Distribución binomial para niños

«Binomial» redirige aquí. Para otras acepciones, véase binomial (desambiguación).

Datos para niños Distribución binomial
Función de masa de probabilidad Función de probabilidad
Función de distribución acumulada Función de distribución de probabilidad
Parámetros	$n \geq 0$ número de ensayos (entero) $0\leq p \leq 1$ probabilidad de éxito (real)
Dominio	$x \in \{0,\dots,n\}\!$
Función de probabilidad (fp)	${n\choose x} p^x (1-p)^{n-x} \!$
Función de distribución (cdf)	$I_{1-p}(n-\lfloor x\rfloor, \lfloor x\rfloor+1) \!$
Media	$np\!$
Mediana	Uno de $\{\lfloor np\rfloor, \lceil np \rceil\}$
Moda	$\lfloor (n+1)\,p\rfloor\!$
Varianza	$np(1-p)\!$
Coeficiente de simetría	Error al representar (error léxico): \frac{1-2p}{\sqrt{np(1-p)</td></tr><tr><td class="noprint" colspan="3" style="text-align:left;"></td></tr></table><!--IB_END-->\! \|curtosis = $\frac{1-6p(1-p)}{np(1-p)}+3\!$ \|entropía = $\frac{1}{2} \ln \left( 2 \pi n e p (1-p) \right) + O \left( \frac{1}{n} \right)$ \|mgf = $(1-p + pe^t)^n \!$ \|car = $(1-p + pe^{it})^n \!$ }} En teoría de la probabilidad y estadística, la distribución binomial o distribución binómica es una distribución de probabilidad discreta que cuenta el número de éxitos en una secuencia de $n$ ensayos de Bernoulli independientes entre sí con una probabilidad fija $p$ de ocurrencia de éxito entre los ensayos. Un experimento de Bernoulli se caracteriza por ser dicotómico, esto es, solo dos resultados son posibles, a uno de estos se le denomina “éxito” y tiene una probabilidad de ocurrencia $p$ y al otro se le denomina “fracaso” y tiene una probabilidad $q=1-p$ . Contenido Definición Notación Función de Probabilidad Función de Distribución Acumulada Experimento binomial Ejemplo Propiedades Distribuciones Relacionadas Suma de Binomiales Distribución Bernoulli Distribuciones limitantes Teorema límite de Poisson Teorema de De Moivre-Laplace Propiedades reproductivas Véase también Definición Notación Si una variable aleatoria discreta $X$ tiene una distribución binomial con parámetros $n\in\mathbb{N}$ y $p$ con $0<p<1$ entonces escribiremos $X\sim\operatorname{Bin}(n,p)$ . Función de Probabilidad Si $X\sim\operatorname{Bin}(n,p)$ entonces su función de probabilidad está dada por $\operatorname{P}[X=x]={n \choose x}p^x(1-p)^{n-x}$ para $x=0, 1, 2,\dots,n$ , siendo $\!{n \choose x} = \frac{n!}{x!(n-x)!} \,\!$ el coeficiente binomial y se lee “las combinaciones de $n \,\!$ en $x \,\!$ “. En ocasiones, para calcular las probabilidades binomiales se utiliza la siguiente fórmula recursiva para calcular $\operatorname{P}[X=x+1]$ en términos de $\operatorname{P}[X=x]$ $\begin{align} \operatorname{P}[X=x+1] &=\binom{n}{x+1}p^{x+1}(1-p)^{n-(x+1)} \\ &=\frac{n!}{(n-x-1)!(x+1)!}p^{x+1}(1-p)^{n-x-1} \\ &=\frac{n!(n-x)}{(n-x)!x!(x+1)}p^x(1-p)^{n-x}\frac{p}{1-p} \\ &=\left(\frac{n-x}{x+1}\right)\left(\frac{p}{1-p}\right)\frac{n!}{x!(n-x)!}p^x(1-p)^{n-x} \\ &=\left(\frac{n-x}{x+1}\right)\left(\frac{p}{1-p}\right)\binom{n}{x}p^x(1-p)^{n-x} \\ &=\left(\frac{n-x}{x+1}\right)\left(\frac{p}{1-p}\right)\operatorname{P}[X=x] \end{align}$ Función de Distribución Acumulada La función de distribución acumulada de una variable aleatoria $X\sim\operatorname{Bin}(n,p)$ está dada por $F_X(x) =\operatorname{P}[X\leq x] =\sum_{k=0}^x{n \choose k}p^k(1-p)^{n-k}$ También puede ser expresada en términos de la función beta incompleta como $\begin{align} F_X(x) &=\operatorname{P}[X\leq x] \\ &=I_{1-p}(n-x,x+1) \\ &=(n-x){n\choose x}\int_0^{1-p}t^{n-x-1}(1-t)^xdx \end{align}$ que es equivalente a la función de distribución acumulada de la distribución F. La distribución binomial es la base del test binomial de significación estadística. 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 sólo dos categorías (a las que se denomina éxito y fracaso). El valor de ambas posibilidades ha de ser constante en todos los experimentos, y se denotan como $p$ y $q$ respectivamente o como $p$ y $1-p$ de forma alternativa. Se designa por $X$ a la variable que mide el número de éxitos que se han producido en los $n$ experimentos. Cuando se dan estas circunstancias, se dice que la variable $X$ sigue una distribución de probabilidad binomial. Ejemplo Supongamos que se lanza 51 veces un dado de 6 caras y queremos calcular la probabilidad de que el número 3 salga 20 veces. En este problema un ensayo consiste en lanzar el dado una vez. Consideramos un éxito si obtenemos un 3 pero si no sale 3 lo consideramos como un fracaso. Defínase $X$ como el número de veces que se obtiene un 3 en 51 lanzamientos. En este caso tenemos $X\sim\operatorname{Bin}(51,1/6)$ por lo que la probabilidad buscada es $\operatorname{P}[X=20]$ $\operatorname{P}[X=20]={51 \choose 20}(1/6)^{20}(1-1/6)^{51-20}=0.0000744 \,\!