ESTADISTICA II

DISTRIBUCION UNIFORME DISCRETA, BINOMIAL Y NORMAL.

Elvira Angulo Conrado

Estadística II

Profesora
Johana Martínez

Facultad de Psicología. Cuarto semestre

Barranquilla
2018
 ESTADISTICA II

Distribución Uniforme Discreta

Si una variable aleatoria discreta puede asumir k valores diferentes con igual

probabilidad, decimos que tiene una distribución uniforme discreta; simbólicamente.

Definición: Es aquella donde la variable aleatoria toma cada uno de sus valores con una

probabilidad idéntica; utilizamos la notificación f(x, k) para indicar que depende del parámetro k.

Una variable aleatoria X tiene una distribución uniforme discreta y se conoce como una

variable aleatoria uniforme discreta sí y solo, si su distribución de probabilidad está dada por

Para X = x1, x2, ,,,…xk

La medida y la varianza de la distribución uniforme discreta f(x,k) son:

 ESTADISTICA II

EJEMPLO

David Ramírez dueño de un negocio de servicios de pintura estudio, sus registros de las

Últimas 20 semanas y reporta e siguiente número de casas pintadas por semanas:

# De casas pintadas Semanas

10 5

11 6

12 7

13 2

Distribución de Probabilidad

# De casas pintadas x Probabilidad, P(X)

Semanas

10 .25

11 .30

12 .35

13 .10

Total 1.00
 ESTADISTICA II

Calcule el número medio de casas por semanas

u = E(x) ∑ Xp(x)

= E (10) (.25) + (11) (.30) + (12) (.35) + (13) (.10)

= 11.3

Calcule la varianza del número de casas pintadas por semanas

=∑ (x – u) p (x)

= (10 -11.3) (.25) +…+ (13 – 11.3) (.10)

= 0.4225 + 0.0270 +20.1715 + 0.2890

= 0.91
 ESTADISTICA II

DISTRIBUCION DE PROBABILIDAD BINOMIAL

Una distribución de probabilidad ampliamente utilizada de una variable aleatoria discreta

es la distribución binomial. Esta describe varios procesos de interés para los administradores.

Describe datos discretos, resultantes de un experimento denominado proceso de Bernoulli en

honor del matemático suizo Jacob Bernoulli, quien vivió en el siglo XVII.

En un lenguaje más normal, el símbolo ‘p (representa la probabilidad de un éxito) el

símbolo “q” = (1 – p) representa la probabilidad de un fracaso. Para representar cierto número

de éxitos, utilizaremos el símbolo k y para simbolizar el número total de ensayos emplearemos el

símbolo n.

Entonces tenemos que:

p- Probabilidad de éxito

q-Probabilidad de fracaso.

k- Número de éxitos deseados.

n- Número de ensayos efectuados.

Existe una Fórmula binomial:

P (X = k) = p q

Recordemos que el símbolo factorial ! significa por ejemplo que es:

3! = 3*2*1 = 6

Los matemáticos definen: 0! = 1

 ESTADISTICA II

EJEMPLO

Imaginemos una escuela primaria donde los alumnos llegan tarde a menudo. Cinco

alumnos están en el jardín de niños: La directora lleva tiempo estudiando el problema, habiendo

llegado a la conclusión de que hay una probabilidad de; 0.4 de que un alumno llegue tarde y de

que los alumnos lleguen independientemente uno de otro ¿cómo trazamos una distribución

binomial de probabilidad que ilustre las probabilidades de que: 0, 1, 2, 3,4 o 5 estudiantes

lleguen tarde simultáneamente? A Para hacerlo necesitaremos utilizar la fórmula binomial

donde:

P = 0,4, q = 0,6, n = 5

Realicemos el cálculo de cada valor de k en:

P (X = k) = p q

Para k = 0; obtenemos que:

P (X = 0) = 5! / 0 (5 – 0)! (0.4) (0.6) = 0.07776

Para k = 1 obtenemos que:

P (X = 1) = 5!/ 1! (5 – 1)! (0.4) (0.6) = 0.2592

Para k = 2 obtenemos que:

P (X = 2) = 5!/ 2! (5- 2)! (0.4) (0.6) = 0.3456

Para k = 3 obtenemos que:

P (X = 3) = 5!/ 3! (5 – 3)! (0.4) (0.6) = 0.2304

 ESTADISTICA II

Para k = 4 obtenemos que:

P (X = 4) = 5!/ 4! (5 – 4)! (0.4) (0.6) = 0.0768

Para k = 5 obtenemos que:

P (X = 5) = 5!/ (0.4) (0. 6) = 0.01024

Representando estos resultados en una gráfica:

 ESTADISTICA II

DISTRIBUCION NORMAL

Es una de las distribuciones más importantes. Es el modelo de distribución más utilizado

en la práctica, ya que multitud de fenómenos se comportan según una distribución normal.

Esta distribución de caracteriza porque los valores se distribuyen formando una campana Gauss,

en torno a un valor central que coincide con el valor medio de la distribución:

La ecuación matemática de la función de Gauss es la siguiente:

Gráfico de la distribución normal:

 ESTADISTICA II

DISTRIBUCION NORMAL ESTÁNDAR

Es toda distribución normal con u=0 y o =1, se hace un proceso de transformación, que se

denomina estandarización o tipificación. Se acostumbra a designar Z a toda variable que siga

una distribución normal estandarizada y se usa la notación Z (0; 1) quedando:

Z = x –u
O

EJEMPLO

Una distribución normal N (20,4) calcula P (X ≤ 15)

Z = X – 20
4
P ( X ≤ 15 ) = P ( X – 20 ≤ 15 – 20 ) = P

= P (Z ≤ -1.25 ) = 1 – P (Z ≤ 1.25) = 1 – 0.8984 = 0.1056

 ESTADISTICA II

REFERENCIAS

https://es.slideshare.net/JoanFernandoChipia/variable-aleatoria-y-distribucines-de-

probabilidad

http://slideplayer.es/slide/10748350/

https://es.slideshare.net/Johnny_ice/th-chebyshev-distrib-normal