Distribucin Binomial

de Probabilidad

Karla Bascur

Definicin

La distribucin binomial de probabilidad es

una distribucin discreta de probabilidad que
tiene muchas aplicaciones. Se relaciona con
una experimento de etapas mltiples que
llamamos binomial.

Experimento Binomial
(Propiedades)

El experimento consiste en una sucesin de n

intentos o ensayos idnticos.
En cada intento o ensayo son posibles dos
resultados. A uno lo llamaremos xito y al otro
fracaso.
La probabilidad de un xito, se representa por p y
no cambia de un intento o ensayo. Por lo tanto la
probabilidad de un fracaso se representa por (1-p),
que tampoco cambia de un intento a otro.
Los intentos o ensayos son independientes.

DIAGRAMA DE UN EXPERIMENTO
BINOMIAL CON OCHO INTENTOS
Propiedad 1: El experimento consiste en n=8 intentos idnticos de lanzar una
moneda.
Propiedad 2: Cada intento da como resultado un xito (S) o un fracaso (F).

Intentos
Resultados

1
S

6
F

7
S

8
S

Distribucin binomial
La distribucin binomial aparece cuando estamos
interesados en el nmero de veces que un suceso A ocurre
(xitos) en n intentos independientes de un experimento.

P. ej.: nmero de caras en n lanzamientos

de una moneda.
Si A tiene probabilidad p (probabilidad de xito) en un intento,
entonces q = 1-p es la probabilidad de que A no ocurra
(probabilidad de fracaso).

En nuestro ejemplo de la moneda, p = 0.5 es la

probabilidad de que salga cara y q = 1-p =1 - 0.5 = 0.5
es la probabilidad de que no salga cara.
5

Supongamos que el experimento consta de n intentos y

definamos la variable aleatoria:
X = Nmero de veces que ocurre A.
En nuestro ejemplo: X = Nmero de veces que sale cara.

Entonces X puede tomar los valores 0, 1, 2, ... n.

Si consideramos uno de estos valores, digamos el valor x , i.e. en
x de los n intentos ocurre A y en n-x no. Entonces la probabilidad
de cada posible ordenacin es pxqn-x y existen x idnticas
k
ordenaciones.

La distribucin de probabilidad P(X = k) ser:

n x
n!
n x
x
n x
B(n, p ) p ( x) p (1 p )
p (1 p )
x!(n x)!
x
Distribucin binomial para n = 5 y
distintos valores de p, B(5, p)

Ejercicio:
Supongamos que la probabilidad de encontrar una estrella
de masa m* >10 M en un cmulo estelar joven es del 4%.
Cul es la probabilidad de que en una muestra escogida al
azar, entre 10 miembros del cmulo encontremos 3 estrellas
con m* >10 M?

n x
p(x) p ( 1 p)n x
x
p 0.04;

n 10;

x3

10
3
10 - 3
p( 3 ) ( 0.04 ) ( 1-0.04 ) 0.043 0.967 0.006
3
8

Calcula la probabilidad de obtener al menos dos seises al

lanzar un dado cuatro veces.

p = 1/6, q = 5/6, n = 4

n k nk
P (k ) p q
k

(k 0,1,....n)

Al menos dos seises, implica que nos valen k = 2, 3, 4.

P(2) + P(3) + P (4)
2

4 1 5
4 1 5 4 1

2 6 6
3 6 6 4 6

1
171
4 (6 25 4 5 1)
0.132
6
1296
9

Caractersticas de la distribucin
binomial
Media
= E(X) = n p
= 5 0.1 = 0.5

.6
.4
.2
0

= 5 0.5 = 0.25
Desviacin estndar

np (1 p)
5 0.1 (1 0.1) 0.67
5 0.5 (1 0.5) 1.1

P(X)

X
0

.6
.4
.2
0

n = 5 p = 0.1

P(X)

n = 5 p = 0.5
X

10

Distribucin de Poisson
Cuando en una distribucin binomial el nmero de intentos (n)
es grande y la probabilidad de xito (p) es pequea y np (la
media de la distribucin binomial) es finito y tiende a entonces
la distribucin binomial converge a la distribucin de Poisson:

e
p( x)
, x 0 ,1,2 , ... 0
x!
k

Observa que si p es pequea, el xito es un suceso raro.

11

Caractersticas de la distribucin
de Poisson
Media
E (X )
Desviacin estndar

.6
.4
.2
0

Nota: el mximo de la distribucin

se encuentra en x

X
0

.6
.4
.2
0

= 0.5

P(X)

= 6

P(X)

X
0

10

12

La distribucin de Poisson se obtiene como aproximacin de

una distribucin binomial con la misma media, para n grande
(n > 30) y p pequeo (p < 0,1). Queda caracterizada por un
nico parmetro (que es a su vez su media y varianza).

n p =

Distribucin de Poisson para varios valores de .

13

Si la probabilidad de fabricar un televisor defectuoso es

p = 0.01, cul es la probabilidad de que en un lote de 100
televisores contenga ms de 2 televisores defectuosos?
La distribucin binomial nos dara el resultado exacto:
100 99
c

P ( A )

0 100

100

100 99

1 100

0.9206

99

100

100 99

2 100

n x n x
p ( x) p q
x

98

100

( x 0,1,....n)

El suceso complementario Ac: No ms de 2 televisores

defectuosos puede aproximarse con una distribucin de
Poisson con = np = 1, sumando p(0) + p(1) + p(2).
1

P ( A ) e (1 1 12 ) 0.9197
c

x
p( x)
e
x!

( x 0,1,....)
14

Un proceso poissoniano es aqul compuesto de eventos

discretos que son independientes en el espacio y/o en el
tiempo. Por ejemplo la llegada de fotones a un detector.
Si el nmero de eventos esperados, el nmero medio de
eventos en un intervalo de extensin h es m. Por
ejemplo el detector nos informa de la llegada en
promedio de 20 fotones fotones cada 5 segundos.
Entonces = h/ m, ser la tasa de eventos por unidad
de h. En nuestro caso 4 fotones por segundo.
La probabilidad de que ocurran x eventos en el intervalo
h vendr dada por la distribucin de Poisson. En nuestro
ejemplo la probabilidad de que lleguen x fotones en 5
segundos.

15

La seal promedio recibida en un telescopio de una fuente

celeste es de 10 fotones por segundo. Calcular la probabilidad
de recibir 7 fotones en un segundo dado.
Una distribucin de Poisson
con = 10.
P(7) = 107 e10 / 7! = 0.09, es decir

x
p( x)
e
x!

( x 0,1,....)

9%

Parece muy baja. Comparemos con el valor de mxima

probabilidad que ocurrir para x = 10:
= 10

P(10)=1010 x e10 / 10! = 0.125, es decir 12.5%

Las probabilidades poissonianas para un nmero de eventos

dado, son siempre pequeas, incluso en el mximo de la
distribucin de probabilidad.
16

Si en promedio, entran 2 coches por minuto en un garaje, cul

es la probabilidad de que durante un minuto entren 4 o ms
coches?
Si asumimos que un minuto puede dividirse en muchos
intervalos cortos de tiempo independientes y que la probabilidad
de que un coche entre en uno de esos intervalos es p que para
un intervalo pequeo ser tambin pequeo podemos
aproximar la distribucin a una Poisson con = np = 2.
El suceso complementario entran 3 coches o menos tiene
probabilidad:
2 2 0
0!

P( A ) p (0) p (1) p (2) p (3) e (

c

y la respuesta es 1 0.857 = 0.143

22
2!

) 0.857

x
p( x)
e
x!

( x 0,1,....)

21
1!

23
3!

17