La distribucin binomial

Introduccin
En los acontecimientos en general tenemos muchas situaciones
donde se espera que ocurra o no un evento especfico. ste puede
ser de xito o fracaso sin dar paso a un punto medio. Por ejemplo,
en la produccin de un artculo, ste puede salir bueno o malo. Casi
bueno no es un resultado de inters. Para situaciones como stas se
utiliza la distribucin binomial.

En este mdulo se describe el uso de la distribucin binomial para

obtener la probabilidad de ocurrencia de ese evento que representa
un resultado esperado.

.
 Objetivo general

Esperamos que cuando termines esta presentacin

puedas utilizar la distribucin binomial para obtener
las probabilidades de aquellas situaciones con dos
posibles resultados.
 Objetivos especficos

Adems, esperamos que puedas:

Identificar las propiedades de una distribucin

binomial.
Determinar los valores de xitos p y fracasos q para
establecer las bases para el cmputo de las
probabilidades.
Establecer el promedio, la varianza y la desviacin
estndar utilizando las variables de la distribucin
binomial.
Dato histrico

El clculo de probabilidades tuvo un

notable desarrollo con el trabajo del
matemtico suizo Jacob Bernoulli (1654-1705).

Bernoulli defini el proceso conocido por su

nombre el cual establece las bases para el
desarrollo y utilizacin de la distribucin binomial.
Utilidad
La distribucin binomial se utiliza en situaciones cuya solucin tiene
dos posibles resultados.

Por ejemplo:

Al nacer un/a beb puede ser varn o hembra.

En el deporte un equipo puede ganar o perder la competencia

En pruebas de cierto o falso slo hay dos alternativas.

Utilidad
Tambin se utiliza cuando el resultado se puede reducir a dos
opciones.

Por ejemplo:

Un tratamiento mdico puede ser efectivo o inefectivo.

La meta de produccin o ventas del mes se pueden o no lograr.
En pruebas de seleccin mltiple, aunque hay cuatro o cinco
alternativas, se pueden clasificar como correcta o incorrecta.

Estos ejemplos los podemos considerar como

experimentos de Bernoulli
Propiedades de un
experimento de Bernoulli

1 - En cada prueba del experimento slo hay dos posibles

resultados: xitos o fracasos.

2 - El resultado obtenido en cada prueba es independiente de los

resultados obtenidos en pruebas anteriores.

3 - La probabilidad de un suceso es constante, la representamos

por p, y no vara de una prueba a otra. La probabilidad del
complemento es 1- p y la representamos por q .

Si repetimos el experimento n veces podemos

obtener resultados para la construccin de la
distribucin binomial.
La distribucin binomial

La distribucin de probabilidad binomial es un ejemplo de

distribucin de probabilidad discreta.
Esta formada por una serie de experimentos de Bernoulli. Los
resutados de cada experimento son mutuamente excluyentes.
Para contruirla necesitamos:
1 - la cantidad de pruebas n
2 - la probabilidad de xitos p
3 - utilizar la funcin matemtica.
La funcin P(x=k)

A continuacin vemos La funcin de probabilidad de la distribucin

Binomial, tambin denominada Funcin de la distribucin de
Bernoulli:

k - es el nmero de aciertos.
n - es el nmero de experimentos.
p - es la probabilidad de xito, como por ejemplo, que salga
"cara" al lanzar la moneda.
1-p - tambin se le denomina como q
 Como hay que considerar todas las maneras posibles de
obtener k-xitos y (n-k) fracasos debemos calcular
stas por combinaciones (nmero combinatorio n sobre
k).

