DISTRIBUCION BINOMIAL

INTRODUCCION

En este trabajo estudiaremos la distribución binomial que es utilizada para la

elaboración y así mismo se puede aplicar para las variables aleatorias discretas
como para variables aleatorias continuas.

Bernoulli definió el proceso conocido por su nombre. Dicho proceso, consiste en

realizar un experimento aleatorio una sóla vez y observar si cierto suceso ocurre
o no, siendo p la probabilidad de que ocurra (éxito) y q=1‐p de que no ocurra
(fracaso), por lo que la variable sólo puede tomar dos posibles valores, el 1 si ocurre
y el 0 sino sucede. La distribución binomial es una generalización de la distribución
de Bernouilli, cuando en lugar de realizar el experimento aleatorio una sola vez, se
realiza n, siendo cada ensayo independiente del anterior.

la distribución Binomial primero tenemos que decir que está dada por la sumatoria
de eventos bernoulli, la distribución de Bernoulli (o distribución dicotómica),
nombrada así por el matemático y científico suizo Jakob Bernoulli, es
una distribución de probabilidad discreta, que 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.
X˜Be(p)
La fórmula será:
f(x) = px(1 − p)1 − x con x = {0,1}
La distribución binomial es una distribución de probabilidades que surge al cumplirse
cinco condiciones:

 Existe una serie de N ensayos,

 En cada ensayo hay sólo dos posibles resultados,
 En cada ensayo, los dos resultados posibles son mutuamente excluyentes,
 Los resultados de cada ensayo son independientes entre sí, y
 La probabilidad de cada resultado posible en cualquier ensayo es la misma
de un ensayo a otro.
Su función de probabilidad es

Donde:

siendo las combinaciones de n en x (n elementos tomados de x en x)

La esperanza y la varianza son

Función de distribución binomial

Utilice la distribución binomial para describir un proceso donde los resultados se

pueden etiquetar como un evento o un no evento y cuando esté interesado en la
ocurrencia de un evento y no en su magnitud.

Por ejemplo, un elemento pasa o no pasa una inspección o un partido político gana
o pierde. La distribución binomial se usa frecuentemente en control de calidad,
sondeos de opinión pública, investigaciones médicas y seguros.

Por ejemplo, utilice la distribución binomial para calcular la probabilidad de que 3 o

más elementos defectuosos se encuentren en una muestra de 25 elementos si la
probabilidad de un elemento defectuoso en cada ensayo es 0.02. El número de
elementos defectuosos (X) sigue una distribución binomial con n = 25 y p = 0.02.

Una de las propiedades de la distribución binomial es que cuando n es grande, la

distribución binomial puede ser aproximada razonablemente por la distribución
normal. Por ejemplo, para la siguiente distribución binomial, n = 100 y p = 0.5.
Distribución normal o Gaussiana

La distribución normal o gaussiana fue presentada por vez primera por Abraham de
Moivre en un artículo del año 1733
Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su
propio nombre indica su extendida utilización, justificada por la frecuencia o
normalidad con la que ciertos fenómenos tienden a parecerse en su comportamiento
a esta distribución.

Muchas variables aleatorias continuas presentan una función de densidad cuya

gráfica tiene forma de campana.

En otras ocasiones, al considerar distribuciones binomiales, tipo B(n,p), para un

mismo valor de p y valores de n cada vez mayores, se ve que sus polígonos de
frecuencias se aproximan a una curva en "forma de campana".

Función de densidad

Se dice que una variable aleatoria continua X sigue una distribución normal de
parámetros μ y σ y se denota X~N(μ, σ) si su función de densidad está dada por:
donde μ (mu) es la media y σ (sigma) es la desviación típica (σ2 es la varianza).

Se llama distribución normal "estándar" a aquélla en la que sus parámetros toman

los valores μ = 0 y σ = 1. Para esta la función de densidad tiene la siguiente
expresión:

La función de distribución de la distribución normal está definida como sigue:

La función generadora de momentos se define como la esperanza de e(tX). Para

una distribución normal, la función generadora de momentos es:

como puede comprobarse completando el cuadrado en el exponente.

En la practica que realizamos en clase ocupamos el programa MATLAB para poder

visualizar la distribución binomial en la probabilidad del ejemplo donde se lanza un
dado 100 veces. Y calcular la probabilidad de que caiga entre 3º y 20 cincos.

Así mismo ocupamos nuevos comandos que fueron de utilidad para poder visualizar
las graficas de la distribución binomial y la gaussiana, haciendo un comparativo y
así mismo imprimir las graficas
B(X)= binopdf (que determina la gráfica binomial)
C(X)= normpar(que determina la gráfica gaussiana).

Esos comandos fueron utilizados para poder obtener en la programación de Matlab

la comparación de las graficas
Nuestra
p= 1/6 n=100 q=5/6
y un ciclo for de X=20:30

Matlab nos brinda el resultado siendo obtenido por graficas para poderlo ver
correctamente la probabilidad ya que es muy grande y un poco imposible
visualizarlo a calculadora y cálculos mentales.

A continuación, son mostradas las gráficas de comparación entre gaussiana y

binomial apreciadas con dos colores distintos para esto fue puesto figure (Z).
CONCLUSIONES

En las gráficas podemos observar dos colores que hacen la comparación de las
distribuciones en conclusión podemos determinar los valores de probabilidad muy
bajos en todos los números de casos.

También las distribuciones que en este trabajo se trataron brevemente están

relacionadas entre sí cubriendo más aplicaciones a la vida real, en general podemos
decir que cada una de estas aporta a campos trascendentales desde hospitales
hasta política, ya que la exactitud en los resultados que estas nos ofrecen facilita la
toma de decisiones para grandes instituciones.

BIBLIOGRAFIA
http://stattrek.com/Tables/Binomial.aspx
http://distribucion-probabilidades/distribucion-probabilidades.shtml
http://www.ats.ucla.edu/stat/r/dae/zinbreg.htm
http://www.stat.umn.edu/geyer/old/5101/rlook.html
http://mathworld.wolfram.com/PoissonDistribution.html
UNIVERSIDAD POLITECNICA DE TEXCOCO

REYES MARTINEZ LUIS ALBERTO

PROCESOS ESTOCASTICOS

REPORTE DE DISTRIBUCIONES BINOMIAL Y

GAUSIIANA

ABARCA RODRIGUEZ MARCO ANTONIO

INGENIERIA EN ELECTRONICA Y
TELECOMUNICACIONES

5MIE1