Anda di halaman 1dari 9

Distribución de Bernoulli

Distribución de Bernoulli y Distribución Binomial


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 ( ) y valor 0 para
la probabilidad de fracaso ( ).
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.
Su formula es:

La distribución Binomial es una distribución de


probabilidad discreta que mide 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, sólo son posibles dos resultados.
A uno de estos se denomina éxito y tiene una
probabilidad de ocurrencia p y al otro, fracaso, con una
probabilidad 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.

N= Numero de eventos.
X= Numero de éxitos.
P= Probabilidad de éxito.
Q= probabilidad de fracaso.
F(X)= Probabilidad de tener X éxitos en un numero N
de ensayos.
Sus propiedades son:
Media: n.p
Varianza: n.p.q
Desviación típica o estándar: n.p.q
Ejemplo: Se quiere saber cuales la probabilidad de
que encontremos 10 basureros dañados de 50
ubicados en el barrio Tamasagra de San Juan De
Pasto; se sabe que la probabilidad de
que estén dañados es de 15.8%.

N= 50
X= 10
P= 15.8% → 0.158%
Q= 84.2% → 0.842%

50! . 0.15810 . 084.240 = 0.00205


(50-10)! 10!

La probabilidad de encontrar 10 basureros dañados de


50 tomados es de 0.00205%, en distribución Binomial.
Los basureros nos ayudan a mejorar el ambiente de la
ciudad disminuyendo las emisiones de CO2 directo a
la atmosfera

DISTRIBUCIÓN DE POISSON
ir a script de la distribución de Poisson

Esta distribución es una de las más importantes distribuciones de variable discreta. Sus
principales aplicaciones hacen referencia a la modelización de situaciones en las que nos
interesa determinar el número de hechos de cierto tipo que se pueden producir en un
intervalo de tiempo o de espacio, bajo presupuestos de aleatoriedad y ciertas circunstancias
restrictivas. Otro de sus usos frecuentes es la consideración límite de procesos dicotómicos
reiterados un gran número de veces si la probabilidad de obtener un éxito es muy pequeña
.

Proceso experimental del que se puede hacer derivar

Esta distribución se puede hacer derivar de un proceso experimental de observación en el


que tengamos las siguientes características

 Se observa la realización de hechos de cierto tipo durante un cierto periodo de


tiempo o a lo largo de un espacio de observación

 Los hechos a observar tienen naturaleza aleatoria ; pueden producirse o no de una


manera no determinística.

 La probabilidad de que se produzcan un número x de éxitos en un intervalo de


amplitud t no depende del origen del intervalo (Aunque, sí de su amplitud)

 La probabilidad de que ocurra un hecho en un intervalo infinitésimo es


prácticamente proporcional a la amplitud del intervalo.

 La probabilidad de que se produzcan 2 o más hechos en un intervalo infinitésimo es


un infinitésimo de orden superior a dos.

En consecuencia, en un intervalo infinitésimo podrán producirse O ó 1 hecho pero


nunca más de uno
 Si en estas circunstancias aleatorizamos de forma que la variable aleatoria X
signifique o designe el "número de hechos que se producen en un intervalo de tiempo o
de espacio", la variable X se distribuye con una distribución de parámetro  .

Distribución de Poisson
Francisco Márquez 2 años ago 8 comentarios

La distribución de Poisson es una distribución de probabilidad discreta que se aplica a las


ocurrencias de algún suceso durante un intervalo especifico. La variable aleatoria x es el
número de ocurrencias de un suceso en un intervalo. El intervalo suele ser normalmente
tiempo, distancia, área, volumen o alguna unidad similar. La probabilidad de que el suceso
ocurra x-veces, durante el intervalo, está dada por la siguiente fórmula:

Qué es la distribución hipergeométrica?

La distribución hipergeométrica es una distribución discreta que modela el número de


eventos en una muestra de tamaño fijo cuando usted conoce el número total de elementos
en la población de la cual proviene la muestra. Cada elemento de la muestra tiene dos
resultados posibles (es un evento o un no evento). Las muestras no tienen reemplazo, por lo
que cada elemento de la muestra es diferente. Cuando se elige un elemento de la población,
no se puede volver a elegir. Por lo tanto, la probabilidad de que un elemento sea
seleccionado aumenta con cada ensayo, presuponiendo que aún no haya sido seleccionado.

Utilice la distribución hipergeométrica para muestras obtenidas de poblaciones


relativamente pequeñas, sin reemplazo. Por ejemplo, la distribución hipergeométrica se
utiliza en la prueba exacta de Fisher para probar la diferencia entre dos proporciones y en
muestreos de aceptación por atributos cuando se toman muestras de un lote aislado de
tamaño finito.

