DISTRIBUCIN BINOMIAL

La distribucin binomial se caracteriza porque su funcin de probabilidad viene

dada por la expresin siguiente:

Condiciones para una distribucin binomial:

Una distribucin se denomina binomial cuando se cumplen las condiciones
siguientes:

El experimento aleatorio de base se repite n veces, y todos los

resultados obtenidos son mutuamente independientes.
En cada prueba se tiene una misma probabilidad de xito (suceso A),
expresada por p. Asimismo, existe en cada prueba una misma
probabilidad de fracaso (suceso), que es igual a 1 - p.
El objetivo de la distribucin binomial es conocer la probabilidad de que
se produzca un cierto nmero de xitos. La variable aleatoria X, que
indica el nmero de veces que aparece el suceso A (xito), es discreta, y
su recorrido es el conjunto {0, 1, 2, 3,..., n}.

Estructura de las tablas:

Es importante aclarar que las tablas tienen una estructura como se muestra:

Puede apreciarse que en la primera columna aparece n en la segunda columna

los valores de x por cada n y luego las columnas correspondientes a las
probabilidades p.
Por ejemplo si estamos interesado en encontrar la probabilidad binomial de
n=3 ensayos de los cuales x=2 son xitos con una probabilidad de acierto de
p=0.40
B(x=2; n=3, p=0.40)= 0.2880. La probabilidad que eso ocurra es de 0.2880
Ejemplo
Un economista que labora en el departamento de Ventas de una empresa
cafetalera desea lanzar un nuevo producto al mercado, par ello inspecciona
una muestra al azar de 10 personas de una zona. Si adems se sabe, por
medio de un estudio de mercados, que el 20% de las personas de la zona no
gustan de caf. Cul es la probabilidad de que en la muestra
a) ninguno guste del nuevo producto
b) una persona no guste del nuevo producto
c) al menos dos personas no gusten del nuevo producto
d) ms de tres personas no gusten del nuevo producto
e) no ms de tres personas no gusten del nuevo producto.
Solucin usando tablas binomiales:
a) P(x=0)=b(x=0; n=10, p=0.20)= 0.1074
b) P(x=1)=b(x=1; n=10, p=0.20)= 0.2684
c) P (x2)=1-P (x1)=1-B (x1; n=10, p=0.20)=1-[0.1074+0.2684]=10.3758=0.6242
d) P (x3)=1-P (x2)= 1-B (x2; n=10, p=0.20)= 1 [0.1074+0.2684+0.3020]=1-0.6778=0.3222
e) P (x3)= B (x3; n=10, p=0.20)= 0.1074 + 0.2684 + 0.3020 +
0.2013=0.8791

DISTRIBUCIN DE POISSON
Esta distribucin es una de las ms importantes distribuciones de variable
discreta. Sus principales aplicaciones hacen referencia a la modelizacin de
situaciones en las que nos interesa determinar el nmero de hechos de cierto
tipo que se pueden producir en un intervalo de tiempo o de espacio o de rea,
bajo supuestos de aleatoriedad y ciertas circunstancias restrictivas. Otro de sus
usos frecuentes es la consideracin lmite de procesos dicotmicos reiterados
un gran nmero de veces si la probabilidad de obtener un xito es muy
pequea.
Esta distribucin se puede hacer derivar de un proceso experimental de
observacin en el que tengamos las siguientes caractersticas

En este tipo de experimentos los xitos buscados son expresados por

unidad de rea, tiempo, espacio, pieza, etc.
Si n20 y p0.05; Si n100, la aproximacin a Poisson es generalmente
excelente a condicin de que np10.
Nmero de defectos de una tela por m2
Nmero de aviones que aterrizan en un aeropuerto por da, hora,
minuto, etc.
Nmero de bacterias por cm2 de cultivo
Nmero de llamadas telefnicas a un conmutador por hora, minuto, etc.
Nmero de llegadas de embarcaciones a un puerto por da, mes, etc.

Para determinar la probabilidad de que ocurran x xitos por unidad de tiempo,

rea, o producto, la frmula a utilizar sera:

Ejemplo:
Una financiera encarga, a un economista, una encuesta para estimar el
consumo de cierto crdito hipotecario que ofrecen, con vistas a controlar su
presupuesto. Se sabe que a lo largo de un ao cada persona tiene una
posibilidad entre mil de necesitar dicho crdito y que la financiera podr
otorgar media de cuatro mil crditos de S/. 10, 000 cada uno al ao. Se pide
hallar:
a) Probabilidad de que el nmero de solicitantes de dicho crdito no exceda
de cuatro por ao.
b) Nmero esperado de personas que solicitaran dicho crdito por ao.
c) Probabilidad de que el nmero de solicitantes de dicho crdito sea
superior a dos por ao.
d) Probabilidad de que haya doce solicitantes de dicho crdito por ao.
Solucin:
Consideramos la variable aleatoria:
= nmero de enfermos por ao
La cual, segn los datos del problema, responde a un modelo de Poisson en un
proceso con parmetro 1/1000 (nmero de solicitantes de crdito al ao por
cada 1000 crdito otorgados). Si la empresa financiera espera otorgar una
media de 4000 unidades anuales, el parmetro = cantidad de solicitantes de
crdito esperada al ao de la correspondiente variable aleatoria de Poisson
es:

La funcin de densidad para la variable ser:

a) La probabilidad de que el nmero de solicitantes de dicho crdito no exceda

de cuatro por ao es:

b) Tal y como dijimos anteriormente, el nmero de solicitantes de dicho crdito

esperado por ao viene dado por el parmetro de la variable aleatoria , esto
es:

c) La probabilidad de que el nmero de solicitantes de dicho crdito sea

superior a dos por ao es:

d) La probabilidad de que haya doce solicitantes de dicho crdito por ao es: