UNIVERSIDAD DE COLIMA BACHILLERATO TECNICO NMERO 7 DELEGACION REGIONAL NMERO 2 CATEDRATICO: Ing.

Esteban Salvador Snchez Llerena Materia: Probabilidad y Estadstica Alumno: Francisco Preciado lvarez. Trabajo: Distribucin de Bernoulli y Normal.
Observaciones: _______________ _____________________________ _____________________________ _____________________________ _____________________________ Quinto Semestre
Armeria, Col., a 24 de Noviembre del 2003

2 Distribucin Normal. La distribucin continua de probabilidad ms importante en todo el campo de la estadstica es la distribucin normal. Su grafica que recibe el nombre de curva normal, es la curva en forma de campana; Curva normal, tambin denominada curva o campana de Gauss, en honor al matemtico alemn Carl Friedrich Gauss, es la distribucin media o promedio de las caractersticas de una poblacin, cuya grfica produce una figura tipo acampanada. La curva normal es una distribucin continua de frecuencia de rango infinito, como la que se obtiene cuando se persigue un objetivo sometido a desviacin por error. Su importancia y su grfica asociada se debe a la enorme frecuencia con que aparece en todo tipo de situaciones. Por ejemplo, cuando se busca dar en una diana, si se intenta acertar, la mayor parte de los disparos tendern a acumularse en las franjas intermedias, tendiendo a ser menos frecuentes en el punto de mayor valor (centro de la diana) y en las zonas perifricas. El grfico representa la distribucin de los errores; la media o promedio es el objetivo, y la desviacin tpica indica la dispersin de los errores (la raz cuadrada de la varianza). La distribucin de muchas variables, como los caracteres morfolgicos de individuos altura, peso o longevidad, caracteres fisiolgicos, sociolgicos, psicolgicos o fsicos y, en general, cualquier caracterstica que se obtenga como suma de muchos factores, sigue la curva normal. Cuando se miden los valores de la inteligencia se asume que su valor promedio en una determinada poblacin es 100 y que el valor de su desviacin tpica es 15. En Europa, la distribucin normal se conoce tambin como distribucin gaussiana, laplaciana o gaussiana-laplaciana, o segunda ley de Laplace. En 1753 fue enunciada por el matemtico francs Abraham de Moivre como el caso lmite de la distribucin binomial. La cual describe en forma aproximada muchos fenmenos que ocurren en la naturaleza, la industria y la investigacin. Las mediciones fsicas en reas tales como los experimentos metereologicos, los estudios acerca de las lluvias y las mediciones sobre partes manufacturadas se explican con una distribucin normal en formas ms que adecuadas. Adems, los errores en las mediciones cientficas se aproximan hasta lmites extremadamente pequeos gracias a la distancia normal. En 1733, Abraham Demoivre desarroll la ecuacin de un estudio de errores de mediciones repetida de la misma cantidad. Una variable aleatoria continua X que tiene la distancia en forma de campana se llama variable aleatoria normal. La ecuacin matemtica para la distancia de probabilidad de la variable normal depende de los dos parmetros y su media y su desviacin estndar, por lo tanto se representan los valores de densidad de X por n(X; , )

La funcion de densidad de la variable aleatoria normal X con media y varianza 2 es:

n x; ,
( x ) / ) , 1 e 2 < x < 2 1
2

)=

Distribucin Binomial de Bernoulli. Supongase que tenemos un experimento como lanzar una moneda o un dado repetidamente, escoger una bola de una urna repetidamente, etc. Cada lanzamiento o escogencia se denomina una prueba. Con cada prueba hay una probabilidad asociada con un suceso particular como la cara en la moneda, el 4 en el dado o la seleccin de una bola roja. En algunos casos la probabilidad no cambia de una prueba a la siguiente. A estas pruebas se les llama independientes y se conocen como las pruebas de Bernoulli en memoria a James Bernoulli quien las investig a finales del siglo XVII. Sea P la probabilidad de que un suceso ocurra en una sola prueba (llamada probabilidad de exito) entonces q = 1 p es la probabilidad de que el suceso no ocurra en una sola prueba (probabilidad del fracaso) la probabilidad de que el suceso ocurra en X veces en N pruebas (es decir que ocurran X exitos y n x fracasos) esta dada por la funcion de probabilidad.
n! n f ( x ) = p ( x = x ) = p x q n x = p x q n x x x!( n x)!

Procedimiento de Bernoulli, Estrictamente hablando, el proceso de Bernoulli debe tener las siguientes propiedades: 1.- El experimento consiste en N intentos repetidos. 2.- Los resultados de cada uno de los intentos puede clasificarse como un xito o como un fracaso. 3.- La probabilidad de xito, representada por P permanece constante para todos los intentos. 4.- Los intentos repetidos son independientes.

4 Considere el conjunto de experimentos de Bernoulli donde 3 artculos se seleccionan aleatoriamente de un proceso de manufactura; se inspeccionan y se clasifican como defectuosos o no defectuosos. Un artculo defectuoso se considera un xito. El nmero de xitos es una variable aleatoria que asume valores enteros de cero a 3. Los ocho posibles resultados y sus correspondientes valores de X son: Resultado Nnn Ndn Nnd Dnn Ndd Dnd Ddn Ddd X 0 1 1 1 2 2 2 3

Dado que los artculos se seleccionan en forma independiente de un proceso que se supone produce un 25% de piezas defectuosas. P (NDN) = P (N) P(D) P(N) = (3/4) (1/4) (3/4) = 9/64 Mediante clculos similares se obtienen las probabilidades para los otros posibles resultados. Por lo tanto, la distribucin de probabilidad de X es. X 0 1 2 3 F(X) 27/64 27/64 9/64 1/64 El nmero X de xitos en N experimentos de Bernoulli recibe el nombre de variable aleatoria binomial. La distribucin de probabilidad de esta variable aleatoria discreta se llama distribucin binomial y sus valores se representan por b(x; n, p), dado que estos ltimos dependen del nmero de intentos y de la probabilidad de xito en un intento determinado. Entonces para la distribucin de probabilidad de X el nmero de defectuosos es: P (x = 2) = f (2) = b (2; 3, 1/4) = 9/64