La distribución hipergeométrica se define por 3 parámetros: tamaño de la población, conteo


de eventos en la población y tamaño de la muestra.
Por ejemplo, usted recibe un envío de pedido especial de 500 etiquetas. Supongamos que el 2% de
las etiquetas es defectuoso. El conteo de eventos en la población es de 10 (0.02 * 500). Usted
toma una muestra de 40 etiquetas y desea determinar la probabilidad de que haya 3 o más
etiquetas defectuosas en esa muestra. La probabilidad de que haya 3 o más etiquetas defectuosas

en la muestra es de 0.0384.

Ejemplo de cálculo de las probabilidades hipergeométricas

Supongamos que hay diez automóviles disponibles para que usted los pruebe (N = 10) y
cinco de ellos tienen motores turbo (x = 5). Si prueba tres de los vehículos (n = 3), ¿cuál es
la probabilidad de que dos de los tres que probará tengan motores turbo?

Progresión geométrica
De Wikipedia, la enciclopedia libre

Saltar a: navegación, búsqueda

Una progresión geométrica es una secuencia en la que el elemento siguiente se obtiene


multiplicando el elemento anterior por una constante denominada razón o factor de la
progresión. Se suele reservar el término progresión cuando la secuencia tiene una cantidad
finita de términos mientras que se usa sucesión o serie cuando hay una cantidad infinita de
términos.

Así, es una progresión geométrica con razón igual a 3, porque cada elemento es el
triple del anterior. Se puede obtener el valor de un elemento arbitrario de la secuencia

mediante la expresión del término general, siendo el término en cuestión, el

primer término y , la razón:

En el ejemplo anterior, el sexto elemento de la serie sería:


Que se puede verificar multiplicando el último término por la razón:

Para obtener la razón de una progresión geométrica solo se divide un término cualquiera
entre el término anterior, o sea:

El teorema del límite central: las medias de muestras grandes y


aleatorias son aproximadamente normales
Más información sobre Minitab 18

El teorema del límite central es un teorema fundamental de probabilidad y estadística. El


teorema describe la distribución de la media de una muestra aleatoria proveniente de una
población con varianza finita. Cuando el tamaño de la muestra es lo suficientemente
grande, la distribución de las medias sigue aproximadamente una distribución normal. El
teorema se aplica independientemente de la forma de la distribución de la población.
Muchos procedimientos estadísticos comunes requieren que los datos sean
aproximadamente normales. El teorema de límite central le permite aplicar estos
procedimientos útiles a poblaciones que son considerablemente no normales. El tamaño que
debe tener la muestra depende de la forma de la distribución original. Si la distribución de
la población es simétrica, un tamaño de muestra de 5 podría producir una aproximación
adecuada. Si la distribución de la población es considerablemente asimétrica, es necesario
un tamaño de muestra más grande. Por ejemplo, la distribución de la media puede ser
aproximadamente normal si el tamaño de la muestra es mayor que 50. Las siguientes
gráficas muestran ejemplos de cómo la distribución afecta el tamaño de la muestra que se
necesita.
Distribución uniforme

Medias de las muestras

Muestras de una población uniforme


Una población que sigue una distribución uniforme es simétrica, pero marcadamente no
normal, como lo demuestra el primer histograma. Sin embargo, la distribución de las
medias de 1000 muestras de tamaño 5 de esta población es aproximadamente normal
debido al teorema del límite central, como lo demuestra el segundo histograma. Este
histograma de las medias de las muestras incluye una curva normal superpuesta para
ilustrar esta normalidad.

Distribución exponencial

Medias de las muestras


|
Aproximación de la Distribución Binomial por la Normal
Utilizar la distribución normal (continua) como sustituto de una distribución
binomial (discreta) para valores grandes de n, parece razonable porque
conforme n aumenta, una distribución binomial se acerca más a una
distribución normal.
La distribución de probabilidad normal, en general, se considera una buena
aproximación a la binomial cuando n y n(1 - ) son ambos mayores que 5.

El valor .5 se resta o se suma, dependiendo del problema, a un valor


seleccionado cuando una distribución de probabilidad binomial se aproxima
por una distribución de probabilidad normal.

___________________________________________________________________

Ejemplo.

Un estudio reciente de una compañía de investigación de mercados mostró


que 15% de las casas en Estados Unidos poseen una cámara de video. Se
obtuvo una muestra de 200 casas.
De las 200 casas en la muestra ¿cuántas se espera que tengan una cámara
de video?

La varianza

La desviación estándar
¿Cuál es la probabilidad de que menos de 40 casas de la muestra tengan
cámara de video?

Se necesita P(X<40)>

Revelado ante sus incrédulos ojos por Snooky

Anda mungkin juga menyukai