Distribucion Binomial
Distribucion Binomial
Distribucion Binomial
n = Número de ensayos/experimentos
x = número de éxitos, que en este caso es igual a 3, dado que buscamos la
probabilidad de que 3 de los 4 amigos lo hayan visto.
En este tema
Las probabilidades de las variables aleatorias continuas (X) se definen como el área
por debajo de la curva de su PDF. Por lo tanto, solo los rangos de valores pueden
tener una probabilidad diferente de cero. La probabilidad de que una variable
aleatoria continua equivalga a algún valor siempre es cero.
Ejemplo de la distribución de pesos
La distribución normal continua puede describir la distribución del peso de
hombres adultos. Por ejemplo, usted puede calcular la probabilidad de que un
hombre pese entre 160 y 170 libras.
x P (X = x)
5 0.037833
1 0.12511
0
1 0.034718
5
Distribucion de Poisson
En teoría de probabilidad y estadística, la distribución de Poisson es una distribución de
probabilidad discreta que expresa, a partir de una frecuencia de ocurrencia media, la
probabilidad de que ocurra un determinado número de eventos durante cierto período de
tiempo. Concretamente, se especializa en la probabilidad de ocurrencia de sucesos con
probabilidades muy pequeñas, o sucesos «raros».
Fue propuesta por Siméon-Denis Poisson, que la dio a conocer en 1838 en su
trabajo Recherches sur la probabilité des jugements en matières criminelles et matière
civile (Investigación sobre la probabilidad de los juicios en materias criminales y civiles).
Por otro lado es evidente que se trata de un modelo discreto y que el campo
de variación de la variable será el conjunto de los número naturales, incluido
el cero:
EJEMPLO 1:
Supongamos la extracción aleatoria de 8 elementos de un conjunto formado
por 40 elementos totales (cartas baraja española) de los cuales 10 son del tipo
A (salir oro) y 30 son del tipo complementario (no salir oro).
Si realizamos las extracciones sin devolver los elementos extraídos y llamamos
X al número de elementos del tipo A (oros obtenidos) que extraemos en las 8
cartas; X seguirá una distribución hipergeométrica de parámetros 40 , 8 ,
10/40.H(40,8,0,25).
Para calcular la probabilidad de obtener 4 oros:
EJEMPLO 2:
De cada 20 piezas fabricadas por una máquina, hay 2 que son defectuosas.
Para realizar un control de calidad, se observan 15 elementos y se rechaza el
lote si hay alguna que sea defectuoso. Vamos a calcular la probabilidad de que
el lote sea rechazado.
Cuando N es muy grande, como criterio se suele considerar N > 10n, la
distribución hipergeométrica se puede aproximar por la binomial B( n,
p ) con p = k/N.