LA DISTRIBUCIN BINOMIAL DE

PROBABILIDAD
Un experimento binomial es el que tiene estas cinco
caractersticas:
1. El experimento consiste en n intentos idnticos.
2. Cada intento resulta en uno de dos resultados. Por falta de
un mejor nombre, el resultado uno se llama xito, S, y el
otro se llama fracaso, F.
3. La probabilidad de xito en un solo intento es igual a p y es
igual de un intento a otro. La probabilidad de fracaso es
igual a (1- p) = q.
4. Los intentos son independientes.
5. Estamos interesados en x, el nmero de xitos observado
durante los n intentos, para x = 0, 1, 2, , n.

EJEMPLO 5.1: Suponga que hay alrededor de un milln de adultos en un

condado y una proporcin desconocida p estn a favor de limitar el periodo de
funcin de polticos. Se escoger una muestra de mil adultos en tal forma que
cada uno del milln de adultos tenga igual probabilidad de ser seleccionado y
a cada uno se le pregunta si l o ella est a favor de limitar el periodo. Este
experimento es binomial?
Solucin: El experimento tiene las cinco caractersticas binomiales?
1. Un intento es la seleccin de un solo adulto del milln de adultos del
condado. Esta muestra consta de n = 1000 intentos idnticos.
2. Como cada adulto estar a favor o no de limitar el periodo, hay dos
resultados que representan los xitos y fracasos del experimento binomial.
3. La probabilidad de xito, p, es la probabilidad de que un adulto est a favor del
lmite del periodo. Esta probabilidad sigue igual para cada uno de los adultos de
la muestra? La respuesta es s. Por ejemplo, si 500 mil adultos de la poblacin estn
a favor de limitar el periodo, entonces la probabilidad de xito es 500 000/1 000
000=1/2. Cuando se escoja al segundo adulto, la probabilidad p cambia ligeramente,
habr 499 999 o 500 000 xitos que queden entre los 999 999 adultos. En cualquiera
de estos casos, p es todava ms o menos igual a 1/2.

4. La independencia de los intentos est garantizada debido al grupo grande de

adultos del que se toma la muestra. La probabilidad de que un adulto est a favor
de limitar el periodo no cambia, dependiendo de las respuestas de las personas
previamente escogidas.
5. La variable aleatoria x es el nmero de adultos de la muestra que estn a favor
de limitar el periodo.
Debido a que el estudio satisface las cinco caractersticas razonablemente
bien, para todos los fines prcticos entonces se puede ver como un
experimento binomial.
EJEMPLO 5.2: Un paciente llena una receta para un rgimen de 10 das de dos
pldoras diarias. Sin que lo sepan el farmacutico ni el paciente, las 20 pastillas
estn formadas por 18 pldoras del medicamento prescrito y dos pldoras que son
el equivalente genrico del medicamento prescrito. El paciente selecciona dos
pldoras al azar para la dosis del primer da. Si verificamos la seleccin y
registramos el nmero de pldoras que son genricas, es ste un experimento
binomial?

Solucin: De nuevo, verifique el procedimiento de muestra para las

caractersticas de un experimento binomial.
1. Un intento es la seleccin de una pldora de entre las 20 de la receta. Este
experimento consta de n 2 intentos.
2. Cada intento resulta en uno de dos resultados. O bien la pldora es genrica
(llame xito a esto) o no lo es (un fracaso).
3. Como las pldoras de una botella de receta se pueden considerar mezcladas
al azar, la probabilidad incondicional de sacar una pldora genrica en un
intento determinado sera 2/20.
4. La condicin de independencia entre intentos no est satisfecha, porque la
probabilidad de sacar una pldora genrica en el segundo intento depende del
primer intento. Por ejemplo, si la primera pldora sacada es genrica entonces
hay slo una pldora genrica en las restantes 19. Por tanto,
P(genrica en intento 2 / genrica en intento 1)=1/19

Si la primera seleccin no resulta en una pldora genrica, entonces hay todava

dos pldoras genricas en las restantes 19, y la probabilidad de un xito (una
pldora genrica) cambia a
P(genrica en el intento 2no / genrica en el intento 1) 2/19
Por tanto, los intentos son dependientes y el muestreo no representa un
experimento binomial.
REGLA PRCTICA
Si el tamao muestral es grande con respecto al tamao poblacional, en particular
si n/N .05, entonces el experimento resultante no es binomial.
En el captulo 4, tiramos al aire dos monedas justas y construimos la distribucin
de probabilidad para x, el nmero de caras, un experimento binomial con n =2 y
p = .5. La distribucin binomial general de probabilidad se construye en la misma
forma, pero el procedimiento se complica cuando n se hace grande.
Afortunadamente, las probabilidades p(x) siguen un modelo general. Esto nos
permite usar una sola frmula para hallar p(x) para cualquier valor dado de x.

