Formulario Tema 10: Distribución binomial.

FORMULARIO

1. VARIABLE ALEATORIA

X  Variable aleatoria cuantitativa. Es la función que asocia un número real al resultado de un

experimento aleatorio. Puede ser:
 Discreta: la variable sólo puede tomar algunos valores en un intervalo.
 Continua: la variable puede tomar cualquier valor dentro de ese intervalo.

2. DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA

2.1. Distribución de probabilidad de variable discreta

Las distribuciones de probabilidad de variable discreta son idealizaciones de las
distribuciones estadísticas de variable discreta. Éstas se obtienen empíricamente (experimentando u
observando). Aquellas son distribuciones teóricas.

Distribuciones estadísticas  empíricas.

Distribuciones de probabilidad  teóricas.

2.2. Parámetros en una distribución de probabilidad de variable discreta

n
Media aritmética de la distribución estadística x  x   xi  f ri
i 1
n
Media aritmética, esperanza matemática o valor esperado µ     xi  p i
i 1
pi  Probabilidad que tiene asociado el valor xi. Es una idealización de la frecuencia relativa.
n
fi
pi 
N
 f ri 0≤pi≤1 p
i 1
i 1
n n
Varianza σ2   2   xi   2  pi   xi2  pi   2
i 1 i 1

Desviación típica σ    2

3. LA BINOMIAL

3.1. Distribución binomial o de Bernoulli

Distribución binomial o de Bernoulli es una distribución de probabilidad discreta en la que cada
prueba del experimento sólo son posibles dos resultados: el suceso A y su contrario Ā.
Experiencia dicotómica (sólo dos resultados son posibles):

A  suceso éxito. P(A)=p  probabilidad de obtener éxito.

Ā  suceso fracaso. P(Ā)=1-p=q  probabilidad de obtener fracaso.

P(A)+P(Ā)=1  p+q=1

La probabilidad del suceso A es constante (no varía de una prueba a otra).

El resultado obtenido en cada prueba es independiente de los resultados obtenidos
anteriormente.

Gema Isabel Marín Caballero Página 1 de 4

 Formulario Tema 10: Distribución binomial.

3.2. Representación de la distribución binomial

XB(n,p)  Variable aleatoria discreta X sigue una distribución binomial de parámetros n y p.

X = Variable aleatoria discreta.  Número de éxitos.

xi = Valores que puede tomar la variable aleatoria discreta. xi=k
n = Número de veces que se repite el experimento aleatorio independiente. n≥0

3.3. Cálculo de la probabilidad en la binomial B(n,p)

n
P X  k      p k  q n k
k 
P(X=xi)=P(X=k)  Es la probabilidad de que se produzcan (exactamente) k éxitos.

k = Número de éxitos.  k=0,1,2,3,…,n

Los valores de P(X=xi)=P(X=k) son conocidos y están tabulados para valores pequeños de n en la
tabla binomial.

3.4. Función de probabilidad

La función de probabilidad f(x) es una función que asocia a cada valor de la variable aleatoria
discreta xi su probabilidad pi.  f(xi)=Pi=P(X=xi)

 n  x n  x
   p  q si x  0,1,2,..., n
f  x    x  X x1 x2 x3 … xn-1 xn
 f(x) P1 P2 P3 … Pn-1 Pn
 0 en otro caso

3.5. Función de distribución binomial

La función de distribución binomial F(x) representa la probabilidad acumulada hasta un
determinado valor de X.  F(xi)=P(X ≤ xi)

X x < x1 x1 ≤ x < x2 x2 ≤ x < x3 … xn-1 ≤ x < xn xn ≤ x

F(x) 0 P1 P1+P2 … P1+P2+…+Pn-1 1

Propiedades:
 Si x < x1  F(x)=0

 Si x ≥ xn  F(x)=1

 Si xЄ[xi, xi+1) F(x)=P(X ≤ x) = P(X=x1) + P(X=x2) + … + P(X=xi) = Número

x x
n
F x   P X  x    P X  i    f x     i   p
i
i
 q n i
i 0 xi  x i 0  
 F(x) es creciente porque F(xi) ≤ F(xj) si xi < xj. Su gráfica es escalonada.
 P(xi ≤ X ≤ xj) = F(xj) – F(xi)

3.6. Parámetros en una distribución binomial

Media aritmética, esperanza matemática o valor esperado µ    n p

Gema Isabel Marín Caballero Página 2 de 4

 Formulario Tema 10: Distribución binomial.

