Sie sind auf Seite 1von 30

La distribución binomial

MARIO BERMEO

Máster en Administración de Empresas (MBA)


Máster en Calidad Total

©Todos los derechos son reservados


2012
Introducción

VARIABLE ALEATORIA CONTÍNUA: es aquella que puede tomar cualquier


valor ( peso, volumen. Dimensiones etc.

VARIABLE ALEATORIA DISCRETA


Es aquella que sólo puede tomar determinados valores ( bueno - malo: si - no;
macho-hembra.

La distribución normal se utiliza para variables aleatorias continuas.

Para las variables aleatorias discretas existen otro tipo de distribuciones


Binomial
Poison
Hipergeométrica
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 este módulo se describe el uso de la distribución binomial para


obtener la probabilidad de ocurrencia de ese evento que representa
un resultado esperado.
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.
Utilidad

La distribución binomial se utiliza en situaciones cuya solución tiene


dos posibles resultados.

Por ejemplo:

Al nacer un/a bebé puede ser varón o hembra.

En el deporte un equipo puede ganar o perder.

En pruebas de cierto o falso sólo hay dos alternativas.


Utilidad
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:


éxitos o fracasos.

2 - El resultado obtenido en cada prueba es independiente de los


resultados obtenidos en pruebas anteriores.

3 - La probabilidad de éxito de un suceso es constante, la


representamos por p, y no varía de una prueba a otra.
La probabilidad de fracaso 1- p y la representamos por q .
P + q = 1
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, como por ejemplo, que salga
"cara" al lanzar la moneda.
1-p = también se le denomina como “q ”
Ejemplo1 de la función
F(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) = 0.205
Es decir, que la probabilidad de obtener 6 caras al lanzar 10 veces
una moneda es de 20.5% .
Ejemplo 2 de la función
F(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 (= 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%.
Ejemplo 3 de la función
F(x=k)

La producción de lámparas es continua cuya fracción de no conformes


es de 0,125. Un cartón es aceptado si una muestra de 4 no contiene
lámparas no conformes.
Cual es la probabilidad de aceptar un cartón.
El número de aciertos k es 0. Esto es (x=0 ) (buscamos cero no
conformes para aceptar el lote)
P= 0,125
n= 4
q = 1-p = 0,875
x n-x
P(k=x) = n! p q
x! ( n – x)!

4! 0 4-0
P(k=x) = (0,125) (0,875) = 0,59
0! ( 4 – 0)!
Ejemplo 4 de la función
F(x=k)

La empresa JBC reclama que no más de 1 de 10 clientes llama a


reparación en el primer año. Para verificar lo anunciado se elige a 20
personas en forma aleatoria y determina que 4 de ellos había llamado
en el primer año.
Esto destruye lo anunciado por la empresa JBC.
X=4
p= 1/10 = 0,1
n= 20
q = 1-p = 0,9
x n-x
P(k=x) = n! p q
x! ( n – x)!

20! 4 20-4
P(k=x) = (0,1) (0,9) = 0,08 = 8%
4! ( 20 – 4)!
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) .
• (n)= El número de veces que se realiza el experimento
• p = La probabilidad de éxito
• k = El número de éxitos (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.
La probabilidad p se busca en la primera fila (valores desde 0’01 hasta 0’5).
El número de veces que se realiza el experimento, en la primera columna (valores
desde 2 a 10) y el número de éxitos a su lado.
Nota importante: En las tablas encontramos los valores acumulativos esto es:
P(2) = P(0) +P(1) +P(2)
En la tabla encuentras valores de n hasta 10 y p hasta 0,5
Tabla de probabilidad binomial

Obtenga más información de cómo asignar probabilidades


utilizando las tablas.
Ejemplo 5
B(n,p)

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


probabilidad de que en una muestra de 10 se encuentren hasta 2
cámaras defectuosas.

Solución :
Se trata de una distribución binomial de parámetros n = 10 y p
= 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=10, luego en la parte
superiror p=0.05 . La probabilidad estará en x<=2
El resultado es 0.998 = 99,8%
Ejemplo 3 de la función
F(x=k)

Un 10% de productos producidos en un proceso de fabricación resulta


defectuoso. Hallar la probabilidad de que en una muestra de 10
unidades elegidas al azar sean exactamente 2 defectuosos.
p= 10% = 0,1
n= 10
X= 2
q = 1-p = 0,9
2 10 -2
P(k=x) = 10! (0,1) (0,9) = 0,1937= 19,7%
2! (10 – 2)!

