UNIVERSIDAD DE LA COSTA, CUC

DEPARTAMENTO DE CIENCIAS BÁSICAS

FACULTAD DE INGENIERÍA

LABORATORIO PARA LA DISTRIBUCIÓN BINOMIAL

Jesús D. Cogollo1, Arturo Rodriguez1, Daniela Gomez1, Yuranis Zambrano 1
1
Ingeniería Industrial
Harold Madrid. CD – 02-09-2016
Laboratorio de Control de Calidad, Universidad de la Costa, Barranquilla

Resumen Canicas, caja binomial, probabilidad de

Este laboratorio tuvo como objetivo
principal demostrar la convergencia de
una distribución binomial a la distribución
de poisson de acuerdo al aumento del
tamaño de la muestra, para poder así
Comprender la incidencia de la
aleatoriedad en los resultados de un
evento.  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.
Para ello se usó canicas de dos colores
distintos, luego se procedió a tomar al
azar 10 canicas se realizó un
experimento muy sencillo para el cual se
necesitó de una caja binomial que en su
interior contenía 115 canicas de dos
colores 100 de un color y 15 blancas,
donde habían para contar cuantas de
color blanco se obtenían al sacar de la
caja y así obtener resultados aleatorios,
al terminar se procedió a organizar y
tabular los datos obtenidos en Excel,
mediante unas tablas para después
analizar dichos resultados, con el fin de
determinar la la probabilidad
experimental, probabilidad teórica
poisson y probabilidad teórica binomial
que se presenten varios eventos
correspondientes y luego compararla con
el comportamiento binomial arrojado.
A su vez tras analizar las gráficas del
comportamiento de la relación existente
entre la probabilidad teórica de poisson y
la binomial.
Palabras claves
poisson, probabilidad teórica binomial,
probabilidad experimental, probabilidad
binomial.
Abstract
The lab's main objective was to
demonstrate the convergence of a
binomial distribution of Poisson according
to the increased sample size distribution,
in order to understand the impact of
randomness in the results of an event.
The Poisson distribution is a discrete
probability distribution expressing, from a
half occurrence frequency, the probability
that a certain number of events occurring
during a period of time.
For this marbles of two different colors are
used, then she proceeded to take random
10 marbles a very simple experiment for
which he needed a binomial box inside
containing 115 marbles of two colors 100
color and 15 was conducted white, where
they had to count how many white were
obtained when removed from the box and
get random results, finishing proceeded to
organize and tabular data from Excel,
using tables and then analyze these
results in order to determine the
experimental probability binomial, Poisson
probability theory and theoretical
probability that several corresponding
events occur and then compare it with the
binomial thrown behavior.
In turn after analyzing the behavior
graphs the relationship between the
theoretical probability of Poisson and
binomial.
Key words