$ Propiedades Si $X$ es una variable aleatoria discreta tal que $X\sim\operatorname{Bin}(n,p)$ entonces $\operatorname{E}[X] = np$ $\operatorname{Var}[X] =np(1-p)$ La primera de ellas es fácil de demostrar, por definición de Esperanza $\operatorname{E}[X] = \sum_{x=0}^{n}x\binom{n}{x}p^x(1-p)^{n-x}\,$ el primer término de la suma, es decir, para $x=0$ el término vale cero por lo que podemos iniciar la suma en $x=1$ $\operatorname{E}[X] = \sum_{x=1}^{n}x\binom{n}{x}p^x(1-p)^{n-x}\,$ Dado que $\begin{align} \binom{n}{x} &=\frac{n!}{x!(n-x)!} \\ &=\frac{n}{x}\frac{(n-1)!}{(x-1)!((n-1)-(x-1))!} \\ &=\frac{n}{x}\binom{n-1}{x-1} \end{align}$ para $x \geq 1$ . Reemplazando lo anterior en la expresión de $\operatorname{E}[X]$ obtenemos $\begin{align} \operatorname{E}[X] & = \sum_{x=1}^{n}x\frac{n}{x}\binom{n-1}{x-1}p^x(1-p)^{n-x} \\ & =n\sum_{x=1}^{n}\binom{n-1}{x-1}p^x(1-p)^{n-x} \end{align}$ Haciendo el cambio de índice $k=x-1$ obtenemos $\begin{align} \operatorname{E}[X] & =n\sum_{k=0}^{n-1}\binom{n-1}{k}p^{k+1}(1-p)^{n-(k+1)} \\ & =np\sum_{k=0}^{n-1}\binom{n-1}{k}p^k(1-p)^{(n-1)-k} \end{align}$ Finalmente por la fórmula de Newton (Teorema del binomio) $(a+b)^n=\sum_{k=0}^{n}\binom{n}{k}a^kb^{n-k}$ Obtenemos $\operatorname{E}[X] =np(p+1-p)^{n-1}=np$ . Distribuciones Relacionadas Suma de Binomiales Si $X\sim\operatorname{Bin}(n,p)$ y $Y\sim\operatorname{Bin}(m,p)$ son variables aleatorias independientes con la misma probabilidad $p$ entonces la variable aleatoria $Z=X+Y$ también es una variable aleatoria con distribución binomial con parámetros $n+m$ y $p$ , es decir $Z=X+Y\sim\operatorname{Bin}(n+m,p)$ $\begin{align} \operatorname{P}[Z=z] & =\sum_{k=0}^{z}\binom{n}{k}p^{k}(1-p)^{n-k}\binom{m}{z-k}p^{z-k}(1-p)^{m-z+k} \\ & =\binom{n+m}{z}p^z(1-p)^{n+m-z} \end{align}$ Distribución Bernoulli Si $X_1,X_2,\dots,X_n$ son $n$ variables aleatorias independientes e idénticamente distribuidas tales que $X_i\sim\operatorname{Bernoulli}(p)$ entonces $\sum_{i=1}^nX_i\sim\operatorname{Bin}(n,p)$ Lo anterior es equivalente a decir que la distribución Bernoulli es un caso particular de la distribución Binomial cuando $n=1$ , es decir, si $X\sim\operatorname{Bin}(1,p)$ entonces $X\sim\operatorname{Bernoulli}(p)$ . Distribuciones limitantes Teorema límite de Poisson Si $n\to\infty$ y $p$ es tal que el producto entre ambos parámetros tiende a $\lambda \,\!$ , entonces la distribución de la variable aleatoria binomial tiende a una distribución de Poisson de parámetro $\lambda$ . Teorema de De Moivre-Laplace Si $X$ es una variable aleatoria con media $np$ y varianza $np(1-p)$ entonces $Z=\frac{X-np}{\sqrt{np(1-p)}}\sim N(0,1)$ conforme $n\to\infty$ , esta aproximación es buena si $np\geq 5$ y $n(1-p)\geq 5$ . Propiedades reproductivas Si $X_1,X_2,\dots,X_k$ son variables aleatorias independientes tales que $X_i\sim\operatorname{Bin}(n_i,p)$ con $i=1,2,\dots,k$ entonces $\sum_{i=1}^kX_i \sim\operatorname{Bin}\left(\sum_{i=1}^kn_i, p\right)$ Véase también En inglés: Binomial distribution Facts for Kids Distribución Bernoulli Distribución Binomial Negativa Distribución de Poisson Distribución Normal Distribución Gamma Distribución Beta

Obtenido de «https://ninos.kiddle.co/index.php?title=Distribución_binomial&oldid=3819131»

Todo el contenido de los artículos de la Enciclopedia Kiddle (incluidas las imágenes) se puede utilizar libremente para fines personales y educativos bajo la licencia Atribución-CompartirIgual a menos que se indique lo contrario. Citar este artículo:

Distribución binomial para Niños. Enciclopedia Kiddle.

Distribución binomial para niños

Contenido

Definición

Notación

Función de Probabilidad

Función de Distribución Acumulada

Experimento binomial

Ejemplo

Propiedades

Distribuciones Relacionadas

Suma de Binomiales

Distribución Bernoulli

Distribuciones limitantes

Teorema límite de Poisson

Teorema de De Moivre-Laplace

Propiedades reproductivas

Véase también