LA DISTRIBUCIN BINOMIAL DE PROBABILIDAD

Un experimento binomial consta de n intentos idnticos con probabilidad p de xito
en cada intento. La probabilidad de k xitos en n intentos es

para valores de k = 0, 1, 2, , n. El smbolo Cnk es igual a,

Donde n! = n(n -1)(n - 2) (2)(1) y 0!=1

MEDIA Y DESVIACIN ESTNDAR

PARA LA VARIABLE ALEATORIA BINOMIAL
La variable aleatoria x, el nmero de xitos en n intentos, tiene una distribucin
de probabilidad con este centro y dispersin:

EJEMPLO 5.2: Encuentre P(x = 2) para una variable aleatoria binomial con n = 10
y p = 0.1.
Solucin: P(x = 2) es la probabilidad de observar 2 xitos y 8 fracasos en una
secuencia de 10 intentos. Se podran observar 2 xitos primero, seguidos de 8
fracasos consecutivos:
S, S, F, F, F, F, F, F, F, F

Como p es la probabilidad de xito y q es la probabilidad de fracaso, esta

secuencia particular tambin resulta en x = 2 xitos.
ppqqqqqqqq = p q

2 8

Sin embargo, pueden tambin resultar muchas otras secuencias en x 2. La

10
frmula binomial utiliza C 2 para contar el nmero de secuencias y da la
probabilidad exacta cuando se usa la frmula binomial con k = 2:

Se podra repetir el procedimiento del ejemplo 5.3 para cada valor de x (0, 1, 2, ,
10) y encontrar todos los valores de p(x) y construir un histograma de probabilidad
para x. ste sera un trabajo largo y tedioso, pero la grfica resultante se vera
como la figura 5.1a). Se puede verificar la altura de la barra para x = 2 y encontrar
p(2)= P(x =2) = .1937. La grfica est sesgada a la derecha; esto es, casi todo el
tiempo se observarn valores pequeos de x. La media o punto de equilibrio est
alrededor de x = 1; de hecho, se puede usar la frmula para hallar la media
exacta:

FIGURAS 5.1

Si la probabilidad que usted necesite calcular no est en esta forma, necesitar

considerar una forma para reescribir su probabilidad y hacer uso de las tablas.
EJEMPLO 5.2: Use la tabla binomial acumulativa para n 5 y p .6 para hallar las
probabilidades de estos eventos:
1. Exactamente tres xitos
2. Tres o ms xitos

Solucin:
1. Si encuentra k 3 en la tabla 5.1, el valor en tabla es
P(x 3) = p(0) + p(1) + p(2) + p(3)
Como usted desea slo P(x = 3) = p(3), debe restar la probabilidad no deseada:
P(x 2) p(0) + p(1) + p(2)
que se encuentra en la tabla 5.1 con k 2. Entonces
P(x = 3) = P(x 3) - P(x 2)
= .663 - .317 = .346
2. Para hallar P(tres o ms xitos) P(x 3) usando la tabla 5.1, se debe usar el
complemento del evento de inters. Escriba
P(x 3) = 1 - P(x < 3) = 1 - P(x 2)

Se puede hallar P(x 2) en la tabla 5.1 con k = 2. Entonces

P(x 3) =1 - P(x 2)
=1 - .317 = .683

Cmo utilizo la tabla 1 para calcular probabilidades binomiales?

1. Encuentre los valores necesarios de n y p. Asle la columna apropiada
de la tabla 1.
2. La tabla 1 da P(x k) en la fila marcada k. Reescriba la probabilidad
que necesite para que est en esta forma.
Haga una lista de los valores de x en su evento.
De la lista, escriba el evento como la diferencia de dos probabilidades:
P(x a) = P(x b) para a > b
o el complemento del evento:
1 - P(x a)
o slo el evento en s:
P(x a) o P(x < a) = P(x a - 1)

LA DISTRIBUCIN DE
PROBABILIDAD
DE POISSON
Su distribucin de probabilidad da un buen modelo de datos que representa el
nmero de sucesos de un evento especificado en una unidad determinada de
tiempo y espacio. Veamos algunos ejemplos donde la variable x puede ser
modelada por la variable aleatoria de Poisson:
El nmero de llamadas recibidas por un conmutador durante un tiempo
determinado
El nmero de bacterias por volumen pequeo de fluido
El nmero de llegadas de clientes al mostrador de una caja de pago en un
minuto
Determinado
En cada uno de estos ejemplos, x representa el nmero de eventos que ocurren
en un periodo o espacio, durante el cual se puede esperar que ocurra un
promedio de u de estos eventos.