Varianza σ2   2  n pq
Desviación típica σ    n pq

3.7. Repaso de Combinatoria

Factorial de un número natural n!  n! = n · (n – 1) · (n – 2) · … · 3 · 2 · 1
m m!
Números combinatorios   
n  n!(m  n)!

3.8. Ajuste de un conjunto de datos a una distribución binomial

Para estudiar losdatos de una distribución estadística mediante las técnicas vistas, tenemos
que comprobar que estos datos se ajustan al modelo de distribución binomial.

Disponemos de una serie de N observaciones relativas a n individuos. En cada observación,

contamos el número k de ellos que cumplen una determinada condición.
En definitiva, tenemos una tabla de frecuencias cuya variable X toma los valores xi=0,1,…,n

Para estudiar si esa serie de datos obtenidos experimentalmente puede provenir de una
distribución binomial B(n,p), procedemos del siguiente modo:

 Calculamos la media aritmética x de los datos de la distribución empírica a partir de la tabla

de frecuencias absolutas o relativas experimentales.
 Calculamos la media aritmética   n p de la distribución empírica.

 Igualamos x
 Sabemos que la media aritmética de la distribución empírica es   n p

 Así, obtenemos el valor de p.  p
n
 Luego, XB(n,p)
 Para valorar la bondad del ajuste, comparamos la distribución empírica con la teórica binomial
B(n,p). Se puede hacer con las frecuencias absolutas o con las frecuencias relativas. Para ello:

- Hallamos las probabilidades P(X=xi)=P(X=k) para k=0,1,…,n en la B(n,p) y las multiplicamos

por N para averiguar cómo se repartirían los n individuos en la distribución teórica, la
fi teórica . Así, calculamos los valores de la tabla de probabilidades.

fi teórica = P(X=xi) · N o fri teórica = P(X=xi)

- Para cada valor de xi=k, hallamos el error absoluto: la diferencia entre el valor empírico y el
teórico, Ea = | fi teórica - fi empírica | o Ea = | fri teórica – fri empírica |

Ea Ea
- Calculamos el error relativo: Er  o Er 
f i teórica f ri teórica

- Según que la mayor de las diferencias sea suficientemente pequeña o no, aceptamos o
rechazamos la hipótesis de que los datos provienen de una binomial.

o Si la mayor de las diferencias es suficientemente pequeña, suponemos que el ajuste es

bueno.  Los datos iniciales provenían de una distribución binomial .

o Si la mayor de las diferencias es grande, suponemos que el ajuste no es bueno.  Los

datos iniciales no provenían de una distribución binomial .

Gema Isabel Marín Caballero Página 3 de 4

 Formulario Tema 10: Distribución binomial.

fi teórica  Frecuencia absoluta teórica.

fi empírica  Frecuencia absoluta empírica. Viene dada en la tabla de frecuencias absolutas

empíricas.
fri teórica  Frecuencia relativa teórica.
fri empírica  Frecuencia relativa empírica. Viene dada en la tabla de frecuencias relativas
empíricas.

Tablas para valorar la bondad:

Frecuencias absolutas
Aciertos Ea
f i empírica f i teórica  P X  xi   N Ea  f i teórica  f i empírica Er 
xi f i teórica
0 f1 f 1  P  X  0  N
1 f2 f 2  P X  1  N
2 f3 f 3  P X  2   N
… … …
n fn f n  P X  n   N
Total N N

Frecuencias relativas
Aciertos Ea
f ri empírica f ri teórica  P X  xi  Ea  f ri teórica  f ri empírica Er 
xi f ri teórica

f r1  P X  0
f1
0
N
f r 2  P X  1
f2
1
N
f r 3  P X  2 
f3
2
N
… … …

f rn  P X  n 
fn
n
N
n
Total 1  P X  x   1
i 1
i

Gema Isabel Marín Caballero Página 4 de 4