BINOMIAL - (PG - 268 273)

Capítulo 4 Variable aleatoria y distribuciones discretas de probabilidad 251
Por ejemplo, si retomamos el ejemplo de la franquicia de helados de la ciudad de Puebla,

en México, referente a las ventas de su helado de mandarina, obtendríamos una varianza
y una desviación estándar de esta variable aleatoria discreta en la siguiente forma.
Cuadro 4.11.
Número de helados Número de días Probabilidad de que

de mandarina por día en que se observó la variable aleatoria X Xi P(Xi ) [Xi 2 E(X)]2 P(Xi )
Xi esta venta se presente
30 6 0.120 3.60 0.726192
31 8 0.160 4.96 0.341056
32 12 0.240 7.68 0.050784
33 11 0.220 7.26 0.064152
34 7 0.140 4.76 0.332024
35 6 0.120 4.20 0.774192
Total 50 1.0 32.5 2.2884
La varianza es: s2. 5 2.2884 helados2, y la desviación estándar: s 5 1.5 helados.

Es decir, el administrador de esta franquicia esperaría vender un promedio de 32.5
helados de mandarina por día con una variación aproximada de este promedio de 1.5 he-
lados; esto es, entre 31 y 34 helados de este sabor por día.
Distribución de probabilidad binomial

Es una distribución de probabilidad de una gran cantidad de variables aleatorias discre-
tas cuyos resultados experimentales son generados mediante un proceso conocido como
Copyright © 2014. Grupo Editorial Patria. All rights reserved.
de Bernoulli. Su nombre se establece en honor del matemático suizo Jacob Bernoulli

(1654–1705).
Esta distribución de probabilidad se ocupa de experimentos en donde su resultado sólo
puede tomar un solo valor de dos posibles, por lo que estos resultados son mutuamente
excluyentes. Por ejemplo, considere usted la siguiente pregunta en una entrevista: ¿Tra-
bajó usted la semana pasada? Sus posibles respuestas son: sí, o bien, no. Dos posibles
resultados, es una binomial y, por tanto, un entrevistado sólo puede responder a una de
ellas; es decir, las respuestas se excluyen mutuamente.
Los resultados de este tipo de experimentos reciben normalmente los nombres de éxi-
to y fracaso. Sin embargo, un éxito no significa necesariamente un resultado deseable
como se muestra en algunos ejemplos (cuadro 4.12).
Rodríguez, Franco, Jesús, and Rodríguez, Alberto Isaac Pierdant. Estadística para administración, Grupo Editorial Patria, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3227823.
Created from unadsp on 2019-04-09 20:21:14.
252 Estadística para Administración
Cuadro 4.12.
Experimento Resultados
Seleccionar un producto de una línea de • El producto trabaja de manera correcta (éxito)
producción • El producto no trabaja de manera correcta (fracaso)
• No (éxito)
¿Piensa usted casarse pronto?
• Sí (fracaso)
• Sí (éxito)
¿Le gustó nuestro café orgánico?
• No (fracaso)
El nivel académico de esta universidad es • Si la respuesta es bueno (éxito)
bueno o malo • Si la respuesta es malo (fracaso)
• Si se produce en azul (éxito)
Producir un artículo en color azul o rojo
• Si se produce en rojo (fracaso)
Un proceso de Bernoulli presenta las propiedades siguientes:

1. Cada experimento tiene solamente dos resultados posibles (éxito o fracaso). Estos
resultados son, como ya observamos, mutuamente excluyentes.
2. Los resultados de cada experimento pueden obtenerse mediante dos métodos de
muestreo. Cada observación puede seleccionarse, ya sea a partir de una población
infinita sin reemplazo, o bien, a partir de una población finita con reemplazo.
3. La probabilidad de que un resultado se clasifique como éxito, recibe el nombre de
p. Este valor de probabilidad es el mismo entre una observación y otra (población
finita con reemplazo). Por tanto, 12 p, llamada la probabilidad de fracaso (q), tam-
bién es constante en todas las observaciones.
4. Un resultado particular, ya sea éxito o fracaso, de cualquier experimento es inde-
pendiente del resultado que se dé en cualquier otro experimento.
Cálculo de probabilidades en una distribución binomial

