICA
FACULTAD DE INGENIERÍA
Bibliografía II:
11