Aproximacin de la Distribucin

Binomial a la Distribucin Normal.

 DISTRIBUCIN BINOMIAL
RECORDAR
La distribucin binomial esta asociada a experimentos del siguiente
tipo:
Realizamos n veces cierto experimento en el que consideramos solo
la posibilidad de xito o fracaso.
La probabilidad de obtener xito o fracaso siempre es la misma en
cada ocasin siendo :
n= numero de casos
p= probabilidad de xito
q= probabilidad de fracaso (q= 1-p)
La distribucin binomial se suele representar por B(n,p)
Siendo n el numero de intentos y p la probabilidad de fracaso
Distribucin normal
Es la distribucin mas importante en la probabilidad muchas
poblaciones tienen distribucin normal.
Ejemplos:
Estatura, peso y otras caractersticas fsicas
Errores de medicin en experimentos cientficos
Mediciones de inteligencia y aptitud
Calificaciones en diversas pruebas
Muchas medidas e indicadores econmicos
Depende los parmetros:
Tiene forma de campana
 PASOS A REALIZAR PARA RESOLVER ESTOS
PROBLEMAS

1. Decidimos si podemos hacer la aproximacin

n>10, np>5 y nq>5

2. Aproximamos la distribucin binomial a la normal

3. Aplicamos la correccin de yates

4 estandarizamos

5 resolvemos con la tabla de distribucin Normal

 Ejemplo: Se lanza una moneda 200 veces. Calcula la probabilidad de que
salgan a lo sumo 110 caras.

n=200 p=0,5 q=0,5

B(n,p)=B(200,0.5) (, . )
3
1 2
n>10 n=200 P(x 110) = ( 110 + 0,5) = ( 110,5)
np>5 np=200x0,5=100 = = 100
nq>5 nq= 200x0,5=100 = =7,07

4
5
110,5100
P(x 100,5) = ( 7,07
)= P(Z 1,48) = 0,9306
Un examen tipo test consta de 40 preguntas a contestar verdadero o falso.
El examen se aprueba si se contesta correctamente al menos 25 preguntas. Un alumno responde
al examen al azar. Halla la probabilidad de aprobar el examen
n=40 p=0,5 q=0,5
B(n,p)=B(40,0.5) (, . )
3
1 2
n>10 n=40 P(x 25) = ( 25 0,5) = (
np>5 np=40x0,5=20 = = 20 24,5)
nq>5 nq= 40x0,5=20 =
=3,16

4
5
24,520
P(x 24,5) = ( )= P(Z 1,42) = 1 ( 1,42) = 1 0,9222 = 0,0778 7,78%
3,16
 Recordemos
Medida o promedio de ocurrencias o xitos por unidad
de tiempo, longitud, rea, etc.

x Nmero de xitos que suceden.

Funcin de probabilidad

e = Euler
.
=
= lambda !
En un banco un asesor comercial atiende un promedio a 3 personas por hora.
Cul es la probabilidad que en la siguiente hora atienda solamente a 2 personas?

3 .32
Datos: = 2,7182 =2 =
2!

(2,7182)3 9
=3 =2 =2 =
21

Frmula: 0,0498 9
=2 =
2

0,4482
. =2 =
= 2
!
= 2 = 0.2241 = 22,41%
Sea X una variable aleatoria discreta que se distribuye como una Binomial con parmetros (n,p)
donde n tiende a infinito y, p tiende a 0. Cuando esto ocurre podemos aproximar una
distribucin Binomial por medio de una distribucin de Poisson, es decir,

Por convenio se realizar esto cuando se verifiquen una de estas

condiciones:
1. Cuando se verifique n > 30 y p < 01.
2. np < 5
Un jugador encesta con probabilidad 0,05. Calcular la probabilidad de que al tirar
100 veces enceste:
a) 5 veces
b) Ninguna vez

(100, 0 05) Datos: Frmula:

=
= = .
=
=5 !

2,725 55 0,0069 3125 4,3125

a) ( = 5) = = = = 0,1796 = 17,96%
5! 54321 24

2,725 50 0,0069 1
b) ( = 0) = = = 0,0069 = 0,69%
0! 1
DISTRIBUCION :
En estadstica, la distribucin de Pearson, llamada tambin ji cuadrado o chi cuadrado,
es una distribucin de probabilidad continua con un parmetro que representa los
grados de libertad de la variable aleatoria.

Donde son variables aleatorias normales independientes de media cero y varianza

1. El que la variable aleatoria X tenga esta distribucin se representa habitualmente
as.
FUNCION DE DISTRIBUCION ACUMULADA:
Su funcin de distribucin es:

Donde es la funcin Gamma incompleta.

El valor esperado y la varianza de una variable aleatoria X con distribucin
son, respectivamente, k y 2k.
APLICACIONES:

-La distribucin tiene muchas aplicaciones en inferencia estadstica.

-La ms conocida es la de la denominada prueba utilizada como prueba de

independencia y como prueba de bondad de ajuste y en la estimacin de varianzas.

-Aparece tambin en todos los problemas de anlisis de varianza por su relacin con
la distribucin F de Snedecor, que es la distribucin del cociente de dos variables aleatorias
independientes con distribucin .
 DISTRIBUCION 2 (CHI
CUADRADO)
Es una distribucin probabilstica que representa los grados de
libertad.
La utilidad del CHI-CUADRADO, nos permite determinar la relacin
entre 2 variables (es decir si existe o no, dependencia estadstica
entre ellas).
 PASOS PARA CALCULAR CHI-CUADRADO:
1 PASO.- Plantear la hiptesis.

2PASO.- Calcular la frecuencia terica (ft), esperadas de cada uno de los

datos.

3PASO.- Determinamos el grado de libertad (v)

V= (# de filas 1) . (#de columnas 1)
4PASO.- Procedemos a denotar el CHI-CUADRADO
 5PASO.- Hacer uso de la tabla de distribucin CHI-CUADRADO
 EJEMPLO:
La siguiente tabla refleja la cantidad de estudiantes, segn la calificacin
obtenida en matemtica de 2 universidades:
DEFICIENTE REGULAR BUENO TOTAL
UNIVERSIDAD 5 11 7 23
PRIVADA DE
TACNA
UNIVERSIDAD 20 32 3 55
ALAS PERUANAS

TOTAL 25 43 10 78

Influye el tipo de universidad en la clasificacin obtenida?

Margen de error: 0.05
 DESARROLLO:
Ho => no influye el tipo de universidad
Hi=> si influye el tipo de universidad
25.23 25.55
Ft=> 5 = 7.37 20 = 17.63
78 78

43.23 43.55
11 = 12.68 32 = 30.32
78 78

10.23 10.55
7 = 2.95 3 = 7.05
78 78

Grado de libertad(v)
V= (# de filas-1).(# de alumnos-1)
V= (2-1).(3-1)
V= 2
 (57.37)2 (1112.68)2 (72.95)2 (2017.63)2
= + + + +
7.37 12.68 2.95 17.63
(3230.32)2 (37.05)2
+ = 9.28
30.32 7.05
Usamos la tabla de CHI-CUADRADO, se observa el grado de libertad 2, luego vamos a la columna del margen de
error la cual era 0.05 de que se obtiene el CHI-CUADRADO por tabla:

2 = 5.9915 2 = 9.28

Luego comparo estos valores de CHI-CUADRADO segn teora, es decir:

2 > 2
2 < 2

En nuestro caso el:

2 9.28 > 5.9915; de manera en este caso se rechaza la Ho, es decir el tipo
de Universidad si influye en la calificacin de matemtica
o lo que es equivalente la diferencia observada no es
producto del azar.