Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INTEGRANTES:
JORGE LUIS FUENTES
JONATHAN GALLARDO
BRYAN TAIPE
MICHAEL ANACLETO
ASIGNATURA:
ESTADÍSTICA Y PROBABILIDAD
DOCENTE:
Msc. ROBERTO CALDERÓN
2019-2020
Tema: Distribución Binomial y Multinomial
Objetivos
Objetivo General
Objetivos Específicos
Introducción
Justificación
El desarrollo del presente trabajo es con el motivo que el estudiante, amplié su conocimiento
sobre la probabilidad, haciendo uso de
Marco Teórico
Función de Bernoulli
Definición:
Cualquier experimento que tiene dos posibles resultados se llama experimento Bernoulli.
Para caracterizar a los experimentos Bernoulli en un solo modelo, a uno de los resultados se
denota como éxito y al otro como fracaso; dicha asignación de los resultados del experimento
es arbitraria.
Distribución Binomial
Definición
Los experimentos Bernoulli son iguales cuando la probabilidad de éxito es la misma, y son
independientes si la función de densidad conjunta es igual al producto de las densidades
marginales. Por ejemplo:
Propiedad
Sea X una variable aleatoria binomial con parámetros n y p, su función de densidad es:
x n−x
f (x)= n C x p q si x=0,1 , … , n
{ ¿ 0 en otro caso
Y, además
n!
P ( x) = p x∗q n−x
x ! ( n−x ) !
n!
x ! ( n−x )
P(x)= variable
X =X 1 + X 2 + X 3+ X 4 +...+ x n
Demostración:
La demostración es directa, basta recordar que una variable Bernoulli toma el valor de 0
cuando ocurre un fracaso y toma el valor de 1 cuando ocurre un éxito, por tanto, esta suma es
igual al número de unos en ella y esto equivale al número de éxitos en los n experimentos
Bernoulli.
Propiedad
Demostración:
X 1 + X 2+ X 3 + X 4 + X 5 +...+ X n
a ¿ μ= E( X )=E (X ¿ ¿ 1+ X 2 + X 3+ X 4 + X 5+ ...+ X n )¿
Para revisar la relación de la media y la varianza de una variable aleatoria binomial y los valores
de n y p, se calculó con Excel la función de densidad para
n=10 y p=0.10 , 0.20 ,0.30 , 0.50 , 0.70 y 0.90 y se realizaron sus respectivas gráficas de
barras:
Como se puede ver, en todos los casos el valor más probable es cuando X toma el valor de la
media, y la mayor variación es cuando p=0.5
Demostración de la Varianza
Varianza: V ( X )=npq
V ( X )=E [ x 2 ]−u2
n
n!
E [ x ( x−1 ) ] =∑ x ( x−1 ) p x∗qn− x
x=0 x ! n−x !
( )
z=x−2
n
n−2
2 n!
p ∑ p z∗qn−2− z
z=0 z ! ( n−2−z ) !
n−2
n−2!
¿ p2 (n−1)n ∑ p z∗q n−2−z
z=0 z ! ( n−2−z ) !
n−2
¿ p2 (n−1)n ∑ n−2 ∗q n−2−z
z=0 z ( )
E [ x ( x−1 ) ] =p 2(n−1) n
E [ x 2−x ] =E [ x 2 ] −E [ x ] = p2 n(n−1)
E [ x 2 ] =n∗p+ n(n−1) p2
¿ n∗p−n∗p2
¿ n∗p(1− p)
V ( X )=n∗p∗q
Demostración de la Esperanza
Esperanza: E ( X ) =np
E ( X ) =∑ x p( x )
x
n
n!
∑ x x ! ( n−x p x∗qn− x
x=0 )!
n
n!
∑ x x ! ( n− p x∗qn− x
x=1 x) !
n
n
(n−1)!
n∗p ∑ p x−1∗q n−x
x=1 ( x −1)! ( n−x ) !
z=x−1
x=z +1
n−1
( n−1 ) !
n∗p ∑ p z∗q n−z −1
z=0 z ! ( N −z−1 ) !
N=n−1
n−1
( n−1 ) !
n∗p ∑ p z∗qn− z−1
z=0 z ! ( n−z−1 ) !
N
N!
n∗p ∑ p z∗q N −z
z=0 z ! ( N −z ) !
N
n∗p ∑ N p z∗q N−z =n∗p
z=0 z ( )
E ( X ) =n∗p
Ejercicios:
Ejercicio 1
En una clase con 20 alumnos el profesor decide preguntar a sus alumnos sobre la “Teoría del
Big Bang”. La probabilidad de que un alumno le responda correctamente es de 0,3
e) Varianza
b) X Bi(20 ; 0,3)
P [ x <3 ] =P [ x=0 ] + P [ x=1 ] + P [ x=2 ]
P [ x =k ] = n p k∗q n−k
()
k
¿ 0,0008+0,0068+ 0,0278=0,0355
c) X Bi(20 ; 0,3)
P [ x =k ] = n p k∗q n−k
()k
P [ x =5 ] = 20 ( 0,3 ) ∗( 0,7 ) =0,1789
5 20−5
( )5
P [ x =6 ] = 20 ( 0,3 ) ∗( 0,7 ) =0,1916
6 20−6
( )6
¿ 0,1746 17 , 46 %
d) X Bi(20 ; 0,3)
E [ X ] =n∗p
¿ 20 ( 0,3 )
¿6
e) V [ X ] =n∗p∗q
¿ 20∗0,3∗0,7
¿ 4,2
Ejercicio 2
X Bi ( 4 ; 0,52 )
a)
P [ x =k ] = n p k∗q n−k
k ()
P [ x =4 ] = 4 ( 0,52 ) ∗( 0,48 ) =0,073116
4 4− 4
4 ()
b)
P [ x =0 ] = 4 ( 0,52 ) ∗( 0,48 ) =0,0530
0 4−0
0 ()
P [ x =1 ] = 4 ( 0,52 ) ∗( 0,48 ) =0,2300
1 4 −1
1 ()
P [ x =2 ] = 4 ( 0,52 ) ∗( 0,48 ) =0,3738
2 4−2
2 ()
P [ x =3 ] = 4 ( 0,52 ) ∗( 0,48 ) =0,2699
3 4−3
3 ()
¿ 0,0530+0,2300+ 0,3738+0,2699
¿ 0,9267
c) X Bi ( 4 ; 0,52 )
E [ X ] =n∗p
¿ 4 (0,52)
¿ 2,08
V [ X ] =n∗p∗q
¿ 4 ( 0,52 )( 0,48 )
¿ 0,9984
Ejercicio 3
Una moneda no cargada se lanza 6 veces (que es lo mismo que lanzar seis monedas a la vez).
