Este documento presenta información sobre distribuciones de probabilidad como la binomial y la normal. Explica que la distribución binomial describe el número de éxitos en una secuencia de ensayos de Bernoulli independientes, mientras que la distribución normal se aplica a muchos fenómenos sociales. También incluye ejemplos y definiciones de estas distribuciones, así como la resolución de algunos ejercicios relacionados.

1. República Bolivariana de Venezuela
Ministerio del Poder Popular Para la Educación Superior
Universidad Fermín Toro
Participante: Maryari Peraza
C.I: 16.419.847
Asignatura: Técnicas de Estadísticas Avanzadas
Profesor: José Linárez
SAIA “B”
Barquisimeto, Junio 2015

2. Fue estudiada por Jakob Bernoulli (Suiza, 1654-1705), quien escribió el
primer tratado importante sobre probabilidad, “Ars conjectandi” (El arte
de pronosticar).
También se destaca, la distribución normal es un ejemplo de las
distribuciones continuas, y aparece en multitud de fenómenos sociales.
Fue estudiada, entre otros, por J.K.F. Gauss (Alemania,1777-1855), uno
de los más famosos matemáticos de la historia. La gráfica de la
distribución normal en forma de campana se denomina Campana de
Gauss.

3. Distribución
Binomial
Distribución
de
Probabilidad
Discreta
Número de
éxitos en
secuencias de
“n” ensayos de
Bernoulli
Independiente
es entre sí
Experimento
de Bernoulli
Dicotómico
Sólo 2 posibles
Resultados
Éxito “p” Fracaso “q=1-p”
Es la base del test
binomial de
significación
estadística
n: es el número de pruebas.
k : es el número de éxitos.
p: es la probabilidad de éxito.
q: es el número de fracaso.

4. 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
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
4.El resultado obtenido en cada prueba
es independiente de los resultados
obtenidos anteriormente.
4.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.
6.El número de ensayos o repeticiones del experimento (n) es constante.6.El número de ensayos o repeticiones del experimento (n) es constante.
Características
La función de distribución binomial especifica el número de veces (x)
que puede ocurrir un evento en un número independiente de tiradas
n y donde p es la probabilidad de la ocurrencia del evento en una
simple tirada. Es una distribución de probabilidad exacta para
cualquier número de intentos.
Función

5. Ejercicio N°1

8. Ejercicio N°2

9. b) K=0
P(X=0) = (𝟓¦𝟓) (𝟓,𝟓)^𝟓 〖 (𝟓,𝟓𝟓) 〗 ^(𝟓 )
= 1 (-1) (0,050)
P(X=0) = 0,05
La probabilidad que ninguna de las solicitudes sean falsificadas es de 0,05
c) P (x≤5)= 1 – P (X = 0)
= 1 – 0,05
P (x≤5)= 0,95
La probabilidad de que las 5 solicitudes sean falsificadas es 0,95

10. b) K=0
P(X=0) = (𝟓¦𝟓) (𝟓,𝟓)^𝟓 〖 (𝟓,𝟓𝟓) 〗 ^(𝟓 )
= 1 (-1) (0,050)
P(X=0) = 0,05
La probabilidad que ninguna de las solicitudes sean falsificadas es de 0,05
c) P (x≤5)= 1 – P (X = 0)
= 1 – 0,05
P (x≤5)= 0,95
La probabilidad de que las 5 solicitudes sean falsificadas es 0,95