Act. 1 Distribucion Bernoulli

DISTRIBUCIÓ N BERNOULLI
¿QUÉ ES?
Es un modelo matemático utilizado para representar una variable aleatoria discreta que
solo puede resultar en dos sucesos mutuamente excluyentes. Toma valor 1 para la
probabilidad de éxito (P) y valor 0 para la probabilidad de fracaso (q=1-p).
Si X es una variable aleatoria que mide "número de éxitos", y se realiza un único
experimento con dos posibles resultados (éxito o fracaso), se dice que la variable aleatoria X se
distribuye como una Bernoulli de parámetro P.
f(x)=px(1-p)1-x con x=[0,1]
Función de probabilidad Función de

distribución
psi x=1
qsi x=0 0
f(x;p)= 0en cualquier otro caso q
f(x)= 1
La función de probabilidades aleatorias x se llama distribución Bernoulli o binominal puntual.

X 0 1
P(x) 1-P P
De manera que se tendrá la función de probabilidades
Px (1-P)1-x
X =0,1
f(x)= o de otra forma
donde { 0≤ P ≤1
Los parámetros de la distribución

F(x,P) o X ∼ B(p)
X ∼ B(x.p)
MEDIA ARITMÉTICA VARIANZA

DESVIACIÓN ESTANDAR
μ= E ( x )=P δ 2=P ( 1−P )= p∗q δ =√ p∗q
EXPERIMENTO DE BERNOULLI O
Binominal
¿QUÉ ES?
Se conoce como Ensayo de Bernoulli o simplemente ensayo a un experimento al cual se aplica la
distribución de Bernoulli, y la serie de esos experimentos como ensayos repetidos.
Ω{E,F}
éxito { E } Fracaso { F }
donde 1= éxito 0= fracaso
PROPIEDADES:
1. El experimento consiste en “n” intentos repetidos.
2. Cada intento da lugar a dos posibles resultados [E.F]
3. La probabilidad del éxito se representa por P y permanece constante para todos los
intentos.
4. Los “n” intentos repetidos son independientes.
CARACTERISTICAS:
El espacio muestral contiene dos posibles resultados ÉXITO y FRACASO
La posibilidad de que un evento(E) ocurra es “P”
P(E)=P→ cada éxito ocurre con una probabilidad “P” esto es
P ( 0 ≤ P ≤1 )
P ( F )=1−P=q
Cuando se trata de variables aleatorias x(E)=1 x(F)=0
DISTRIBUCIÓ N Binominal
¿QUÉ ES?
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. Es decir
modela el número de eventos en un enumero de ensayos fijo.
Se dice que una v.a. X sigue una ley binomial de parámetros n y p, X∼ B(n,p), si es la suma

de n v.a. independientes de Bernouilli con el mismo parámetro, p: donde n es el número de
pruebas de que consta el experimento, y p es la probabilidad de éxito.
X∼ B(n,p) X=X1+…+Xn donde Xi∼ Ver (p),∀ i=1,…,n

La distribución binomial deriva su nombre del hecho de que los n + 1 términos en la expansión
binomial de (q + p)n corresponden a los diversos valores de b(x; n, p) para x = 0, 1, 2, ... , n. Es
decir,
(q + p)n = n q n+ n p qn−1 n p 2 q n−2+ …+ n pn
0() () 1 2 () n ()
= b(0; n, p) + b(1; n, p) + b(2; n, p) + ··· + b(n; n, p).
Dado que p + q = 1, vemos que
n
∑ b ( x ; n , p )=1
x=0
b ( x ; n , p ) = n p x q n−x
() x
una condición que se debe cumplir para cualquier distribución de probabilidad.
Con frecuencia nos interesamos en problemas donde se necesita obtener P(X < r) o P(a ≤ X ≤
b). Las sumatorias binomiales
n
B ( r ,n , p )=∑ b ( x ; n , p )
x=0
CONDICIONES O CARACTERISTICAS
 El número de ensayos es fijo.
 Cada ensayo es independiente de otros ensayos.
 Cada ensayo tiene uno de dos resultados: evento o no evento, éxito o fracaso.
 La probabilidad de un evento es igual para cada ensayo.
 Los sucesos son mutuamente excluyentes, es decir, no pueden ocurrir los 2 al mismo
tiempo.
 Los sucesos son colectivamente exhaustivos, es decir, al menos uno de los 2 ha de ocurrir
 a variable aleatoria que sigue una distribución binomial se suele representar como
X~(n,p). n representa el número de ensayos o experimentos y p la probabilidad de éxito.
FORMULA DE LA DISTRIBUCIÓN BINOMIAL

