DISTRIBUCIN BINOMIAL

Se utiliza cuando se tiene muestras pequeas (n 30) y P: Probabilidad de xito

Ejemplo:
Se X: una variable aleatoria discreta con distibucin Binomial y parametros n = 10 y P
Calcular e interpretar las siguientes probabilidades:
1) P(X = 0) = Existe un 6% de exactitud de que
2) P(X = 1) =
3) P(X = 3) =
4) P(X = 4) =
5) P(X 2) = Existe un 53% de precisin de ob
6) P(X 5) =
7) P(X 9) =
8) P(X 1) =
9) P(X 6) =
10) P(X < 5) =
11) P(X < 8) =
12) P(X < 3) =
13) P(X < 9) =
14) P(X < 1) =
15) P(X 2) =
16) P(X 8) =
17) P(X 6) =
18) P(X 4) =
19) P(X 7) =
20) P(X > 2) =
21) P(X > 4) =
22) P(X > 6) =
23) P(X > 5) =
24) P(X > 7) =
25) P(2 X 4) =
26) P(0 X 3) =
27) P(5 X 7) =
28) P(3 X 8) =
29) P(5 X 9) =
30) P(5 < X < 9) =
31) P(3 < X < 8) =
32) P(0 < X < 3) =
33) P(1 < X < 7) =

Carcteristicas de la Distribucin Binomial

Esperanza matemtica o promedio: E(X)
E(X) = n * P
Varianza: V(X)
V(X) = n * P * Q
donde Q = 1 - P
mial y parametros n = 10 y P = 0.25

e un 6% de exactitud de que no ocurra ninguno

e un 53% de precisin de obtener valores de 2 a menos

0.7758750916
 DISTRIBUCIN DE POISSON
SE UTILIZA EN LAS SIGUIENTES CONDICIONES:
1) Cuando n > 30 y P: probabilidad de xito es pequea, la distribucin binomial s
a una distribucin de Poisson con parametro landa:
2) Cuando la variable de estudio esta en funcin al tiempo, espacio, unidad de me
que sigue una distribucin de poisson
Carcteristicas de la Distribucin de Poisson
Esperanza matemtica o promedio: E(X) :
Varianza: V(X) =

Ejemplos:
Nmero de articulos defetuosos por lote
Nmero de llamadas telefonicas por da
etc

Ejercicio
Sea X una variable aleatoria discreta con distribucin Binomial y parametros n = 1
Calcular e interpretar: = n * P = 1000*0.006 =
1) P(X = 0) =
2) P(X = 1) =
3) P(X = 3) =
4) P(X = 4) =
5) P(X 2) =
6) P(X 5) =
7) P(X 9) =
8) P(X 1) =
9) P(X 6) =
10) P(X < 5) =
11) P(X < 8) =
12) P(X < 3) =
13) P(X < 9) =
14) P(X < 1) =
15) P(X 2) =
16) P(X 8) =
17) P(X 6) =
18) P(X 4) =
19) P(X 7) =
20) P(X > 2) =
21) P(X > 4) =
22) P(X > 6) =
23) P(X > 5) =
24) P(X > 7) =
25) P(2 X 4) =
26) P(0 X 3) =
27) P(5 X 7) =
28) P(3 X 8) =
29) P(5 X 9) =
30) P(5 < X < 9) =
31) P(3 < X < 8) =
32) P(0 < X < 3) =
33) P(1 < X < 7) =
a distribucin binomial se aproxima
=n*P
o, espacio, unidad de medida; se afirma

omial y parametros n = 1000 y P = 0.006

6
EJERCICIOS:

1 En un estudio reciente se descubri que 90% de las familias de Estados Un

En una muestra de nueve familias. Cul es el porcentake de que:
a) Las nueve tengan pantalla grande ?
b) Menos de cinco tengan televisores de pantalla grande?
c) Ms de cinco tengan televisores de pantalla grande?
d) Al menos siete familias tengan televisores de pantalla grande?

2 La rapidez con la que las compaias de servicios resuelven problemas es d

Georgetown Telephone Company afirma que es capaz de resolver 70% de l
Suponga que los 15 casos que se reportan el da de hoy son representativo
a) Cuntos problemas esperaria que se resolvieran el da de hoy? . Cul e
b) Cul es la probabilidad de que 10 problemas se resuelvan el da de hoy
c) Cul es el porcentaje de que 10 u 11 problemas se resuelvan el da de h
d) Cul es el porcentaje de que ms de 10 problemas se resuelvan el da d

3 Los informes recientes relacionados con el crimen indican que cada minuto
Suponga que la distribucin de los robos por minuto se puede aproximar po
a) Calcule el porcentaje de que ocurran exactamente cuatro robos en un m
b) Cul es el porcentaje de que no haya robos en un minuto?
c) Cul es la probabilidad de que por lo menos haya un robos en un minut

4 Un estudio con las filas de las cajas registradoras en Safeway Supermarket

de cuatro clientes en la fila de espera. cul es la probabilidad de que al vis
a) Ningn cliente en la fila?
b) Cuatro clientes en la fila de espera?
c) Cuatro o menos clienets en la fila?
d) Cuatro o ms clientes en espera?
% de las familias de Estados Unidos tiene televisores de pantalla grande.
el porcentake de que:

ntalla grande?
lla grande?
s de pantalla grande?

icios resuelven problemas es de suma importancia.

e es capaz de resolver 70% de los problemas de los clientes el mismo da en que se reportan.
l da de hoy son representativos de todas las quejas.
olvieran el da de hoy? . Cul es la desviacin estndar? Interprete
mas se resuelvan el da de hoy?
blemas se resuelvan el da de hoy?
problemas se resuelvan el da de hoy?

rimen indican que cada minuto ocurren 3.1 robos de vehiculos motorizados en Estados Unidos.
r minuto se puede aproximar por medio de una distribucin de Poisson.
ctamente cuatro robos en un minuto
bos en un minuto?
nos haya un robos en un minuto?

doras en Safeway Supermarket, en el rea de South Strand, revel que entre las 4 y 7 de la tarde de los fines d
es la probabilidad de que al visitar Safeway en este horario encuentre lo siguiente:
se reportan.

stados Unidos.

