Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Distribuciones-Discretas Binomial
Distribuciones-Discretas Binomial
Función de distribución:
1 p, para x 0
F ( x)
1, para x 1 3
Ejercicio: Calcular la esperanza y la varianza
de la distribución de Bernoulli.
1
E[ X ] x P( X x)
x 0
0 P( X 0) 1 P( X 1) p
1
Var ( X ) E[ X ] ( E[ X ]) x P( X x) p
2 2 2 2
x 0
0 P( X 0) 1 P( X 1) p
2 2 2
p p p (1 p )
2
4
Distribución binomial
La distribución binomial aparece cuando estamos
interesados en el número de veces que un suceso
A ocurre (éxitos) en n intentos independientes de
un experimento.
P. ej.: # de caras en n lanzamientos de una moneda.
5
Experimento aleatorio: n = 3 lanzamientos de una moneda.
Probabilidad de éxito en cada lanzamiento (cara) = p.
Probabilidad de fracaso en cada lanzamiento (cruz) = 1- p = q.
3 p 2 (1 p)
3 p(1 p) 2
6
Supongamos que el experimento consta de n
intentos y definamos la variable aleatoria:
n x n x n! n x
B(n, p) p( x) p (1 p) p (1 p)
x
x x!(n x)!
8
9
Ejercicio:
¿Cuál es la probabilidad de que en una familia de 4 hijos
exactamente 2 sean niñas?
n x
p(x) p ( 1 p)n x
x
p 0.5; n 4; x 2
4
p( 2 ) ( 0.5 ) ( 1-0.5 )
2 4- 2
2
10
Ejercicio:
Si una décima parte de personas tiene cierto grupo
sanguíneo, ¿cuál es la probabilidad de que entre 100
personas escogidas al azar exactamente 8 de ellas
pertenezcan a este grupo sanguíneo?
n x n x
p(x) p ( 1 p)
x
p 0.1; n 100; x 8
100
p( 8 ) ( 0.1 )8( 1-0.1 )92
8
11
¿Y si la pregunta es 8 como máximo?
8
n x
p(x 8 ) p ( 1 p)n x
x 0 x
8
100
(0.1) x ( 0.9 )100 x
x 0 x
12
Calcula la probabilidad de obtener al menos dos seises al
lanzar un dado cuatro veces.
n k nk
P(k ) p q (k 0,1,....n)
k
p = 1/6, q = 5/6, n = 4
4 1 5 4 1 5 4 1
2 2 3 4
Desviación estándar
P(X) n = 5 p = 0.5
np(1 p) .6
.4
A N A
x n x
H (n, N , A) P( x) ( x 0,1, ..., n)
N
n 15
Queremos seleccionar al azar dos bolas de una caja que contiene
10 bolas, tres de las cuales son rojas. Encuentra la función de
probabilidad de la variable aleatoria : X = Número de bolas rojas
en cada elección (con y sin reemplazo).
Tenemos N = 10, A = 3, N - A = 7, n = 2
Escogemos con reemplazo:
2 x
2 3
x
7
p( x) , p(0) 0.49, p(1) 0.42, p(2) 0.09
x 10 10
Escogemos sin reemplazo:
3 7
x 2 x 21 3
p( x) p(0) p(1) 0.47 , p(2) 0.07
10 45 45
2 16
Hipergeométrica Binomial
N = 24 n=5
X=8 p = 8/24 =1/3
n=5 Observa que si N,
x P(x) P(x) Error A, N-A son grandes
0 0.1028 0.1317 -0.0289 comparados con n
1 0.3426 0.3292 0.0133
2 0.3689 0.3292 0.0397
no hay gran
3 0.1581 0.1646 -0.0065 diferencia en qué
4 0.0264 0.0412 -0.0148
-0.0028
distribución
5 0.0013 0.0041
N = 240 n=5
empleemos.
X = 80 p = 80/240 =1/3 La distribución
n=5
binomial es una
x P(x) P(x) Error aproximación
0 0.1289 0.1317 -0.0028
1 0.3306 0.3292 0.0014
aceptable a la
2 0.3327 0.3292 0.0035 hipergeométrica
3 0.1642 0.1646 -0.0004 si n < 5% de N.
4 0.0398 0.0412 -0.0014 17
5 0.0038 0.0041 -0.0003
Distribución de Poisson
Cuando en una distribución binomial el número de intentos (n)
es grande y la probabilidad de éxito (p) es pequeña, la
distribución binomial converge a la distribución de Poisson:
e x
p ( x) , x 0,1,2,... 0
x!
donde np =
Observa que si p es pequeña, el éxito es
un “suceso raro”.
P( X 0) B(n, p,0) (1 p) 1
n
n
Observa que para n grande P(X = 0) es aproximadamente e-λ.
Además para n grande (y por tanto p muy pequeño):
B(n, p, k ) (k 1) p
B(n, p, k 1) k (1 p) k 20
Tenemos entonces B(n, p,0) e
la siguiente ecuación
iterada: B(n, p, k ) B(n, p, k 1)
k
P( X 1) B(n, p,1) e
2
P( X 2) B(n, p,2) e
2
...
k
P( X k ) e
k! 21
Bombas sobre Londres en la II Guerra Mundial (Feller)
Supón que vivías en uno de los 100 bloques que aparecen en la gráfica
inferior. La probabilidad de que una bomba cayera en tu bloque era 1/100.
Como cayeron 400 bombas, podemos entender el número de impactos en tu
bloque como el número de éxitos en un experimento de Bernoulli con n = 400
y p = 1/100. Podemos usar una Poisson con λ=400 1/100=4:
e 4 4 x
400 bombas p ( x)
x! Observado
Predicho
22
10 x 10
Características de la distribución de
Poisson
P(X) = 6
.6
.4
Nota: el máximo de la distribución .2
se encuentra en x 0 X
0 2 4 6 8 10
23
La distribución de Poisson se obtiene como aproximación de
una distribución binomial con la misma media, para ‘n grande’
(n > 30) y ‘p pequeño’ (p < 0,1). Queda caracterizada por un
único parámetro μ (que es a su vez su media y varianza).
n p =