Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1.- Concepto:
En estadística, la distribución binomial es una distribución de probabilidad discreta que cuenta 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, solo dos resultados son posibles. A uno de estos se
denomina «éxito» y tiene una probabilidad de ocurrencia p y al otro, «fracaso», con una
probabilidad2 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. Así también la probabilidad discreta que describe el número de éxitos al realizar n
experimentos independientes entre sí, acerca de una variable aleatoria.
Existen una gran diversidad de experimentos o sucesos que pueden ser caracterizados bajo esta
distribución de probabilidad. Imaginemos el lanzamiento de una moneda en el que definimos el
suceso “sacar cara” como el éxito. Si lanzamos 5 veces la moneda y contamos los éxitos (sacar
cara) que obtenemos, nuestra distribución de probabilidades se ajustaría a una distribución
binomial.
Por lo tanto, la distribución binomial se entiende como una serie de pruebas o ensayos en la que
solo podemos tener 2 resultados (éxito o fracaso), siendo el éxito nuestra variable aleatoria
X ~ B (n, p)
Donde, n, debe ser un entero positivo y p debe pertenecer al intervalo 0 ≤ p ≤ 1, por ser una
proporción.
3. - Formula:
Dónde:
n = número de ensayos/experimentos
k = número de éxitos
p = probabilidad de éxito
1.- Concepto:
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".
Fue descubierta por Siméon-Denis Poisson, que la dio a conocer en 1838 en su trabajo Recherches
sur la probabilité des jugements en matières criminelles et matière civile (Investigación sobre la
probabilidad de los juicios en materias criminales y civiles).
Como caso realmente interesante cabe mencionar que la distribución de poisson fue utilizada para
determinar si durante la segunda guerra mundial los alemanes al bombardear Londres desde
Calais (Francia 🇫🇷) con los protomisiles V1 y V2 apuntaban o simplemente disparaban al azar. Era
un hecho realmente importante determinar ese punto pues si los objetivos alcanzados con estos
primitivos misiles eran los blancos que los alemanes habían seleccionado, implicaba que éstos
disponían de una tecnología balística muy superior a la sospechada. En las vídeoclases haré un
ejercicio muy similar a dicho problema para ver un caso de utilidad que ha sido real.
3.- FORMULA:
DONDE:
4.- Ejercicios de Aplicación:
DISTRIBUCION NORMAL
1.-Concepto: En estadística y probabilidad se llama distribución normal, distribución de
Gauss, distribución gaussiana o distribución de Laplace-Gauss, a una de las distribuciones
de probabilidad de variable continua que con más frecuencia aparece en estadística y en
la teoría de probabilidades. La gráfica de su función de densidad tiene una forma
acampanada y es simétrica respecto de un determinado parámetro estadístico. Esta curva
se conoce como campana de Gauss y es el gráfico de una función gaussiana. La
importancia de esta distribución radica en que permite modelar numerosos fenómenos
naturales, sociales y psicológicos. 3Mientras que los mecanismos que subyacen a gran
parte de este tipo de fenómenos son desconocidos, por la enorme cantidad de variables
incontrolables que en ellos intervienen, el uso del modelo normal puede justificarse
asumiendo que cada observación se obtiene como la suma de unas pocas causas
independientes. De hecho, la estadística descriptiva sólo permite describir un fenómeno,
sin explicación alguna. Para la explicación causal es preciso el diseño experimental, de ahí
que al uso de la estadística en psicología y sociología sea conocido como método
correlacional. La distribución normal también es importante por su relación con la
estimación por mínimos cuadrados, uno de los métodos de estimación más simples y
antiguos. Algunos ejemplos de variables asociadas a fenómenos naturales que siguen el
modelo de la normal son:
-¥< x < ¥
-¥< x < ¥
Al dar a la función los valores de m , s2 y valores a x, obtendremos la distribución en
cuestión, la que tiene forma de campana, por lo que también se le conoce como campana de
Gauss. Hay un número infinito de funciones de densidad Normal, una para cada combinación
de m y s. La media m mide la ubicación de la distribución y la desviación estándar s mide su
dispersión.
d) Es asintótica con respecto a su eje horizontal; esto quiere decir que jamás va a tocar el
eje de las equis.
donde:
Es la media (también puede ser mediana, la moda o el valor esperado, según aplique)
Es la desviacion estandar
Es la varianza
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_normal
http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/01UNIDAD%20%20V.h
tm
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_binomial
https://economipedia.com/definiciones/distribucion-binomial.html
https://prezi.com/psakqcz-gduk/caracteristicas-de-la-distribucion-binomial/
https://riunet.upv.es/bitstream/handle/10251/7936/Distribucion%20binomial.pdf
https://www.uv.es/ceaces/base/modelos%20de%20probabilidad/poisson.htm
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Poisson
https://fisicaymates.com/distribucion-de-poisson/