DISTRIBUCION BINOMIAL

Distribución binomial
Una distribución binomial, en estadística, es una distribución de
probabilidad discreta (función que asigna a cada suceso definido sobre la
variable la probabilidad de que dicho suceso ocurra) que describe el
número de éxitos al realizar n  experimentos o ensayos de Bernoulli
independientes entre sí, acerca de una variable aleatoria.

La última novela de un autor ha tenido un gran éxito, hasta el punto de que

el 80% de los lectores ya la han leído.

n=número de persona
k = Numero probable de persona
P=probabilidad de aciertos o de éxito
q= probabilidad de fracaso o desacierto

Un grupo de 4 amigos son aficionados a la lectura:

1 ¿Cuál es la probabilidad de que en el grupo hayan leído la novela 2

personas?

n= 4 k = 2 p= 0.8 q= 0.2

P(x= 2) = 4C2 (0.8)2(0.2) 4 – 2

P(x=2) = 6(0.64) (0.2)2

P(x=2) = 6(0.64) (0.04) = 0.1536 *100= 15.36 %

2  ¿Cuál es la probabilidad de que en el grupo hayan leído la novela 3

personas? n= 4 K = 3 p = 0.8 q = 0.2

P(x= 3) = 4C3 (0.8)3(0.2) 4 – 3

P(x=3) = 4 (0.8)3 (0.2)

P(x=3) = 4(0.512) (0.2) = 0.4096 *100 = 40.96 %

3 - ¿Cuál es la probabilidad de que en el grupo ninguno haya leído la

novela? n= 4 K = 0 p = 0.8 q = 0.2
P(x= 0) = 4C0 (0.8)0(0.2) 4 – 0

P(x= 0) = 4C0 (0.8)0(0.2) 4

P(x= 0) = 4 (1)(0.0016) = 0.0064 * 100 = 0.64 %

Distribucion de poisson

 Esta distribución es una de las más importantes distribuciones de variable

discreta. Sus principales aplicaciones hacen referencia a la modelización de
situaciones en las que nos interesa determinar el número de hechos de cierto
tipo que se pueden producir en un intervalo de tiempo o de espacio, bajo
presupuestos de aleatoriedad y ciertas circunstancias restrictivas. Otro de sus
usos frecuentes es la consideración límite de procesos dicotómicos reiterados
un gran número de veces si la probabilidad de obtener un éxito es muy

pequeña .  

Una compañía telefónica recibe llamadas a razón de 8 por minuto. Si la

distribución del número de llamadas es de Poisson, calcular la probabilidad de
recibir cuatro llamadas en un determinado minuto.

e=2.7182 λ = 8 x= 4

P(4) = (2.7182)-8 (8)4 / 4! 4! = 4*3*2*1 = 24

P(4) = (0.0003355) (4096) / 24

P(4) = 1.3742/24 = 0.0572 * 100 = 5.72 %

Distribución normal
 En estadística y probabilidad, una
distribución normal, también llamada
distribución de Gauss, distribución
gaussiana o distribución de Laplace-
Gauss, es la más importante de todas las distribuciones de probabilidad de
variable continuay es la que aparece con más frecuencia en estadística y en
la teoría de probabilidades. Pero ¿qué es exactamente?

Pues es un modelo teórico que sirve para aproximar satisfactoriamente el

valor de una variable aleatoria continua a una situación ideal.

*La temperatura durante septiembre está distribuida normalmente con media

25ºC y desviación standard 4ºC. Calcule la probabilidad de que la temperatura
durante septiembre esté por debajo de 23ºC.

Z = (x - µ)/ᵟ
Z = (25 – 23)/4 = 2/4 = 0.5 = 0.6915 * 100 = 69.15 %