FACULTAD DE CIENCIAS

ECONOMICAS Y COMERCIALES

DISTRIBUCIONES DE
ESTADISTICA GENERAL
PROBABILIDAD - DISCRETAS

Mg. Ec. Grimaldo Querevalu Suarez

DISTRIBUCION BINOMIAL
Introducción
En las empresas tenemos muchas situaciones donde se espera que ocurra
o no un evento específico. Éste puede ser de éxito o fracaso sin dar paso a
un punto medio. Por ejemplo, en la producción de un artículo, éste puede
salir bueno o malo. Casi bueno no es un resultado de interés. Para
situaciones como éstas se utiliza la distribución binomial.

En estadística, la distribución binomial es una distribución de

probabilidad discreta que cuenta el número de éxitos en una secuencia de
n ensayos de Bernoulli independientes entre sí, con una probabilidad fija
p de ocurrencia del éxito entre los ensayos.
Dato Histórico
Bernoulli definió el proceso conocido por su nombre el cual
establece las bases para el desarrollo y utilización de la
distribución binomial.
El cálculo de probabilidades tuvo un notable desarrollo con el
trabajo del matemático suizo Jacob Bernoulli (1654-1705).
En 1723, ganó la competición anual que patrocinaba la
Academia de Ciencias francesa. Ese mismo año, el
matemático prusiano Christian Goldbach, después de quedar
impresionado por el nivel matemático de Bernoulli, decide
publicar la correspondencia que habían mantenido.
La distribución binomial es uno de los primeros ejemplos de las llamadas distribuciones
discretas (que sólo pueden tomar un número finito, o infinito numerable, de valores).
Fue estudiada por Jakob Bernoulli (Suiza, 1654-1705), quién escribió el primer tratado
importante sobre probabilidad, “Ars conjectandi” (El arte de pronosticar).
Utilidad
La distribución binomial se utiliza en situaciones cuya solución tiene dos
posibles resultados.
Por ejemplo:
Al nacer un ser puede ser varón o hembra.
En el deporte un equipo puede ganar o perder.
En pruebas de cierto o falso sólo hay dos alternativas.
También se utiliza cuando el resultado se puede reducir a dos opciones.
 Un tratamiento prestamo puede ser efectivo o inefectivo.
 La meta de producción o ventas del mes se pueden o no lograr.
 En pruebas de selección múltiple, aunque hay cuatro o cinco
alternativas, se pueden clasificar como correcta o incorrecta.
Propiedades de un experimento de Bernoulli

1. En cada prueba del experimento sólo hay dos posibles

resultados: éxitos 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 varía 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 construcción de la distribución binomial.
La distribución binomial
La distribución de probabilidad binomial es un ejemplo de
distribución 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 éxitos p
3 - utilizar la función matemática.
La función P(x=k)
A continuación vemos La función de probabilidad de la distribución
Binomial, también denominada Función de la distribución de Bernoulli:

k = es el número de aciertos.
n = es el número de experimentos.
p = es la probabilidad de éxito.
q = es la probabilidad de fracaso, también se le denomina como “1 - p"
Ejemplo 1 de la función P(x=k)
¿Cuál es la probabilidad de obtener 6 caras al lanzar una moneda 10 veces?
 El número de aciertos k es 6. Esto es x=6
 El número de experimentos n son 10
 La probabilidad de éxito p, es decir, que salga "cara" al lanzar la moneda es 50% ó 0.50

La fórmula quedaría:

P (k = 6) = 0.2051
Es decir, que la probabilidad de obtener 6 caras al lanzar 10 veces una moneda es de
20.5% .
Ejemplo 2 de la función P(x=k)
¿Cuál es la probabilidad de obtener cuatro veces el número 3 al lanzar un dado ocho
veces?
 El número de aciertos k es 4. Esto es x=4
 El número de experimentos n son 8
 La probabilidad de éxito p (probabilidad de que salga un 3 al tirar el dado) es 1/6
(1/6 = 0.1666)
La fórmula queda:

P (k = 4) = 0.026

Es decir, que la probabilidad de obtener cuatro veces el números 3 al tirar un dado 8 veces
es de 2.6%.
Tabla de probabilidad binomial
Utilizando la tabla de probabilidad binomial se pueden resolver los
ejemplos anteriores.
Para esto debe saber los valores k y B (n,p)
k es el número de éxitos que buscamos. Este valor se encuentra entre 0 y n.
En el parámetro B(n,p), n debe ser mayor de 0 y p un valor desde 0 al 1.

En los ejemplos 1 y 2 los parámetros B(n,p) son B(10,0.50) y B(8,0.1666)

respectivamente.
Tabla de probabilidad binomial
En el ejemplo 1 los parámetros B(n,p) son B(10,0.50) y k = 6

n = 10
k =6
p = 0.5
Tabla de probabilidad binomial
En el ejemplo 2 los parámetros B(n,p) son B(8,0.1667) y k = 4

n=8
k=4
p = 0.1667
Ejemplo 3 B(n,p) k

Buscar en la tabla de probabilidad binomial

En una fábrica de cámaras el 5% sale con defectos. Determine la probabilidad

de que en una muestra de 12 se encuentren 2 cámaras defectuosas.