Probabilidad de obtener K xitos

n k nk
p( X k ) p q
k
n n!
nCk
k x!(n x)!
Ejemplo1 de la funcin
F(x=k)

Cul es la probabilidad de obtener 6 caras al lanzar una moneda

10 veces?
El nmero de aciertos k es 6. Esto es x=6
El nmero de experimentos n son 10
La probabilidad de xito p, es decir, que salga "cara" al lanzar la
moneda es 50% 0.50
La frmula quedara:

P (k = 6) = 0.205
Es decir, que la probabilidad de obtener 6 caras al lanzar 10 veces
una moneda es de 20.5% .
Ejemplo 2 de la funcin
F(x=k)

Cul es la probabilidad de obtener cuatro veces el nmero 3 al

lanzar un dado ocho veces?
El nmero de aciertos k es 4. Esto es x=4
El nmero de experimentos n son 8
La probabilidad de xito p (probabilidad de que salga un 3 al
tirar el dado) es 1 / 6 (= 0.1666)
La frmula queda:
P (k = 4) = 0.026
Es decir, que la probabilidad de obtener cuatro veces el nmeros
3 al tirar un dado 8 veces es de 2.6%.
Ejemplo 3
B(n,p)

En una fbrica de cmaras el 5% sale con

defectos. Determine la probabilidad de que en
una muestra de 12 se encuentren 2 cmaras
defectuosas.
Solucin :
Se trata de una distribucin binomial de parmetros B(12,
0.05). Debemos calcular la probabilidad de que x sea igual a k
que en este caso es 2. Esto es P (k=2).
El resultado es 0.0988
Ejemplo 4
B(n,p)

En una oficina de servicio al cliente se atienden 100

personas diarias. Por lo general 10 personas se van
sin recibir bien el servicio. Determine la
probabilidad de que en una encuesta a 15 clientes
3 no hayan recibido un buen servicio.

Solucin :
El resultado es 0.1285
En resumen

En este mdulo hemos determinado la probabilidad binomial mediante el

uso de la funcin binomial. Adems, aprendimos que:

La distribucin binomial se forma de una serie de experimentos de

Bernoulli

La media () en la distribucin binomial se obtiene con el producto de n

xp

La VARIANZA es (2 ) en la distribucin binomial se obtiene del

producto de (n x p x q)

El valor de q es el complemento de p y se obtiene con 1 p.

Ejercicio de prueba #1

Un comerciante de verduras tienen conocimiento de que el

10% de la caja est descompuesta. Si un comprador elige 4
verduras al azar, encuentre la probabilidad de que.
a) las 4 estn descompuestas.
b) de 1 a 3 estn descompuestas.

Para resolver la pregunta b repase el

modulo de las reglas de probabilidad.
En este caso se resuelve sumando las
probabilidades P(x=1) + P(x=2) + P(x=3)
= 0.6561 + 0.2916 + 0.0486
Ejercicio de prueba #2

En pruebas realizadas a un amortiguador para automvil se encontr que

el 20% presentaban fuga de aceite. Si se instalan 20 de estos
amortiguadores, hallar la probabilidad de que,
a) 4 salgan defectuosos,
b) ms de 5 tengan fuga de aceite.
c) de 3 a 6 amortiguadores salgan defectuosos.
d) Determine el promedio y la desviacin estndar de
amortiguadores con defectos.

La pregunta b debe sumar las probabilidades desde

P(x=6) en adelante.
En la c debe sumar P(x=3) + P(x=4) + P(x=5) + P(x=6).
Ejercicio de prueba #3

Un ingeniero que labora en el departamento de control de calidad de

una empresa elctrica, inspecciona una muestra al azar de 10
alternadores de un lotes. Si el 15% de los alternadores del lote
estn defectuosos. Cul es la probabilidad de que en la muestra,
a) ninguno est defectuoso,
b) uno salga defectuoso,
c) al menos dos salgan defectuosos
d) ms de tres estn con defectos
Para la pregunta d puede realizar
la siguiente operacin:

1 [P(x=0) + P(x=1) + P(x=2)]

Ejercicio de prueba #4

La probabilidad de que un CD de msica dure al menos un ao sin

que falle es de 0.95, calcular la probabilidad de que en una muestra
de 15,
a) 12 duren menos de un ao,
b) a lo ms 5 duren menos de un ao,
c) al menos 2 duren menos de un ao.
Ejercicio de prueba #5

