Grado 12
  1. Introducción al Álgebra  1.1. Matrices  1.1.1. Definición y tipos de matrices  1.1.2. Operaciones en matrices  1.1.3. Transposición de una matriz  1.1.4. Determinantes y sus propiedades  1.1.5. Inverso de una matriz  1.1.6. Resolución de ecuaciones lineales usando matrices  1.1.7. Aplicaciones de matrices  1.2. Números complejos  1.2.1. Definición y representación de números complejos  1.2.2. Comprensión del álgebra de los números complejos  1.2.3. Módulo y argumento de números complejos  1.2.4. Introducción a los números complejos  1.2.5. Teorema de De Moivre  1.2.6. Raíces de números complejos  1.2.7. Aplicaciones en geometría  1.3. Vectores y geometría 3D  1.3.1. Álgebra de vectores  1.3.2. Producto escalar y vectorial  1.3.3. Ecuación de una línea en el espacio  1.3.4. Ecuación de un plano en vectores y geometría 3D  1.3.5. Distancia entre líneas y planos  1.3.6. Ángulo entre líneas y planos
  2. Cálculos  2.1. Límites y continuidad  2.1.1. Concepto de Límites  2.1.2. Continuación de trabajos  2.1.3. Tipos de discontinuidad  2.1.4. Comprendiendo las limitaciones de la mano izquierda y derecha  2.2. Discriminación  2.2.1. Derivado como tasa de cambio  2.2.2. Técnicas de diferenciación  2.2.3. Derivadas de orden superior  2.2.4. Aplicaciones de las derivadas  2.2.5. Tangente y normal  2.2.6. Funciones crecientes y decrecientes  2.3. Integración  2.3.1. Integral indefinida  2.3.2. Integral definida  2.3.3. Técnicas de integración  2.3.4. Entendiendo el área bajo la curva en integración  2.3.5. Aplicaciones de las integrales en geometría  2.4. Ecuaciones diferenciales  2.4.1. Formación de ecuaciones diferenciales  2.4.2. Orden y grado de las ecuaciones diferenciales  2.4.3. Soluciones de ecuaciones diferenciales  2.4.4. Aplicaciones de las ecuaciones diferenciales  2.4.5. Introducción a las ecuaciones diferenciales lineales de primer orden
  3. Probabilidad y estadística  3.1. Entendiendo la Probabilidad  3.1.1. Comprendiendo la probabilidad condicional  3.1.2. Teorema de Bayes  3.1.3. Comprendiendo las variables aleatorias en probabilidad y estadísticas  3.1.4. Distribuciones de probabilidad  3.1.5. Distribución binomial y normal  3.2. Figuras  3.2.1. Media y desviación estándar  3.2.2. Varianza y covarianza  3.2.3. Correlación y regresión  3.2.4. Comprendiendo la prueba de hipótesis en estadística
  4. Programación lineal  4.1. Método gráfico en programación lineal  4.1.1. Comprendiendo las regiones factibles y no factibles en la programación lineal  4.1.2. Solución óptima en el método gráfico de programación lineal  4.1.3. Análisis de sensibilidad en el método gráfico  4.2. Método simplex  4.2.1. Formulación de problemas en el método del simplex  4.2.2. Resolviendo problemas de programación lineal usando el método simplex  4.2.3. Método del simplejo dual
  5. Relaciones y funciones  5.1. Tipos de relaciones  5.1.1. Relación reflexiva  5.1.2. Relaciones simétricas  5.1.3. Comprendiendo las relaciones transitivas  5.1.4. Relación de equivalencia  5.2. Tipos de tareas  5.2.1. Función sobreyectiva  5.2.2. Función uno a uno  5.2.3. Función inversa  5.2.4. Trabajo conjunto  5.3. Funciones trigonométricas inversas  5.3.1. Valores principales en funciones trigonométricas inversas  5.3.2. Propiedades y gráficos de funciones trigonométricas inversas  5.3.3. Aplicaciones en cálculo
  6. Trigonometría avanzada  6.1. Introducción a las ecuaciones trigonométricas  6.1.1. Soluciones generales de ecuaciones en ecuaciones trigonométricas  6.1.2. Fórmula de transformación  6.2. Funciones hiperbólicas  6.2.1. Definiciones y propiedades de las funciones hiperbólicas  6.2.2. Relación entre funciones hiperbólicas y trigonométricas
  7. Lógica aritmética  7.1. Razonamiento lógico  7.1.1. Declaraciones y conectores lógicos  7.1.2. Tautología y contradicción  7.2. Evidencia  7.2.1. Evidencia directa  7.2.2. Evidencia indirecta  7.2.3. Prueba por contradicción  7.2.4. Prueba por inducción matemática
  8. Aplicaciones de las Matemáticas  8.1. Aplicaciones del cálculo  8.1.1. Problemas de máximos y mínimos  8.1.2. Aplicaciones de la economía y la biología  8.1.3. Tasa de cambio en física  8.2. Aplicaciones de la Probabilidad  8.2.1. Análisis de riesgo  8.2.2. Toma de decisiones en aplicaciones de probabilidad  8.2.3. Teoría de juegos

