UNIVERSIDAD POLITÉCNICA

DEL ESTADO DE MORELOS.

PROFESOR:

Daniel Rojas Sandoval

ALUMNA:

Tatiana Peñaloza Argüelles

MATERIA:

Probabilidad y Estadística

ESPECIALIDAD:

Ing. Informática

CUATRIMESTRE

Mayo-agosto

GRUPO:

3D

TRABAJO:

Investigación

Fecha de entrega:

15-07-2013
DISTRIBUCIÓN BINOMIAL

Es un experimento que consiste de n ensayos BERNOULLI independientes, cada uno con

probabilidad de éxito p, es decir se llama experimento binomial con n ensayos y parámetros p.
El número de experimentos de Bernoulli se denomina variable aleatoria binomial. La
distribución de probabilidad de esta variable aleatoria discreta se llama distribución binomial, y
sus valores se denotan como (x:n.p), pues dependen del número de pruebas y de la
probabilidad de éxito en una prueba dada.

APLICACIÓN:

De los ejemplos anteriores nos damos cuenta que la distribución binomial es de tipo discreto y
se encuentra en muchos campos científicos. Un ingeniero industrial está profundamente
interesado en la proporción de defectuosos en un proceso industrial, en las mediciones de
control de calidad y los esquemas de muestreo para procesos, se aplica en cualquier situación
industrial donde el resultado de un proceso y los resultados del proceso son independientes, y
la probabilidad de éxito o fracaso es importante, también en el ámbito farmacéutico para
determinar si cura o no cura un medicamento, en ventas, mercadotecnia, inspección de calidad,
investigación de opiniones entre otras.

Ejemplo 1.

Considere el conjunto de experimentos de BERNOULLI en el que se seleccionan tres artículos al

azar de un proceso de ensamblaje, se inspeccionan y se clasifican como defectuosos o no
defectuosos, un articulo defectuoso se designa como un éxito. El número de éxitos es una
variable aleatoria X que forma valores integrales de 0 a 3. Los ocho resultados posibles y los
valores correspondientes de X son:

RESULTADO X
NNN 0
NDN 1
NND 1
DNN 1
NND 2
DND 2
DDN 2
DDD 3

Como los artículos se seleccionan de forma independiente de un proceso que supondremos

produce %25de artículos defectuosos.
P(NDN)=P(N)P(D)P(N)=

Para los demás resultados los cálculos son similares al anterior, por tanto la distribución de
probabilidad de X es:

X 0 1 2 3
F(X) 27/64 27/64 9/64 1/64

Para la distribución de, probabilidad de X, el número de defectuosos es:

P(X=2)=F(2)=b(2;3, )=

Al generalizar la ilustración anterior para obtener una fórmula para b (x;n,p), Es decir, deseamos
encontrar una fórmula que dé la probabilidad de X éxitos en n pruebas para un experimento
binomial.

1. Considerar la probabilidad de x éxitos y n -x fracasos en un orden especifico. Como las

pruebas son independientes, podemos multiplicar todas las probabilidades que corresponden a
los diferentes resultados. Cada éxito ocurre con probabilidad p y cada fracaso con probabilidad
q =1 - p la probabilidad para el orden especifico es .

2. Se debe determinar el número total de puntos muestrales en el experimento que tiene x

éxitos y n - x fracasos. Este número es igual al número de particiones de n resultados en dos
grupos con x en un grupo y n -x en el otro, y se escribe Como estas particiones son
mutuamente excluyentes sumamos las probabilidades de todas las diferentes particiones para
obtener la fórmula general o solo multiplicamos por

Un experimento de bernoulli puede tener como resultado un éxito con probabilidad p y un

fracaso con probabilidad q=1-p.Entonces la distribución de probabilidad de la variable aleatoria
binomial X, el número de éxitos en n pruebas independientes, es

b(x;n,p)= ) , x=0,1,2,…n.

Ejemplo 2.

La probabilidad de que cierta clase de componentes sobreviva a una prueba de choque es ¾.

Encuentre la probabilidad de que sobrevivan exactamente dos de los siguientes cuatro
componentes que se prueben.

Suponiendo que las pruebas son independientes y como p=3/4 para cada una de las cuatro
pruebas por lo que.
b

La distribución binomial deriva su nombre del hecho de que los n + 1 términos en la expansión
binomial de corresponden a los diversos valores de b(x;n,p) para , x=0,1,2,…n. Es
decir.

=b(0;n,p) + b(1;n,p) + b(2;n,p)+ … + + b(n;n,p).

Como p+q=1 vemos que

Ejemplo 3.

La probabilidad de que un paciente se recupere de una rara enfermedad sanguina es 0.4. Si se

sabe que 15 personas contraen están enfermedad, ¿Cual es la probabilidad de que (a)
sobrevivan al menos 10. (b) sobrevivan de 3 a 8 y (c) sobrevivan exactamente 5?

(a) P(X>=10)=1-p(x<10)=1-

(b) P(3<=X<=8)=
.

(c). P(X=5)=b(5;15,0.4)=
.

La media y la varianza de la distribución binomial b(x;n,p) son

La media de cualquier es E( )=(0 ∙ p) +(1 ∙ p)= p. Por tanto, la media de la distribución

binomial es:
 La varianza de cualquier es

La varianza de la distribución binomial es

DISTRIBUCIÓN HIPERGEOMÉTRICA

El número X de éxitos de un experimento hipergeométrico se denomina variable aleatoria

hipergemétrica. La distribución de probabilidad de la variable hipergeométrica se llama
distribución hipergeométrica, y sus valores se denotan como, h (x ; N, n, K), debido a que
dependen del número de éxitos k en el conjunto N del que seleccionamos n artículos.

APLICACIÓN:

Se encuentran en muchas áreas, con gran uso en muestreo de aceptación, pruebas electrónicas
y garantía de calidad, para muchos de estos campos el muestreo se realiza a expensas del
artículo que se prueba. Es decir, el artículo se destruye y por ello no se puede reemplazar en la
muestra. Así, el muestreo sin reemplazo es necesario.

Ejemplo 1.

Si deseamos encontrar la probabilidad de observar tres cartas rojas en cinco extracciones de

una baraja ordinaria de 52 cartas, la distribución binomial no se aplica a menos que cada carta
se reemplace y que el paquete se baraje antes de que se extraiga la siguiente carta. Para
resolver el problema de muestrear sin reemplazo, replanteamos el problema. Si se sacan cinco
cartas al azar, nos interesamos en la probabilidad de seleccionar tres cartas rojas de las 26
disponibles y 2 negras de las 26 cartas negras de que dispone la baraja. Hay formas de
seleccionar tres cartas rojas, y para cada una de estas formas podemos elegir dos cartas negras
de maneras. Por tanto, el número total de formas de seleccionar tres cartas rojas y dos
negras en cinco extracciones es el product . El número total de formas de seleccionar
cualesquiera cinco cartas de las 52 disponibles es . Por ello, la pobabilidad de seleccionar 5
cartas sin reemplazo de las cuales tres sean rojas y dos negras está dada por.
Nos interesa la probabilidad de seleccionar X éxitos de los K artículos considerados como éxito y
n – X fracasos de los N –k artículos que se consideran fracasos cuando se selecciona una
muestra aleatoria de tamaño n de N artículos. Esto se conoce como experimento
hipergeométrico; es decir, uno que posee las siguientes propiedades:

1.- Se selecciona sin reemplazo una muestra aleatoria de tamaño n de N artículos.

2.- K de los N artículos se pueden clasificar como éxitos y N –K se clasifican como fracasos.

Ejemplo 2.

Se selecciona al azar un comité de cinco personas entre tres químicos y cinco físicos. Encuentre
la distribución de probabilidad para el número de quimicos en el comité.

Sea la variable aleatoria X el número de químicos en el comité. Se satisfacen las dos

propiedades de un experimento hipergeométrico . Por ello

P(X=0)=h(0;8,5,3)=

P(X=1)=h(1;8,5,3)=

P(X=2)=h(2;8,5,3)=

P(X=3)=h(3;8,5,3)=

En forma tabular la distribución hipergeométrica de X es como sigue:

X 0 1 2 3

F(X) 1/56 15/56 15/28 5/28

La distribución de probabilidad se establece mediante la fórmula:

h(x;8,5,3)=

La distribución de probabilidad de la variable aleatoria hipergeométrica X, el número de éxitos

en una muestra aleatoria de tamaño n que se selecciona de N artículos de los que k se
denominan éxito y N – k fracaso, es

h(x,N,n,k)=

DIFERENCIA ENTRE DISTRIBUCIÓN HIPERGEOMÉTRICA Y DISTRIBUCIÓN BINOMIAL.

Está en la forma en que se realiza el muestreo, en esta nos interesamos en el cálculo de

probabilidades para el número de observaciones que caen en una categoría particular. Pero en
el caso de la binomial, se requiere la independencia entre las pruebas. Como resultado, si se
aplica la binominal a, digamos, tomar muestras de un lote de artículos (Barajas, lotes de
artículos producidos) el muestreo se debe efectuar con reemplazo de cada articulo después de
que se observe. Por otro lado la distribución hipergeométrica no requiere independencia y se
basa en el muestreo que se realiza sin reemplazo.