DISTRIBUCION

BINOMIAL
ANDRES FELIPE NOCOBE- 20231375049
BRAYAN STEVEN BELLO- 20231375039
DISTRIBUCION BINOMIAL
 Una distribución binomial es una distribución de probabilidad discreta que
describe el número de éxitos al realizar n experimentos independientes entre
sí, acerca de una variable aleatoria.

 Esta fórmula nos permite calcular la probabilidad de obtener un número

específico de éxitos en una distribución binomial.
 La distribución binomial es ampliamente utilizada en diversos campos, como
la estadística, la ciencia, la investigación y la ingeniería, para analizar y
predecir resultados en experimentos que tienen dos posibles resultados.
Propiedades de la distribución binomial
 En cada ensayo, experimento o prueba solo son posibles dos resultados (éxito o
fracaso).
 La probabilidad del éxito ha de ser constante. Esta se representa mediante la letra
p. La probabilidad de que salga cara al lanzar una moneda es 0,5 y esta es
constante dado que la moneda no cambia en cada experimento y las
probabilidades de sacar cara son constantes.
 La probabilidad de fracaso ha de ser también constate. Esta se representa
mediante la letra q = 1-p. Es importante fijarse que mediante esa ecuación,
sabiendo p o sabiendo q, podemos obtener la que nos falte.
 El resultado obtenido en cada experimento es independiente del anterior. Por lo
tanto, lo que ocurra en cada experimento no afecta a los siguientes.
 Los sucesos son mutuamente excluyentes, es decir, no pueden ocurrir los 2 al
mismo tiempo. No se puede ser hombre y mujer al mismo tiempo o que al lanzar
una moneda salga cara y cruz al mismo tiempo.
EJERCICIO

 Si la probabilidad de que una persona que viaja por cierta aerolínea pague
una tarifa adicional para ver películas es 0.65, ¿Cual es la probabilidad de que
solo tres de seis personas que viajan por esta aerolínea paguen una tarifa
espacial para ver películas?
 Donde: P(X ) es la probabilidad de que ocurran exactamente x éxitos. n es el
número total de ensayos o intentos (en este caso, el número de personas). x
es el número de éxitos que estamos interesados en (en este caso, tres
personas). p es la probabilidad de éxito en cada ensayo (en este caso, 0.65). q
probabilidad de fracasos. Aplicando estos valores al ejercicio, obtenemos:
 q=1-p
 n=6; p=0,65 ;q=0,35; x=3
EJERCICIO

 Si el 40% de los ratones que se usan en una prueba se tornaran

agresivos en un minuto después de haber administrado un
medicamento experimental, obtenga la probabilidad de que
exactamente cuatro de diez ratones a los que se les ha administrado el
medicamento se tornen agresivos un minuto después
 P(X ) es la probabilidad de que ocurran exactamente x éxitos. n es el
número total de ensayos o intentos (en este caso, el número de
ratones). x es el número de éxitos que estamos interesados en (en este
caso, cuatro ratones). p es la probabilidad de éxito en cada ensayo (en
este caso, el 40% o 0.4),q la probabilidad de fracasos.
 q=1-p
 n=10; p=0,40 ;q=0,60; x=4
EJERCICIO
 Un examen consta de 10 preguntas de falso y verdadero .Suponiendo que una de las
personas decide resolver el examen al azar . Encontrar:
 A) la probabilidad de que la persona obtenga la mitad de los reactivos correctos
 n=10, p=0.50,q=0.50,x=5

 B) la probabilidad de que la persona obtenga al menos un acierto

 x≥1
 X=1,2,3….10
 c) la probabilidad de la persona apruebe el examen
 x≥6
 X=6,7,8,9,10
 + + + + =37,69%
EJERCICIO

 El 10% de los huevos de un supermercado están rotos. Halla la probabilidad de que un

cliente que compra media docena de huevos encuentre como mucho un huevo roto
 n=6, p=0.10,q=0.90, x≤1
DISTRIBUCION
EXPONENCIAL
ANDRES FELIPE NOCOBE- 20231375049
BRAYAN STEVEN BELLO- 20231375039

DISTRIBUCION EXPONENCIAL
La distribución exponencial es una distribución de probabilidad continua que se utiliza comúnmente para
modelar el tiempo de espera entre eventos en un proceso de Poisson. Es una distribución asimétrica con un
solo parámetro, generalmente denotado como λ (lambda), que representa la tasa media de ocurrencia de
eventos.
 El parámetro λ (lambda) determina la tasa promedio de ocurrencia de eventos. Cuanto mayor sea el valor de λ,
más frecuentes serán los eventos y más rápido será el decaimiento de la función de densidad. Por otro lado, si
λ es pequeño, los eventos serán más espaciados en el tiempo.
 Algunas propiedades de la distribución exponencial incluyen:
 La media de una distribución exponencial es igual a 1/λ, lo que significa que a medida que λ aumenta, el
tiempo de espera promedio disminuye.
 La varianza de una distribución exponencial es igual a 1/λ^2.
 La distribución exponencial no tiene memoria, lo que significa que la probabilidad de que ocurra un evento en
el futuro no depende de cuánto tiempo ha pasado desde el último evento. Esto se conoce como la propiedad de
falta de memoria.
 DISTRIBUCION EXPONENCIAL

 E(X)= V(x)=
 F(x)=1-
 Flata memoria : p(x>m+k/x >m)=P(x >k)

EJERCICIO
La distribución exponencial del tiempo que transcurre antes de que falle el ventilador de un motor
Diesel se describe mediante una función exponencial con una tasa de fallo igual a 34,8 fallos por un
millón de horas. Si la garantía es de 8000 horas ¿Cuál es la probabilidad de que el ventilador falle?
 EJERCICIO
 El tiempo durante el cual cierta marca de batería trabaja en forma efectiva hasta que falle se distribuye según el
modelo exponencial con un tiempo promedio de fallas igual a 360 días
 Halle la probabilidad que el tiempo que la batería trabaja hasta que falle sea mayor que 400 días
 X=tiempo que la batería trabaja hasta que falle
 x
 Donde: λ es el parámetro de tasa de falla, que se calcula como 1 / tiempo promedio de fallas.
 En este caso, el tiempo promedio de fallas es de 360 días, por lo tanto, λ = 1 / 360.
 Para calcular la probabilidad de que el tiempo que la batería trabaja hasta que falle sea mayor que 400 días,
necesitamos calcular el área bajo la curva de densidad de probabilidad desde 400 días hasta infinito

 =0,3292