Actividad 6

Distribucin Binomial

Experimento de Bernoulli.

El experimento de Bernoulli es un experimento aleatorio, el cual se lleva a cabo una sola vez, y
consiste en observar si cierto evento ocurre o no, asignando el nombre xito si ocurre el evento
que deseamos y fracaso si no ocurre el evento que se desea. Siendo p la probabilidad de que
ocurra lo que deseamos (probabilidad de xito) y q = 1 p la probabilidad de que no ocurra lo
que deseamos (probabilidad de fracaso). En otras palabras, el experimento de Bernoulli, no es
mas que una Variable aleatoria que slo puede tomar 2 valores {xito, fracaso} , donde xito es
cuando sucede lo que deseamos y fracaso es cuando no sucede lo que deseamos.

Ejemplos de Experimentos de Bernoulli, por citar algunos:


Distribucin binomial.

Concepto
Distribucin Binomial. Es una funcin de distribucin de probabilidad discreta, ya que utiliza
variables aleatorias discretas, las cuales estn relacionadas a experimentos en los cuales
nicamente se consideran dos resultados posibles que son el xito y el fracaso.

Por ejemplo, si se considera una encuesta por muestreo para conocer la preferencia de las amas
de casa por 2 tipos de limpiadores {Limpiador A, Limpiador B}, los posibles resultados del
experimento son dos, que prefieran el Limpiador A o que prefieran el Limpiador B, estos
resultados no toman en cuenta el nmero de amas de casa entrevistadas y uno de estos
resultados debe de ser considerado el xito y en consecuencia el otro sera el fracaso.

La distribucin binomial, debe de reunir cuatro propiedades:
1) El experimento consiste de un nmero fijo de ensayos. Por ejemplo, si se estudia el
comportamiento de ventas de 40 tiendas de conveniencia y por poltica de la empresa se
tiene que analizar slo 15 con el fin de determinar cuales son las que generan mayores
ganancias, estamos hablando de un nmero finito de ensayos.
2) Cada ensayo tiene dos posibles resultados xito y fracaso. Por ejemplo, al realizar un
recorrido en bicicleta, el deportista puede considerar que si realiza el recorrido en menos de
20 minutos es un xito, pero si se excede de ese tiempo es un fracaso.
3) La probabilidad de xito es igual a p y es la misma para todos los elementos y la
probabilidad de fracaso es, en consecuencia, igual a q = 1 p. Por ejemplo, en un lote de
200 veladoras, si se demuestra que el 80% de las veladoras cumplen con el estndar (xito),
en consecuencia el 20% no cumple con el estndar (fracaso) la probabilidad de fracaso y
de xito es la misma para cada una de las 200 piezas del lote.
4) Los ensayos son independientes, el resultado de probabilidad que se da en un ensayo no
afecta el resultado que se da en otro ensayo. Por ejemplo, si al analizar una serie de
pantalones maquilados en una empresa, se tiene que la probabilidad de que 30 pantalones
tengan defecto es de 0.15, esto no quiere decir que, al seleccionar otra muestra de igual
tamao, la probabilidad de que se tengan defectos en los pantalones sea la misma que se
obtuvo anteriormente.

La funcin de distribucin de probabilidad de una Distribucin Binomial es:


Donde:
P(k,n,p) = Probabilidad de que se presenten k xitos en n ensayos con una probabilidad de xito
p.
P(X=k) = Probabilidad de que la variable X tome el valor de k.
n = Tamao de la muestra o nmero de ensayos.
k = Nmero de xitos.
n - k = Nmero de Fracasos.
p = Probabilidad de xito.
q = Probabilidad de fracaso.
! = Factorial de un nmero.

Es conveniente mencionar que la funcin antes descrita, considera , dado que esta frmula
se refiere a las posibles combinaciones que pueden presentarse en el conjunto de ensayos,
presentando cuntos posibles resultados de pueden obtener si se desean slo xitos dentro del
conjunto de ensayos.

Ejemplo 1.
El gobierno de Nuevo Len afirma que la prueba Enlace el cual es aplicado a nivel primaria y
Secundaria en todo el pas, es un indicador que motiva a las escuelas a mejorar su nivel
acadmico en un 70% de las veces. Si este indicador se lleva a cabo 4 veces en el ao, cul es la
probabilidad de que:
a. Las 4 veces que se lleva a cabo en el ao el examen sea exitoso?
b. A lo ms 2 sean exitosas?

