Introducción:

En esta actividad se conocerá cómo cada distribución puede ser un modelo

apropiado de probabilidad para diferentes aplicaciones.

La estadística resulta fundamental para la realización de las políticas en materia

de seguridad pública, ya que en base a estos estudios estadísticos podemos
conocer determinadas características de un grupo social o de una sociedad
completa; en el presente trabajo abordaremos características de los modelos
probabilísticos existentes, así como también se darán ejemplos de estos; con la
finalidad de irnos familiarizando en su uso, y sobre todo aplicándolo a temas de
seguridad pública.

Una distribución binomial o de Bernoulli tiene las siguientes características:

1. En cada prueba del experimento sólo son posibles dos resultados: éxito
y fracaso.

2.La probabilidad de éxito es constante, es decir, que no

varía de una prueba a otra. Se representa por p.

3.La probabilidad de fracaso también es constante, Se representa por

q,

q=1−p

3.El resultado obtenido en cada prueba es independiente de los resultados

obtenidos anteriormente.
 5.La variable aleatoria binomial, X, expresa el número de éxitos obtenidos
en las n pruebas. Por tanto, los valores que puede tomar X son:
0, 1, 2, 3, 4, ..., n.

La distribución binomial se expresa por B (n, p)

Cálculo de probabilidades en una distribución binomial

n es el número de pruebas. k

es el número de éxitos.

p es la probabilidad de éxito. q

es la probabilidad de fracaso.

El número combinatorio

Desarrollo:

Características de Modelos Probabilísticos

Modelo probabilístico, es la forma que pueden tomar un conjunto

de datos obtenidos de muestreos de datos con
comportamiento que se supone aleatorio.
Los modelos probabilísticos más típicos son:

-Distribución Normal:
Usada ampliamente en muestras mayores a 30 datos.

-Distribución Chi Cuadrado:

Usada en muestras pequeñas.

-Distribución Exponencial:
Usada en duración o donde interviene el paso del tiempo.

-Distribución F-Snedecor:

Usada para controlar la varianza de 2 distribuciones.

-Distribución binomial
Un experimento sigue el modelo binomial o de Bernoulli si: 1. En cada
prueba del experimento sólo son posibles dos resultados: el suceso
A ( éxito) y su contrario. 2. La probabilidad del suceso A es
constante, es decir, que no varía de una prueba a
otra. Se representa por p. 3. El resultado obtenido en cada prueba
es
independiente de los resultados obtenidos anteriormente. Un
experimento que se ajusta al modelo binomial se suele
representar por B(n, p), donde n es el número de pruebas de que
consta el experimento y p es la probabilidad del suceso A
(éxito).

-Distribución de Poisson
Cuando en una distribución binomial se realiza el experimento un número "n" muy
elevado de veces y la probabilidad de éxito "p" en cada ensayo es
reducida, entonces se aplica el modelo de distribución
de Poisson: Se tiene que cumplir que: “ p” < 0 ,10 “p *
 n” < 10 La distribución de Poisson sigue el siguiente modelo 𝒑 𝒑 =
𝒑

= 𝒑 − 𝒑 ∗ 𝒑 𝒑 𝒑!

-Distribución hipergeométrica
Modelo aplicable a experimentos al igual que en la distribución binomial en
donde en cada ensayo hay tan sólo dos posibles resultados: o
sale blanca o no sale. Pero se diferencia de la distribución binomial en
que los distintos ensayos son dependientes entre sí.

-Distribución geométrica
Esta distribución toma en cuenta el número de veces que debe repetirse el
experimento hasta que ocurra éxito por primera vez, en
cuyo caso, termina de realizarse el experimento. Aquí sólo ocurre éxito
una sola vez. No interesa cuántos veces se deba repetir el ensayo.

Ejercicio:

Suponga que un cierto rasgo (color de ojos, ser zurdo, etc.) se determina por un par

de genes, y que además d representa un gen dominante, y r un gen recesivo. Un

funcionario de seguridad pública con una pareja de genes (d,d) se dice que es

dominante puro y con la pareja de genes (r,r) se dice que es recesiva pura y con

una pareja (d,r) se dice que es híbrida. En apariencia, los dominantes puros y los

híbridos son similares. Los descendientes de una pareja reciben un gen de cada

progenitor y este gen puede, con la misma probabilidad, ser uno cualquiera de los

dos que posee el progenitor citado. (*)

Fuente: (*) Ejercicio tomado de Sheldon M. Ross. (2008). Introducción a la estadística. Reverté
 La distribución de Bernoulli (o distribución dicotómica), nombrada así por el
matemático y científico suizo Jakob Bernoulli, es una distribución de probabilidad
discreta, que toma valor 1 para la probabilidad de éxito ( ) y valor 0 para la
probabilidad de fracaso ( ).

Si X es una variable aleatoria que mide "número de éxitos", y se realiza un único

experimento con dos posibles resultados (éxito o fracaso), se dice que la variable
aleatoria X se distribuye como una Bernoulli de parámetro P.
La distribución de Bernoulli (o distribución dicotómica), nombrada así por el
matemático y científico suizo Jakob Bernoulli, es una distribución de probabilidad
discreta, que toma valor 1 para la probabilidad de éxito ( ) y valor 0 para la
probabilidad de fracaso ( ).

El espacio muestral es:

E = {DD, DR, RD, RR} que a su vez son los Casos Posibles.

Casos Dominantes = {DD, DR, RD}

Casos Recesivos = {DR, RD, RR}

Por tanto la posibilidad de que un descendiente tenga la apariencia contraria a ellos

serán:

2 1
P ( rr ó dd ) = 4 = 2 ya que las posibles combinaciones son (dd) (dr) (dr) (rr) y

tendrá apariencia contraria a los híbridos si son (dd) o (rr) es decir 2 de 4

Conclusiones:

La distribución Binomial es una distribución de probabilidad discreta que mide el

número de éxitos en una secuencia de n ensayos de Bernoulli independientes entre
sí, con una Probabilidad fija p de ocurrencia del éxito entre los ensayos.

Un experimento de Bernoulli se caracteriza por ser dicotómico, esto es, sólo son
posibles dos resultados. A uno de estos se denomina éxito y tiene una probabilidad
de ocurrencia p y al otro, fracaso, con una probabilidad Q = 1 - p . En la distribución
Binomial el anterior experimento se repite n veces, de forma independiente, y se trata
de calcular la probabilidad de un determinado número de éxitos. Para N = 1, la
Binomial se convierte, de hecho, en una distribución de Bernoulli.

N= Número de eventos.
X= Número de éxitos.
P= Probabilidad de éxito.
Q= probabilidad de fracaso.
F(X)= Probabilidad de tener X éxitos en un número N de ensayos.
Sus propiedades son:

Media: n.p
Varianza: n.p.q

Desviación típica o estándar: n.p.q

Los modelos probabilísticos vistos en líneas anteriores tienen cada uno de ellos
su campo de aplicación, por ello resulta fundamental conocer sus características
para saber en qué fenómenos los podemos aplicar y obtener resultados que nos
ayuden al entendimiento de dichos fenómenos, y así poderlos aplicar al ámbito
de la seguridad pública.

Fuentes de Información:

nexo. (2012). Distribución Binomial. 09 abril 2018, de itutor Sitio web:

https://www.ditutor.com/distribucion_binomial/distribucion_binomial.html

ecruzo. (2015). Modelos probabilísticos. 09 abril 2018, de Slideshare Sitio web:

https://es.slideshare.net/ecruzo/modelos-probabilsticos-45401002