República Bolivariana de Venezuela

Ministerio del Poder Popular para la Educación Universitaria

Ciencia y Tecnología
Universidad Nacional Experimental Simón Rodríguez
Núcleo Maturín

DISTRIBUCIÓN
DE
PROBABILIDAD
Facilitador: Participante:

Maturín, 29 de Abril de 2020

INTRODUCCIÓN
DISTRIBUCIÓN BINOMIAL
 Es uno de los modelos de distribución teórica de probabilidad que se
maneja cuando la variable aleatoria discreta es el número de éxitos en una
muestra compuesta por observaciones. Es una de las distribuciones de
probabilidad más útiles que se emplea en control de calidad, producción e
investigaciones. Está relacionada con la distribución de Bernoulli que es una
distribución de variable aleatoria X que toma solamente valores de cero y uno
como éxito y fracaso, cuando se realiza un solo experimento, se aplica cuando se
realizan un número de veces el experimento de Bernouilli, siendo cada ensayo
independiente del anterior. La variable puede tomar valores entre “0” en caso de
que todos los experimentos han sido fracaso y “n” en caso de que todos los
experimentos han sido éxitos.

La distribución binomial se puede expresar de forma gráfica, y que en

realidad consiste en un diagrama de barras, similar a los obtenidos en la función
de probabilidad pero que van a ir variando su forma en función de los valores de n
y de p al modificarse las probabilidades de los distintos posibles valores de
P( X =k ) .

Por ejemplo, para p=(0 , 2) (turquesa), y p=(0 , 3) (morado) y distintos

valores de n:
 0.6

0.5

0.4

0.3 p= 0,2
p= 0,3

0.2

0.1

0
n= 40 n= 50 n= 60 n= 70 n= 80 n= 90 n= 100

Cabe destacar, que en dicha distribución la probabilidad de obtener

exactamente k éxitos en n experimentos viene dada por la función de densidad o
función de masa.

P ( X=k )= ( nk ) ∙ p ¿
k

Dónde:

( nk )=ₙC =C =PR
k n
k
k , n−k
n

Esta expresión es el coeficiente binomial, "n sobre k", o el número de modos

posibles de obtener k éxitos en n observaciones.

FÓRMULA

P ( X=k )= ( nk ) ∙ p ∙ q
k n −k

DÓNDE:

 n → es el número de pruebas.
  k → es el número de éxitos.
 p → es la probabilidad de éxito.
 q→ es la probabilidad de fracaso.

 CARACTERÍSTICAS
 En cada prueba del experimento sólo son posibles dos resultados: éxito
(que es lo que se espera que ocurra) y fracaso (lo contrario del éxito).
 El número de ensayos o repeticiones del experimento (n) es constante.
 La probabilidad de éxito es constante, es decir, que no varía de una
prueba a otra.
 La probabilidad de fracaso también es constante.
 El resultado obtenido en cada prueba es independiente de los
resultados obtenidos anteriormente.
 La variable aleatoria binomial, X, expresa el número de éxitos
obtenidos en la n pruebas. Por tanto, los valores que puede
tomar X son: 0, 1, 2, 3, 4,..., n.
 La distribución binomial se expresa por B(n, p)
DISTRIBUCIÓN NORMAL

Es una distribución con forma de campana donde las desviaciones estándar

sucesivas con respecto a la media constituyen valores de referencia para evaluar
el porcentaje de observaciones de los datos.

Es la distribución de probabilidad más importante en estadística, conocida

por la cantidad de fenómenos que explica. Se la denomina Campana de Gauss, ya
que al representar su función de probabilística la misma tiene forma de campana.

La función de densidad de una distribución normal tiene varios rasgos

importantes debido a que es una distribución que tiene forma de campana, es
simétrica y puede tomar valores entre menos infinito y más infinito
  CARACTERÍSTICAS
 No depende de ningún parámetro.
 Su media es 0, su varianza es 1 y su desviación típica es 1.
 Es simétrica con respecto a su eje vertical.
 Es asintótica con respecto a su eje horizontal; esto quiere decir que jamás
va a tocar el eje de las equis.