Solucin:
a. Se est pidiendo obtener la probabilidad de que las 4 veces que se aplica el examen sean
exitosas, es decir, se est solicitando calcular P(X=k) = Probabilidad de que la variable X
tome el valor de k, donde k es el nmero de xitos deseados:
Datos en base al problema son los siguientes:
n = 4, nmero de ensayos o nmero de veces en las que se va a aplicar el examen.
k = 4, nmero de xitos. Ya que se desea que las 4 veces que se aplica el examen sean exitosas
n - k = 0, nmero de Fracasos.
p = 0.7, probabilidad de xito.
q = 1 p = 1 0.7 = 0.3, probabilidad de fracaso.

Sustituyendo los datos en la Funcin de distribucin de Probabilidad de la Distribucin Binomial,
tenemos:

Por tanto, la probabilidad de que las 4 veces en que se aplique el examen sean exitosas es
equivalente a un 24.01%.

Solucin:
b. Se est pidiendo obtener la probabilidad de que a lo ms 2 sean exitosas.
El trmino a lo ms significa que la mayor cantidad de xitos que pueden obtenerse es 2, pero
tambin puede darse el caso de que sea uno o cero, por lo que se tiene:

k s 2; es decir, k puede ser 0, 1, 2
P(k s 2) = P(0) + P(1) + P(2)

Entonces, hay que obtener las probabilidades de obtener 0, 1, 2 xitos para despus sumarlas y
encontrar la solucin.




Una vez obtenidas las probabilidades para 0, 1 2 xitos, hay que sumarlas
P(k s 2) = P(0) + P(1) + P(2)
P(k s 2) = 0.0081 + 0.0756 + 0.2646
P(k s 2) = 0.3483
P(k s 2) = 34.83%

Por tanto, la probabilidad de que las 4 veces que se lleve a cabo el examen al menos 2 veces sea
exitoso es 0.3483 = 34.83%.

Ejemplo 2
Durante un estudio de sondeo, se obtuvo como resultado que el 40% de los artculos que se
consumen en una tienda de autoservicio corresponde a los artculos de origen japons.
Suponiendo que se seleccionan al azar 7 personas que han comprado artculos en esa tienda de
autoservicio.
a. Cul es la probabilidad de que slo 5 personas hayan comprado un artculo de origen
japons?
b. Cul es la probabilidad de que por lo menos 6 personas hayan comprado artculos de origen
japons?

Solucin:
a. Se est pidiendo se calcule la probabilidad de que slo 5 personas hayan comprado un
artculo de origen japons P(X = 5). Empecemos por definir cual es el caso de xito. El caso
de xito es que se compre un artculo de origen japons al cual se le est asignando una
probabilidad de 40%, entonces la probabilidad de xito es 0.4. El tamao de la muestra es
de 7 personas y el nmero de xitos que se desean es 5.Entonces los datos son:

n = 7, tamao de la muestra.
k = 5, nmero de xitos. Ya que se desea que slo 5 personas hayan consumido un artculo de
origen japons
n - k = 2, nmero de Fracasos.
p = 0.4, probabilidad de xito.
q = 1 p = 1 0.4 = 0.6, probabilidad de fracaso.

Por tanto, la probabilidad de que slo 5 de las 7 personas hayan consumido un artculo de origen
japons es 0.0774 = 7.74%.

Solucin:
b. Se est pidiendo, se calcule la probabilidad de que por lo menos 6 personas hayan comprado
un artculo de origen japons.
El trmino por lo menos significa que la menor cantidad de xitos que pueden obtenerse es 6,
pero tambin puede darse el caso de que sean 7, por lo que se tiene:

k > 6; es decir, k puede ser 6, 7
P(k > 6) = P(6) + P(7)

Entonces, hay que obtener las probabilidades de obtener 6 y 7 xitos para despus sumarlas y
encontrar la solucin.


Una vez obtenidas las probabilidades para 6y 7 xitos, hay que sumarlas
P(k > 6) = P(6) + P(7)
P(k > 6) = 0.0172 + 0.0016
P(k > 6) = 0.0188
P(k > 6) = 1.88%

Por tanto, la probabilidad de que por lo menos 6 personas hayan comprado un artculo de origen
japons es igual a 0.0188 = 1.88%.