4 y 7 de la tarde de los fines de semana hay un promedio

Binomial distribution:

9 n
0.9 p

Acumulative
X P(X) P(Xx) P(Xx)
0 0.00000 0.00000 1
1 0.00000 0.00000 1.00000
2 0.00000 0.00000 1.00000
3 0.00006 0.00006 1.00000
4 0.00083 0.00089 0.99994
5 0.00744 0.00833 0.99911
6 0.04464 0.05297 0.99167
7 0.17219 0.22516 0.94703
8 0.38742 0.61258 0.77484
9 0.38742 1.00000 0.38742
1.00000

8.100 expected value

0.810 variance
0.900 standard deviation

Binomial distribution (n = 9, p = 0.9)

0.45
0.40
0.35
0.30
0.25
P(X) 0.20
0.15
0.10
0.05
0.00
0 1 2 3 4 5 6 7 8 9

X
 a) Las nueve tengan pantalla grande ?

P(X=9) = 39% Existe un 39% de exactitud de encontrar 9 familias con televisores de pantalla grande.

b) Menos de cinco tengan televisores de pantalla grande?

P(X 5) = P(X 4) = 0.1% Existe un 0.1% de exactitud de encontrar menos de 5 familias con te

c) Ms de cinco tengan televisores de pantalla grande?

P(X 5) = 99.9% Existe un 99.9% de exactitud de encontrar mas de 5 familias con televisores de pantal

d) Al menos siete familias tengan televisores de pantalla grande?

P(X = 7) = 17% Existe un 17% de exactitud de encontrar al menos 7 familias con televisores de pantall

9)

9
visores de pantalla grande.

menos de 5 familias con televisores de pantalla grande.

s con televisores de pantalla grande.

s con televisores de pantalla grande.

Binomial distribution

15 n
0.7 p

cumulative
X P(X) X.P(X) P(X x) P(X x)
0 0.00000 0 0.00000
1 0.00000 5.02211745E-007 0.00000
2 0.00001 1.64055837E-005 0.00001
3 0.00008 0.000248818 0.00009
4 0.00058 0.0023223015 0.00067
5 0.00298 0.0149014347 0.00365
6 0.01159 0.0695400286 0.01524
7 0.03477 0.2433901 0.05001
8 0.08113 0.6490402666 0.13114
9 0.14724 1.3251238777 0.27838
10 0.20613 2.0613038098 0.48451
11 0.21862 2.4048544447 0.70313
12 0.17004 2.0404825592 0.87317
13 0.09156 1.1902814929 0.96473
14 0.03052 0.4272805359 0.99525
15 0.00475 0.0712134226 1.00000
1.00000 10.50000

10.500 expected value

3.150 variance
1.775 standard deviation

Binomial distribution (n = 15, p = 0.7)

0.25

0.20

0.15

P(X)
0.10

0.05

0.00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
X
 a) Cuntos problemas esperaria que se resolvieran el da de hoy? . Cul es la desviacin estnda

3 14 15
la desviacin estndar? Interprete
Poisson distribution

3.1 mean rate of occurrence

cumulative
X P(X) probability
0 0.04505 0.04505
1 0.13965 0.18470
2 0.21646 0.40116
3 0.22368 0.62484
4 0.17335 0.79819
5 0.10748 0.90567
6 0.05553 0.96120
7 0.02459 0.98579
8 0.00953 0.99532
9 0.00328 0.99860
10 0.00102 0.99962
11 0.00029 0.99990
12 0.00007 0.99998
13 0.00002 1.00000
14 0.00000 1.00000
15 0.00000 1.00000
16 0.00000 1.00000
17 0.00000 1.00000
1.00000

3.100 expected value

3.100 variance
1.761 standard deviation

Poisson distribution ( = 3.1)

0.25

0.20

0.15

P(X)
0.10

0.05

0.00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
X
14 15 16
Poisson distribution

4 mean rate of occurrence

cumulative
X P(X) probability
0 0.01832 0.01832
1 0.07326 0.09158
2 0.14653 0.23810
3 0.19537 0.43347
4 0.19537 0.62884
5 0.15629 0.78513
6 0.10420 0.88933
7 0.05954 0.94887
8 0.02977 0.97864
9 0.01323 0.99187
10 0.00529 0.99716
11 0.00192 0.99908
12 0.00064 0.99973
13 0.00020 0.99992
14 0.00006 0.99998
15 0.00002 1.00000
16 0.00000 1.00000
17 0.00000 1.00000
18 0.00000 1.00000
19 0.00000 1.00000
1.00000

4.000 expected value

4.000 variance
2.000 standard deviation

Poisson distribution ( = 4)
0.25

0.20

0.15

P(X)
0.10

0.05

0.00
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
X
5 16 17 18