Solución:
n = 12 Se trata de una distribución binomial de parámetros
k=2 B(12, 0.05). Debemos calcular la probabilidad de que x
p = 0.05 sea igual a k que en este caso es 2. Esto es P (k=2).
Busque en la parte izquierda de la tabla n=12, luego en
la parte superior p=0.05 . La probabilidad estará en x=2

El resultado es 0.0988
Ejemplo 4 B(n,p) k
Busque en la tabla de probabilidad binomial

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.
Solución:
n = 15 Se trata de una distribución binomial de parámetros
k=3 B(15, 0.10).
p = 0.1 Debemos calcular la probabilidad P(X=3).

El resultado es 0.1285
Ejercicio de redacción con experiencia interactiva

Observe el cambio de la distribución variando el parámetro B(n,p)

Presente una descripción escrita de las observaciones que obtiene al variar los
valores n y p.

Cuando llegue al enlance

entre:
n en “Number ot trials”
p en “Prob. of Success”
Media – Varianza - Desviación Estándar
en Distribución Binomial

Media

Varianza

Desviación Estándar
Ejemplo
Al marcar al azar un examen de 100 preguntas múltiples, cada una con 4
posibles respuestas:

n = 100 Media
p = 1/4

q=1-p Varianza
q = 1 - 1/4
q = 3/4
Desviación Estándar
 La media μ y la desviación estándar σ
Características de la distribución
binomial
Media
 = E(X) = n p
Características de la distribución
 = 5 · 0.1 = 0.5 binomial
.6
P(X) n = 5 p = 0.1
.4 Media
.2
Desviación estándar 0 X  = E(X) = n p
0 1 2 3 4 5

  np(1  p)  = 5 · 0.5 = 0.25

P(X) n = 5 p = 0.5
.6
  5  0.1  (1  0.1)  0.67 .4
.2
Desviación estándar 0 X
0 1 2 3 4 5
17
  np(1  p)
  5  0.5  (1  0.5)  1.1
En resumen
Se ha determinado la probabilidad binomial mediante el uso de la función
binomial, tablas de distribución y la calculadora. Además, aprendimos
que:

 La distribución binomial se forma de una serie de experimentos de Bernoulli.

 La media (μ) en la distribución binomial se obtiene con el producto de n * p.
 La desviación estándar (σ ) en la distribución binomial se obtiene de la raiz
cuadrada del producto de n * p * q.
 El valor de q es el complemento de p y se obtiene con 1 – p.
Ejercicio N° 1
Un comerciante de verduras tienen conocimiento de que el 10% de la caja
está descompuesta. Si un comprador elige 4 verduras al azar, encuentre la
probabilidad de que.
a) las 4 estén descompuestas.
b) de 1 a 3 estén descompuestas.
Ejercicio N° 2
En pruebas realizadas a un amortiguador para automóvil se encontró que
el 20% presentaban fuga de aceite. Si se instalan 20 de estos
amortiguadores, hallar la probabilidad de que,
a) 4 salgan defectuosos,
b) más de 5 tengan fuga de aceite.
c) de 3 a 6 amortiguadores salgan defectuosos.
d) Determine el promedio y la desviación estándar de amortiguadores con
defectos.
Ejercicio N° 3
Un ingeniero que labora en el departamento de control de calidad de una
empresa eléctrica, inspecciona una muestra al azar de 10 alternadores de
un lote. Si el 15% de los alternadores del lote están defectuosos. Cuál es la
probabilidad de que en la muestra,
a) ninguno este defectuoso,
b) uno salga defectuoso,
c) al menos dos salgan defectuosos
d) más de tres estén con defectos
Ejercicio N° 4
La probabilidad de que un CD de música dure al menos un año sin que
falle es de 0.95, calcular la probabilidad de que en una muestra de 15:

a) 12 duren menos de un año,

b) a lo más 5 duren menos de un año,
c) al menos 2 duren menos de un año.
Ejercicio N° 5
Si 6 de 18 proyectos de viviendas violan el código de construcción, ¿cuál 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 código de construcción
b) una viola el código de construcción
c) dos violan el código de construcción
d) al menos tres violan el código de construcción
Ejercicio N° 6
Sea x una variable aleatoria binomial. Hallar la distribución de
probabilidad de x si  = 4 y n= 10.
 Aproximación de la distribución binomial por la normal

Experiencia interactiva, ejemplos y ejercicios relacionados a la aproximación

binomial por la normal

Una distribución binomial B (n, p) se puede aproximar por una distribución

normal, siempre que n sea grande y p no esté muy próxima a 0 ó 1. La
aproximación consiste en utilizar una distribución normal con la misma
media y desviación típica de la distribución binomial.
En la práctica se utiliza la aproximación cuando:
n > 30 n*p > 5 n*q > 5

En cuyo caso : x= B(n,p) se puede aproximar a N(μ=np; σ = npq )

Lea el Módulo de la distribución normal
 Glosario de términos
 Distribución de probabilidad discrete: distribución con un número finito de valores.
 Distribución binomial: Distribución discreta que se aplica cuando se realizan más de
una vez y de forma independiente el experimento de Bernoulli.
 Experimento de Bernoulli: Experimento con dos posibles resultados (éxito o fracaso).
 Experimento independiente: Cuando el resultado de un experimento no tiene influencia
en el resultado de otro experimento.
 Éxitos: Es la ocurrencia del evento de interés como cantidad de defectos, llamadas
recibidas, servicios completados.
 Fracasos: Es el complemento de los éxitos. Es la ocurrencia del evento que no es de
interés.
 Resultados mutuamente excluyentes: Son resultados que no pueden ocurrir al mismo
tiempo. Si un producto sale bueno, no puede salir defectuoso al mismo tiempo.