Calcular las siguientes probabilidades:
a) La probabilidad de que salgan exactamente 2 soles.
b) La probabilidad de que salgan cuando menos 4 soles.
c) La probabilidad de tener 0 soles.
n=6
P=0.5
P [ x =k ] = n p ∗q
k n−k
()
k
15
a) ( X =2)=b( 2; 6,0.5)=¿ (62 )(0.5) ∗(0.5)
2 6−2
=
64
1
a) P( X =0)=¿ (60 )(0.5) (0.5)
0 6−0
=
64
DISTRIBUCIÓN MULTINOMIAL
p 1, … … , pk ¿
Entonces sea la variable aleatoria Xi , que indica el número de veces que se ha dado el
resultado i sobre los n sucesos. El vector X =( X 1 , … . , Xk) sigue una distribución multinomial
con parámetros n y p, donde p=( p 1, … .. pk ).
Nota:
Nótese que en algunos campos las distribuciones categórica y multinomial se encuentran
unidas, y es común hablar de una distribución multinomial cuando el término más preciso sería
una distribución categórica.
Propiedad
∑ pi =1
i=0
f (x)=¿
En este caso a diferencia de la binomial, en lugar de dos posibles resultados en cada ensayo,
puede haber múltiples resultados:
n!
P [ X 1=x 1 , X 2=x 2 , X 3 =x3 , … ] = p1x p x2 p3x …
1 2 3
x1 ! x 2 ! x 3 ! …
Con n = x 1+ x2 + x 3 +…
E [ X i ]=n∗pi
Varianza
Var [ X i ]=n∗pi∗qi
Ejercicios
1) En un curso el 20% de los alumnos son de Armenia, el 30% de Pereira, el 40% de Manizales,
y el 10% del Valle. En un pequeño grupo se han reunido 4 alumnos. ¿Cuál es la probabilidad de
que 2 sean de Armenia y 2 de Manizales?
n ! p x1 1 . p2x2 . p3x 3 …
P( X 1=2 , X 2=0 , X 3=2, X 3 =0)=
x1 ! . x2 ! . x3 ! …
Para el caso en que k = 2, uno se puede convencer que la distribución multinomial coincide con
la binomial: interpretando que, si no se está en la categoría y1, se está fuera de la categoría y1.
Como p1 + p2 = 1, q ≡ p2 = 1 − p1 y definimos p = p1. De igual forma, n2 = n − n1.
Reemplazando en la distribución multinomial los valores anteriores, se obtiene que P (N1 =
n1,N2 = n2) = P (N1 = n1), donde N1 se distribuye como una binomial de parámetros n y p =
p1. Para el caso en que se tienen k categorías nos interesará la distribución marginal de Ni.
Primero, si seguimos el razonamiento anterior, el hecho que no se seleccione un elemento de
la categoría yi significa que se selecciona un elemento del resto de categorías. Esto se hace con
probabilidad 1 − pi, por lo que la distribución marginal de Ni debiera ser una binomial de
parámetros n y pi.
Haciendo el cálculo:
∑ ¿=n
j
¿ ∑
{n 1 ,… ., nk } ¿{¿¿}
(n 1 ,…n .. nk ) p 1 n1
… … p 1−1¿−1 pi ¿ pi +1¿+1 … .. pk nk
∑ nj=n−¿
j≠ i
n!
¿ pi¿ ∑ p 1n 1 … … pi−1¿−1 pi+1¿+1 … … pk nk
{n 1 ,…. ,nk }¿ {¿¿} n 1 ! … …∋−1! ∋!∋+ 1! … .. nk !
∑
j ≠i
nj=n−¿
n! (n−¿)!
¿ pi¿ ∑ p 1n 1 … … pi−1¿−1 pi+1¿+1 … … pk nk
( n−¿ ) !∋! { n1 , …. ,nk }¿{¿¿} n 1 ! …∋−1!∋+1 ! … .. nk !
∑ nj=n−¿
j ≠i
n!
¿ p1 n1 ¿
( n−¿ ) !∋!
n!
¿ p1 n1 (1−pi )n−¿
( n−¿ ) !∋!
¿ n pi ¿ (1− pi)n−¿
()
¿
Conclusiones
Bibliografía
Páginas web
http://www.criced.tsukuba.ac.jp/grapes/es/image/nikou.html (Consultado
10/12/2019).
http://www.vitutor.com/pro/3/b_g.html (Consultado 10/12/2019).
Libros:
Freixa, M., et al. (1992) Análisis exploratorio de datos: Nuevas técnicas
estadísticas. Barcelona: PPU.
Tanur J. (1992) La Estadística, una Guía de lo Desconocido. Madrid: Alianza
Editorial.