La fórmula para calcular la distribución normal es:
Donde:
n = número de ensayos/experimentos
x = número de éxitos
p = probabilidad de éxito
q = probabilidad de fracaso (1-p)
NOTA: Es importante resaltar que la expresión entre corchetes no es una expresión

matricial, sino que es un resultado de una combinatoria sin repetición. Este se obtiene
con la siguiente formula:
PARAMETROS
X∼bin(n,p) X∼bin(x,n,p)
MEDIA ARITMETICA O ESPERANZA MATEMATICA E ( x )=μ x =n∗p
2
VARIANZA δ =var ( x )=n∗p∗q
DESVIACIÓN ESTANDAR δ =√ δ 2=√ n∗p∗q donde q=1-p
EJERCICIOS:
EJERCICIO 1
La probabilidad de que un paciente se recupere de una extraña enfermedad sanguínea es de .4. si
se sabe que 15 personas contrajeron la enfermedad ¿cuál es la probabilidad de que a) sobrevivan
al menos 10, b) sobrevivan3 a 8, y c) sobrevivan exactamente 5? Determina la esperanza,
varianza y desviación estándar.
n=15 personas infectadas
p=0.4 probabilidad de recuperarse
q=.6 paciente que no se recupera
x= variable que nos define el número de pacientes que se recuperan
9
a) p ( X ≥10 )=1− p ( X <10 ) =1−∑ b ( x ; 15 , .4 )=1−.09662=0.0338
x=0
b)
8 8 2
p ( 3≤ X ≤ 8 )=∑ b ( x ; 15 , .4 ) =∑ b ( x ; 15 ,.4 )−∑ b ( x ; 15 , .4 )=¿.9050−0.0271=. 08779 ¿
x=3 x=0 x=0
5 4
c) p ( x=5 )=b (5 ; 15 , .4 ) =∑ b ( x ; 15 ,.4 )−∑ b ( x ; 15 ,.4 )=.4032−.02173=.1859
x=0 x=0
MEDIA ARITMETICA O ESPERANZA MATEMATICA E ( x )=μ x =15∗.4=6

2
VARIANZA δ =var ( x )=15∗.4∗.6=3.6
DESVIACIÓN ESTANDAR δ =√ δ 2=√ 15∗.4∗.6=√ 3.6=1.89
EJERCICIO 2
Una cadena grande de tiendas al detalle le compra cierto tipo de dispositivo electrónico a un
fabricante, el cual le indica que la tasa de dispositivos defectuosos es de 3%.. Si el inspector de la
cadena elige 20 artículos al azar de un cargamento ¿Cuál es la probabilidad de que haya al menos
un articulo defectuoso entre estos 20? ? Determina la esperanza, varianza y desviación estándar.
n=20 artículos
p=.03 probabilidad de SI salir defectuoso
q=.97 probabilidad de NO salir defectuoso
x= variable que nos define el número artículos defectuoso
p ( x ≥ 1 )=1− p ( X =0 )=1−b( 0; 20,0.03)
¿ 1−¿
MEDIA ARITMETICA O ESPERANZA MATEMATICA
E ( x )=μ x =15∗.0 3=. 45
VARIANZA δ 2=var ( x )=15∗. 03∗. 97=. 4365
DESVIACIÓN ESTANDAR δ =√ δ 2=√ 15∗.03∗.97=√ . 4365=.6606
Ahora suponga que el detallista recibe 10 cargamentos en un mes y que el inspector prueba
aleatoriamente 20 dispositivos por cargamento. ¿Cuál es a probabilidad de que haya exactamente
tres cargamentos que contengan al menos un dispositivo defectuoso de entre los 20 seleccionados
y probados?
N=10 b(x;10,.4562)=
n=20
x=3
EJERCICIO 3
(103 ) .4 562 ¿
3
Se conjetura que hay impurezas en 30% del total de pozos