Si se conoce la probabilidad de que en un experimento determinado se producirá un
éxito, entonces es posible determinar cuántos éxitos habrá en un número determinado
de experimentos.
Matemáticamente, un experimento que presenta un proceso de Bernoulli puede definir-
se mediante los siguientes símbolos:
p 5 la probabilidad de tener un éxito.
q 5 (12p) 5 la probabilidad de tener un fracaso.
r 5 el número de éxitos deseados al realizar un proceso de Bernoulli.
n 5 el numero total de ensayos o intentos utilizados (este número es fijo durante el
experimento).
Y calcularse con la relación:
n!
Pn, r 5 pr q n −r (4.1)
r !(n 2 r )!
Recordemos que el símbolo n!, significa n factorial. Por ejemplo, 3! 5 3 3 2 3 1 5 6,

y que 0! 5 1.
Ejemplo:
En un cuestionario acerca del empleo se pregunta: ¿Usted trabaja actualmente? Se ha
considerado que el 65% de los entrevistados responderá que “Sí”. Se hicieron ocho
cuestionarios del estudio. ¿Qué probabilidad hay de que en cinco de ellos respondan
afirmativamente?
8!
Solución: P8 ,5 5 0.655 0.358−5
5!(8 − 5)!
n 5 8, r 5 5, p 5 0.65
q 5 12 p 5 0.35 P8 ,5 5 56 (0.116029) (0.042875)
P8 ,5 5 0.2786
La probabilidad de que en cinco de ellos respondan afirmativamente es: 0.2786

En la hoja electrónica de cálculo Excel podemos utilizar la función que permite calcular
la probabilidad de una distribución binomial (ecuación 4.1) en la forma siguiente:
5DISTR.BINOM(r,n,p,) , para nuestro ejemplo, la probabilidad buscada se calcula con la fun-
ción: 5DISTR.BINOM(5,8,0.65,) cuyo valor en la celda de la hoja es: P8,5 5 0.278585779.
Ejemplo:
Para las próximas elecciones de jefe de Gobierno, se ha estimado que aproximadamente

30 % del electorado no votará. ¿Qué probabilidad hay de que 8 de 15 partidarios del
PRI (Partido Revolucionario Institucional) empadronados en la colonia Tabacalera de la
Ciudad de México no voten en las elecciones para elegir jefe de Gobierno?
Solución:
15!
n = 15, r = 8, p = 0.30 P15,8 5 0.308 0.7015−8
8!(15 − 8)!
q = 12 p = 0.70
P15,8 5 5040 (0.00006561)(0.0823543)
P15,8 5 0.03477
En Excel: 5DISTR.BINOM(8,15,0.30,), es decir: 0.03477
Ejemplo:
En una planta de Colgate y Palmolive, una máquina que llena tubos de pasta dental,
los llena correctamente 85% de las veces. Se quiere calcular la probabilidad de obtener
exactamente seis tubos de doce (la mitad de una caja) llenos de manera correcta.
12!
Solución: 0.856 0.1512−6
P12 ,6 5
6!(12 − 6)!
n 5 12, r 5 6, p 5 0.85
q 5 12 p 5 0.15 P 5 924 (0.377149515625)(0.0000113906)
12 ,6
P12 ,6 5 0.0039695
En Excel: 5DISTR.BINOM(6,12,0.85,), es decir: 0.0039695
Ejemplo:
El dueño de una microempresa ha estado estudiando la llegada tarde de sus seis emplea-
dos. Con base en ello, ha determinado la probabilidad de una llegada tarde en 0.35. Para
este problema se construye una distribución binomial en forma gráfica.
Solución:
Se calcula la probabilidad de 0, 1, 2, 3, 4, 5 y 6 llegadas tarde.
Cuadro 4.13.
Número de empleados Cálculo de la probabilidad con
Probabilidad de llegar tarde
que llegan tarde Excel
0 5 DISTR. BINOM (0,6,0.35,) 0.0754189
1 5 DISTR. BINOM (1,6,0.35,) 0.243661
2 5 DISTR. BINOM (2,6,0.35,) 0.3280052
3 5 DISTR. BINOM (3,6,0.35,) 0.2354909
4 5 DISTR. BINOM (4,6,0.35,) 0.0951021
5 5 DISTR. BINOM (5,6,0.35,) 0.0204835
6 5 DISTR. BINOM( 6,6,0.35,) 0.0018383
La figura 4.3 muestra la distribución binomial de este problema.
0.35
0.30
0.25
Probabilidad 0.20
de llegar tarde 0.15
0.10 6
0.05
0.00
0 1 2 3 4 5
Número de empleados
Figura 4.3. Distribución de probabilidad binomial de la llegada tarde