Con las tablas (X ≤2) = 0,9298, Calculamos para (x ≤1) = 0,7361


P(x=2) = P(X ≤2) - P (x ≤1) = 0,9298 – 0,7361 = 0,1937= 19,37%
Ejemplo 6
B(n,p)

Supongamos que lanzamos al aire una moneda trucada. Con esta moneda la
probabilidad de obtener cara es del 30%. La probabilidad que salga cruz será,
pues, del 70%. Lanzamos la moneda 10 veces de manera consecutiva. Si queremos
calcular la probabilidad de que observemos 6 caras o menos nos fijamos en la
tabla: localizamos n=10, x=6, p=0.3
y buscamos la intersección. Solución : 0,9894= 98,9%
Pero esto es X ≤6, es decir P(X ≤6) = P(0) +P(1)+P(2)+P(3)+P(4)+P(5)+P(6)
¿si nos pidieran la probabilidad de que salieran exactamente 6 caras?
Tendríamos que calcular la probabilidad de obtener 6 caras o menos (0.9894) y la
de obtener 5 caras o menos n= 10, x= 5, p= 0,3 esto es P(x ≤5) = (0.9527), las
restamos
P(X =6) = P(X ≤6)- P(x ≤5) = 0.9894 - 0.9527 = 0.0367 = 3,6%
Con la fórmula
6 10-4
P(x=6) = 10! (0,3) (0,7) = 0,0367 = 3,67%
6! ( 10 – 4)!
Ejemplo 6
B(n,p)

Si nos pidieran la probabilidad de que salieran 7 caras o más? P(X ≥ 7)


Entonces utilizaríamos el hecho de que el suceso descrito es el complementario
del anterior para afirmar que la probabilidad buscada es 1-0.9894=0.0106 = 1,06%
Ejemplo 7
B(n,p)

¿ Qué pasa si el suceso sobre el que queremos calcular tiene una probabilidad
mayor que 0.5?
Este caso se daría, por ejemplo, si la probabilidad de que saliera cara fuera del
70%.
Entonces, si nos piden la probabilidad de obtener 4(x≤4) caras o menos tirando 10
veces (n=10) la moneda, haríamos lo siguiente.

Notemos que la probabilidad de obtener 4 caras o menos (x≤4caras) será la misma


de obtener 6 cruces o más P(x≥6 cruces).
Este suceso es el complementario de obtener 5 cruces o menos. P(x≤5cruces) Así
pues localizamos n=10, x=5, p=0.3 (ya que la probabilidad de obtener cruz es del
30%)
P(x≥6 cruses) = 1 - P(x≤5 cruces)
P(x≥6 cruces) = 1 – 0,9527
P(x≥6 cruces) = 0.0473
P(x≤4 caras) = P(x≥6 cruces)= 0,0473
Ejemplo 8
B(n,p)

¿Y si la probabilidad P no aparece en la tabla?

Entonces haríamos interpolación. Supongamos que X se distribuye como una


binomial con P=0.17; entonces, si queremos calcular la probabilidad que X sea
menor o igual que 3 (x≤3) después de 6 tiradas (n=6), tomamos la tabla y
Calcular cual es la probabilidad de que observemos 3 (x≤3) con una p= 0,17
n=6
p= 0,17
x ≤3
localizamos las probabilidades más cercanas a 0.17, que son
p=0.15 n=6, x=3 = 0,9941
P =0.2, n=6, x=3 = 0,9830
Interpolamos
P(xi) = 0,9941 (0,17-0,15) (0,9830-0,9941) =0,98966
(0,20-0,15)
O sacar el promedio= (0,9830+0,9941)/2 = 0,9885
Media y desviación de la distribución
binomial

Media y desviación típica en una distribución binomial


• el número esperado de éxitos o media, viene dado por X = n · p. (Recordemos
que la media es una medidad de centralizaciòn).
• La desviación típica, que es una medida de dispersión y mide lo alejados que
están los datos de la media, viene dada por (σ ) = √(n · p · q)
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
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
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

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 )


DEBER

Graficar
X = de 0 a 10
n = 30
p= 0,1
q = 1-0,1 = 0,9
x n-x
P(x) = n! p q
x! ( n – x)!

Graficar P(x) f (x)


DEBER

x n-x p q P(x)
0 30 0,1 0,9
1 29 0,1 0,9
2 28 0,1 0,9
3 27 0,1 0,9
4 26 0,1 0,9
5 25 0,1 0,9
6 24 0,1 0,9
7 23 0,1 0,9
8 22 0,1 0,9
9 21 0,1 0,9
10 20 0,1 0,9
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.pdfhttp://personal5.iddeo.es/ztt/Tem/t19_distribucion_binomial.htm
http://www-stat.stanford.edu/~naras/jsm/example5.html
http://cyber.gwc.cccd.edu/faculty/jmiller/Binom_Tab.pdf
http://descartes.cnice.mecd.es/Estadistica/Distribucion_binomial/binomial.htm
http://descartes.cnice.mecd.es/Estadistica/Binomial_Normal/index.htm