DISTRIBUCIN BINOMIAL Es una distribucin de probabilidad ampliamente utilizada de una variable aleatoria discreta es la distribucin binomial.

Esta describe varios procesos de inters para los administradores. La distribucin binomial parte de la descripcion datos discretos, resultantes de un experimento denominado proceso de Bernoulli en honor del matemtico suizo Jacob Bernoulli, quien vivi en el siglo XVII. La distribucin de Bernouilli se aplica cuando se realiza una sola vez un experimento que tiene nicamente dos posibles resultados (xito o fracaso), por lo que la variable slo puede tomar dos valores: el 1 y el 0 La distribucin binomial se aplica cuando se realizan un nmeron de veces el experimento de Bernouilli, siendo cada ensayo independiente del anterior. La variable puede tomar valores entre: 0: si todos los experimentos han sido fracaso n: si todos los experimentos han sido xitos Empleo del proceso de Bernoulli. Podemos servirnos de los resultados de un nmero fijo de lanzamientos de una moneda como ejemplo de un proceso de Bernoulli. Este proceso lo describimos as: 1. Cada ensayo ( cada lanzamiento, en nuestro caso) tiene slo dos resultados posibles: lado A o lado B, s o no, xito o fracaso. 2. La probabilidad del resultado de cualquier ensayo (lanzamiento) permanece fija con el tiempo. Tratndose de una moneda la probabilidad de que salga de el lado A sigue siendo de 0.5 en cada lanzamiento, cualquiera que sea el nmero de veces que la moneda sea arrojada. 3. Los ensayos son estadsticamente independientes, es decir, el resultado de un lanzamiento no afecta al de cualquier otro lanzamiento. Cada proceso de Bernoulli tiene su propia probabilidad caracterstica. Pongamos el caso en que siete dcimas partes de las personas que solicitaron cierto tipo de empleo pasaron la prueba. Diremos entonces que la probabilidad caracterstica fue de 0.7 pero podemos describir los resultados de la prueba como un proceso de Bernoulli slo si tenemos la seguridad de que la proporcin de los que fueron aprobados permaneci constante con el tiempo. Des de luego, la otra caracterstica del proceso de Bernoulli tambin deber ser satisfecha. Cada prueba deber arrojar tan slo dos resultados (xito o fracaso= y los resultados de las pruebas habrn de ser estadsticamente independientes. En un lenguaje ms formal, el smbolo p representa la probabilidad de un xito y el smbolo q ( 1- p ) representa la probabilidad de un fracaso. Para representar cierto nmero de xitos, utilizaremos el smbolo r y para simbolizar el nmero total de ensayos emplearemos el smbolo n. Entonces tenemos que : P Q Probabilidad de xito. Probabilidad de fracaso.

r n Existe una frmula binomial: Probabilidad de r xitos en n ensayos es : N! / R! (N-R)! PR QN-R

Nmero de xitos deseados. Nmero de ensayos efectuados.

Recordemos que el smbolo factorial! Significa por ejemplo que es 3! = 3*2*1 = 6 Los matemticos definen 0! = 1. La distribucin binomial se puede expresar de forma grfica, imaginemos una escuela primaria donde los alumnos llegan tarde a menudo. Cinco alumnos estn en el jardn de nios. La directora lleva tiempo estudiando el problema, habiendo llegado a la conclusin de que hay una probabilidad de 0.4 de que un alumno llegue tarde y de que los alumnos lleguen independientemente uno de otro Cmo trazamos una distribucin binomial de probabilidad que ilustre las probabilidades de que 0,1,2,3,4 5 estudiantes lleguen tarde simultneamente? Para hacerlo necesitaremos utilizar la frmula binomial donde : P= 0.4 Q= 0.6 N= 5 Realicemos el clculo de cada valor de R: Para R= 0 obtenemos que : P(0) = 5!/ 0!(5-0)! (0.4 )0 (0.6)5 P(0) = 0.07776 Para R= 1 obtenemos que : P(1) = 5!/ 1!(5-1)! (0.4 )1 (0.6)4 P(1) = 0.2592 Para R=2 obtenemos que: P(2) = 5!/ 2!(5-2)! (0.4 )2 (0.6)3 P(2) = 0.3456 Para R= 3 obtenemos que : P(3) = 5!/ 3!(5-3)! (0.4 )3 (0.6)2 P(3) = 0.2304 Para R= 4 obtenemos que : P(4) = 5!/ 4!(5-4)! (0.4 )4 (0.6)1 P(4) = 0.0768 Para R= 5 obtenemos que : P(5) = 5!/ 5!(5-5)! (0.4 )5 (0.6)0

