El experimento binomial se convierte en un experimento

MULTINOMIAL si cada una de las pruebas o ensayos tiene

más de 2 resultados posibles

Ejemplos:

Al final de la línea de producción un artículo puede ser

clasificado como bueno, defectuoso o para reproceso

El registro de accidentes en cierta ciudad de acuerdo al día de

la semana

Es un ejemplo de distribución multivariante, es decir, de distribución conjunta

de varias variables aleatorias.

El experimento binomial se convierte en experimento multinomial

 CARACTERISTICAS

Los ensayos son independientes

El experimento consiste en n pruebas idénticas

Todos los resultados de cada ensayo deben clasificarse en una de varias

categorías diferentes, es decir hay k resultados posibles en cada prueba o ensayo

Las probabilidades p1 p2 p3 …. pk correspondientes a las diferentes

categorías permanecen constantes en cada uno de los ensayos

La suma de p1 + p2 + p3 …. +pk = 1

Las pruebas son independientes

Las variables aleatorias de interés son las cuentas X1 X2 X3 ….Xk en cada

una de las k categorías de clasificación
En general, si un ensayo dado puede tener como consecuencia cualquiera de los k
resultados posibles E1 E2 E3 ……Ek con probabilidades
p1 p2 p3 …. pk , la Dmultinomial dará la probabilidad de que E1 ocurra x1
veces, E2 ocurra x2 veces……E3 ocurra x3 veces……y Ek ocurra xk
veces en n ensayos independientes-

Entonces la distribución de probabilidad de las variables aleatorias

X1 X2 X3 ….. Xk que representan el número de ocurrencias para
E1 E 2 E 3 ……Ek en n ensayos independientes es:

n!
f  1 ,  2 ,  ,  k   p1x1 . p2x2  pkxk
1!  2 !  k !
p1  p2  p3  .......... ..... pk  1
k


i 1
i n i  1,2,3,...........k
 PARAMETROS

VALOR ESPERADO E ( X i )    npi

VARIANZA V ( X i )    npi (1  pi )
2

DESVIACION ESTANDAR   npi (1  pi )

Ejemplo:
Las probabilidades de que un foco de cierto tipo de proyector de
transparencia dure menos de 40 horas de uso continuo, cualquier número
entre 40 y 80 horas de uso continuo, o más de 80 horas de uso continuo, son
0.30, 0.50, y 0.20. Determine la probabilidad de que entre ocho de esos focos
dos duren menos de 40 horas, cinco duren cualquier número entre 40 y 80
horas y uno dure más de 80 horas.

DURACION PROBABILIDAD MUESTRA

menos de 40 horas 0.30 2
entre 40 y 80 horas 0.50 5
o más de 80 horas 0.2 1
TOTALES 1.0 8
 Solución:
Sustituyendo n = 8, x1 = 2, x2 = 5,
x3 = 1, p1 = 0.30, p2 = 0.50 y p3 = 0.20 en
la fórmula obtenemos:

8! 40320
f  2,5,1   0.30 2  0.50 5  0.201   0.09 0.03125 0.20
2!5!1! 240

f  2,5,1  168 0.0005625  f  2,5,1  0.0945

 Ejemplo:
Se lanza al aire un dado normal, 5 veces, determine la
probabilidad de que aparezca dos números uno, dos
números tres y un número cinco.
Solución:
Trazar un diagrama de árbol que muestre los 5
lanzamientos del dado sería muy laborioso. Del
diagrama de árbol se obtendría el espacio muestral y
enseguida se determinarían las probabilidades
requeridas.
En lugar de lo anterior, partir de la siguiente expresión se
pueden obtener las probabilidades requeridas:

n! x x xk
p( x1 , x2 ,...xk , n )  p1 1 p 2 2 .... p k
x1 ! x2 !...xk !
 Resolviendo el ejemplo;
n=5
x1 = número de veces que aparece el número 1 = 2
x2 = número de veces que aparece el número 3 = 2
x3 = número de veces que aparece el número 5 = 1
p1= probabilidad de que aparezca el número 1 = 1/6
p2 = probabilidad de que aparezca el número 3 = 1/6
p3 = probabilidad de que aparezca el número 5 = 1/6
Por lo tanto:

5!
p  ( x1  1, x2  2 , x3  1,n  5 )  ( 1 / 6 )2 ( 1 / 6 )2 ( 1 / 6 )1  ( 30 )( 0.0001286 )  0.003858
2!2!1!