DISTRIBUCIN BINOMIAL Y POISSN.

Curso
Probabilidad y estadstica
Docente
Elda Noelia Robles Torres
Tema:
Distribucin Binomial
Distribucin de Poisson
Expositores:
Mariana Karisme Barrancos Ravell

1
PROBABILIDAD Y ESTADISTICA

DISTRIBUCIN BINOMIAL Y POISSN.

Tabla de contenido
INTRODUCCIN....................................................................................................... 3
DISTRIBUCIN BINOMIAL O DE BERNOULLI................................................................4
Variable aleatoria binomial...................................................................................... 4
Funcin de probabilidad de la distribucin binomial................................................4
Ejemplos de Distribucin Binomial..........................................................................5
Media..................................................................................................................... 5
Varianza................................................................................................................ 6
Desviacin tpica................................................................................................ 6
Ejemplo de Distribucion Binomial 2.........................................................................6
DISTRIBUCION DE POISSON........................................................................................ 6
PROPIEDADES DEL PROCESO DE POISSON..............................................................7
DEFINICION.......................................................................................................... 7
La media................................................................................................................. 8
Varianza.................................................................................................................. 8
APLICACIN DE LA DISTRIBUCIN DE POISSON......................................................8
EJEMPLO DE DISTRIBUCIN DE POISSON.................................................................9
EJEMPLO DE DISTRIBUCION ACUMULADA DE POISSON CON USO DE TABLAS.........9
EJERCICIOS PARA CLASE (BINOMIAL).....................................................................11
EJERCICIOS PARA CLASE (POISSON).......................................................................12
CONCLUCIN......................................................................................................... 14
REFERENCIAS BIBLIOGRAFICAS............................................................................. 14

INTRODUCCIN

2
PROBABILIDAD Y ESTADISTICA

DISTRIBUCIN BINOMIAL Y POISSN.

En este trabajo estudiaremos dos de las principales distribuciones

Binomial y Poisson que se puede aplicar tanto para variables
aleatorias discretas como para variables aleatorias continuas.
Para hablar de la distribucin Binomial primero tenemos que decir
que
esta
dada
por
la
sumatoria
de
eventos
bernoulli, la distribucin de Bernoulli (o distribucin dicotmica),
nombrada as por el matemtico y cientfi co suizo Jakob Bernoulli ,
es una distribucin de probabilidad discreta , que toma valor 1
para la probabilidad de xito (p) y valor 0 para la probabilidad de
fracaso (q = 1 p).
La distribucin binomial es una distribucin de probabilidades que
surge al cumplirse cinco condiciones:
Existe una serie de N ensayos , En cada ensayo hay slo dos
posibles resultados, En cada ensayo, los dos resultados posibles
son mutuamente excluyentes, Los resultados de cada ensayo
son independientes entre si, y La probabilidad de cada resultado
posible en cualquier ensayo es la misma de un ensayo a otro.
La distribucin Poisson fue nombrada as en honor a Denise
Poisson
en
su
libro
Recherchs
sur
la
probabilit
des
jugements...., un trabajo importante en probabilidad publicado en
el ao 1837, la distribucin de Poisson recin apareca. La
distribucin de Poisson describe la probabilidad como un
acontecimiento fortuito ocurrido en un tiempo o intervalo de
espacio bajo las condiciones que la probabilidad de un
acontecimiento ocurre es muy pequea, pero el nmero de
intentos es muy grande, entonces el evento actual ocurre algunas
veces.
En teora
de
probabilidad y estadstica,
la distribucin
de
Poisson es una distribucin de probabilidad discreta. asi tiempo
fi jo si estos eventos ocurren con una frecuencia media conocida y
son independientes del tiempo discurrido desde el ltimo evento.

3
PROBABILIDAD Y ESTADISTICA

DISTRIBUCIN BINOMIAL Y POISSN.

DISTRIBUCIN BINOMIAL O DE BERNOULLI

Un experimento sigue el modelo de la distribucin binomial o
de Bernoulli si:
1. En cada prueba del experimento slo son posibles dos
resultados: el suceso A (xito) y su contrario
.
2. La probabilidad del suceso A es constante, es decir, que
no vara de una prueba a otra. Se representa por p.
3. El resultado obtenido en cada prueba es independiente de
los resultados obtenidos anteriormente.
La distribucin binomial se suele representar por B(n, p).
n es el nmero de pruebas de que consta el experimento.
p es la probabilidad de xito.
La probabilidad de

es 1 p, y la representamos por q.