Si 6 de 18 proyectos de viviendas violan el cdigo de construccin,

cul es la probabilidad de que un inspector de viviendas, que
selecciona aleatoriamente a cuatro de ellas, descubra que:
a) ninguna de las casas viola el cdigo de
construccin
b) una viola el cdigo de construccin
c) dos violan el cdigo de construccin
d) al menos tres violan el cdigo de construccin
La distribucin de Poisson
Introduccin
En este mdulo se describe el uso de la distribucin de
Poisson para obtener la probabilidad de ocurrencia de
sucesos raros cuyo resultado lo representa una
variable discreta.
 Objetivo general del mdulo

Esperamos que cuando termines esta presentacin

puedas determinar cmo y cundo se debe utilizar la
distribucin de Poisson para obtener las probabilidades
de aquellas situaciones que ocurren de forma
impredecible y ocasional.
 Objetivos especficos

Adems, esperamos que puedas:

1. Identificar las propiedades de una distribucin Poisson.

2. Determinar los valores de frecuencia p y segmento n para

establecer las bases para el cmputo de las probabilidades.

3. Determinar el promedio, la varianza y la desviacin estndar

utilizando las variables de la distribucin de Poisson.
Dato histrico

La distribucin de Poisson se llama as

en honor a su creador, el francs
Simen Dennis Poisson (1781-1840),
Esta distribucin de probabilidades fue
uno de los mltiples trabajos matemticos
que Dennis complet en su productiva trayectoria.
Utilidad
La distribucin de Poisson se utiliza en situaciones donde los sucesos son
impredecibles o de ocurrencia aleatoria. En otras palabras no se sabe el
total de posibles resultados.

Permite determinar la probabilidad de ocurrencia de un suceso con

resultado discreto.

Es muy til cuando la muestra o segmento n es grande y la probabilidad de

xitos p es pequea.

Se utiliza cuando la probabilidad del evento que nos interesa se distribuye

dentro de un segmento n dado como por ejemplo distancia, rea, volumen
o tiempo definido.
Ejemplos de la
utilidad
La llegada de un cliente al negocio durante una hora.

Las llamadas telefnicas que se reciben en un da.

Los defectos en manufactura de papel por cada metro producido.

Los envases llenados fuera de los lmites por cada 100 galones de
producto terminado.

La distribucin de Poisson se emplea

para describir procesos con un elemento
en comn, pueden ser descritos por una
variable aleatoria discreta.
Propiedades de un
proceso de Poisson

1. La probabilidad de observar exactamente un xito en el

segmento o tamao de muestra n es constante.
2. El evento debe considerarse un suceso raro.
3. El evento debe ser aleatorio e independiente de otros
eventos

Si repetimos el experimento n veces podemos

obtener resultados para la construccin de la
distribucin de Poisson.
La distribucin de Poisson

La distribucin de probabilidad de Poisson es un ejemplo de

distribucin de probabilidad discreta.
La distribucin de Poisson parte de la distribucin binomial.
Cuando en una distribucin binomial se realiza el experimento
muchas veces, la muestra n es grande y la probabilidad de
xito p en cada ensayo es baja, es aqu donde aplica el
modelo de distribucin de Poisson.

Se tiene que cumplir que:

p < 0.10
p * n < 10
La funcin P(x=k)

A continuacin veremos la funcin de probabilidad de la

distribucin de Poisson.

Donde:

P(X=K) es la probabilidad de ocurrencia cuando la variable discreta

X toma un valor finito k.

= Lambda es la ocurrencia promedio por unidad (tiempo,

volumen, rea, etc.). Es igual a p por el segmento dado. La
constante e tiene un valor aproximado de 2.711828

K es el nmero de xitos por unidad

Ejemplo1 de la funcin
F (x=k)

La probabilidad de que haya un accidente en una compaa de

manufactura es de 0.02 por cada da de trabajo. Si se trabajan 300
das al ao, cul es la probabilidad de tener 3 accidentes?
Como la probabilidad p es menor que 0.1, y el producto n * p es
menor que 10 (300 * 0.02 = 6), entonces, aplicamos el modelo de
distribucin de Poisson:

Al realizar el cmputo tenemos que P(x = 3) = 0.0892

Por lo tanto, la probabilidad de tener 3 accidentes laborales en 300
das de trabajo es de 8.9%.
Ejemplo 2 de la funcin
F(x=k)

La probabilidad de que un producto salga defectuoso es de

0.012. Cul es la probabilidad de que entre 800 productos ya
fabricados hayan 5 defectuosos?
En este ejemplo vemos nuevamente la probabilidad p menor
que 0.1, y el producto n * p menor que 10, por lo que
aplicamos el modelo de distribucin de Poisson:

El resultado es P (x = 5) = 0.04602
Por lo tanto, la probabilidad de que haya 5 productos
defectuosos entre 800 recin producidos es de 4.6%.
La media y la varianza 2

Caractersticas de la distribucin
Poisson
Media
= E(X) = .6
P(X) k = 5 = 0.1
.4
.2
Varianza 0 X
0 1 2 3 4 5

= 2
P(X) k=5 = 0.5
.6
.4
.2
0 X
0 1 2 3 4 5
17
En resumen

En este mdulo hemos determinado la probabilidad de Poisson mediante

el uso de la funcin de Poisson, las tablas de distribucin y la calculadora
del enlace. Adems, aprendimos que:

1. La distribucin de Poisson se forma de una serie de experimentos de

Bernoulli.

2. La media o valor esperado en la distribucin de Poisson es igual a

.

3. La varianza (2 ) en la distribucin de Poisson tambin es igual a .

4. La desviacion estndar es la raz de .

Ejercicios de prueba

Los siguientes ejercicios de prueba fueron resueltos utilizando

la distribucin binomial en el mdulo con ese mismo nombre.
Refirase a los ejercicios en ambos mdulos y compare la
diferencia de cada pregunta.

Puede responder por qu se resuelven esta vez utilizando la

distribucin de Poisson?

Demuestre su razonamiento.
Ejercicio de prueba #1

Un comerciante de verduras tiene conocimiento de que el 3%

de la caja est descompuesta. Si un comprador elige 100
verduras al azar, encuentre la probabilidad de que,
a) las 4 estn descompuestas.
b) de 1 a 3 estn descompuestas

Para resolver la pregunta b repase el

mdulo de las reglas de probabilidad.
En este caso se resuelve sumando las
probabilidades P(x=1) + P(x=2) + P(x=3)
= 0.1494 + 0.2240 + 0.2240
Ejercicio de prueba #2

En pruebas realizadas a un amortiguador para automvil se encontr que

el 0.04 presentaban fuga de aceite. Si se instalan 150 de estos
amortiguadores, hallar la probabilidad de que,
a) 4 salgan defectuosos,
b) ms de 5 tengan fuga de aceite.
c) de 3 a 6 amortiguadores salgan defectuosos.
d) Determine el promedio y la desviacin estndar de
amortiguadores con defectos.

La pregunta b debe sumar las probabilidades desde

P(x=6) en adelante.
En la c debe sumar P(x=3) + P(x=4) + P(x=5) + P(x=6).
Ejercicio de prueba #3

Un ingeniero que labora en el departamento de control de calidad de

una empresa elctrica, inspecciona una muestra al azar de 200
alternadores de un lote. Si el 2% de los alternadores del lote estn
defectuosos. Cul es la probabilidad de que en la muestra,
a) ninguno est defectuoso,
b) uno salga defectuoso,
c) al menos dos salgan defectuosos
d) ms de tres estn con defectos

Para la pregunta d puede realizar

la siguiente operacin:

1 [P(x=0) + P(x=1) + P(x=2)]

Ejercicio de prueba #4

La probabilidad de que un CD de msica dure al menos un ao sin

que falle es de 0.95, calcular la probabilidad de que en una muestra
de 15,
a) 12 duren menos de un ao,
b) a lo ms 5 duren menos de un ao,
c) al menos 2 duren menos de un ao.
Ejercicio de prueba #5

