Академический Документы
Профессиональный Документы
Культура Документы
1
Distribución binomial
2
Distribución Binomial
•En cada prueba del experimento sólo son posibles dos resultados: el suceso A
(éxito) y su contrario Ā (fracaso).
•El resultado obtenido en cada prueba es independiente de los resultados
obtenidos anteriormente.
•La probabilidad del suceso A es constante, la representamos por p, y no varía
de una prueba a otra. La probabilidad de Ā es 1- p y la representamos por q .
Todo experimento que tenga estas características diremos que sigue el modelo de la
distribución Binomial. A la variable X que expresa el número de éxitos obtenidos
en cada prueba del experimento, la llamaremos variable aleatoria binomial.
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
4
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)!
7
8
Distribución Binomial
Parámetros de la Distribución Binomial
Esta función de distribución proporciona, para cada número real xi, la probabilidad
de que la variable X tome valores menores o iguales que xi.
Distribución Binomial
Resumen Distribución Binomial
Sea X una variable aleatoria discreta correspondiente a una distribución binomial.
Distribución Binomial
Ejemplo
La probabilidad de éxito de una determinada vacuna es 0,72. Calcula la
probabilidad de que una vez administrada a 15 pacientes:
a) Ninguno sufra la enfermedad
b) Todos sufran la enfermedad
c) Dos de ellos contraigan la enfermedad
Solución :
Se trata de una distribución binomial de parámetros B(15, 0'72)
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
13
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
14
¿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
15
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
3
17
Chuck-a-luck: Elige un número entre 1 y 6. Lanzas 3 dados.
Si el número que has elegido sale en los 3 dados cobras
3 euros. Si sale en 2 cobras 2 euros. Si sale en un dado
cobras 1 euro. Y si no sale en ninguno, pagas 1 euro.
¿Es un juego justo?
3 1 3 1
3 0 2
5 5
3 2
3 6 6 2 6 6
3 1 3 5
1 2 3
5
1 (1) 0.08
1 6 6 0 6
18
Características de la distribución
binomial
Media
= E(X) = n p .6
P(X) n = 5 p = 0.1
= 5 · 0.1 = 0.5 .4
.2
= 5 · 0.5 = 0.25 0 X
0 1 2 3 4 5
Desviación estándar
P(X) n = 5 p = 0.5
np(1 p) .6
.4
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 23
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!
24
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
10 x 10 25
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
26
Distribución de Poisson
Ejemplo
El número de enfermos que solicitan atención de urgencia en un hospital
durante un periodo de 24 horas tiene una media de = 43,2 pacientes. Unas
obras en las instalaciones mermarán las capacidades de atención del
servicio, el cual se sabe que colapsará si el número de enfermos excede de
50. ¿Cual es la probabilidad de que colapse el servicio de urgencias del
hospital?
Existe una gran dispersión, y no sería extraño encontrar que en realidad hay muchas más
personas o menos que están enfermas. La probabilidad de que haya más de tres personas
enfermas es:
P=0.7365
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 =