República Bolivariana de Venezuela

Ministerio del Poder Popular para la Defensa.

Universidad Nacional Experimental Politécnica de la Fuerza Armada
Nacional Bolivariana
Núcleo- Lara.

Distribución Binomial y Poisson

Estudiantes:
 Distribución Binomial.

A lo largo del estudio sobre la probabilidad y estadística nos encontraremos con

términos importantes que debemos conocer antes de avanzar en otros temas, aplica
también para otras ciencias, pero en está ocasión vamos orientados a la Distribución
Binomial. Debemos conocer términos como la media, la varianza, desviación típica, la
población muestras y poblacional, variables discretas, variables continúas. Así como el
estudio de las tablas o gráficas como la de Distribución Normal, T de Student,
Exponencial entre otros y Poisson. Para llegar acá debemos haber estudiado lo antes
mencionado, o si lo recuerdas un poco haz un repaso para afianzar conocimientos, así
será mas fácil el proceso de aprendizaje.

La Distribución Binomial está relacionada con al distribución de Bernoulli

que es una distribución de variable aleatoria X que toma solamente valores de
cero y uno (éxito y fracaso), cuando se realiza un solo experimento.
La distribución binomial se aplica cuando se realizan un número "n" de veces el
experimento de Bernouilli, siendo cada ensayo independiente del anterior. La
variable puede tomar valores entre 0 (si todos los experimentos han sido fracaso)
y n (si todos los experimentos han sido éxitos)

Una distribución binomial es una distribución de 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.
 Ejemplo de experimento aleatorio descrito por una distribución binomial: al
tirar un dado cuatro veces, ¿cuántas veces saldrá el número 6? Este suceso es el
«éxito» del experimento.

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.
Características.
Propiedades de la distribución binomial
Para que una variable aleatoria se considere que sigue una distribución binomial,
tiene que cumplir las siguientes propiedades:
 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.

Fórmula de la Distribución Binomial.

La fórmula para calcular la distribución normal es:

Donde:
n    = número de ensayos/experimentos
x    = número de éxitos
p    = probabilidad de éxito
q    = probabilidad de fracaso (1-p)
Acá aclararemos que lo marcado en paréntesis no es una matriz, sino la expresión
de números combinatorios sin repetición, para la realización de esos cálculos usamos la
siguiente fórmula:

Números combinatorios
Las agrupaciones combinatorias que sólo consideran la esencia de los grupos
formados y no su orden, llamadas combinaciones, han constituido una rama específica
dentro de la especialidad del análisis combinatorio, con múltiples usos en diversos
campos. La expresión numérica de tales combinaciones recibe el nombre de número
combinatorio o coeficiente binómico.
Coeficientes binómicos
 Se define número combinatorio o coeficiente binómico como el valor numérico de
las combinaciones ordinarias (sin repetición) de un conjunto de n elementos tomados en
grupos de r, siendo n y r dos números enteros y positivos tales que n ³ r.
Matemáticamente, un número combinatorio se expresa como:

Los números combinatorios se leen «n sobre r».

Anexo de cálculo de Número Combinatorios.

Pasos a seguir para realizar el ejercicio binomial.
 1) Leer detenidamente el ejercicio.
2) Identificar los datos.
3) Identificar los estados posibles de éxito y fracaso.
4) Tomar los posibles valores que tomará la variable aleatoria con análisis.
5) Calcular Número Combinatorios.
6) Cálculo de la Formula Binomial.
7) Graficar.
8) Emitir Conclusión.