Grado 12 → Probabilidad y estadística → Entendiendo la Probabilidad ↓


Distribución binomial y normal


La probabilidad y la estadística son ramas importantes de las matemáticas que nos ayudan a entender la probabilidad de eventos y los diversos resultados que se pueden esperar en la vida cotidiana. De las diversas distribuciones de probabilidad utilizadas en estos campos, la distribución binomial y la distribución normal son dos modelos fundamentales que describen diferentes tipos de datos. Es importante que los estudiantes de matemáticas de grado 12 comprendan estas distribuciones, ya que son ampliamente aplicables en campos que van desde la ciencia y la ingeniería hasta las finanzas y las ciencias sociales.

Distribución binomial

La distribución binomial es una distribución de probabilidad discreta. Modela el número de éxitos en un número fijo de ensayos de un experimento binario. Un experimento binario es aquel donde solo hay dos resultados posibles, generalmente denominados como “éxito” y “fracaso”. Aprendamos más sobre la distribución binomial con la ayuda de la definición, la fórmula y ejemplos.

Definición básica

La distribución binomial se define por las siguientes características:

  • Número de ensayos (n): El número de experimentos o ensayos independientes.
  • Probabilidad de éxito (p): La probabilidad de lograr el éxito en un solo experimento.
  • Probabilidad de fracaso (q o 1-p): La probabilidad de fracaso en un solo experimento.
  • Número de éxitos (k): El número típico de éxitos en n ensayos.

La probabilidad de obtener exactamente k éxitos en n ensayos está dada por la fórmula:

    P(x=k) = C(n,k) * P^k * (1-P)^(n-k)

donde P(X = k) es la probabilidad de obtener k éxitos, y C(n, k) es la función de combinación:

    C(n, k) = n! / [k!(n-k)!]

Ejemplo de distribución binomial

Consideremos un ejemplo simple: lanzar una moneda 5 veces. ¿Cuál es la probabilidad de obtener caras exactamente 3 veces?

Aquí, tenemos los siguientes parámetros:

  • n = 5 (número de ensayos)
  • p = 0.5 (la probabilidad de obtener caras en un ensayo, ya que una moneda justa tiene dos lados)
  • k = 3 (número de éxitos, en este caso, caras)

Sustituimos estos valores en la fórmula binomial:

    P(x = 3) = C(5, 3) * (0.5)^3 * (1-0.5)^(5-3)
             = 10 * 0.125 * 0.25
             = 0.3125

Por lo tanto, la probabilidad de obtener caras exactamente 3 veces cuando se lanza una moneda 5 veces es 0.3125 o 31.25%.

Representación visual

012345

Este SVG muestra un gráfico de barras de la distribución binomial para lanzar una moneda 5 veces (n=5), con la probabilidad de éxito (caras) siendo p=0.5.

Distribución normal

La distribución normal es una distribución de probabilidad continua que es simétrica alrededor de la media, lo que indica que los datos cerca de la media ocurren con más frecuencia que los datos alejados de la media. Como un gráfico, la distribución normal aparecerá como una curva de campana.