P(5) = 0.01024 Representando estos resultados en una grfica:

Medidas de tendencia central y de dispersin para la distribucin binomial. La distribucin binomial tiene un valor esperado o media ( m ) y una desviacin estndar ( s ) y deberemos ser capaces de calcular esas dos medidas estadsticas. Podemos representar la media de una distribucin binomial de la siguiente forma: m=np donde : n= nmero de ensayos. P= probabilidad de xitos. Y la desviacin de la siguiente forma: s = npq donde : n= nmero de ensayos. P= probabilidad de xito. Q= probabilidad de fracaso. Ejemplo: Una mquina empaquetadora que produce 20% de paquetes defectuosos. Si se extrae una muestra aleatoria de 10 paquetes, podremos calcular la media y la desviacin estndar de la distribucin binomial de ese proceso en la forma que sigue: m = np = 10*0.2 = 2 Media s = npq = (10) (0.2) (0.8) = 1.6 = 1.265 Desviacin estndar.

Supongamos que un experimento aleatorio tiene las siguientes caractersticas:

En cada prueba del experimento slo son posibles dos resultados: el suceso A (xito) y su contrario (fracaso). El resultado obtenido en cada prueba es independiente de los resultados obtenidos anteriormente. La probabilidad del suceso A es constante, la representamos por p, y no vara de una prueba a otra. La probabilidad de es 1- p y la representamos por q . El experimento consta de un nmero n de pruebas.

Funcin de Probabilidad de la v.a. Binomial

Funcin de probabilidad de la distribucin Binomial o tambin denominada funcin de la distribucin de Bernoulli (para n=1). Verificndose: 0 p 1

Como el clculo de estas probabilidades puede resultar algo tedioso se han construido tablas para algunos valores de n y p que nos facilitan el trabajo.

Parmetros de la Distribucin Binomial

Funcin de Distribucin de la v.a. Binomial

siendo k el mayor nmero entero menor o igual a xi. Esta funcin de distribucin proporciona, para cada nmero real xi, la probabilidad de que la variable X tome valores menores o iguales que xi. El clculo de las F(x) = p( X x) puede resultar laborioso, por ello se han construido tablas para algunos valores de n y p que nos facilitan el trabajo. Sea X una variable aleatoria discreta correspondiente a una distribucin binomial.

Ejemplo 1 Una mquina fabrica una determinada pieza y se sabe que produce un 7 por 1000 de piezas defectuosas. Hallar la probabilidad de que al examinar 50 piezas slo haya una defectuosa. Solucin : Se trata de una distribucin binomial de parmetros B(50, 0'007) y debemos calcular la probabilidad p(X=1).

Ejemplo 2 La probabilidad de xito de una determinada vacuna es 0,72. Calcula la probabilidad de a que una vez administrada a 15 pacientes: a) Ninguno sufra la enfermedad b) Todos sufran la enfermedad c) Dos de ellos contraigan la enfermedad Solucin : Se trata de una distribucin binomial de parmetros B(15, 0'72)

Ejemplo 3 La probabilidad de que el carburador de un coche salga de fbrica defectuoso es del 4 por 100. Hallar : a) El nmero de carburadores defectuosos esperados en un lote de 1000 b) La varianza y la desviacin tpica. Solucin :

falsefalse

Las caractersticas de esta distribucin son: a) En los experimentos que tienen este tipo de distribucin, siempre se esperan dos tipos de resultados, ejem. Defectuoso, no defectuoso, pasa, no pasa, etc, etc., denominados arbitrariamente xito (que es lo que se espera que ocurra) o fracaso (lo contrario del xito). b) Las probabilidades asociadas a cada uno de estos resultados son constantes, es decir no cambian. c) Cada uno de los ensayos o repeticiones del experimento son independientes entre s.

