LA DISTRIBUCIÓN BINOMIAL

RUBEN DARIO TOLE
UNIVERSIDAD MINUTO DE DIOS

Tabla de contenido
INTRODUCCIÓN
         Objetivos de la presentación Instrucciones de cómo usar la presentación Glosario de términos Dato histórico Utilidad Propiedades de un experimento de Bernoulli La distribución binomial La función Ejemplos

Tabla de contenido
         La tabla de la probabilidad binomial Ejemplos Ejercicio de redacción La media y la desviación estándar Resumen Ejercicios de prueba Aproximación a la distribución normal Vídeo de repaso de conceptos Referencias

Por ejemplo. Éste puede ser de éxito o fracaso sin dar paso a un punto medio. El módulo va dirigido al estudiantado de Administración de Empresas en sus distintas concentraciones. en la producción de un artículo. 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. éste puede salir bueno o malo. . Para situaciones como éstas se utiliza la distribución binomial. Casi bueno no es un resultado de interés.Introducción En las empresas tenemos muchas situaciones donde se espera que ocurra o no un evento específico.

.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.

 Determinar los valores de éxitos p y fracasos q para establecer las bases para el cómputo de las probabilidades.Objetivos específicos Además. la varianza y la desviación estándar utilizando las variables de la distribución binomial. esperamos que puedas:  Identificar las propiedades de una distribución binomial. .  Establecer el promedio.

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.

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 La distribución BINOMIAL se utiliza en situaciones cuya solución tiene dos posibles resultados. .

se pueden clasificar como correcta o incorrecta. Estos ejemplos los podemos considerar como “experimentos de Bernoulli” . En pruebas de selección múltiple.Utilidad También se utiliza cuando el resultado se puede reducir a dos opciones. aunque hay cuatro o cinco alternativas. Por ejemplo: Un tratamiento médico puede ser efectivo o inefectivo. La meta de producción o ventas del mes se pueden o no lograr.

la representamos por p. y no varía de una prueba a otra. 3 . .p y la representamos por q .Propiedades de un experimento de Bernoulli 1 .La probabilidad de un suceso es constante. La probabilidad del complemento es 1. Si repetimos el experimento n veces podemos obtener resultados para la construcción de la distribución binomial.En cada prueba del experimento sólo hay dos posibles resultados: éxitos o fracasos.El resultado obtenido en cada prueba es independiente de los resultados obtenidos en pruebas anteriores. 2 .

La distribución binomial La distribución de probabilidad binomial es un ejemplo de distribución de probabilidad discreta. Para contruirla necesitamos: 1 .utilizar la función matemática. . Esta formada por una serie de experimentos de Bernoulli. Los resutados de cada experimento son mutuamente excluyentes.la probabilidad de éxitos p 3 .la cantidad de pruebas n 2 .

como por ejemplo. 1-p . n .también se le denomina como “q ” k . que salga . p . también denominada Función de la distribución de Bernoulli: "cara" al lanzar la moneda.es el número de aciertos.es la probabilidad de éxito.La función P(x=k) A continuación vemos La función de probabilidad de la distribución Binomial.es el número de experimentos.

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. que salga "cara" al lanzar la moneda es 50% ó 0. . que la probabilidad de obtener 6 caras al lanzar 10 veces una moneda es de 20.5% .50 La fórmula quedaría: P (k = 6) = 0. Esto es x=6 El número de experimentos n son 10 La probabilidad de éxito p.205 Es decir. es decir.

6%.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 4.1666) 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. 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.

p) .0.50) y B(8.  En el parámetro B(n.0. Para esto debe saber los valores k y B (n.  k es el número de éxitos que buscamos. 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).1666) respectivamente. Este valor se encuentra entre 0 y n.Tabla de probabilidad binomial Utilizando la tabla de probabilidad binomial se pueden resolver los ejemplos anteriores.p) son B(10.

Tabla de probabilidad binomial .

La probabilidad estará en x=2 El resultado es 0. luego en la parte superiror p=0.05 . Solución : Se trata de una distribución binomial de parámetros B(12.p) En una fábrica de cámaras el 5% sale con defectos. Debemos calcular la probabilidad de que x sea igual a k que en este caso es 2.0988 . Busque en la parte izquierda de la tabla n=12. Esto es P (k=2). Determine la probabilidad de que en una muestra de 12 se encuentren 2 cámaras defectuosas. 0.05).Ejemplo 3 B(n.

Solución : Se trata de una distribución binomial de parámetros B(15. 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.p) En una oficina de servicio al cliente se atienden 100 personas diarias.Ejemplo 4 B(n.1285 . 0. Debemos calcular la probabilidad P(X=3). El resultado es 0.10).