Variable aleatoria binomial

La variable aleatoria binomial, X, expresa el nmero de xitos
obtenidos en cada prueba del experimento.
La variable binomial es una variable aleatoria discreta, slo
puede tomar los valores 0, 1, 2, 3, 4, ..., n suponiendo que se
han realizado n pruebas.

Ejemplo:
k = 6, al lanzar una moneda 10 veces y obtener 6 caras.
Funcin de probabilidad de la distribucin binomial
La funcin de probabilidad de la distribucin binomial, tambin
denominada funcin de la distribucin de Bernoulli, es:
4
PROBABILIDAD Y ESTADISTICA

DISTRIBUCIN BINOMIAL Y POISSN.

n es el nmero de pruebas.
k es el nmero de xitos.
p es la probabilidad de xito.
q es la probabilidad de fracaso.
El nmero combinatorio
Ejemplos de Distribucin Binomial
La ltima novela de un autor ha tenido un gran xito, hasta
el punto de que el 80% de los lectores ya la han leido. Un
grupo de 4 amigos son afi cionados a la lectura:
1Cul es la probabilidad de que el grupo hayan leido la
novela 2 personas?
n = 4
p = 0.8
q = 0.2
B(4, 0.8)

Y
cmo
mximo

2?

Media
5
PROBABILIDAD Y ESTADISTICA

DISTRIBUCIN BINOMIAL Y POISSN.

Varianza

Desviacin tpica

Ejemplo de Distribucion Binomial 2

La probabilidad de que un artculo producido por una fabrica
sea defectuoso es 0.02. Se envi un cargamento de 10.000
artculos a unos almacenes. Hallar el nmero esperado de
artculos defectuosos, la varianza y la desviacin tpica.

DISTRIBUCION DE POISSON
Llamada asi en honor de Simeon Denis Poisson, probabilista
frances del siglo XIX, quien fue el primero en describirla, es otra
distribucion discreta de probabilidad muy util en la que la variable
aleatoria representa el numero de eventos independientes que
ocurren a una velocidad constante. Muchos eventos aleatorios
ocurren de manera independiente con una velocidad contante en
el tiempo y espacio. Algunos ejempls tipicos son;

Numero de personas que llegan a una tienda de autoservicio

en un tiempo determinado
Numero de defectos en piezas similares del mismo material

6
PROBABILIDAD Y ESTADISTICA

DISTRIBUCIN BINOMIAL Y POISSN.

Numero

de

solicitudes

de

seguro

procesadas

por

una

compaa en un peridodo especifi co, etc.

De hecho la distribucion de Poisson es el principal modelo de
probabilidad empleado para analizar problemas en lineas de
espera.
Ademas, ofrece una aproximacion excelente a la funcion
probabilidad binomial cuando p es pequeo y n es grande.

de

PROPIEDADES DEL PROCESO DE POISSON

1. El numero de resultados que ocurren en un intervalo o region
especifi ca es indeendiente del numero que ocurre en
cualquier otro intervalo o region del espacio disjunto. De
esta forma vemos que el proceso de Poisson no tiene
memoria.
2. La probabilidad de que ocurra un solo resultado durante un
intervalo muy corto o en una region pequea es proporcional
a la longitud del intervalos o al tamao de la region, y no
depende del numero de resultados que ocurren fuera de este
intervalo o region.
3. La probabilidad de que ocurra mas de un resultado en tal
intervalo corto o que caiga en tal region pequea es
insignifi cante.
DEFINICION
Sea X una variable aleatoria que representa el numero de eventos aleatorios
independientes que ocurren a una rapidez constante sobre el tiempo o el espacio.
Se dice entonces que la varable aleatoria X tiene una distribucion de Poisson con
una funcion de probabilidad.

e x
,x =0,1,2,3, >0
f ( x )=
x!
0,Para cualquier otro valor

= media o promedio de xitos por unidad de tiempo, rea o

producto
= (n*p)
n = Tamao de muestra
7
PROBABILIDAD Y ESTADISTICA

DISTRIBUCIN BINOMIAL Y POISSN.