Propiedades de la distribución normal

La distribución normal se define por su media (μ) y desviación estándar (σ). Sus propiedades características son:

  • El área total bajo la curva es 1.
  • La curva es simétrica alrededor de la media (μ).
  • Aproximadamente el 68% de los datos caen dentro de una desviación estándar (σ) de la media.
  • Aproximadamente el 95% de los datos caen dentro de dos desviaciones estándar (2σ) de la media.
  • Aproximadamente el 99.7% de los datos caen dentro de tres desviaciones estándar (3σ) de la media.

Fórmula de la distribución normal

La función de densidad de probabilidad (PDF) de la distribución normal se describe por la fórmula:

    f(x) = (1 / (σ * sqrt(2π))) * exp(-0.5 * ((x - μ) / σ)^2)

Ejemplo de distribución normal

Supongamos que los puntajes de una clase están distribuidos normalmente, con una media (μ) de 70 y una desviación estándar (σ) de 10. Quieres encontrar la probabilidad de que un estudiante seleccionado al azar haya puntuado entre 60 y 80.

Para encontrar esto, calcularías el área bajo la curva normal entre estos dos valores.

Representación visual

μ–σμ+σ

Este SVG presenta un diagrama básico de una curva de distribución normal, mostrando la desviación estándar de la media.

Puntuación Z

En la distribución normal, la puntuación Z se utiliza para determinar qué tan lejos y en qué dirección un punto de datos está de la media. La puntuación Z se calcula utilizando la fórmula:

    Z = (X − μ) / σ

donde X es el valor, μ es la media de la distribución y σ es la desviación estándar.

Ejemplo de cálculo de puntuación Z

Supongamos que tenemos un ejemplo de un examen anterior con una media de 70 y una desviación estándar de 10. Un estudiante puntuó 85 puntos. ¿Cuál es la puntuación Z?

Sustituye los valores en la fórmula de puntuación Z:

    Z = (85 - 70) / 10 = 1.5

Esto significa que una puntuación de 85 está 1.5 desviaciones estándar por encima de la media.

Relación entre la distribución binomial y la normal

Bajo ciertas condiciones, la distribución binomial puede ser aproximada por una distribución normal. Esto sucede cuando:

  • El número de ensayos (n) es grande.
  • La probabilidad de éxito (p) no está muy cerca de 0 ni de 1.

La regla general es que la aproximación normal se considera apropiada cuando tanto np como n(1-p) son mayores que 5. En tales casos, la media (μ) y la desviación estándar (σ) para la distribución normal están dadas por:

    μ = np
    σ = sqrt(np(1-p))

Ejemplo de aproximación normal

Imagina que tienes un conjunto de datos heterogéneos de 1000 lanzamientos de monedas, donde cada lanzamiento es independiente. El evento es un lanzamiento de "caras" con una probabilidad de 0.5.

Aplicamos la aproximación normal:

  • μ = np = 1000 * 0.5 = 500
  • σ = sqrt(np(1-p)) = sqrt(1000 * 0.5 * 0.5) = sqrt(250) = 15.81

Si quisiéramos encontrar la probabilidad de que salgan caras entre 490 y 510, observaríamos la puntuación Z y encontraríamos el área bajo la curva normal entre estos dos valores.

Conclusión

Las distribuciones binomial y normal son conceptos fundamentales en probabilidad y estadística. Proporcionan una visión de una amplia variedad de fenómenos, proporcionando herramientas para comprender el comportamiento de variables aleatorias discretas y continuas. Desde experimentos simples como los lanzamientos de monedas hasta escenarios del mundo real más complejos, estas distribuciones nos ayudan a tomar decisiones informadas basadas en modelos de probabilidad. La capacidad de utilizar estas herramientas no solo enriquece la comprensión matemática, sino que también mejora las habilidades analíticas necesarias en una variedad de campos. Comprender y utilizar estas distribuciones de manera efectiva requiere dominar sus propiedades, fórmulas y aplicaciones en el mundo real, lo que las hace indispensables tanto en contextos académicos como profesionales.


Grado 12 → 3.1.5


U
username
0%
completado en Grado 12

← Anterior (3.1.4)
Distribuciones de probabilidad
Siguiente (3.2) →
Figuras

Comentarios 



Distribución binomial y normal

https://www.buddymath.com/g12/3.1.5?bmal=es