de agua potable de cierta comunidad rural. Para obtener información sobre la verdadera magnitud
del problema se determina que debe realizarse algún tipo de prueba. Como es muy costoso probar
todos los pozos del área, se eligen 10 al azar para someterlos a la prueba. a) Si se utiliza la
distribución binomial, ¿cuál es la probabilidad de que exactamente 3 pozos tengan impurezas,
considerando que la conjetura es correcta? b) ¿Cuál es la probabilidad de que más de 3 pozos
tengan impurezas?
3 2
A) b(3;10,0.3)¿ ∑ b ( x ; 10 ,. 3 ) −∑ b ( x ; 10 , . 3 )=. 6496−.3828=. 2668
x=0 x=0
B) P(X¿ 3 ¿=1−.6496=.3504
EJERCICIO 4
De acuerdo con Chemical Engineering Progress (noviembre de 1990), aproximadamente 30% de
todas las fallas de operación en las tuberías de plantas químicas son ocasionadas por errores del
operador. a) ¿Cuál es la probabilidad de que de las siguientes 20 fallas en las tuberías al menos
10 se deban a un error del operador? Determina la esperanza, varianza y desviación estándar.
P=.30
N=20 fallas
X=10 error del operador
a) P(x=10)= (2010 ) ¿
b) MEDIA ARITMETICA O ESPERANZA MATEMATICA
E ( x )=μ x =20∗.3=.6
c) VARIANZA δ 2=var ( x )=20∗.3∗.7=4.2
d) DESVIACIÓN ESTANDAR δ =√ δ 2=√ 20∗.3∗.7=√.4365=2.0493
EJERCICIO 5
En cierto distrito de la ciudad se establece que la causa de 75% de todos los robos es la necesidad
de dinero para comprar drogas. Calcule la probabilidad de que entre los siguientes cinco casos de
robo que se reporten en este distrito, a) exactamente 2 sean resultado de la necesidad de dinero
para comprar drogas; b) a lo sumo 3 resulten de la necesidad de dinero para comprar drogas.
P=.75
N= 5 casos de robo reportados
X= 2 casos sean por necesidad de comprar drogas
a) P(x=2)= (52 ) ¿
b) P( x ≤ 3)=P(x=0)+ P(x=1)+P(x=3)=1-( P(x=4)+ P(x=5))
5!
P(x=4)= ( .75 4 ) .255 −4 ¿=.3955
( 5−2 ) ! 4 !
5!
P(x=4)= ( .75 5 ) . 255−5 ¿=.3955
( 5−5 ) ! 5 !
P( x ≤ 3)=1-(.3955+.3955 ¿=1−.6328=. 3672
EJERCICIO 6
Al probar cierta clase de neumático para camión en un terreno accidentado, se encuentra
que el 25% de los camiones no completan la prueba de recorrido sin ponchaduras. De los
siguientes 15 camiones probados, calcule la probabilidad de que a) de 3 tengan
ponchaduras; b) Determina la esperanza, c) ¿Cuál es la varianza y desviación estándar
del número de ponchaduras de los 15 camiones?
P=.25 no completan la prueba
N= 15 camiones probados
X= variable n° de neumaticos ponchados
a) P(x=3)= (153 ) ¿
b) ESPERANZA MATEMATICA E ( x )=μ x =15∗.25=3.75
c) VARIANZA δ 2=var ( x )=15∗. 25∗.7 5=2.8125
d) DESVIACIÓN ESTANDAR δ =√ δ 2=√ 5∗.25∗.75= √2.8125=1.6770
REFERENCIAS:
 Rodó, P. (2020). Distribución de Bernoulli - Qué es, definición y concepto | Economipedia.
Retrieved 23 March 2020, from https://economipedia.com/definiciones/distribucion-de-
bernoulli.html
 Lockheart. (2013). DISTRIBUCIÓN BERNOULLI Y DISTRIBUCIÓN BINOMIAL.
Retrieved 23 March 2020, from https://es.slideshare.net/sonyelockheart/distribucin-bernoulli-
y-distribucin-binomial
 6.4.2 Distribucion de Bernoulli. (2020). Retrieved 23 March 2020, from
https://virtual.uptc.edu.co/ova/estadistica/docs/libros/ftp.bioestadistica.uma.es/libro/node69.ht
m
 Distribución de Bernoulli - Minitab. (2020). Retrieved 23 March 2020, from
https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-distributions-and-
random-data/supporting-topics/distributions/bernoulli-distribution/
 Distribucion binomial. (2019). Retrieved 24 March 2020, from
https://www.superprof.es/apuntes/escolar/matematicas/probabilidades/distribucion-
binomial/distribucion-binomial.html
 Ronald E. Walpole, Raymond H Myers, Sharon I. Meyers y Keynig Ye(2012)
Probabilidad y estadistica para ingenierias y ciencias 9va edicion Ed. Pearson Mexico


Act. 1 Distribucion Bernoulli

Cargado por

Copyright:

Formatos disponibles

Act. 1 Distribucion Bernoulli

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Act. 1 Distribucion Bernoulli

Cargado por

Copyright:

Formatos disponibles

DISTRIBUCIÓ N BERNOULLI

f(x)=px(1-p)1-x con x=[0,1]

Función de probabilidad Función de

La función de probabilidades aleatorias x se llama distribución Bernoulli o binominal puntual.

Los parámetros de la distribución

MEDIA ARITMÉTICA VARIANZA

Se dice que una v.a. X sigue una ley binomial de parámetros n y p, X∼ B(n,p), si es la suma

X∼ B(n,p) X=X1+…+Xn donde Xi∼ Ver (p),∀ i=1,…,n

FORMULA DE LA DISTRIBUCIÓN BINOMIAL

NOTA: Es importante resaltar que la expresión entre corchetes no es una expresión

MEDIA ARITMETICA O ESPERANZA MATEMATICA E ( x )=μ x =15∗.4=6

Se conjetura que hay impurezas en 30% del total de pozos

También podría gustarte