UNIVERSIDAD TECNICA DE MANABI

Fundada el 29 de octubre de 1952

FACULTAD DE CIENCIAS MATEMATICAS, FISICAS Y QUIMICAS

CARRERA:
Ingeniería Civil

TEMA:
 Distribución de Bernoulli
 Distribución Binomial
 Distribución de Poisson

ASIGNATURA:
Estadística

PARALELO:
‘B’

NOMBRE:

Santana Quijije Edgar Alexy

DOCENTE:
Alay Giler Alba Dolores

NIVEL:
Segundo Semestre

PERIODO ACADÉMICO:
Octubre 2019 – Febrero 2020
 DISTRIBUCIÓN DE BERNOULLI

La distribución de Bernoulli (o distribución dicotómica), nombrada así por

el matemático y científico suizo Jakob Bernoulli, es una distribución de
probabilidad discreta, que toma valor 1 para la probabilidad de éxito (𝑝) y valor 0 para la
probabilidad de fracaso (𝑞 = 1 − 𝑝)
Si X es una variable aleatoria que mide "número de éxitos", y se realiza un único
experimento con dos posibles resultados (éxito o fracaso), se dice que la variable
aleatoria X se distribuye como una Bernoulli de parámetro P.
Su fórmula es:
𝑓(𝑥) = 𝑝 𝑥 (1 − 𝑝)1−𝑥 con 𝑥 = {0,1}
DISTRIBUCIÓN BINOMIAL

Es una distribución de probabilidad discreta que mide el número de éxitos en una secuencia
de n ensayos de Bernoulli independientes entre sí, con una Probabilidad fija 𝑝 de ocurrencia
del éxito entre los ensayos.

Un experimento de Bernoulli se caracteriza por ser dicotómico, esto es, sólo son posibles dos
resultados. A uno de estos se denomina éxito y tiene una probabilidad de ocurrencia p y al
otro, fracaso, con una probabilidad 𝒬 = 1 − 𝑝 En la distribución Binomial el anterior
experimento se repite n veces, de forma independiente, y se trata de calcular la probabilidad
de un determinado número de éxitos. Para 𝑁 = 1, la Binomial se convierte, de hecho, en
una distribución de Bernoulli.
𝑛
𝑓(𝑥) = ( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
𝑥
 N = Numero de eventos.
 X = Numero de éxitos.
 P = Probabilidad de éxito.
 Q = probabilidad de fracaso.
 F(X) = Probabilidad de tener X éxitos en un numero N de ensayos.
Sus propiedades son:
 Media: n.p
 Varianza: n.p.q
 Desviación típica o estándar: n.p. q

Ejemplo: Se quiere saber cuáles las probabilidades de que encontremos 10 basureros

dañados de 50 ubicados en el barrio Tamasagra de San Juan De Pasto; se sabe que la
probabilidad de que estén dañados es de 15.8%.

 N = 50
 X = 10
 P = 15.8% → 0.158%
 Q = 84.2% → 0.842%

50! . 0.15810 . 084.240 = 0.00205

(50-10)! 10!

 La probabilidad de encontrar 10 basureros dañados de 50 tomados es de 0.00205%,

en distribución Binomial.
 Los basureros nos ayudan a mejorar el ambiente de la ciudad disminuyendo las
emisiones de CO2 directo a la atmosfera

Ejemplo de distribución binomial

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?

Definamos las variables del experimento:

 n = 4 (es el total de la muestra que tenemos)

 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.
 p = probabilidad de éxito (0,8)
 q = probabilidad de fracaso (0,2). Este resultado se obtiene al restar 1-p.
Tras definir todas nuestras variables, simplemente sustituimos en la formula.

4!
𝑃(3) = 0.83 0.244−3
(4
3! − 3)!

El numerador de la factorial se obtendría de multiplicar 4*3*2*1 = 24 y en el denominador

tendríamos 3*2*1*1 = 6. Por lo tanto, el resultado de la factorial sería 24/6=4.
Fuera del corchete tenemos dos números. El primero sería 0,8^3=0,512 y el segundo 0,2
(dado que 4-3 = 1 y cualquier número elevado a 1 es el mismo).

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.

DISTRIBUCIÓN DE POISSON

En teoría de probabilidad y estadística, la distribución de Poisson es una distribución de

probabilidad discreta que expresa, a partir de una frecuencia de ocurrencia media, la
probabilidad de que ocurra un determinado número de eventos durante cierto período de
tiempo. Concretamente, se especializa en la probabilidad de ocurrencia de sucesos con
probabilidades muy pequeñas, o sucesos «raros».

Propiedades

La función de densidad de probabilidad de la distribución de Poisson es:

𝑒 −𝜆 𝜆𝜅
𝑓(𝜅, 𝜆) =
𝑘!

donde

 k es el número de ocurrencias del evento o fenómeno (la función nos da la

probabilidad de que el evento suceda precisamente k veces).
 λ es un parámetro positivo que representa el número de veces que se espera que ocurra
el fenómeno durante un intervalo dado. Por ejemplo, si el suceso estudiado tiene lugar
 en promedio 4 veces por minuto y estamos interesados en la probabilidad de que
ocurra k veces dentro de un intervalo de 10 minutos, usaremos un modelo de
distribución de Poisson con λ = 10×4 = 40.
 e es la base de los logaritmos naturales (e = 2,71828…)

Tanto el valor esperado como la varianza de una variable aleatoria con distribución de
Poisson son iguales a λ. Los momentos de orden superior son polinomios de Touchard en λ
cuyos coeficientes tienen una interpretación combinatoria. De hecho, cuando el valor
esperado de la distribución de Poisson es 1, entonces según la fórmula de Dobinski, el n-
ésimo momento iguala al número de particiones de tamaño n.

La función generadora de momentos de la distribución de Poisson con valor esperado λ es:

𝜆𝑘 𝑒 −𝜆 𝑡 −1)
𝐸(𝑒 𝑡𝑋 ) = ∑∞ 𝑡𝑘 ∞
𝑘=0 𝑒 𝑓(𝑘; 𝜆) = ∑𝑘=0 𝑒
𝑡𝑘
= 𝑒 𝜆(𝑒
𝑘;

Las variables aleatorias de Poisson tienen la propiedad de ser infinitamente divisibles.

La divergencia Kullback-Leibler desde una variable aleatoria de Poisson de parámetro λ0 a

otra de parámetro λ es

𝜆0 𝜆0 𝜆0
𝐷𝐾𝐿 (𝜆 ∥ 𝜆0 ) = 𝜆 (1 − + 𝑙𝑜𝑔 )
𝜆 𝜆 𝜆

Bibliografía
Fernando. (31 de Obtubre de 2012). Obtenido de
http://fernando725.blogspot.com/2012/11/distribucion-de-bernoulli.html

Sangakoo. (s.f.). Obtenido de https://www.sangakoo.com/es/temas/la-distribucion-binomial-o-de-

bernoulli

Wikipedia. (s.f.). Obtenido de https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Poisson