d) El nmero de ensayos o repeticiones del experimento (n) es constante. A partir de un ejemplo. Desarrollaremos una frmula que nos permita cualquier problema que tenga este tipo de distribucin. Ejemplo: Se lanza al aire una moneda normal 3 veces, determine la probabilidad de que aparezcan 2 guilas. Solucin: Antes de empezar a resolver este problema, lo primero que hay que hacer es identificarlo como un problema que tiene una distribucin binomial, y podemos decir que efectivamente as es, ya que se trata de un experimento en donde solo se pueden esperar dos tipos de resultados al lanzar la moneda, guila o sello, cutas probabilidades de ocurrencia son constantes, cada uno de los lanzamientos es

independiente de los dems y el nmero de ensayos o repeticiones del experimento son constantes, n = 3. Para dar solucin a este problema, lo primero que hay que hacer es un diagrama de rbol, en donde representaremos los tres lanzamientos, de ah se obtendr el espacio muestral y posteriormente la probabilidad pedida, usando la frmula correspondiente. A = guila, S = sello 1/2 1/2 1/2 S A A

A 1/2 1/2 1/2 S A

1/2 1/2 1/2 A 1/2

S 1/2 A

1/2 1/2

S S

={AAA, AAS, ASA, ASS, SAA, SAS, SSA, SSS} Para obtener la frmula, definiremos lo siguiente: n = nmero de lanzamientos de moneda x = nmero de xitos requeridos = nmero de guilas = 2 p = probabilidad de xito= p(aparezca guila) =1/2 q = probabilidad de fracaso= p(aparezca sello) =1/2 Entonces podemos partir de la siguiente expresin para desarrollar la frmula; P(aparezcan 2 guilas)=(No. De ramas del rbol en donde ap. 2 guilas)(probabilidad asociada a cada rama) Entonces el nmero de ramas en donde aparecen dos guilas se puede obtener; Enumerando las ramas de inters, estas seran: AAS, ASA, SAA, QU TIPO DE ARREGLOS SON ESTOS ELEMENTOS DEL ESPACIO MUESTRAL?, Son permutaciones en donde algunos objetos son iguales, entonces, el nmero de ramas se puede obtener con la frmula correspondiente,

donde n = x1+x2+...+xk sustituyendo en esta frmula, tenemos lo siguiente;

esta frmula puede ser sustituida por la de combinaciones, solo en el caso de dos tipos de objetos, si hay ms de dos tipos de objetos, definitivamente solo se usa la frmula original, como se observar en el caso de la distribucin multinomial, pero porqu vamos a cambiar de frmula?, simplemente porque en todos los libros de texto que te encuentres vas a encontrar la frmula de combinaciones en lugar de la de permutaciones, que es la siguiente,

y sustituyendo valores, nos damos cuenta de que efectivamente son 3 las ramas de inters, que son donde aparecen dos guilas, donde n = 3, x = 2.

Y la probabilidad asociada a cada rama? Probabilidad asociada a cada rama = p(guila)*p(guila)*p(sello)= p*p*q = p2q= = Luego la frmula de la distribucin Binomial sera:

donde: p(x, n, p) = probabilidad de obtener en n ensayos x xitos, cuando la probabilidad de xito es p Dando solucin al problema de ejemplo tenemos lo siguiente: n = 3, x = 2, p =

Para calcular la media y la desviacin estndar de un experimento que tenga una distribucin Binomial usaremos las siguientes frmulas: Media o valor esperado.

Donde: n = nmero de ensayos o repeticiones del experimento P = probabilidad de xito o la probabilidad referente al evento del cual se desea calcular la media que se refiere la media Q = complemento de P Desviacin estndar.

