DISTRIBUCIN BINOMIAL Y DISTRIBUCIN DE POISSON

Anteriormente vimos la distribucin normal o de Gauss,

ahora veremos dos distribuciones mas:

la distribucin binomial.
la distribucin de Poisson

DISTRIBUCIN BINOMIAL
En esta clase se describe la distribucin binomial, que no
es de mucha importancia practica para el fsico
experimental. Su sencillez, sin embargo, hace que sea una
excelente introduccin a muchas de las propiedades de las
distribuciones, y en teora es importante, porque podemos
derivar la distribucin de Gauss de suma importancia.
 Veamos un ejemplo.
Supongamos que lanzamos tres dados y anotamos el
nmero de ases que muestran.
Los posibles resultados del experimento son las respuestas
0, 1, 2, o 3 ases.
Si repetimos el experimento un enorme nmero de veces,
nos encontraremos con la distribucin lmite, que nos dir la
probabilidad de que en cualquier tirada (de los tres dados)
obtenemos v ases, donde = 0, 1, 2 o 3
1
la probabilidad de obtener un as al lanzar un dado es
6
Tiramos los tres dados cul es la probabilidad de obtener
tres ases (= 3)?
Debido a que cada dado por separado tiene una
1
probabilidad de 6 , y debido a que los tres dados ruedan de
forma independiente, la probabilidad de que tres ases es

= ( ) ,

Cul es la probabilidad de obtener 2 ases al tirar los 3 dados?

Hay varias posibilidades

La probabilidad para los dos primeros ases es 1/6 y para el
tercero que no sea un as ser 5/6
Por lo tanto la probabilidad de tener dos ases al tirar los 3
dados es:

, , =

Lo mismo ser para las otras posibilidades
DADO 1 DADO 2 DADO 3 Hay 3 posibilidades de obtener los
SI SI NO dos ases
SI NO SI Hay 3 ordenes diferentes, por
NO SI SI lo tanto:
Anlogamente :
Para obtener 1 as en 3 tiros es 57,9%
Para obtener 0 ases en 3 tiros es 57,9%
Ejemplo: Al lanzar dos dados la suma de ambos puede asumir 11 valores diferentes
en 36 puntos muestrales

En este caso vemos que la distribucin de p(x) obtenida es simtrica.

Para el caso de 1 solo dado, donde todos los valores tienen la misma
probabilidad de salir (1/6), obtendramos una
distribucin uniforme
Funcin de probabilidad de la variable aleatoria X

6/36
P
5/36 5/36

4/36 4/36

3/36 3/36

2/36 2/36

1/36 1/36

2 3 4 5 6 7 8 9 10 11 12 X

Observa que cumple las dos condiciones: es siempre positiva y est normalizada.

6
Supongamos que un experimento aleatorio tiene las siguientes
caractersticas:
En cada prueba del experimento slo son posibles dos
resultados: el suceso A (xito) y su contrario (fracaso).
El resultado obtenido en cada prueba es independiente de los
resultados obtenidos anteriormente.
La probabilidad del suceso A es constante, la representamos
por p, y no vara de una prueba a otra. La probabilidad de
es 1- p y la representamos por q .
El experimento consta de un nmero n de pruebas.

Todo experimento que tenga estas caractersticas diremos que sigue

el modelo de la distribucin Binomial. A la variable X que expresa el
nmero de xitos obtenidos en cada prueba del experimento, la
llamaremos variable aleatoria binomial.
La variable binomial es una variable aleatoria discreta, slo
puede tomar los valores 0, 1, 2, 3, 4, ..., n suponiendo que se
han realizado n pruebas.
Como hay que considerar todas las maneras posibles de
obtener -xitos y (n-) fracasos debemos calcular stas
por combinaciones (nmero combinatorio n sobre ).
Se suele representar por , () siendo n y p los
parmetros de dicha distribucin.
PROPIEDADES
Distribucin de Poisson
Esta distribucin aparece en algunos procesos que tienen
una dimensin temporal o espacial, y en fenmenos que
tienen un alto nmero de experimentos (alto n) y una baja
probabilidad de que ocurran (bajo p).

Ejemplos:
nmero de llamadas telefnicas que recibe un servicio de
atencin a urgencias durante un intervalo de tiempo
determinado
nmero de cultivos infectados por una plaga en una cierta
regin geogrfica
Desintegraciones nucleares
etc
 Como un ejemplo de la distribucin de Poisson, suponemos
que se nos da una muestra de material radiactivo y
utilizamos un detector adecuado para encontrar el nmero
de partculas de desintegracin eyectadas en un intervalo
de dos minutos. Si el contador es fiable, nuestro valor no
tendr incertidumbre.
Sin embargo, si repetimos el experimento, casi sin duda
obtener un valor diferente para .
Esta variacin en el nmero no refleja las incertidumbres
en nuestro conteo; Ms bien, refleja el carcter
intrnsecamente aleatorio del proceso de desintegracin
radiactiva.
 Cada ncleo radiactivo tiene una probabilidad definida de
decaimiento en el intervalo de dos minutos.
Si supiramos esta probabilidad y el nmero de ncleos
en nuestra muestra, podramos calcular el nmero
promedio esperado de decaimientos en dos minutos.
Sin embargo, cada ncleo se desintegra en un tiempo
aleatorio, y en cualquier intervalo de dos minutos dado, el
nmero de desintegraciones puede ser diferente del
nmero promedio esperado
 De la clase anterior se reconoce que la distribucin requerida es
la distribucin binomial. Si hay n ncleos y la probabilidad de que
un ncleo se desintegra es P, entonces la probabilidad de
decaimientos es justamente la probabilidad de "xitos" en "n
ensayos," o , ()).
En el tipo de experimento que estamos discutiendo, sin embargo,
existe una importante simplificacin.
El nmero de tiradas" (es decir, ncleos) es enorme ( 1020 ),
y la probabilidad de "xito" (decaimiento) para cualquier ncleo
es muy pequeo (a menudo tan pequeos como 1020 ).
En estas condiciones (n grande y p pequea ), la distribucin
binomial puede demostrarse que es indistinguible de una funcin
simple llamada la distribucin de Poisson. Especficamente, se
puede demostrar que



=
!
SOLUCIN
=