x = Cantidad de xitos
P = Probabilidad de xito
e = base de logaritmos = 2.718281828
Se defi ne la variable aleatoria X como el nmero de sucesos
que ocurren en un intervalo continuo de tiempo, longitud o
espacio, de un tamao determinado.
En esta ecuacion el parametro de la distribucion de Poission es
, el numero promedio de ocurrencias del evento aleatorio por
defi ne una
unidad de tiempo. Para valores mayores a cero,
familia de distribuciones con una
determinada por la ecuacion dada.

funcion

de

probabilidad

La variable aleatoria es el nmero medio de sucesos que

ocurren en los intervalos de, defi niendo la distribucin de
Poisson apartir del parmetro .
X P ( )
La media
=E(X)=
Varianza
Var (X) =

2 =

APLICACIN DE LA DISTRIBUCIN DE POISSON

Cuando en una distribucin binomial se realiza el experimento un
nmero "n" muy elevado de veces y la probabilidad de xito "p" en
cada ensayo es reducida, entonces se aplica el modelo
de distribucin de Poisson:
Se tiene que cumplir que:
" p " < 0,10
8
PROBABILIDAD Y ESTADISTICA

DISTRIBUCIN BINOMIAL Y POISSN.

" p * n " < 10

EJEMPLO DE DISTRIBUCIN DE POISSON

Si un banco recibe en promedio 6 cheques sin fondo por da,
cules son las probabilidades de que reciba, a) cuatro cheques
sin fondo en un da dado, b) 10 cheques sin fondos en cualquiera
de dos das consecutivos?
Solucin:
a)
x = variable que nos defi ne el nmero de cheques sin fondo
que llegan al banco en un da cualquiera = 0, 1, 2, 3, ....., etc,
etc.
= 6 cheques sin fondo por da
e = 2.718

b)x= variable que nos defi ne el nmero de cheques sin fondo que
llegan al banco en dos das consecutivos = 0, 1, 2, 3, ......, etc.,
etc.
= 6 x 2 = 12 cheques sin fondo en promedio que llegan al
banco en dos das consecutivos
Nota: siempre debe de estar en funcin de x siempre o dicho de
otra forma, debe hablar de lo mismo que x.

EJEMPLO DE DISTRIBUCION ACUMULADA DE POISSON CON USO DE TABLAS

Despues de una prueba de laboratorio muy rigurosa con cierto
compoente electrico, el fabricante determina que en promedio,
solo fallaran dos compoenenes antes de tener 1000 horas. Un
comprador observa que son cinco los que fallan antes de las 1000
horas. Si el numero de componentes que fallan es una variable
9
PROBABILIDAD Y ESTADISTICA

DISTRIBUCIN BINOMIAL Y POISSN.

aleatoria de Poisson, existe sufi ciente evidencia para dudar de la

conclusion del fabricante?
Si la probabilidad de ocurrencia es muy pequea y aun asi el
evento ocurre, debemos preguntarnos por que esta pasando?.
=2

2
1
=
1000 500

P(X=X) = F(X) F(X-1) = F(5) F(5-1)

5 componentes dado que el promedio es 2 - (menos)
probabilidad de que fallen 4 dado que el promedio es 2

la

P= (5;2) = P (5;2) P (4;2)

e x
Ecuacin de Poisson P(x, )=
x!
X=5 =2

P(5;2)=0.9834

X=4 =2

Y P(4;2)=0.9473

P= 0.9834-0.9473 = 0.0361
Entonces la probabilidad de que P(5;2)=0.0361
Cul es la probabilidad de que fallen por lo menos 5 o mas en
1000 horas?
P(X 5 =1P( X 4)
10
PROBABILIDAD Y ESTADISTICA

DISTRIBUCIN BINOMIAL Y POISSN.