.Ejercicio de redacción con experiencia interactiva Presente una descripción escrita de las observaciones que obtiene al variar los valores n y p.

6 .67   5  0.1 P(X) .25 P(X) .1 X 1 2 3 4 5 Desviación estándar   np (1  p)   5  0.5 = 0.5 = 5 · 0.5  (1  0.2 0 0 n = 5 p = 0.5)  1.1 = 0.6 .4 .1)  0.1  (1  0.4 .La media μ y desviación estándar σ Características de la distribución binomial Media = E(X) = n p = 5 · 0.2 0 0 n = 5 p = 0.5 X 1 2 3 4 5 17 .

tablas de distribución y la calculadora del enlace.En resumen En este módulo hemos determinado la probabilidad binomial mediante el uso de la función binomial. 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 nxp   La desviación estándar (σ ) en la distribución binomial se obtiene del producto de n x p x q.  . Además. El valor de q es el complemento de p y se obtiene con 1 – p.

b) de 1 a 3 estén descompuestas.2916 + 0.0486 .6561 + 0. encuentre la probabilidad de que. Para resolver la pregunta “b” repase el modulo de las reglas de probabilidad. a) las 4 estén descompuestas. Si un comprador elige 4 verduras al azar. En este caso se resuelve sumando las probabilidades P(x=1) + P(x=2) + P(x=3) = 0.Ejercicio de prueba #1 Un comerciante de verduras tienen conocimiento de que el 10% de la caja está descompuesta.

b) más de 5 tengan fuga de aceite. Si se instalan 20 de estos amortiguadores. d) Determine el promedio y la desviación estándar de amortiguadores con defectos. hallar la probabilidad de que. a) 4 salgan defectuosos. c) de 3 a 6 amortiguadores salgan defectuosos. En la “c” debe sumar P(x=3) + P(x=4) + P(x=5) + P(x=6). La pregunta “b” debe sumar las probabilidades desde P(x=6) en adelante. .Ejercicio de prueba #2 En pruebas realizadas a un amortiguador para automóvil se encontró que el 20% presentaban fuga de aceite.

a) ninguno esté defectuoso. Cuál es la probabilidad de que en la muestra.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. 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)] . Si el 15% de los alternadores del lote están defectuosos.

b) a lo más 5 duren menos de un año. .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. c) al menos 2 duren menos de un año. a) 12 duren menos de un año.

Ejercicio de prueba #5 Si 6 de 18 proyectos de viviendas violan el código de construcción. 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 . que selecciona aleatoriamente a cuatro de ellas. ¿cuál es la probabilidad de que un inspector de viviendas.

. 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.Ejercicio de prueba #6 Sea x una variable aleatoria binomial. Esto forma la distribución de probabilidad binomial para este ejercicio.

Aproximación de la distribución binomial por la normal Una distribución binomial B (n. La aproximación consiste en utilizar una distribución normal con la misma media y desviación típica de la distribución binomial. p) se puede aproximar por una distribución normal. En la práctica se utiliza la aproximación cuando: n>30. nq>5 En cuyo caso : x= B(n. σ = npq ) .p) se puede aproximar a N(μ=np. siempre que n sea grande y p no esté muy próxima a 0 ó 1. np>5.

Distribución binomial – Distribución discreta que se aplica cuando se realizan más de una vez y de forma independiente el experimento de Bernoulli.distribución con un número finito de valores. Experimento independiente – Cuando el resultado de un experimento no tiene influencia en el resultado de otro experimento . Experimento de Bernoulli – Experimento con dos posibles resultados (éxito o fracaso).Glosario de términos Distribución de probabilidad discreta .

llamadas recibidas. Es la ocurrencia del evento que no es de interés. Si un producto sale bueno. servicios completados. . Resultados mutuamente excluyentes – Son resultados que no pueden ocurrir al mismo tiempo. Fracasos – Es el complemento de los éxitos. no puede salir defectuoso al mismo tiempo.Glosario de términos Éxitos – Es la ocurrencia del evento de interés como cantidad de defectos.

303./31.3035.96:    /46:0.796/.379:65.590/165/5:906 &630 5 &.11855. 796/.9/0 5/564.4736  5 7  55.945 3..515 79:65.: #693659.:.5 :590/9/53:906 .::.:1.15..9.1:..035.16:  ...93.1:906.1 #  39:3.9../31..9 4.317.50:.605.: 56.

9. #9:5.00 5 0657950.369:5 7 .936:.5.1 3.5.1:0970 5:09.065:86/.9.:6/:9...5.9006191.0.3 .