Ejercicio de la distribución binomial

En una fábrica de bombillas el 5% sale con defectos. Determinar la probabilidad de
que una muestra de 12 se encuentre 2 bombillas defectuosas
 DISTRIBUCION DE POISSON
La Distribución de Poisson se llama así en honor a Simeón Dennis Poisson (1781-
1840), Fue propuesta en el año 1838 cuando la dio a conocer en su trabajo de
Recherches sur la probabilité des jugements en matières criminelles et matière
civile (Investigación sobre la probabilidad de los juicios en materias criminales y civiles).
Fue el francés que desarrolló esta distribución basándose en estudios efectuados en la
última parte de su vida.
Esta distribución es una de las más importantes distribuciones de variables
discretas. Sus principales aplicaciones hacen referencias a la modelización de situaciones
en las que nos interesa determinar el número de hechos de ciertos tipos que se pueden
producir en un intervalo de tiempo o de espacio bajo presupuesto de aleatoriedad y
ciertas circunstancias restrictivas. Otro de sus usos frecuentes es la consideración de
límites de procesos dicotómicos reiterados un gran número de veces si la probabilidad de
tener un xito es muy pequeña.
Se aplica a las ocurrencias de algún suceso durante un intervalo determinado.
Nuestra variable aleatoria por representar el número de ocurrencias de un suceso en un
intervalo determinado, el cual podrá ser tiempo, distancia, área, volumen o alguna otra
unidad similar o derivada de estas.
Se trata de un modelo discreto, pero en el que el conjunto de valores con
probabilidad no nula no es finito, sino numerable. Se dice que una variable aleatoria X si
la distribución de poisson si su función de densidad viene dada por:

Se especifica por un parámetro: lambda (ƛ). Este parámetro es igual a la medida y

la varianza. Cuando lambda aumente a valores los suficientemente grandes, la
distribución normal (ƛ, ƛ). Podría utilizarse para aproximar la distribución de poisson.
Cuando en una distribución binomial se realiza el experimento muchas veces, la
muestra n es grande y la probabilidad de éxito p en cada ensayo es baja, es aquí donde
aplica el modelo de distribución de poisson
PROPIEDADES

 Esperanza: E(X)= ƛ

 Varianza: V(X)=ƛ
En esta distribución la esperanza y varianza coinciden.

 La suma de dos variables aleatorias independientes con distribución de poisson

resulta en una nueva variable aleatoria , también con distribución de poisson, de
parámetro igual a la suma de parámetros:

CARACTERISTICAS
Se dice que X sigue una distribución de poisson de parámetro ƛ y que se obtiene el
producto n*p (que se nombra a partir de aquí como np, por mayor simplicidad), que se
representa como la siguiente notación:

La distribución de poisson se caracteriza por lo siguiente:

 Sea una población de tamaño ∞.

 Sea una muestra de tamaño n bastante elevado (se suele hablar de que tiende a
∞).

 Los sucesos son independientes entre sí.

 Sea A un suceso que tiene una probabilidad p de suceder durante un periodo de

tiempo, siendo esta probabilidad de ocurrencia durante un periodo de tiempo
concreto muy pequeña (se suele hablar de que tiende a O).

 El producto n*p, tiende a aproximarse a un valor promedio o número medio, al que

llamaremos ƛ, por ejemplo, promedio de llamadas recibidas en una centralita por
minuto o número medio de accidentes producidos en una carretera durante el fin
de semana.

 X: número de individuos de la muestra que cumplen A.

 El conjunto de posibles valores de A es, E= {0,1,2,3,4…}

Procedimiento
La probabilidad de que ocurra un determinado suceso en la distribución de poisson viene
da por la formula:

λ x × e− λ
p=
x!

Donde λ es el parámetro de la distribución y representa el número promedio de sucesos

por unidad de tiempo (o también longitud, superficie, volumen, entre otros) y e= 2,71828…
En esta definición debe destacarse que la variable aleatoria X representa el número de
sucesos que se producen en un intervalo continuo T o en una región especifica y que
puede tomar un conjunto infinito numerable de valores.
Con base a la información dada, procederemos con un ejemplo para dar a conocer su
procedimiento: en un hospital de una importante ciudad se está estudiando los
nacimientos de bebes varones. Se sabe que en una semana nacen una media de 7
varones. Calcular:
1. Probabilidad de que nazcan 3 varones en una semana.
2. Probabilidad de que nazcan menos de 3 varones a la semana.
Podemos observar que:
X= nacimiento de bebes varones. λ= 7 varones a la
semana.
1. Para el primer apartado seria:

73 ×e−7
p ( x=3 )= =0,052 ≈ 5,2 %
3!

