DISTRIBUCION

BIONOMIAL
HISTORIA
Su origen se remonta al siglo XVII, cuando
Blaise Pascal y Pierre de Fermat
desarrollaron lo que hoy conocemos como
el triángulo de Pascal. Este triángulo,
aunque aparentemente simple, revela una
estructura matemática que permite calcular
de manera eficiente las probabilidades
asociadas a la distribución binomial.

CONCEPTO
La distribución binomial es una
distribución de probabilidades mediante
la cual se calcula la probabilidad de
ocurrencia de eventos, siempre que se
presenten bajo dos modalidades: éxito o
fracaso.

EXPERIMENTO DE
BERNOULLI
El experimento de Bernoulli es un concepto
fundamental en la teoría de la probabilidad y
estadística, Este experimento es una situación en
la que hay dos resultados posibles: éxito y
fracaso. Estos resultados son mutuamente
excluyentes, lo que significa que no pueden
ocurrir simultáneamente.

FUNCION DE
PROBABILIDAD
 FUNCION DE PROBABILIDAD
ACUMULADA
La función de probabilidad acumulada
de la distribución binomial se refiere a
la probabilidad acumulativa de que
una variable aleatoria binomial tome
un valor igual o menor que un cierto
número.

BRECHAS DE
F(X)
Función de densidad de probabilidad:
Esta función describe la probabilidad de
que una variable aleatoria binomial tome un
valor específico (x) en un conjunto de
ensayos. Es una función discreta y toma
valores distintos para cada valor entero no
negativo de x.

BRECHAS DE
F(X)
Función de probabilidad acumulada:
Esta función calcula la probabilidad acumulada
de que la variable aleatoria binomial sea igual o
menor que un valor específico x. Proporciona la
probabilidad acumulada de obtener un número
igual o menor de éxitos en n ensayos
independientes.

ESPERANZA
la esperanza en una distribución
binomial es el número promedio
de éxitos que puedes esperar en
un conjunto de ensayos
independientes, donde cada
ensayo tiene dos resultados
posibles: éxito o fracaso.

E(X) = N * P

VARIANZA
la varianza cuantifica la variabilidad de
una variable aleatoria que sigue una
distribución binomial. Es una medida
importante para comprender la dispersión
de los resultados en un conjunto de ensayos
independientes, donde cada ensayo tiene
dos resultados posibles: éxito o fracaso.

VAR(X) = N * P * (1 - P)

WWW.UNSITIOGENIAL.ES
 EJEMPLO

La probabilidad de que a un
cliente nuevo le guste la
hamburguesa de Jorge es de
0,8. Si llegan 5 clientes nuevos a
la cafetería, ¿cuál es la
probabilidad de que solo a 3
de ellos les guste la
hamburguesa?

reemplazamos los valores:

LA PROBABILIDAD ES :

LA ESPERANZA ES :
E(X) = 5 * 0.8 = 4

LA VARIANZA ES :

Var(X) = 5 * 0.8 * (1 - 0.8) = 5 * 0.8 * 0.2 = 0.8

 CODIGO EN R

GRAFICA

EXPLICACION
En este código, primero calculamos las
probabilidades para valores discretos de k
usando dEn este código, primero especificamos el
número de ensayos (n), la probabilidad de éxito
en un solo ensayo (p) y los valores posibles de k
(número de éxitos). Luego, calculamos las
probabilidades binomiales para cada valor de k
utilizando dbinom.binom. Luego, creamos un vector
de valores intermedios para k (k_intermedio) y
calculamos la densidad de probabilidad en esos
puntos.

EXPLICACION
GRAFICO
El gráfico se crea utilizando plot, y
utilizamos type = "h" para mostrar
barras verticales que representan
la probabilidad en cada valor de
k. También agregamos una línea
vertical en la media y una línea
horizontal en la altura máxima de
la campana para resaltar estos
puntos clave.
 APLICACIONES

MEDICINA : Número de Efectos

Secundarios de Los Medicamentos
ECONOMIA: Número de
Transacciones fraudulentas
MENSAJES: Número de Correos
Electrónicos No Deseados por Día

WEBGRAFIA
https://curiosaweb.com/la-historia-de-la-
distribucion-binomial/

https://www.lifeder.com/distribucion-binomial/

https://www.gestiopolis.com/que-es-una-
distribucion-binomial/#google_vignette

https://www.gestiopolis.com/que-es-una-
distribucion-binomial/#google_vignette