DITRIBUCIÓN BINOMIAL: Jairo Amaya CI: 22.255.

674

1. Definición teórica:
Una 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.
La distribución binomial se extiende como una serie de pruebas o ensayos en la que
solo podemos tener 2 resultados (éxito o fracaso), siendo el éxito nuestra variable
aleatoria.

2. Definición matemática- formula asociada:

( \( p(x=k)= (\frac{n}{k} )p^K \cdot q^(n-k) \)

N= es el número de pruebas
k= es el número de éxitos
p= es la probabilidad del éxito
q= es la probabilidad del fracaso

Número Combinatorio:
\( \frac{N}{K} = \frac{N!}{K!(N-K)!} \)
Media:
\( \mu = n \cdot p \)
Varianza:
\( \sigma^2=n \cdot p \cdot q \)
Desviación Típica
\( \sigma= \sqrt{n \cdotp \cdot q } \)
3. Condiciones o propiedades:
Para que una variable aleatoria se considere que sigue una distribución binomial, tiene
que cumplir con 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 son constante.
 La probabilidad de fracaso ha de ser también constante. 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 lo siguiente.
 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) donde n representa el número de ensayos o experimentos y p la
probabilidad de éxito.

4. Ejemplo de aplicación con resolución de ejercicios:

En un patrón aleatorio de ocho bits utilizado para probar un microcircuito, cada bit tiene
la misma probabilidad de ser 0 o 1. Suponga que los valores de los bits son
independientes.
a) ¿Cuál es la probabilidad de que todos los bits sean 1?
b) ¿Cuál es la probabilidad de que exactamente tres de los bits sean 1?
c) ¿Cuál es la probabilidad de que al menos seis de los bits sean 1?
d) ¿Cuál es la probabilidad de que al menos dos de los bits sean 1?
Solución:
a)P(X=8)=(0,5)8(1-0,5)8-8 =0,0039

b)P(X=3)=(0,5)3(1-0,5)8-3 =0,2188

c) P(X≥6)=P(X=6)+P(X=7)+P(X=8)=
=(0,5)6(1-0,5)8-6+(0,5)7(1-0,5)8-7+(0,5)8(1-0,5)8-8
=0,10938+0,03125+0,00391
=0,1445
d)P(X≥2)=1-P(x<2)
=1-P(X=0)-P(X=1)
=1-(0,5)0(1-0,5)8-0-(0,5)1(1-0,5)8-1
=1-0,00391-0,03125
=0,9648

Distribución Hipergeométrica – Valentina Corzo 28.288.200

Definición teórica

Es una distribución de probabilidad discreta relacionada con muestreos aleatorios y sin

reemplazo, es decir, es útil en aquellos casos en los que se extraigan muestras o se
realicen experiencias repetidas sin devolución del elemento extraído o sin retornar a la
situación experimental inicial. Estudia muestras pequeñas de poblaciones pequeñas y en
el cálculo de probabilidades de juegos de azar. Tiene grandes aplicaciones en el control de
calidad para procesos experimentales en los que no es posible retornar a la situación de
partida. La distribución que describe adecuadamente el número de éxitos en esta
situación se llama distribución hipergeométrica.

El número de combinaciones de k elementos elegidos de un grupo de n elementos es:

\( \frac{n}{k}= \frac{n!}{k!(n-k)!} \)

Definición matemática - fórmula asociada

Se tiene una población de N elementos de los cuales, R pertenecen a la categoría A y N - R

pertenecen a la categoría B. La distribución hipergeométrica mide la probabilidad de
obtener x (0 ≤ x ≤ R) elementos de la categoría A en una muestra sin reemplazo de n
elementos de la población original. Entonces X sigue la distribución hipergeométrica con
los parámetros N, R y n, que se puede denotar como X H(N, R, n).

La fórmula para el cálculo de probabilidad en la distribución hipergeométrica corresponde

a:
\( p(x)=P(X=x)= \frac{ (\frac{R}{x})+(\frac{N-R}{n-x} )}{ (\frac{N}{n}) } \)

N: tamaño de la población
R: número de elementos en la población original que pertenecen a la categoría deseada
n: tamaño de la muestra
x: valor que toma la variable

El rango de x puede determinarse mediante los tres coeficientes binomiales en la

definición, donde x y n – x no son más que R y N – R respectivamente; y ambos no pueden
ser menores que 0. Por lo general, cuando tanto R “el número de éxitos” y N – R “el
número de fracasos” son mayores que el tamaño de la muestra n, el rango de una variable
aleatoria hipergeométrica será x = 0, 1,..., n.

Condiciones o propiedades
- La cantidad total de elementos de una población es finita.
- La muestra representa una porción de la población.
- La probabilidad de ocurrencia del evento en la población es conocida y cambia
ligeramente luego de cada prueba.