1
 UNIVERSIDAD DE LA COSTA, CUC
DEPARTAMENTO DE CIENCIAS BÁSICAS
FACULTAD DE INGENIERÍA
Marbles, binomial box probability of
Poisson, binomial theoretical probability,
experimental probability, binomial
probability.
1. Introducción
La presente experiencia de laboratorio
tuvo como objetivo ilustrar la distribución
de poisson donde se realizó una serie de
pruebas idénticas que tuvieron dos
posibles resultados de éxito o fracaso y la
probabilidad de éxito, que permanece
constante.
La distribución de Poisson se le atribuye
Simón Dennis Poisson, quien la dio a
conocer en 1838 y es de utilidad para
estudiar la probabilidad de que en un
tiempo determinado sucedan x sucesos
que no suelen presentarse con tanta
frecuencia cuyo resultado lo representa
una variable discreta; si bien se conoce la
probabilidad nace por el deseo, la
curiosidad y la intención del hombre por
poder pronosticar o adelantarse a
sucesos o eventos futuros, esta
distribución es aplicable también a
cuando se desea conocer la llamadas
telefónicas que se reciben en un dia, los
defectos en manufactura de papel por
cada metro cuadrado, los envases
llenados fuera de los limites por cada 100
galones de producto terminado o el
número de fallas en la superficie de una
cerámica.
2. Fundamentos Teóricos
2.1. DISTRIBUCION DE POISSON
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
2
con probabilidades muy pequeñas, o
sucesos "raros".
Fue descubierta por Simeón-Denis
Poisson, que la dio a conocer en 1838 en
su en su libro Recherchés sur la
probabilité des jugements. (Investigación
sobre la probabilidad de los juicios en
materias criminales y civiles).
 La distribución de Poisson describe la
probabilidad como un acontecimiento
fortuito ocurrido en un tiempo o intervalo
de espacio bajo las condiciones que la
probabilidad de un acontecimiento ocurre
es muy pequeña, pero el número de
intentos es muy grande, entonces el
evento actual ocurre algunas veces.
En teoría de probabilidad y estadística,
la distribución de Poisson es
una distribución de probabilidad discreta.
Así tiempo fijo si estos eventos ocurren
con una frecuencia media conocida y son
independientes del tiempo discurrido
desde el último evento.
La función de masa de la distribución de
Poisson es:
Donde λ es un parámetro positivo que
representa la frecuencia esperada del
fenómeno modelado por la distribución.
Tanto el valor esperado como
la varianza de una variable aleatoria con
distribución de Poisson son iguales a λ.
Los momentos de orden superior
son polinomios de Touchard en λ cuyos
coeficientes tienen una
interpretación combinatoria. De hecho,
cuando el valor esperado de la
distribución de Poisson es 1, entonces
según la fórmula de Dobinski, el n-ésimo
momento iguala al número
de particiones de tamaño.
Se puede probar que la distribución
binomial tiende a converger a la
distribución de Poisson cuando el
 UNIVERSIDAD DE LA COSTA, CUC
DEPARTAMENTO DE CIENCIAS BÁSICAS
FACULTAD DE INGENIERÍA
parámetro n tiende a infinito y el
parámetro p tiende a ser cero, de manera
que el producto de n por p sea una
cantidad constante. De ocurrir esto la
distribución binomial tiende a un modelo
de Poisson de parámetro l igual a n por p
Este resultado es importante a la hora del
cálculo de probabilidades, o incluso a la
hora de inferir características de la
distribución binomial cuando el número
de pruebas sea muy grande   y la
probabilidad de éxito sea muy pequeña
.
        El resultado se prueba,
comprobando como la función de cuantía
de una distribución binomial con  1. Bolas de colores
y   tiende a una función de
cuantía de una distribución de Poisson
con   siempre que este producto
sea una cantidad constante (un valor
finito)
2.2 DISTRIBUCION BINOMIAL
Las distribuciones binomiales son las más
útiles dentro de las distribuciones de
probabilidad discretas. Sus áreas de
aplicación incluyen inspección de calidad,
ventas, mercadotecnia, medicina,
investigación de opiniones, entre otras.
Estas distribuciones permiten enfrentar
circunstancias en las que los resultados
pertenecen a dos categorías relevantes:
que ocurra un evento determinado o que
no lo haga. Este tipo de experimento
aleatorio particular es
denominado ensayo de Bernoulli. Sus
dos resultados posibles son denotados
por "éxito" y "fracaso" y se define por p la
probabilidad de un éxito y 1-p la
probabilidad de un fracaso.
2.3 PROBABILIDAD EXPERIMENTAL
La probabilidad experimental es
la probabilidad asignada a un suceso
3
mediante el cálculo de la frecuencia
relativa del mismo al repetir el
experimento muchas veces. Cuanto
mayor es el número de pruebas
realizadas más se aproxima el valor
obtenido al valor desconocido de
la probabilidad teórica.
3. Desarrollo experimental
Para cumplir con los objetivos propuestos
y llevar a cabo el desarrollo de la
experiencia se hizo uso de los materiales
suministrados por el docente:
2. Cajas binomial
3. EXCEL
El número de bolas de color diferentes en
cada muestra, proporción de bolas de
color diferentes en la población (p=0,02)
Tras lo anterior se inició usando la caja
binomial donde se encontraban
depositadas las canicas procediendo a
tomar 100 muestras de tamaño 10, y
sucesivamente se procedía a anotar los
resultados que nos iba arrojando la
práctica.
Finalmente se procedió a pasar los datos
al sistema con la ayuda de Excel para si
luego realizar el respectivo análisis.
A continuación se muestran los
resultados obtenidos:
En la tabla No.1, se encuentran
registradas el número de bolas de color
diferentes halladas en cada muestra.
En la tabla No.2 se anotaron el número
de muestras individuales en las cuales
se evidencian los resultados más
frecuentes con su respectiva
probabilidad experimental y probabilidad
teórica.
En la tabla No.3 se siguió el mismo
procedimiento de la tabla no.2 pero con la
diferencia de que se tuvieron en cuenta
los datos de todos los grupos.
 UNIVERSIDAD DE LA COSTA, CUC
DEPARTAMENTO DE CIENCIAS BÁSICAS

