1.
DISTRIBUCION DE BERNOULLI
La distribución de Bernoulli (o distribución dicotómica), nombrada así por el matemático suizo Jacob
Bernoulli, es una distribución de probabilidad discreta. Es el modelo más simple de probabilidad.
Se aplica únicamente para un solo experimento y consiste en realizar el experimento aleatorio una
sola vez con dos posibles resultados (éxito o fracaso) y observar si cierto suceso ocurre o no, siendo
p la probabilidad de que esto sea así (éxito) y q = 1-p el que no lo sea (fracaso), como en el
lanzamiento de una moneda. Que puede dar como resultado cara o cruz.
Utilice la distribución de Bernoulli cuando únicamente el proceso aleatorio tenga exactamente dos
resultados: evento o no evento. Por ejemplo, en el campo de la calidad, un producto se puede
clasificar como bueno o malo. Las variables de Bernoulli pueden tomar dos valores numéricos, 0 y
1, donde 1 corresponde a un evento y 0 corresponde a un no evento. Una variable aleatoria X sigue
una distribución de Bernoulli si P(X = 1) = p y P(X = 0) = 1 – p, donde p es la probabilidad de ocurrencia
del evento.
La distribución de Bernoulli es una distribución que está relacionada con muchas distribuciones,
tales como la distribución binomial, geométrica y binomial negativa. La distribución de Bernoulli
representa el resultado de 1 ensayo. Las secuencias de ensayos de Bernoulli independientes
generan las demás distribuciones: la distribución binomial modela el número de éxitos en n ensayos,
la distribución geométrica modela el número de fallas antes del primer éxito.
EJEMPLO:
Experimento de lanzar un dado y la probabilidad de que salga “5”.
X= que salga un “5”
Al lanzar un dado tenemos 6 posibles resultados, este es el espacio muestral.
S=(1,2,3,4,5,6)
Se considera éxito sacar un “5” entonces la probabilidad es:
P=1/6.
Se considera fracaso cualquier resultado diferente de “5”:
q=1- P = 1-(1/6) =5/6.
La probabilidad de que salga un 5 viene definida en:
X=1 ÉXITO X=0 FRACASO
DISTRIBUCION DE BERNOULLI
Entonces
X=1 P(X=1)=1/61.(1-1/6)1-1= 0.16
X=0 P(X=0)=1/60.(1-1/6)1-0=0.83
En conclusión la probabilidad de que al tirar un dado al aire salga “5” es 16%.
2. DISTRIBUCIÓN BINOMINAL
A diferencia de la distribución de Bernoulli la Binomial aplica varios experimentos y no solo uno, es
decir permite hallar la probabilidad de éxito en “n” experimentos.
La distribución binomial es típica de las variables que proceden de un experimento que cumple las
siguientes condiciones:
1) El experimento está compuesto de n pruebas iguales, siendo n un número natural fijo.
2) Sólo hay dos posibles sucesos resultantes del experimento: (éxito y fracaso).
3) Las probabilidades de cada suceso son las mismas en cualquier realización del
experimento ( y , respectivamente). Es decir, si se tira una moneda varias veces, no cambia
la probabilidad de obtener cara.
4) Las pruebas son estadísticamente independientes.
La función de probabilidad de la variable binomial se representa como b(x,n,p) siendo n el número
de pruebas y p la probabilidad del ‚éxito. n y p son los parámetros de la distribución.
n = cantidad de ensayos o experimentos
x = cantidad de éxitos
p = probabilidad de éxito
q = probabilidad de fracasos (1-p)
EJEMPLO:
La probabilidad de que un estudiante apruebe el curso de Teoría de Decisiones es 0,[Link] la
probabilidad de que un grupo de siete estudiantes matriculados en dicha asignatura apruebe:
a) Ninguno de los siete aprueban el curso.
b) Que apruebe 1 estudiante
c) Al menos dos aprueben el curso.
P= 0.3 éxito
Q=0.7 fracaso
a) Ninguno de los siete aprueba el curso X=0
b) Aprueban todos X=1
c) Al menos dos aprueban el curso
Calculamos la probabilidad del suceso contrario, probabilidad que no termine ninguno más la
probabilidad de que termine uno.
DISTRIBUCIÓN MULTINOMIAL
La distribución Multinomial es esencialmente igual a la binomial con la única diferencia de que
cada prueba tiene más de dos posibles resultados mutuamente excluyentes.
Si tenemos K resultados posibles (Ei , i = 1, ... , K) con probabilidades fijas (pi , i = 1, ... , K), la
variable que expresa el número de resultados de cada tipo obtenidos en n pruebas independientes
tiene distribución Multinomial.
La probabilidad de obtener x1 resultados E1, x2 resultados E2, etc. se representa como:
Los parámetros de la distribución son p1,..., pK y n.
EJEMPLO:
Según una nueva ley se plantea la donación de órganos de los cuales existe la probabilidad de
que el 15% este en contra , el 40% sea indiferente a la ley y el 45% estén a favor , si se extrae
una muestra aleatoria 20 sujetos ¿Cuál es la probabilidad de que 5 votos sean en contra ,10 sea
indiferentes , 5 a favor.
X1= EN CONTRA= 5
X2=INDIFERENTE=10
X3= A FAVOR =5
P1=0.15
P2=0.40
P3=0.45
En conclusión la probabilidad e que se de 5 votos sean en contra ,10 indiferentes y 5 a favor es de
41%