2. Para el segundo apartado donde nos preguntan la probabilidad de que nazcan

menos de 3 varones a la semana. En este caso tendríamos la probabilidad de que
p(x <3) cabe destacar que no se puede poner menor o igual que 3 ya que el
enunciado nos pide que sea menos de 3.

Quedaría entonces el caso de p(x=0) es decir que no nazca ningún varón, mas la
probabilidad de que nazca solo un varón, mas la probabilidad de que nazcan dos varones.
Una vez definido esto se procederá a realizar los cálculos respectivos con la ecuación ya
señalada:
 7 0 × e−7
p ( x=0 )= =0,001 Sumando cada uno de los valores
0!
obtenidos, nos da la probabilidad
de 0,029≈2,9%

71 × e−7
p ( x=1 )= =0,006
1!

72 ×e−7
p ( x=2 )= =0,022
2!

Podemos concluir que la probabilidad saldrá alta cuanto más nos acerquemos a nuestra
media.

Metodología
La metodología sobre la distribución de Poisson se aplica cuando en el experimento que
se realiza ocurren sucesos llamados raros, los cuales se identifican con una probabilidad
de éxito sumamente pequeña p y el número de observaciones n grande. Esta distribución
halla la probabilidad de ocurrencia de cualquier número de éxitos x por unidad de
medición (minuto, hora, día, centímetro, metro, etc.), y en estos problemas para su
solución dan el valor del parámetro lambda λ; o sea, el promedio o razón de ocurrencia
del evento aleatorio por unidad de tiempo o espacio y el número de éxitos. Donde λ=np, y
para calcular la probabilidad se utiliza la fórmula:

λ x × e− λ
p=
x!

EJEMPLO
La distribución de Poisson, según hemos señalado, se refiere a ciertos procesos que
pueden ser descritos con una variable aleatoria discreta. La letra X suele representar esa
variable y puede además asumir valores enteros (0,1,2,3 etc.). Utilizamos la letra X
mayúscula para representar la variable aleatoria y la x minúscula para designar un valor
específico que puede asumir la X mayúscula. La probabilidad de exactamente x
ocurrencias en una distribución de Poisson se calcula mediante la fórmula:
P(x) = l x * e-l / x!
l x = Lambda
(número medio de ocurrencias por intervalo de tiempo) elevada a la potencia x.
e-l = e= 2.71828 elevado a la potencia de lambda negativa.
x! = x factorial.
Ejemplo:
Supóngase que estamos investigando la seguridad de un crucero muy peligroso. Los
archivos de la policía indican una media de cinco accidentes por mes en él. El número de
accidentes está distribuido conforme a la distribución de Poisson, y la división de
seguridad en carreteras quiere calcular la probabilidad de exactamente 0,1,2,3 y 4
accidentes en un mes determinado.
Aplicando la fórmula anterior:
P(0) = (5)0 (e-5) /0! = 0.00674
P(1) = (5)1 (e-5) /1! = 0.03370
P(2) = (5)2 (e-5) /2! = 0.08425
P(3) = (5)3 (e-5) /3! = 0.14042
P(4) = (5)4 (e-5) /4! = 0.17552
Para saber cuál es la probabilidad en 3 o menos, sumaremos las probabilidades de
0,1,2,3 lo que será igual a:
P(0) = 0.00674
P(1) = 0.03370

P(2) = 0.08425
P(3) = 0.14042
P(3 o menos) = 0.26511
Dado que la probabilidad de que haya 3 o menos accidentes es de 0.26511 entonces la
probabilidad de que ocurran más de tres debe ser = 1 –0.26511 = 0.73489.
La distribución de Poisson como una aproximación a la distribución binomial.
Algunas veces, si se desea evitar el tedioso trabajo de calcular las distribuciones
binomiales, se puede usar a cambio la de Poisson, pero debe cumplir con ciertas
condiciones como:
n=>20
p=<0.05
En los casos en que se satisfacen tales condiciones, podemos sustituir la media de la
distribución binomial en lugar de la media de la distribución de Poisson de modo que la
fórmula quedaría así:
P(x) = (np) X * e-np /x!