UNIVERSIDAD NACIONAL DE LA AMAZONÍA PERUANA

FACULTAD DE CIENCIAS DE LA EDUCACIÓN Y HUMANIDADES

ESCUELA PROFESIONAL DE EDUCACIÓN FÍSICA

ALUMNO : CHENG SU VELA RENGIFO

ASIGANTURA : ESTADÍSTICA II

TEMAS : ENSAYO BERNOULLI, DISTRIBUCION BINOMIAL, DISTRIBUCION DE

POISSON, DISTRIBUCION NORMAL, CHI CUADRADO

DOCENTE : JULIO GOICOCHEA

NIVEL : III

CICLO : VI

IQUITOS-PERÚ

2021
 Ensayo de Bernoulli

En la teoría de probabilidad y estadística, un ensayo de Bernoulli es un experimento aleatorio en

el que sólo se pueden obtener dos resultados (habitualmente etiquetados como éxito y fracaso).
Se denomina así en honor a Jakob Bernoulli.

Desde el punto de vista de la teoría de la probabilidad, estos ensayos están modelados por una
variable aleatoria que puede tomar sólo dos valores, 0 y 1. Habitualmente, se utiliza el 1 para
representar el éxito.

Si p es la probabilidad de éxito, entonces el valor del valor esperado de la variable aleatoria es p

y su varianza, p (1-p).

Los procesos de Bernoulli son los que resultan de la repetición en el tiempo de ensayos de
Bernoulli independientes pero idénticos.

Ejemplos

En la práctica, los ensayos de Bernoulli se utilizan para modelar fenómenos aleatorios que sólo
tienen dos resultados posibles, como por ejemplo:

 Al lanzar una moneda, comprobar si sale cara (éxito) o cruz (fracaso). Se suele suponer
que una moneda tiene una probabilidad de éxito de 0,5.
 Al lanzar un dado, ver si se obtiene un seis (éxito) o cualquier otro valor (fracaso).
 Al realizar una encuesta política, tras escoger un votante al azar, ver si este votará "sí" en
un referéndum próximo.
 ¿Era el recién nacido niña?
 ¿Son verdes los ojos de una persona?
 ¿Decidió un cliente potencial comprar determinado producto?

Distribución binomial
En teoría de la probabilidad y estadística, la distribución binomial o distribución binómica es una
distribución de probabilidad discreta que cuenta el número de éxitos en una secuencia de n ensayos de
Bernoulli independientes entre sí con una probabilidad fija p de ocurrencia de éxito entre los ensayos. Un
experimento de Bernoulli se caracteriza por ser dicotómico, esto es, solo dos resultados son posibles, a
uno de estos se le denomina “éxito” y tiene una probabilidad de ocurrencia p y al otro se le denomina
“fracaso” y tiene una probabilidad q= 1-p.

Ejemplo
Supongamos que se lanza 51 veces un dado de 6 caras y queremos calcular la probabilidad de
que el número 3 salga 20 veces.

En este problema un ensayo consiste en lanzar el dado una vez. Consideramos un éxito si
obtenemos un 3 pero si no sale 3 lo consideramos como un fracaso. Defínase como el número de
veces que se obtiene un 3 en 51 lanzamientos.

Distribución de Poisson
La distribución de Poisson es popular porque modela el número de veces que ocurre un evento en un
intervalo de tiempo.

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 con probabilidades muy pequeñas, o sucesos «raros».

Ejemplo

Si el 2%de los libros encuadernados en cierto taller tienen encuadernación defectuosa, para obtener la
probabilidad de que 5 de 400 libros encuadernados en este taller tengan encuadernaciones defectuosas
usamos la distribución de Poisson, si se define x como el número de libros que tengan encuadernación
defectuosa entonces k=5 y x (el valor esperado de libros defectuosos) es el 2 % de 400.
En estadística y probabilidad se llama distribución normal, distribución de Gauss,
distribución gaussiana o distribución de Laplace-Gauss, a una de las distribuciones de
probabilidad de variable continua que con más frecuencia aparece en estadística y en la teoría de
probabilidades.

La gráfica de su función de densidad tiene una forma acampanada y es simétrica respecto de un

determinado parámetro estadístico. Esta curva se conoce como campana de Gauss y es el gráfico
de una función gaussiana.2

La importancia de esta distribución radica en que permite modelar numerosos fenómenos

naturales, sociales y psicológicos.3Mientras que los mecanismos que subyacen a gran parte de
este tipo de fenómenos son desconocidos, por la enorme cantidad de variables incontrolables que
en ellos intervienen, el uso del modelo normal puede justificarse asumiendo que cada
observación se obtiene como la suma de unas pocas causas independientes.

De hecho, la estadística descriptiva solo permite describir un fenómeno, sin explicación alguna.
Para la explicación causal es preciso el diseño experimental, de ahí que al uso de la estadística en
psicología y sociología sea conocido como método correlacional.

La distribución normal también es importante por su relación con la estimación por mínimos
cuadrados, uno de los métodos de estimación más simples y antiguos.

Algunos ejemplos de variables asociadas a fenómenos naturales que siguen el modelo de la

normal son:

 caracteres morfológicos de individuos como la estatura;

 caracteres fisiológicos como el efecto de un fármaco;
 caracteres sociológicos como el consumo de cierto producto por un mismo grupo de
individuos;
 caracteres psicológicos como el cociente intelectual;
 nivel de ruido en telecomunicaciones;
 errores cometidos al medir ciertas magnitudes;
 etc.

La distribución normal también aparece en muchas áreas de la propia estadística. Por ejemplo, la
distribución muestral de las medias muestrales es aproximadamente normal, cuando la
distribución de la población de la cual se extrae la muestra no es normal.4 Además, la
distribución normal maximiza la entropía entre todas las distribuciones con media y varianza
conocidas, lo cual la convierte en la elección natural de la distribución subyacente a una lista de
datos resumidos en términos de media muestral y varianza. La distribución normal es la más
extendida en estadística y muchos tests estadísticos están basados en una “normalidad” más o
menos justificada de la variable aleatoria bajo estudio.

En probabilidad, la distribución normal aparece como el límite de varias distribuciones de

probabilidad continuas y discretas.

Distribución χ²
En teoría de la probabilidad y en estadística, la distribución chi cuadrada (también llamada
distribución de Pearson o distribución x2) con K E N grados de libertad es la distribución de la suma
del cuadrado de K variables aleatorias independientes con distribución normal estándar. La distribución
chi cuadrada es un caso especial de la distribución gamma y es una de las distribuciones de probabilidad
más usadas en Inferencia Estadística, principalmente en pruebas de hipótesis y en la construcción de
intervalos de confianza.