Recomendaciones.
Cuando necesitamos calcular probabilidades que impliquen los trminos por lo menos o A lo
mas, estas probabilidades se deben de calcular sumando las probabilidades de cada uno de los
valores involucrados en la condicin. Por ejemplo en el Ejemplo 1.b para calcular la P(k s 2) se
tuvo que calcular las probabilidades de P(0), P(1) y P(2); y en el Ejemplo 2.b para calcular la
probabilidad P(k > 6) se tuvo que calcular las probabilidades de P(6) y P(7). Imaginemos el caso
en el cual n = 10 y nos piden calcular P(k s 9), tendramos que calcular las probabilidades de
P(0), P(1), P(2), P(3), P(4), P(5), P(6), P(7), P(8) y P(9) lo cual es muy tedioso y poco prctico.

Para facilitar estos clculos, existen tablas para la distribucin Binomial con los valores mas
comunes. Estas tablas las encuentras al final de los libros de texto de Probabilidad y Estadstica.

Uso de la Tabla.

La primera columna n, es el nmero de intentos, ensayos o tamao de la muestra.
La segunda columna k, es el nmero de xitos que se desean
El resto de las columnas, son probabilidades de xito p. En dado caso que no aparezca el valor
de p, se tendr que utilizar a la frmula como en los casos anteriores (Ejemplo1.b y Ejemplo
2.b).
Aclarando que las tablas son acumulativas.

Ejemplos para el uso de la tabla.

Ejemplo A.
n = 8, tamao de la muestra
k = 3, nmero de xitos.
p = 0.25, probabilidad de xito.

Si buscamos en la tabla con n = 8, ubicamos k = 3 y p = 0.25 y tomamos el valor en el que el
rengln de la k y la columna de p se cruzan, nos da el valor de 0.8862, pero debido a que la
tabla es acumulativa, este valor corresponde a la Probabilidad P(k s 3) la cual incluye P(0), P(1),
P(2) y P(3), ya que P(k s 3) = P(0) + P(1) + P(2) + P(3)......................................

Revisando la frmula en , tenemos que
| | (3) ( 3) (0) (1) (2) P P k P P P = s + + , pero a la vez sabemos que
| | ( 2) (0) (1) (2) P k P P P s = + + , entonces
(3) ( 3) ( 2) P P k P k = s s .
En conclusin, si deseamos conocer la P(k = 3) = P(3), utilizando la tabla, lo que tendramos que
hacer es lo siguiente.
a. Buscar en la tabla con n = 8, ubicar k = 3 y p = 0.25 y tomamos el valor en el que el rengln
de la k y la columna de p se cruzan, a este valor le llamaremos V1.
b. Buscar en la tabla con n = 8, ubicar k = 2 y p = 0.25 y tomamos el valor en el que el rengln
de la k y la columna de p se cruzan, a este valor le llamaremos V2.
c. Por ltimo a V1 le restamos V2.
d. Y as es como obtenemos el valor de P(3).

Ejemplo B.
n = 8, tamao de la muestra
k = 3, nmero de xitos.
p = 0.25, probabilidad de xito.
Y deseo calcular P(k > 2) utilizando la tabla.

Para los casos mayor que o por lo menos, tenemos que utilizar la propiedad
P(A) + P(A
c
) = 1.....................................................
Para nuestro caso P(A) = P(k > 2), entonces P(A
c
) = P(k < 2) , ya que el complemento de k > 2
es k < 2.

Sustituyendo los valores de P(A) y P(A
c
) en , tenemos lo siguiente
P(k > 2) + P(k < 2) = 1
Pero a su vez P(k < 2) = P(k s 1), ya que son variables discretas.
P(k > 2) + P(k s 1) = 1
Despejando P(k > 2)
P(k > 2) = 1 - P(k s 1)

En conclusin, si deseamos conocer la P(k > 2) utilizando la tabla, lo que tendramos que hacer
es lo siguiente.
e. Buscar en la tabla con n = 8, ubicar k = 2 1 = 1 y p = 0.25 y tomamos el valor en el que el
rengln de la k y la columna de p se cruzan, a este valor le llamaremos V1.
f. Por ltimo a 1 le restamos V1.
g. Y as es como obtenemos el valor de P(k > 2).