4 5
P(X 5 =1F (4 )
P(X 5 =1P( 4 ; 2)
P(X 5 =10.9473

P (X; )
= 0.0527 *100% =5.27%

P(X=5) =0.0361 *100% =3.61%

Antes de tomar cualquier medida en contra del fabricante es
necesario contester las siguientes preguntas
es realmente la frecuencia de falla constante igual a 2 durante
1000 hrs?
Aun si fuera constante la falla igual a 2, es el medio de operacion
el mismo bajo el cual el fabricante hizo las pruebas?
Si no se opero bajo las mismas condiciones es posible tener
factores extraos introducidos de manera inarvertida que esten
causando este tipo de fallas
Es ah donde la probabilidad sirve para ver si en mi proceso de
produccion algo anda mal.
EJERCICIOS PARA CLASE (BINOMIAL)
1. Se lanza una moneda cuatro veces. Calcular
probabilidad de que salgan ms caras que cruces

la

B(4, 0.5) p = 0.5q = 0.5

11
PROBABILIDAD Y ESTADISTICA

DISTRIBUCIN BINOMIAL Y POISSN.

2. Un agente de seguros vende plizas a cinco personas

de la misma edad y que disfrutan de buena salud.
Segn las tablas actuales, la probabilidad de que una
persona en estas condiciones viva 30 aos o ms es
2/3. Hllese la probabilidad de que, transcurridos 30
aos, vivan:
1. Las cinco personas
B(5, 2/3) p = 2/3 q = 1/3

2. Al menos tres personas

3. Exactamente dos personas

4. Si de seis a siete de la tarde se admite que un nmero de

telfono de cada cinco est comunicando, cul es la
probabilidad de que, cuando se marquen 10 nmeros de
telfono elegidos al azar, slo comuniquen dos?
B(10, 1/5)p = 1/5q = 4/5

EJERCICIOS PARA CLASE (POISSON)

12
PROBABILIDAD Y ESTADISTICA

DISTRIBUCIN BINOMIAL Y POISSN.

Si ya se conoce que solo el 3% de los alumnos de Contabilidad son

muy inteligentes calcular la probabilidad de que si tomamos 100
alumnos al azar 5 de ellos sean muy inteligentes.
n = 100
P = 0.03

= 100 * 0.03 = 3

x = 5
e = 2.718281828

Ejercicio num. 2
La produccion de televisores en SAMSUNG trae asociada una
probabilidad de defecto del 2%, si se toma un lote o muestra de
85 televisores , obtener la probabilidad de que existan 4
televisores con defectos.
n = 85
P = 0.02
X = 4

= 1.7

Ejercicio num. 3
En una jaula con 100 pericos 15 de ellos hablan ruso calcular la
probabilidad de que si tomamos 20 pericos al azar 3 de ellos
hablen ruso.
n = 20
p = 0.15
X = 3

13
PROBABILIDAD Y ESTADISTICA

DISTRIBUCIN BINOMIAL Y POISSN.

=3

CONCLUCIN

En la distribucion binomial tenemos los siguientes parametros;

1. En cada prueba del experimento slo son posibles dos
resultados: el suceso A (xito) y su contrario
.
2. La probabilidad del suceso A es constante, es decir, que
no vara de una prueba a otra. Se representa por p.
3. El resultado obtenido en cada prueba es independiente de los
resultados obtenidos anteriormente.
Y en la distribucion de poisson es aplicable a los siguientes tipos
de eventos;

Numero de personas que llegan a una tienda de autoservicio

en un tiempo determinado
Numero de defectos en piezas similares del mismo material
Numero de solicitudes de seguro procesadas por una
compaa en un peridodo especifi co, etc.

Las distribuciones que en este trabajo se trataron

brevemente
estn
relacionadas
entre
s
cubriendo
ms aplicaciones a la vida real, en general podemos decir
que cada una de estas aporta a campos trascendentales
desde hospitales hasta poltica, ya que la exactitud en los
resultados que estas nos ofrecen facilitan la toma de
decisiones para grandes instituciones.
REFERENCIAS BIBLIOGRAFICAS
14
PROBABILIDAD Y ESTADISTICA

DISTRIBUCIN BINOMIAL Y POISSN.

Levin, Jack. Fundamentos de Estadstica en la Investigacin

Social. Editorial Harla. Mxico. 1969.

Spiegel.
1991

http://www.stat.umn.edu/geyer/old/5101/rlook.html

M.R.

Estadstica.

Editorial.

McGraw-Hill.

Mxico.

15
PROBABILIDAD Y ESTADISTICA