La media, varianza y desviación estándar de esta distribución vienen dadas por:

Si X H(N,R,n), entonces

Media

\( \mu x = \frac{(n)(R)}{N} \)

Varianza
\( \sigma x^2=(\frac{R}{N})(1-\frac{R}{N} )( \frac{N-n}{N-1} ) \)

Desviación estándar

\( \sigma x= \sqrt { \sigma x^2 } \)

Ejemplo de aplicación con resolución de ejercicios - del libro por favor

En un lote de diez microcircuitos, tres están defectuosos. Se elige aleatoriamente cuatro
microcircuitos para ser probados. Sea X el número de circuitos probados que son
defectuosos.
a) Determine P(X = 2).
b) Determine μx
c) Determine σx
Datos:
R=3
x=2
N=10
n=4
Se X el número de microcircuitos probados que son defectuosos. Entonces, X
H(10, 3, 4). Se determina P(X=2).
\( p(x)=P(X=x)= \frac{ (\frac{R}{x})+(\frac{N-R}{n-x} )}{ (\frac{N}{n}) } \)

\( P(X=2)= \frac{ (\frac{3}{2})( \frac{10-3}{4-2}) }{ \frac{10}{4} } \)

Probabilidad de combinación

\( \frac{n}{k}= \frac{n!}{k!(n-k)!} \)
\( \frac{3}{2} = \frac{3!}{2!(3-2)!}=3 \)

\( \frac{7}{2}= \frac{7!}{2!(7-2)!}=21 \)

\( \frac{10}{4}= \frac{10!}{4!(10-4)!}=210 \)

Sustituyendo

\( P(X=2)= \frac{(3)(21)}{(210)}=0,3 \)

P=30%

Media

\( \mu x = \frac{(n)(R)}{N} \)

\( \mu x= \frac{(4)(3)}{(10)}= \frac{12}{10} = \frac{6}{5} =1,2 \)

Varianza
\( \sigma x^2=(\frac{R}{N})(1-\frac{R}{N} )( \frac{N-n}{N-1} ) \)

\( \sigma x^2=4( \frac{3}{10})( 1-\frac{3}{10} )( \frac{10-4}{10-1} )=4( \frac{3}{10})( \frac{7}

{10} )( \frac{2}{3} )= (\frac{14}{25} )=0,56 \)

Desviación Estándar

\( \sigma x= \sqrt { \sigma x^2 } \)

\( \sigma x= \sqrt{ \frac{14}{25} } = \frac{ \sqrt{14} }{5}=0,75 \)

DISRIBUCIÓN NORMAL: Yesmith Ardila

1. Definición teórica:
Representa un tipo de guía que posee la cualidad de aproximar con precisión el valor
de una variable al azar a una situación ideal

2. Definición matemática:
Este tipo de distribución admite que una variable al azar específica, a una función es
dependiente de la media conjuntamente de la desviación típica, donde la función y la
variable aleatoria poseen la misma estructura con diferencias leves. Cuando la variable es
continua, toma números reales, mientras que coma cuando es discreta toma números
naturales. Por ejemplo: los resultados de un examen (siendo está la variable continua) y el
número de estudiantes en una escuela (siendo está la variable discreta). Se dice que Dale
la variable al azar "X", la frecuencia de sus observaciones puede aproximarse a una
distribución normal tal que: X~N (µ, σ)
"Variable aleatoria “X” aproximada a una distribución normal"
µ= media
σ= desviación típica
En general, se convierte a unidades estándar al restar la media y dividir entre la desviación
estándar. Por consiguiente, si x es una unidad seleccionada de una población normal con
media m y varianza s2, la unidad estándar equivalente a x es el número z:

\( Z= \frac{x- \mu }{ \sigma } \)

3. Condiciones o propiedades:

 El valor de la media. La mediana y la moda es similar, es decir:

Media=Mediana=Moda
 Cuando la media es distanciada, la probabilidad de aparición de sus valores y
frecuencia descienden.
 Para buscar la distribución normal, se requiere tener especificados: Una variable al
azar, valor de la media, desviación típica, función de densidad de probabilidad o de
distribución.
4. Ejemplo de aplicación:
La resistencia de una aleación de aluminio se distribuye normalmente con media de 10
gigapascales (GPa) y desviación estándar de 1.4 GPa.

a) ¿Cuál es la probabilidad de que una muestra de esta aleación tenga resistencia mayor a 12 GPa?

b) Determine el primer cuartil de la resistencia de esta aleación.

c) Determine el 95o. percentil de la resistencia de esta aleación.

Solución:

\( \mu = 10 \)

\( \sigma = 1,4 \)

a) \( Z= \frac{12-10}{1,4} = 1,43 \)

b) 10 – 1,4 = 9,062 GPa

c) \( \frac{95-10}{1,4} = 12,303 GPa \)