Distribucin binomial

En estadstica, la distribucin binomial es una distribucin de probabilidad discreta que mide el nmero de
xitos en una secuencia de n ensayos de Bernoulli independientes entre s, con una probabilidad fija p de
ocurrencia del xito entre los ensayos. Un experimento de Bernoulli se caracteriza por ser dicotmico, esto
es, slo son posibles dos resultados. A uno de estos se denomina xito y tiene una probabilidad de
ocurrencia p y al otro, fracaso, con una probabilidad q = 1 - p. En la distribucin binomial el anterior
experimento se repite n veces, de forma independiente, y se trata de calcular la probabilidad de un
determinado nmero de xitos. Para n = 1, la binomial se convierte, de hecho, en una distribucin de
Bernoulli.
Para representar que una variable aleatoria X sigue una distribucin binomial de parmetros n y p, se
escribe:

La distribucin binomial es la base del test binomial de significacin estadstica.
Ejemplos
Las siguientes situaciones son ejemplos de experimentos que pueden modelizarse por esta distribucin:
Se lanza un dado diez veces y se cuenta el nmero X de tres obtenidos: entonces X ~ B(10, 1/6)
Se lanza una moneda dos veces y se cuenta el nmero X de caras obtenidas: entonces X ~ B(2,
1/2)

Experimento binomial
Existen muchas situaciones en las que se presenta una experiencia binomial. Cada uno de los
experimentos es independiente de los restantes (la probabilidad del resultado de un experimento no
depende del resultado del resto). El resultado de cada experimento ha de admitir slo dos categoras (a las
que se denomina xito y fracaso). Las probabilidades de ambas posibilidades han de ser constantes en
todos los experimentos (se denotan como p y q o p y 1-p).
Se designa por X a la variable que mide el nmero de xitos que se han producido en los n experimentos.
Cuando se dan estas circunstancias, se dice que la variable X sigue una distribucin de probabilidad
binomial, y se denota B(n,p).
Caractersticas Analtica
Su funcin de probabilidad es

donde
siendo las combinaciones de en ( elementos tomados de en )




Ejemplo
Supongamos que se lanza un dado (con 6 caras) 50 veces y queremos conocer la probabilidad de que el
nmero 3 salga 20 veces. En este caso tenemos una X ~ B(50, 1/6) y la probabilidad sera P(X=20):

Propiedades


Relaciones con otras variables aleatorias
Si tiende a infinito y es tal que el producto entre ambos parmetros tiende a , entonces la
distribucin de la variable aleatoria binomial tiende a una distribucin de Poisson de parmetro .
Por ltimo, se cumple que cuando =o.5 y n es muy grande (usualmente se exige que ) la
distribucin binomial puede aproximarse mediante la distribucin normal.
Propiedades reproductivas
Dadas n variables binomiales independientes de parmetros n
i
(i = 1,..., n) y , su suma es tambin una
variable binomial, de parmetros n
1
+... + n
n
, y , es decir,

Distribucin de Poisson
En teora de probabilidad y estadstica, la distribucin de Poisson es una distribucin de probabilidad
discreta que expresa, a partir de una frecuencia de ocurrencia media, la probabilidad que ocurra un
determinado nmero de eventos durante cierto periodo de tiempo.
Fue descubierta por Simon-Denis Poisson, que la dio a conocer en 1838 en su trabajo Recherches sur la
probabilit des jugements en matires criminelles et matire civile (Investigacin sobre la probabilidad de
los juicios en materias criminales y civiles).
Propiedades
La funcin de masa o densidad de la distribucin de Poisson es