FACULTAD DE INGENIERÍA

TABLA No.1 Resultados del número de bolas

de colores diferentes.
1-10 1 1 1 5 2 2 2 1 2 2
11-20 2 3 1 1 4 1 1 3 3 2
21-30 3 5 2 2 4 3 4 4 4 2
31-40 3 4 4 3 2 6 6 2 3 3
41-50 4 2 2 4 4 2 4 2 4 4
51-60 1 3 1 2 1 1 3 3 3 2
4. Resultados y análisis
61-70 2 3 3 2 4 3 1 2 1 4
71-80 1 1 4 1 4 3 2 2 3 2
81-90 2 1 1 2 3 1 3 2 2 4 Los datos obtenidos en el desarrollo
91-100 2 6 3 4 3 2 1 2 4 1 experimental permiten determinar la
frecuencia total y teórica para luego
analizar la probabilidad teórica con la
TABLA No.2 Probabilidad experimental y probabilidad experimental de un modelo
teórica. de poisson y luego compararlo con el
comportamiento binomial arrojado por la
gráfica.

A continuación se muestran dos graficas

una donde se ve el comportamiento de
los resultados individuales (grafica1) y
otra de los resultados grupales (grafico 2)

TABLA No.3 Probabilidades experimentales

y teóricas de todos los grupos.

Grafica 1.

4
 UNIVERSIDAD DE LA COSTA, CUC
DEPARTAMENTO DE CIENCIAS BÁSICAS

FACULTAD DE INGENIERÍA

En los resultados podemos concluir que

son variantes las frecuencias, puede
notar que la probabilidad teórica de
poisson y la binomial tienen un
comportamiento muy similar. “las
estadísticas de los resultados varían
aleatoriamente según las estadísticas
arrojadas por las experiencias, nada está
dicho pero se puede llegar a tener una
probabilidad casi segura de resultados
debido a estos laboratorios”.
Grafica 2.

Y acudiendo a las gráficas anteriores se

puede mostrar tanto el comportamiento
que toma la frecuencia para los datos
individuales como para los grupales.
En la gráfica para los datos individuales
(grafica 1) al realizar la comparación se
puede notar que la probabilidad teórica
de poisson y la binomial tienen un
comportamiento muy similar, y que se
encuentran muy distantes a lo arrojado
por la probabilidad experimental.
6. Bibliografía
https://es.wikipedia.org/wiki/Distribuci
%C3%B3n_de_Poisson
http://manuelreyesdistribuciones.blogspot.
com.co/2010/10/distribuciones-binomial-
poisson-normal_1712.html
recursostic.educacion.es/secundaria/edad
/.../3quincena12_contenidos_2d.htm

En la gráfica para los datos grupales http://datateca.unad.edu.co/contenidos/10

(grafica 2) se puede evidenciar algo 0402/moduloexe/leccin_22_distribucin_bi
similar al anterior, por lo que partiendo de nomial.html
esto se puede afirmar que es claramente
evidente que los resultados teóricos
esperados son de cierto modo distintos a
los obtenidos luego de la experiencia.

5. Conclusiones

Podemos concluir de esta experiencia

que como lo dice su título la distribución
de Poisson es para obtener la
probabilidad de ocurrencia de sucesos
raros (eventos que ocurren con poca
frecuencia). También podemos ver que
La distribución de Poisson se utiliza en
situaciones donde los sucesos son
impredecibles o de ocurrencia aleatoria,
todo esto nos dio las herramientas
necesarias para entender estas
situaciones y llenarnos de experiencia
para así poder llevar acabo nuestra
experiencia en el laboratorio.