Distribución binomial

Problemas de la página
Frecuencia con la que se da un suceso en un proceso dicotómico.
«Binomial» redirige aquí. Para otras acepciones, véase binomial.
En estadística, la distribución binomial es una distribución de
probabilidad discreta que cuenta el número de éxitos en una secuencia
de n ensayos de Bernoulli independientes entre sí, con una probabilidad
fija p de ocurrencia del éxito entre los ensayos. Un experimento de Bernoulli se
caracteriza por ser dicotómico, esto es, solo dos resultados son posibles. A uno
de estos se denomina «éxito» y tiene una probabilidad de ocurrencia p y al
otro, «fracaso», con una probabilidad[2] q = 1 - p. En la distribución binomial el
anterior experimento se repite n veces, de forma independiente, y se trata de
calcular la probabilidad de un determinado número de éxitos. Para n = 1, la
binomial se convierte, de hecho, en una distribución de Bernoulli.

Distribución geométrica

En teoría de probabilidad y estadística, la distribución geométrica es cualquiera

de las dos distribuciones de probabilidad discretas siguientes:

la distribución de probabilidad del número X del ensayo de Bernoulli necesaria

para obtener un éxito, contenido en el conjunto { 1, 2, 3,...} o
la distribución de probabilidad del número Y = X − 1 de fallos antes del primer
éxito, contenido en el conjunto { 0, 1, 2, 3,... }.

Distribución geométrica

Más información sobre Minitab 18

Cuando usted realiza un experimento que solo tiene dos resultados posibles, la
distribución geométrica es una distribución discreta que puede modelar el
número de ensayos consecutivos necesarios para observar el resultado de
interés por primera vez. La distribución geométrica también puede modelar el
número de no eventos que ocurren antes de que se observe el primer
resultado.
Por ejemplo, una distribución geométrica puede modelar el número de veces
que se debe lanzar al aire una moneda para obtener el primer resultado de
"cara". De manera similar, si se trata de productos construidos en una línea de
ensamble, la distribución geométrica puede modelar el número de unidades
producidas antes de que se produzca la primera unidad defectuosa. La
siguiente gráfica representa una distribución geométrica con probabilidad de.

Distribucion de poison

La distribución de Poisson se emplea para describir varios procesos, entre

otros la distribución de las llamadas telefónicas que llagan a un conmutador, la
demanda (necesidades) de servicios en una institución asistencial por parte de
los pacientes, los arribos de los camiones y automóviles a la caseta de cobro y
el número de accidentes en un cruce. Los ejemplos citados tienen un elemento
en común, pueden ser descritos por una variable aleatoria discreta que asume
valores enteros (0,1,2,3,4,5 y así sucesivamente).

La Distribución de Poisson se llama así en honor a Simeón Dennis Poisson

(1781-1840), francés que desarrolló esta distribución basándose en estudios
efectuados en la última parte de su vida.

El número de enfermos que llegan a un consultorio en cierto intervalo de

tiempo será de 0,1,2,3,4,5 o algún otro número entero. De manera análoga, si
se cuenta el número de automóviles que llegan a una caseta de cobro durante
un periodo de diez minutos, el número será entero.

Características de los procesos que producen una distribución de la

probabilidad de Poisson
El número de vehículos que pasan por una caseta de cobro en las horas de
mayor tráfico sirve como ejemplo para mostrar las características de una
distribución de probabilidad de Poisson.

El promedio (media) de los arribos de vehículos por hora de gran tráfico puede
estimarse a partir de los datos anteriores del tráfico.

Si dividimos las horas de gran tráfico en periodos (intervalos) de un segundo

cada uno, encontraremos que los siguientes enunciados son verdaderos:

a) La probabilidad de que exactamente un vehículo llegue por segundo a una

caseta individual es un número muy pequeño y es constante para que cada
intervalo de un segundo.
b) La probabilidad de que dos o más vehículos lleguen en un intervalo de un
segundo es tan reducida que podemos asignarle un valor cero.
c) El número de vehículos que llegan en determinado intervalo de un segundo
es independiente del momento en que el intervalo de un segundo ocurre
durante la hora de gran tráfico.
d) El número de llegadas en cualquier intervalo de un segundo no depende del
número de arribos de cualquier otro intervalo de un segundo.