donde
k es el nmero de ocurrencias del evento o fenmeno (la funcin nos da la probabilidad de que el
evento suceda precisamente k veces).
es un parmetro positivo que representa el nmero de veces que se espera que ocurra el
fenmeno durante un intervalo dado. Por ejemplo, si el suceso estudiado tiene lugar en promedio 4
veces por minuto y estamos interesados en la probabilidad de que ocurra k veces dentro de un
intervalo de 10 minutos, usaremos un modelo de distribucin de Poisson con = 104 = 40.
e es la base de los logaritmos naturales (e = 2,71828...)
Tanto el valor esperado como la varianza de una variable aleatoria con distribucin de Poisson son iguales
a . Los momentos de orden superior son polinomios de Touchard en cuyos coeficientes tienen una
interpretacin combinatorio. De hecho, cuando el valor esperado de la distribucin de Poisson es 1,
entonces segn la frmula de Dobinski, el n-simo momento iguala al nmero de particiones de tamao n.
La moda de una variable aleatoria de distribucin de Poisson con un no entero es igual a , el mayor de
los enteros menores que (los smbolos representan la funcin parte entera). Cuando es un entero
positivo, las modas son y 1.
La funcin generadora de momentos de la distribucin de Poisson con valor esperado es

Las variables aleatorias de Poisson tienen la propiedad de ser infinitamente divisibles.
La divergencia Kullback-Leibler desde una variable aleatoria de Poisson de parmetro
0
a otra de
parmetro es

Intervalo de confianza
Un criterio fcil y rpido para calcular un intervalo de confianza aproximada de es propuesto por
Guerriero (2012). Dada una serie de eventos k (al menos el 15 - 20) en un periodo de tiempo T, los lmites
del intervalo de confianza para la frecuencia vienen dadas por:


entonces los lmites del parmetro estn dadas por: .
Relacin con otras distribuciones
Sumas de variables aleatorias de Poisson
La suma de variables aleatorias de Poisson independientes es otra variable aleatoria de Poisson cuyo
parmetro es la suma de los parmetros de las originales. Dicho de otra manera, si

son N variables aleatorias de Poisson independientes, entonces
.
Distribucin binomial
La distribucin de Poisson es el caso lmite de la distribucin binomial. De hecho, si los parmetros n y
de una distribucin binomial tienden a infinito y a cero de manera que se mantenga constante, la
distribucin lmite obtenida es de Poisson.
Aproximacin normal
Como consecuencia del teorema central del lmite, para valores grandes de , una variable aleatoria de
Poisson X puede aproximarse por otra normal dado que el cociente

converge a una distribucin normal de media nula y varianza 1.
Distribucin exponencial
Supngase que para cada valor t > 0, que representa el tiempo, el nmero de sucesos de cierto fenmeno
aleatorio sigue una distribucin de Poisson de parmetro t. Entonces, los tiempos discurridos entre dos
sucesos sucesivos sigue la distribucin exponencial.
Ejemplos
Si el 2% de los libros encuadernados en cierto taller tiene encuadernacin defectuosa, para obtener la
probabilidad de que 5 de 400 libros encuadernados en este taller tengan encuadernaciones defectuosas
usamos la distribucin de Poisson. En este caso concreto,k es 5 y, , el valor esperado de libros
defectuosos es el 2% de 400, es decir, 8. Por lo tanto, la probabilidad buscada es

Este problema tambin podra resolverse recurriendo a una distribucin binomial de parmetros k = 5, n =
400 y =0,02.
Procesos de Poisson
La distribucin de Poisson se aplica a varios fenmenos discretos de la naturaleza (esto es, aquellos
fenmenos que ocurren 0, 1, 2, 3,... veces durante un periodo definido de tiempo o en un rea
determinada) cuando la probabilidad de ocurrencia del fenmeno es constante en el tiempo o el espacio.
Ejemplos de estos eventos que pueden ser modelados por la distribucin de Poisson incluyen:
El nmero de autos que pasan a travs de un cierto punto en una ruta (suficientemente distantes
de los semforos) durante un periodo definido de tiempo.
El nmero de errores de ortografa que uno comete al escribir una nica pgina.
El nmero de llamadas telefnicas en una central telefnica por minuto.
El nmero de servidores web accedidos por minuto.
El nmero de animales muertos encontrados por unidad de longitud de ruta.
El nmero de mutaciones de determinada cadena de ADN despus de cierta cantidad de radiacin.
El nmero de ncleos atmicos inestables que decayeron en un determinado perodo
El nmero de estrellas en un determinado volumen de espacio.
La distribucin de receptores visuales en la retina del ojo humano.
La inventiva de un inventor a lo largo de su carrera.