LA DISTRIBUCIN DE PROBABILIDAD DE POISSON

Sea u el nmero promedio de veces que ocurre un evento en cierto tiempo o
espacio. La probabilidad de k sucesos de este evento es

para valores de k = 0, 1, 2, 3, . La media y desviacin estndar de la variable

aleatoria de Poisson x son

El smbolo e = 2.71828 se evala usando su calculadora cientfi ca, que debe

tener una funcin como e. Para cada valor de k, se pueden obtener las
probabilidades individuales para la variable aleatoria de Poisson, igual que como
hicimos para la variable aleatoria binomial.
x

Cmo uso la tabla 2 para calcular probabilidades

de Poisson?
1.
2.

Encuentre el valor necesario de m. Asle la columna apropiada de la tabla 2.

La tabla 2 da P(x k) en el rengln marcado k. Reescriba la probabilidad
que necesita para que est en esta forma.

Haga una lista de los valores de x en su evento.

De la lista, escriba el evento como la diferencia de dos probabilidades:
P(x a) - P(x b)

para a > b

o el complemento del evento: 1 - P(x a)

o slo el evento mismo: P(x a) o P(x < a) = P(x a - 1)
Una vez calculados los valores para p(x), puede usted usarlos para construir un
histograma de probabilidad para la variable aleatoria x. En la fi gura 5.5 se
presentan grficas de la distribucin de probabilidad de Poisson para u = .5, 1 y
4.

Distribuciones de probabilidad de Poisson para u = 0.5, 1 y 4

EJEMPLO 5.8: El nmero promedio de accidentes de trnsito en cierto

crucero de carretera es dos por semana. Suponga que el nmero de
accidentes sigue una distribucin de Poisson con u = 2.
1. Encuentre la probabilidad de que no haya accidentes en este crucero de
carretera durante un periodo de 1 semana.
2. Encuentre la probabilidad de que a lo sumo haya tres accidentes en esta
seccin de carretera durante un periodo de 2 semanas.
Solucin:
1. El nmero promedio de accidentes por semana es m 2. Por tanto, la
probabilidad de que no haya accidentes en esta seccin de carretera durante
1 semana determinada es

2. Durante un periodo de 2 semanas, el nmero promedio de accidentes en esta

seccin de carretera es 2(2) 4. La probabilidad de que a lo sumo haya tres
accidentes durante un periodo de 2 semanas es

Donde

Por tanto,
P(x 3) = .018316 + .073263 + .146525 +.195367 + .433471
Este valor podra leerse directamente de la tabla 2 del apndice I, indicando m
4 y k 3, como P(x 3) = .433.
LA APROXIMACIN DE POISSON A LA DISTRIBUCIN
BINOMIAL
La distribucin de probabilidad de Poisson da una aproximacin sencilla, fcil
de calcular y precisa a probabilidades binomiales cuando n es grande y u = np
es pequea, de preferencia con np < 7. Una aproximacin apropiada para
valores ms grandes de u = np se da en el captulo 6.

EJEMPLO 5.9: Suponga que una compaa de seguros de vida asegura las
vidas de 5000 hombres de 42 aos de edad. Si estudios actuariales muestran
que la probabilidad de que cualquier hombre de 42 aos muera en un ao
determinado es .001, encuentre la probabilidad exacta de que la compaa
tendr que pagar x = 4 reclamaciones durante un ao determinado.
Solucin: La probabilidad exacta est dada por la distribucin binomial como

para la cual no se dispone de tablas binomiales. Calcular P(x =4) sin ayuda de
una computadora sera muy lento, pero la distribucin de Poisson se puede usar
para dar una buena aproximacin para P(x 4). Calculando m np (5000)(.001) 5
y sustituyendo en la frmula para la distribucin de probabilidad de Poisson,
tenemos

El valor de p(4) podra obtenerse tambin usando la tabla 2 del apndice I con u=
5 como
p(4) = P(x 4) - P(x 3) = .440 - .265 = .175

LA DISTRIBUCIN
HIPERGEOMTRICA
DE PROBABILIDAD
LA DISTRIBUCIN HIPERGEOMTRICA DE PROBABILIDAD
Una poblacin contiene M xitos y N - M fracasos. La probabilidad de exactamente k
xitos en una muestra aleatoria de tamao n es

para valores de k que dependen de N, M y n con

La media y la varianza de una variable aleatoria hipergeomtrica son muy

semejantes a las de una variable aleatoria binomial con una correccin para el
tamao fi nito de poblacin:
u = n ( M / N)