Ejemplos: 1. Se dice que el 75% de los accidentes de una planta se atribuyen a errores humanos. Si en un perodo de tiempo dado, se suscitan 5 accidentes, determine la probabilidad de que; a) dos de los accidentes se atribuyan a errores

humanos, b) como mximo 1 de los accidentes se atribuya a errores de tipo humano, c) tres de los accidentes no se atribuyan a errores humanos. Solucin: a) n = 5 x = variable que nos define el nmero de accidentes debidos a errores humanos x = 0, 1, 2,...,5 accidentes debidos a errores de tipo humano p = p(xito) = p(un accidente se deba a errores humanos) = 0.75 q = p(fracaso) = p(un accidente no se deba a errores humanos) = 1-p = 0.25

b)

c) En este caso cambiaremos el valor de p; n =5 x = variable que nos define el nmero de accidentes que no se deben a errores de tipo humano x = 0, 1, 2,...,5 accidentes debidos a errores humanos p = p(probabilidad de que un accidente no se deba a errores humanos) = 0.25 q = p(probabilidad de que un accidente se deba a errores humanos) = 1-p = 0.75

2. Si la probabilidad de que el vapor se condense en un tubo de aluminio de cubierta delgada a 10 atm de presin es de 0.40, si se prueban 12 tubos de ese tipo y bajo esas condiciones, determine la probabilidad de que: a) el vapor se condense en 4 de los tubos, b) en ms de 2 tubos se condense el vapor, c) el vapor se condense en exactamente 5 tubos. Solucin: a) n =12 x = variable que nos define el nmero de tubos en que el vapor se condensa x = 0, 1, 2, 3,...,12 tubos en el que el vapor se condensa p =p(se condense el vapor en un tubo de Al a 10 atm)= 0.40 q = p(no se condense el vapor en un tubo de Al a 10 atm) = 1-p=0.60

= 0.21284 b) p(X=3, 4, ...,12, n=12, p=0.40) = p(x=3)+p(x=4)++p(x=12)= 1-[p(x=0,1,2)]=

= 1-[0.002176+0.0174096+0.06385632]= 1- 0.08344192= 0.91656 c)

= 0.22703
3. La probabilidad de que el nivel de ruido de un amplificador de banda ancha

exceda de 2 dB (decibeles) es de 0.15, si se prueban 10 amplificadores de banda ancha, determine la probabilidad de que; a) en solo 5 de los amplificadores el nivel de ruido exceda los 2 dB, b) por lo menos en 2 de los amplificadores, el ruido exceda de 2 dB, c)que entre 4 y 6 amplificadores no se excedan de los 2 dB, d)encuentre el nmero esperado de amplificadores que se exceden de un nivel de ruido de 2dB y su desviacin estndar. Solucin: a)n =10 x =variable que nos define el nmero de amplificadores de banda ancha que su nivel de ruido excede de 2 dB x = 0, 1, 2,...,10 amplificadores en los que el nivel de ruido excede de los 2 dB p = P(un amplificador exceda su nivel de ruido de 2 dB) = 0.15 q = p(un amplificador no exceda su nivel de ruido de 2 dB =1-p= 0.85

= 0.00849 b)p(x=2,3,...,10, n=10, p=0.15)= 1- p(x = 0,1) =

= 1 [(0.19687+(10)(0.15)(0.231617)]=1-0.544296 = 0.455705

c) n=10 x= variable que nos define el nmero de amplificadores de banda ancha que su nivel de ruido no excede de 2 dB x= 0, 1, 2,...,10 amplificadores que su nivel de ruido no excede de los 2 dB p = p(un amplificador no exceda su nivel de ruido de 2 dB) = 0.85 q = p(un amplificador exceda su nivel de ruido de 2 dB) = 1- p = 0.15

=(210)(0.522)(0.00001139)+(252)(0.4437) (0.000075937)+(210)(0.3771495)(0.00005063)= =0.001249 + 0.00849 + 0.00400997 = 0.01374897 d)n=10, p=0.15, q=1-p=0.85

Interpretacin: Se espera que 2 de los 10 amplificadores probados se excedan de un nivel de ruido de 2 Db

Interpretacin: Este experimento puede variar en 2 1 amplificador, esto es, de 1 a 3 amplificadores que se excedan de un nivel de ruido de 2 dB