TIPIFICACIÓN DE LA NORMAL

Si tenemos una distribución normal N ( μ , σ ), se llama tipificar la variable al

proceso de convertirla en una distribución normal estándar N (0 , 1), lo cual nos
permitirá poder consultarla en las tablas.

X−μ
Si N ( μ , σ ) entonces Z= → N (0 ,1)
σ

Por ejemplo, X sigue una distribución normal de media 20 y una desviación típica
de 4. Calcular P( X ≤ 32)
Entonces, X → N (30 , 6)
32−30
(
Se tipifica P ( X ≤ 40 )=P Z ≤
6 )
=P ( Z ≤0,3 )=0,6179
Por lo tanto el resultado será P ( X ≤32 ) =0,6179
En el siguiente tutorial podrá observar de una forma más explicada lo relacionado a este punto.
https://www.youtube.com/watch?v=c6e-PlmXpyg

APROXIMACIÓN A LA NORMAL
Si X es una distribución binomial X → B(n , p), se puede aproximar a una
distribución normal con los siguientes parámetros:
X → N (np , √ npq)
No obstante, dicha aproximación se debe resolver a través del Teorema de Moivre
en donde sí se obtiene una buena aproximación cuando se cumplan las siguientes
condiciones:

n ≥ 30

np ≥ 5

nq ≥ 5

Por ejemplo, en una ciudad una de cada tres familias posee teléfono. Si se eligen
al azar 90 familias, calcular la probabilidad de que entre ellas haya por lo menos
30 que tengan teléfono.

El total de familias se representa por n=90

1
La probabilidad de que una familia posea teléfono es
3

2
La probabilidad de que una familia no posea teléfono  q=1− p=
3

Se verifica que se cumplan las condiciones del Teorema de Moivre

1 2
np=30 ∙ >5 , nq=30 ∙ ∙5
3 3

El Teorema de Moivre se tiene que,

1 1 1 2
(
B 90 ,
3) ( √ )
→ N 90× , 90∙ ∙ =N (30 , 4.47)
3 3 3
La Probabilidad de que por los menos 30 familias tengan teléfonos es

30−30
(
P ( X >30 ) =P Z >
4,47 )
=P ( Z >0 )=1−P ( Z ≤ 0 )=0,5

ESCALA DE NOTAS BASADA EN LA CURVA NORMAL

Para evitar el tener que integrar cada vez que deseemos conocer las distintas
áreas calculadas, se han construidos tablas con dichas probabilidades ya
hayamos.

Suponiendo Z=1,16

 El valor de la columna coincide con la parte entera con la parte entera y el

primer decimal (1,16)
 El valor de la fila corresponde al valor de la centésima parte (1,16)

Es importante mencionar que la intersección corresponde al valor de probabilidad

P ( Z >1,16 ) =0,1230. Si se desea conocer P ( Z ≤1,16 ) entonces este valor se le debe
restar a 0,5 que le corresponde a la probabilidad total de la cola.

P ( Z ≤1,16 )=0,5−0,1230

P ( Z ≤1,16 )=0,377
A continuación se le anexa una tabla de distribución normal
 CONCLUSIÓN

BIBLIOGRAFÍA

https://www.superprof.es/apuntes/escolar/matematicas/probabilidades/distribucion-
binomial/formulas-de-la-distribucion-binomial.html

https://fisicaymates.com/distribucion_binomial/

https://psicologiaymente.com/cultura/distribucion-normal

https://www.ecured.cu/Distribuci%C3%B3n_normal#Representaci.C3.B3n_gr.C3.A1fica

https://economipedia.com/definiciones/distribucion-normal.html

https://matematicasies.com/Tipificacion-de-la-variable

https://www.superprof.es/diccionario/matematicas/probabilidades/tipificacion.html

http://e-
ducativa.catedu.es/44700165/aula/archivos/repositorio/2000/2010/html/24_tipificacin_de_una_
distribucin_normal.html

https://jcastrom.jimdofree.com/matematica/estadistica/aproximaci%C3%B3n-normal-a-la-
binomial/

http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo5/B0C5m2c1t7.htm