Distribución Bernoulli Informe

UNIVERSIDAD NACIONAL DE JAÉN
FACULTAD DE INGENIERÍA
ESCUELA PROFESIONAL DE INGENIERÍA MECÁNICA Y ELÉCTRICA
“Distribución de probabilidad de Bernoulli”
Estadística y probabilidad
Llauce Santamaria Rosario Yaqueliny
INTEGRANTES:
Cruz Vasques José Eduar
Guarnizo Farias Marko Antonio
Lalangui Alva Jhixson Javier
Machado Agurto Yesica Marilú
Jaén, mayo, 202

INDICE
INTRODUCCIÓN ........................................................................................................................ 2
OBJETIVOS ................................................................................................................................ 3
Distribución Bernoulli ................................................................................................................. 4
Media y varianza de una variable aleatoria de Bernoulli. ...................................... 9
CONCLUSION .......................................................................................................................... 11
REFERENCIAS BIBLIOGRÁFICAS ...................................................................................... 12
1
INTRODUCCIÓN
El teorema estadístico de Bernoulli es una distribución de probabilidad discreta,
que abre el camino a la distribución binomial, la distribución geométrica y la
distribución binomial negativa. Lleva ese nombre por Jakob Bernoulli, un gran
matemático y científico suizo.
Esta distribución cuenta con dos posibles resultados ya sea de éxito o de fracaso,
en este informe analizaremos los experimentos que están en distribución
Bernoulli, así como su media y varianza en dicha distribución y así poder aplicarlo
en problemas posteriores.
2
OBJETIVOS
➢ Analizar las características y aplicación de la Distribución Bernoulli
➢ Revisar los principales conceptos, parte teórica y aplicaciones de los
fundamentos de estadística de ambas distribuciones.
3
Distribución Bernoulli
La distribución Bernoulli es un experimento aleatorio que consiste de sólo dos
resultados posibles mutuamente excluyentes generalmente llamados éxitos (E)
y fracaso (F).
Ejemplos
• Lanzar una moneda
Al realizar este experimento obtenemos dos resultados ya sea cara o sello.

4
𝛺 = {𝑐𝑎𝑟𝑎, 𝑠𝑒𝑙𝑙𝑜}
si lo que se quiere es calcular la probabilidad de sacar cara entonces “cara”

será éxito y “sello” será fracaso
• Disparar a un objeto
Al realizar este experimento obtendremos dos resultados “acertar” o “fallar”.
𝛺 = {𝑎𝑐𝑒𝑟𝑡𝑎𝑟, 𝑓𝑎𝑙𝑙𝑎𝑟}
si desea calcular la probabilidad de fallar entonces “fallar” será considerado

como éxito y “acertar” como fracaso.
• Elegir al azar un objeto fabricado
En este experimento los resultados obtenidos serán de “defectuoso” y “no

defectuoso”.
𝛺 = {𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜, 𝑛𝑜 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜}
al querer calcular la probabilidad de que sean defectuosas “defectuoso” seria

el éxito y “no defectuosa” seria fracaso
Se denomina variable aleatoria Bernoulli a la variable aleatoria X definida en

el  de manera que atribuye a:
5
Éxito: E=1
Fracaso: F=0
𝒑 = 𝑷[𝒙 = 𝟏] es la probabilidad de éxito, donde:
0<p<1
Probabilidad de fracaso
𝑞 = 𝑃[𝑥 = 𝑜] = 1 − 𝑝
Distribución de probabilidad de Bernoulli de parámetro
𝑝 𝑥 (1 − 𝑝)1−𝑥 , 𝑠𝑖 𝑥 = 0 , 1
𝑓(𝑥) = 𝑃[𝑋 = 𝑥] = { }
0 , 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Utilizamos x=1 cuando se busca el éxito del experimento
Utilizamos x=0 cuando se busca el fracaso del experimento
Ejemplos
1. En un rifa donde el premio es una computadora participan 123

personas , de los cuales solo una será el ganador.
a) ¿Cual es la probabilidad que la persona 100 gane el premio?
Solución
Como primer punto tenemos que la probabilidad de que cada persona gane
es de 1/23
Aplicamos la formula
1 1 1 1−1
𝑃(𝑥 = 1) = ( ) (1 − ( ))
123 123
1 1 122 0
𝑃(𝑥 = 1) = ( ) ( )
123 123
6
1
𝑃(𝑥 = 1) = 123 = 0.00813= 0.813%
Respuesta : la probabilidad que la persona 100 gane la computadora es de