Si 8 de 100 viviendas violan el cdigo de construccin. cul es la

probabilidad de que un inspector de viviendas, que selecciona
aleatoriamente a 50 de ellas, descubra que:
a) ninguna de las casas viola el cdigo de
construccin
b) una viola el cdigo de construccin
c) dos violan el cdigo de construccin
d) al menos tres violan el cdigo de construccin
 Ejemplos
Por ejemplo al lanzar un par de dados el primero podra caer de n1=6
formas diferentes y para cada una de esas seis formas el segundo dado
tambien puede caer de n2=6 formas.
Por tanto el par de dados puede caer en :
n1n2 = (6).(6) = 36 formas posibles

Otro ejemplo podra ser arrojar una moneda y un dado; la moneda caera
de n1=2 formas y el dado de n2=6 formas.
Por tanto el par moneda-dado puede dar lugar a :
n1n2 = (2).(6) = 12 formas posibles
 1 1 forma
2 2 forma
3 3 forma
Diagrama de Arbol 4
5
4 forma
5 forma
6 6 forma
1 7 forma
Primer 2
3
8 forma
9 forma
4 10 forma
Ejemplo 5 11 forma
1 6 12 forma
1 13 forma
2 14 forma
2 3 15 forma
4 16 forma
3 5 17 forma
6 18 forma
4 1
2
19 forma
20 forma
3 21 forma
4
5 5
22 forma
23 forma
6 6 24 forma
1 25 forma
2 26 forma
3 27 forma
4 28 forma
5 29 forma
6 30 forma
1 31 forma
2 32 forma
3 33 forma
4 34 forma
5 35 forma
6 36 forma
 1
Diagrama de Arbol
2
3
Segundo
Ejemplo 4
5
6

1
2
3
4
5
6
 Permutaciones
Con frecuencia necesitamos contar el nmero de
arreglos que podran darse con los elementos de
un Espacio Muestral.
Una Permutacin es un arreglo de todo o
parte de un conjunto de objetos.

El nmero de permutaciones de n objetos distintos

es n factorial
n! = K Permutaciones
El nmero de permutaciones de n objetos distintos
tomados de r a la vez es :

nPr = n!
(n r)!

El nmero de permutaciones distintas de n objetos

de las que n1 son de una clase, n2 de una segunda
clase y asi sucesivamente hasta k clases es :

n!
n1! n2! ... nk!
 Ejemplos
Por ejemplo si tenemos tres letras A, B y C y deseamos saber cuantas
permutaciones son posibles. Tenemos que n = 3, entonces :
n! = 1.2.3 = 6 permutaciones posibles

ABC

BCA

ABC CBA

BAC

CAB
ACB
Otro ejemplo sera hallar las permutaciones posibles tomando 2 letras de
un grupo de 4 letras

4P2 = 4! = 1.2 .3.4 = 24 = 12

(4 2)! 1.2 2

AB
AC
AD
BA
BC
BD
ABCD CA
CB
CD
DA
DB
DC
 Por ltimo deseamos saber de cuantas formas diferentes se
pueden arreglar 3 focos rojos, 4 amarillos y 2 verdes en una serie
de luces navideas de 9 portalamparas.

9! = 1.2 .3.4.5.6.7.8.9 =
1260
3!.4!.2! (1.2.3).(1.2.3.4).(1.2)

n!
n1! n2! ... nk!
 Combinaciones
Otras veces nos interesamos en el nmero de
formas de seleccionar r objetos de un
conjunto de n objetos sin importar el orden.
Una Combinacin es un subconjunto de
r objetos del conjunto de n objetos.
El nmero de combinaciones de n objetos
distintos tomados de r a la vez es :
C(n,r)= nCr= n!
r!(n r)!
 Ejemplo C(n,r)= n!
r!(n r)!
Serie de Letra : ABCD
C(4,3)= 4! = 4 Combinaciones
3!(4 3)!
Permutaciones
4P3 = 4! = 24
(4 3)!

Combinacin Permutaciones
ABC ABC, ACB, BAC, BCA, CAB, CBA
ABD ABD, ADB, BAD, BDA, DAB, DBA
ACD ACD, ADC, CAD, CDA, DAC, DCA
BCD BCD, BDC, CBD, CDB, DBC, DCB