Distribución Binomial

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 este módulo se describe el uso de la distribución
binomial para obtener la probabilidad de ocurrencia de
ese evento que representa un resultado esperado.
El módulo va dirigido al estudiantado de Administración
de Empresas en sus distintas concentraciones.
 Objetivo general
Esperamos que cuando termines esta presentación
puedas utilizar la distribución binomial para obtener
las probabilidades de aquellas situaciones gerenciales
con dos posibles resultados.
Objetivos específicos
 Identificar las propiedades de una distribución
binomial.
 Determinar los valores de éxitos p y fracasos q para
establecer las bases para el cómputo de las
probabilidades.
 Establecer el promedio, la varianza y la desviación
estándar utilizando las variables de la distribución
binomial.
 Dato histórico

El cálculo de probabilidades tuvo un

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

Bernoulli definió el proceso conocido por

su nombre el cual establece las bases
para el desarrollo y utilización de la
distribución binomial.
 Aplicación

La distribución binomial se utiliza en situaciones cuya

solución tiene dos posibles resultados.
Por ejemplo:
Al nacer un/a bebé puede ser varón o Mujer.
En el deporte un equipo puede ganar o perder.
En pruebas de cierto o falso sólo hay dos alternativas.
 Aplicación
También se utiliza cuando el resultado se puede
reducir a dos opciones.
Por ejemplo:
Un tratamiento médico 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.

Estos ejemplos los podemos considerar

como
“experimentos de Bernoulli”
 Propiedades de un
experimento de Bernoulli
1 - En cada prueba del experimento sólo hay dos posibles
resultados: exitos 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 resultados de cada experimento son mutuamente
excluyentes.
Para construirla 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, como por ejemplo, que salga "cara" al
lanzar la moneda.
1-p - también se le denomina como “q ”
 Ejemplo 1
¿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) = 0.205
Es decir, que la probabilidad de obtener 6 caras al lanzar 10 veces
una moneda es de 20.5% .
 Ejemplo 2

¿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 (= 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

Obtenga más información de cómo asignar probabilidades

utilizando las tablas.

Cuando llegue al enlance lea las

primeras 6 preguntas con sus
respuestas y luego practique con los
ejercicios 1.1
 Ejemplo 3 B(n,p)
Busque 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 :
Se trata de una distribución binomial de parámetros 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).
Busque en la parte izquierda de la tabla n=12, luego en la parte
superiror p=0.05 . La probabilidad estará en x=2
El resultado es 0.0988
 Ejemplo 4 B(n,p)

Compruebe el cómputo utilizando una calculadora

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 :
Se trata de una distribución binomial de parámetros B(15, 0.10).
Debemos calcular la probabilidad P(X=3).
El resultado es 0.1285
La media μ y
desviación estándar σ

Características de la distribución
binomial
Media
= E(X) = n p .6
P(X) n = 5 p = 0.1
= 5 · 0.1 = 0.5 .4
.2
= 5 · 0.5 = 0.25 0 X
0 1 2 3 4 5

Desviación estándar
P(X) n = 5 p = 0.5
  np(1  p ) .6
.4
  5  0.1  (1  0.1)  0.67 .2
X
0
  5  0.5  (1  0.5)  1.1 0 1 2 3 4 5
17
 En resumen

En este módulo hemos determinado la probabilidad

binomial mediante el uso de la función binomial, tablas
de distribución y la calculadora del enlace. 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 x p
La desviación estándar (σ ) en la distribución
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 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.

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 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.

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 eléctrica, inspecciona una muestra al azar de 10
alternadores de un lotes. Si el 15% de los alternadores del lote
están defectuosos. Cuál es la probabilidad de que en la muestra,
a) ninguno esté defectuoso,
b) uno salga defectuoso,
c) al menos dos salgan defectuosos
d) más de tres estén con defectos
Para la pregunta “d” puede realizar
la siguiente operación:

1 – [P(x=0) + P(x=1) + P(x=2)]

 Ejercicio de prueba #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 de prueba #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 de prueba #6

Sea x una variable aleatoria binomial. Hallar la distribución de

probabilidad de x si  = 4 y n= 10.

Para resolver esta pregunta utilice la relación de μ=np

Depejando por p queda
P= μ/n
Al tener el parámetro B(n,p) puede buscar en la tabla las x
y sus probabilidades correspondientes. Esto forma la
distribución de probabilidad binomial para este ejercicio.
 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, np>5, nq>5

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

Teorema de Movire-Laplace: si X es una variable
discreta que sigue una
distribución binomial de parámetros n y p, B(n,p) y se
cumple que n>10, n·p>5 y n·q>5
resulta una aproximación bastante buena suponer que
la variable X’ que se aproxima a la variable normal

Corrección por continuidad o de Yates .

Podemos emplear la normal para calcular

probabilidades en el caso de una distribución
binomial, aunque hemos de tener en cuenta que la
binomial es discreta y la normal continua, por lo que
es necesario introducir un ajuste en el cálculo
llamado corrección de Yates. Así
Realizar la aproximación de una distribución binomial a
normal de las siguientes distribuciones binomiales
B(n,p)

a)B(50 , 0,3)

b)B(100, 0,45)
 P(X ≤ k)= P(X’ ≤ k+0.5)
P(X<k) = P(X’ ≤ k-0.5)
P(X≥ k) = P(X’≥ k-0.5)
P(X>k) = P(X’ ≥ k+0,5)
P(X=k) = P(k-0,5 ≤ X’ ≤ k+0,5)
Realizar la corrección de Yates a las siguientes
probabilidades.
a)P(X<5) b)P(X≥4) c)P(X=10)
d)P(X≤20) e)P(X>40 )

Ahora vamos a dificultar un poco la cosa , vamos a

hacer la corrección de Yates en intervalos

a) P(4<X≤7) b)P (5<X<8) c)P(10≤X<14) d)P(20≤X≤24)

 Glosario de términos

Distribución de probabilidad discreta - 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
 Glosario de términos

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.
 Referencias

Anderson, S. (2006). Estadísticas para administración y

economía, ( 8tva ed.) México: Thomson.

Newbold, P. (2003). Statistics for Business And Economics,

(5ta. Ed.). New Jersey: Prentice Hall.

Bluman, A. G. (2007). Statistics. (6ta ed.). New York: Mc Graw

Hil,New York.

http://karnak.upc.es/teaching/estad/MC/taules/com-usar-
taules.pdf