0.813%
b) ¿Cuál es la probabilidad que la persona 100 ni gane el premio?
1 0 1 1−0
𝑃(𝑥 = 0) = ( ) (1 − ( ))
123 123
1 0 1 1
𝑃(𝑥 = 0) = ( ) (1 − ( ))
123 123
122
𝑃(𝑥 = 0) = 1 ∗ 123 = 0.991869= 99.1869%
La probabilidad de que la persona 100 no gane la computadora es de

99.1869%
2. En un concurso de pesca participan 10 pescadores, el ganador será

el que atrape el primer pescado, todos los pescadores tienen la
misma capacidad de ganar
Cada pescador tiene la probabilidad de ganar de 1/10
a) ¿Cuál es la probabilidad que el pescador 5 gane el trofeo?
1 1 1
𝑃(𝑥 = 1) = ( ) (1 − ( ))1−1
10 10
1 1 9 0
𝑃(𝑥 = 1) = ( ) ( )
10 10
1 1
𝑃(𝑥 = 1) = ( ) ∗1
10
1
𝑃(𝑥 = 1) = = 0.10 = 10%
10
La probabilidad que el pescador 5 gane el trofeo es del 10%
7
b) ¿Cuál es la probabilidad que el pescador 5 no gane el trofeo?
1 0 1
𝑃(𝑥 = 0) = ( ) (1 − ( ))1−0
10 10
1 0 9 1
𝑃(𝑥 = 0) = ( ) ( )
10 10
1 1 9
𝑃(𝑥 = 0) = ( ) (1 − ( ))1−1
10 10
𝑃(𝑥 = 0) = 1 ∗ 9/10= 0.9 = 90%
La probabilidad de que el jugador 5 no gane el trofeo es del 90%
3. En una tienda se tiene productos electrónicos, los cuales son portátiles o

electrónicos. Una persona entra y puede escoger entre 2 computadoras
portátil o de escritorio.
a). si se tiene que el 25% de los clientes en una semana opta por una de
escritorio. determinar la función de probabilidad.
Definimos x
Portátil: X=0
Escritorio: X=1
P(x=0) : 1-p= 1-0.25= 0.75

P(x=1): P=0.25
P(x=x):0
8
Media y varianza de una variable aleatoria de Bernoulli.
Media o valor esperado
𝜇=𝑝
Explicación
x~ Be (p)
Fracaso Éxito
X 0 1
F(x)=P(X=x) 1-p p
𝜇 = 𝐸(𝑋) = ∑ 𝑋 ∗ 𝑓(𝑥)
𝜇 = 𝐸(𝑋) = 0 ∗ (1 − 𝑝) + 1 ∗
𝜇 = 𝐸(𝑋) = 0 + 𝑝
𝜇 = 𝐸(𝑋) = 𝑝
Varianza
𝜎 2 = 𝑝𝑞
Explicación
Fracaso Éxito
X 0 1
F(x)=P(X=x) 1-p p
9
𝜎 2 = 𝑉(𝑋) = ∑ 𝑥 2 𝑓(𝑥) − 𝜇 2
𝜎 2 = 𝑉(𝑋) = 02 ∗ (1 − 𝑝) + 12 ∗ 𝑝 − 𝑝2
𝜎 2 = 𝑉(𝑋) = 02 ∗ (1 − 𝑝) + 12 ∗ 𝑝 − 𝑝2
𝜎 2 = 𝑉(𝑋) = 0 + 𝑝 − 𝑝2
𝜎 2 = 𝑉(𝑋) = 𝑝(1 − 𝑝)
𝜎 2 = 𝑝𝑞
10
CONCLUSION
la distribución Bernoulli nos permite calcular las probabilidades de fracaso o

éxitos de las variables discretas, dicha distribución es muy importante ya que
a partir de ella se puede realizar distribuciones posteriores
La a distribución Bernoulli es una de las más rápidas de entender en

estadística y probabilidades y nos permiten ordenar datos de nuestros
proyectos o nuestra área laboral mucho más rápido y concreta.
11
REFERENCIAS BIBLIOGRÁFICAS
Córdova Zamora, M. (2009). Estadística descriptiva e inferencial. 5a ed. Lima:

Moshera, pp.253-254.
Navidi, W. (2006). Estadística para ingenieros. 1a ed. México: McGraw-Hill,

pp.192-195.
Matemóvil [@Matemovil]. (2020, junio 29). Media (valor esperado) y varianza

de una variable aleatoria de Bernoulli (Examen MIT). Youtube.
https://www.youtube.com/watch?v=qWpV4TQRk9I
12

Distribución Bernoulli Informe

Cargado por

Copyright:

Formatos disponibles

Distribución Bernoulli Informe

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

Distribución Bernoulli Informe

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DE JAÉN

ESCUELA PROFESIONAL DE INGENIERÍA MECÁNICA Y ELÉCTRICA

“Distribución de probabilidad de Bernoulli”

Llauce Santamaria Rosario Yaqueliny

Cruz Vasques José Eduar

Guarnizo Farias Marko Antonio

Lalangui Alva Jhixson Javier

Machado Agurto Yesica Marilú

Jaén, mayo, 202

Distribución Bernoulli ................................................................................................................. 4

Media y varianza de una variable aleatoria de Bernoulli. ...................................... 9

REFERENCIAS BIBLIOGRÁFICAS ...................................................................................... 12

El teorema estadístico de Bernoulli es una distribución de probabilidad discreta,

que abre el camino a la distribución binomial, la distribución geométrica y la

matemático y científico suizo.

en este informe analizaremos los experimentos que están en distribución

➢ Analizar las características y aplicación de la Distribución Bernoulli

➢ Revisar los principales conceptos, parte teórica y aplicaciones de los

fundamentos de estadística de ambas distribuciones.

La distribución Bernoulli es un experimento aleatorio que consiste de sólo dos

resultados posibles mutuamente excluyentes generalmente llamados éxitos (E)

• Lanzar una moneda

Al realizar este experimento obtenemos dos resultados ya sea cara o sello.

si lo que se quiere es calcular la probabilidad de sacar cara entonces “cara”

Al realizar este experimento obtendremos dos resultados “acertar” o “fallar”.

si desea calcular la probabilidad de fallar entonces “fallar” será considerado

• Elegir al azar un objeto fabricado

En este experimento los resultados obtenidos serán de “defectuoso” y “no

al querer calcular la probabilidad de que sean defectuosas “defectuoso” seria

Se denomina variable aleatoria Bernoulli a la variable aleatoria X definida en

𝒑 = 𝑷[𝒙 = 𝟏] es la probabilidad de éxito, donde:

Distribución de probabilidad de Bernoulli de parámetro

Utilizamos x=1 cuando se busca el éxito del experimento

Utilizamos x=0 cuando se busca el fracaso del experimento

1. En un rifa donde el premio es una computadora participan 123

a) ¿Cual es la probabilidad que la persona 100 gane el premio?

Respuesta : la probabilidad que la persona 100 gane la computadora es de

b) ¿Cuál es la probabilidad que la persona 100 ni gane el premio?

La probabilidad de que la persona 100 no gane la computadora es de

2. En un concurso de pesca participan 10 pescadores, el ganador será

Cada pescador tiene la probabilidad de ganar de 1/10

a) ¿Cuál es la probabilidad que el pescador 5 gane el trofeo?

𝑃(𝑥 = 0) = 1 ∗ 9/10= 0.9 = 90%

La probabilidad de que el jugador 5 no gane el trofeo es del 90%

3. En una tienda se tiene productos electrónicos, los cuales son portátiles o

P(x=0) : 1-p= 1-0.25= 0.75

Media o valor esperado

la distribución Bernoulli nos permite calcular las probabilidades de fracaso o

La a distribución Bernoulli es una de las más rápidas de entender en

Córdova Zamora, M. (2009). Estadística descriptiva e inferencial. 5a ed. Lima:

Navidi, W. (2006). Estadística para ingenieros. 1a ed. México: McGraw-Hill,

Matemóvil [@Matemovil]. (2020, junio 29). Media (valor esperado) y varianza

También podría gustarte