7 !    9  35  5 9   c  c     9   c  c      3  5          .O3089E3/.907J89.9ƒ .  1:. 3  35 3   3   !    3 5         08..41. 0/..0 5:.7.O3 -342.../897-:. 51.8/0..

795146:8 ./31.9/0 5/564.  53. 51.59:45 5:.163.0.615 7 8  3.617 :6/.341.3 .:917945.9/0 5/564.3:6/.50 5/564.36918 :30647345.9/0 5/564.303.3 :613.41.3:6/.1:.15.1:.945.5065 7 .169.6:1 95633 .4 13646:1.796/.1:..0  14 : .0 5:.:11:.9 ƒ 53.3:694.5.61 5 7 .13 53.513 79610.1/564./3.9/0 53.1:.5065379610.

9 505. .6183  13..: !.:.8 574-..  506490. 1:0647:.:  / 1.796/...:.::.8480708:0./31.1693 919.93.570:39. 3.800 24/:4/0.-/. 51:0647:.870.7084.3/4.9006179/.08:2.-/. &506479.. 51:0647:.07.118  .:.5.8/0574-../08!   !   !        .3.550656045.1919./ 30890.705.:.7.0.

390 3. ..5.64 3:5065.5.169:06510.1.1.510.7!   !   !   !  .3.7.6: .1:.0..:.1. &:5:.5.  0 1.118  .6:6:  / 4 :1./.51:..0 5:.-/.510../0.6: .5. /0-08:2. ./31. :./08/08/0 !  03..169: .469.469.94537964163.33. 51..3.93.169::.796/.0.3.469..6:6:  1 .8574-.:9.1697..9006179/.469.  579/.3.9 8 3 79:5./0-08:2..570:39.91 .9.

90.3.5.5317.61065.6:6:  3:3.795.3456:16::./69.4:.169:1336.6:6: 1 4 :1. :. 506510. 5556:.  .3.91 .9.9 3.95.169:1536.796/.6:6  0 .9::.10. 510.1 15.3.45.96310.:5.0 5  (#   #   #  * .479:.1¾719.11853.510.3.6: #../31.9006179/. 10.3.31.. 5:70065.95.  5559683.3.679.9.4:.3..3 0..: &3 136:.9.9.6:6  / 56:.

33:1  0.9006179/. 6  / .4:.3456:5.19.11855.  .118514 :0.3456:195456:15./31.796/./31.364 :195456:15.93. 6:5 8. 1  . 6  0 .796/.9. 195456:15. 6  .303.

30 161 065:.: 8 :30065.900 5 0 16:63.0.:.9006179/.900 5 / 5.530 161065:.30 161065:./31.96133.:63..:0.63. 555.9:63.  &17960.530 161065:..900 5 .:63.900 5  T0 3:3.69.900 5 1 .: 1:0/9..6:151.45.3.13..3456:.69151.11855:70.530 161065:.8 .796/.

9/0 51 796/./-342.4 .93.9.7084.69..9006179/.07089..O3/0574-./31.0./08. 5.:9.3.-.-/.11 :3 5  !.O3/0 57 050.703.3/4547 76:0/..70.7E20974  5 7 5:0/0-:8.7.9.0890007.1:. #5 9030705.5.-/.3 .570:39.  &.8 8:8574-.33./3../564.7...47708543/03908 8941472. /897-:..

97695.37693.1:.9/0 5/564. .3 5.3.9/0 5 /564.516 5 57 58 5060. 479 4.7964.3 :47985 :.:6 5 7 :71.79 0.5694.517 56:.41..13.0 5065::. 1:..9/0 55694.  .0 5.:.1:.! 57 ƒ b 356 .1:.9/0 5 5694.30653.0.95.7964.1:.9.7964.0 50.9.3  53.4:4.9/0 5/564.7964.1:.3.3 5 7 :71 .3.5.0 513. 70.7964.

9456: :.11:09..36:.9/0 51796/.961. ./31.

369: :.55350.967945.61.516: 9.3.1616.54 :15.3  :. 1:..6517515.9/0 51:09.16: .1694.6 .9/0 5 06555 496 5.606516:76:/3:9:3...16157945.6195633  7945.539:3.9/0 5/564.:6 7945.  .0.51639:3.8:.669.6 56.517515..37945.0.730.61 95633 7945.

3/56 5671:..16: 856715 60999.6136: ..45.9 :06460.5.035.6:  :3.6856:15..615.:  &659:3.:90/1.: :906:06473.0.1.6: 33.1.:6:  :30647345..34:46.4.13 5.11 10.476 .34:46.609950.609950.6:.39 10.16: 4.16: 9.6: :3.9 : %:3. 9456: .36:.6:6.135.476 &579610.961.