de empleados de la microempresa.
En la figura 4.4 se muestran los ejemplos anteriores (1 a 4) mediante el uso de la fun-

ción de distribución binomial de la hoja electrónica de cálculo Excel.
Figura 4.4. Distribución binomial en Excel.
Media y desviación estándar de una distribución binomial

Como ya se indicó en el tema anterior, se cuenta con las fórmulas de cálculo de la media
y la desviación estándar de la distribución de probabilidad de una variable aleatoria, por
lo que en el caso de una distribución binomial, este cálculo se simplifica considerable-
mente dado que sólo tenemos dos posibles resultados.
La media de una distribución binomial se calcula mediante (4.2):
µ 5 VE ( X ) 5 E ( X ) 5 n p (4.2)
donde:
n = número total de ensayos o intentos utilizados en el experimento.
p = la probabilidad de tener un éxito.
Y la desviación estándar de una distribución binomial (4.3) se calcula como:
s 5 n p (1 − p)
s 5 n pq (4.3)
donde:
n = número total de ensayos o intentos utilizados en el experimento.
p = la probabilidad de tener un éxito.
q = la probabilidad de tener un fracaso.
Ejemplo:
En la zona norte del Distrito Federal se ha realizado un estudio que muestra que un
70% de los hogares en la zona tienen servicio de internet. Si seleccionamos 50 hogares

aleatoriamente. ¿Qué promedio de hogares en la muestra contará con el servicio de
internet?
Solución:
n = 50 hogares seleccionados
p = 0.70 de contar con servicio de internet
q = 0.30 de no contar con servicio de internet
Por tanto: µ 5 50(0.70) 5 35 hogares en promedio en la zona cuentan con servicio de
internet, con una desviación estándar de:
s 5 50(0.70)(0.30) 5 3.24 hogares.

BINOMIAL - (PG - 268 273)

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

BINOMIAL - (PG - 268 273)

Cargado por

Copyright:

Formatos disponibles

Capítulo 4 Variable aleatoria y distribuciones discretas de probabilidad 251

Por ejemplo, si retomamos el ejemplo de la franquicia de helados de la ciudad de Puebla,

Número de helados Número de días Probabilidad de que

30 6 0.120 3.60 0.726192

31 8 0.160 4.96 0.341056

32 12 0.240 7.68 0.050784

33 11 0.220 7.26 0.064152

34 7 0.140 4.76 0.332024

35 6 0.120 4.20 0.774192

Total 50 1.0 32.5 2.2884

La varianza es: s2. 5 2.2884 helados2, y la desviación estándar: s 5 1.5 helados.

Distribución de probabilidad binomial

de Bernoulli. Su nombre se establece en honor del matemático suizo Jacob Bernoulli

Un proceso de Bernoulli presenta las propiedades siguientes:

Cálculo de probabilidades en una distribución binomial

Recordemos que el símbolo n!, significa n factorial. Por ejemplo, 3! 5 3 3 2 3 1 5 6,

La probabilidad de que en cinco de ellos respondan afirmativamente es: 0.2786

Para las próximas elecciones de jefe de Gobierno, se ha estimado que aproximadamente

P15,8 5 5040 (0.00006561)(0.0823543)

En Excel: 5DISTR.BINOM(8,15,0.30,), es decir: 0.03477

En Excel: 5DISTR.BINOM(6,12,0.85,), es decir: 0.0039695

0 5 DISTR. BINOM (0,6,0.35,) 0.0754189

1 5 DISTR. BINOM (1,6,0.35,) 0.243661

2 5 DISTR. BINOM (2,6,0.35,) 0.3280052

3 5 DISTR. BINOM (3,6,0.35,) 0.2354909

4 5 DISTR. BINOM (4,6,0.35,) 0.0951021

5 5 DISTR. BINOM (5,6,0.35,) 0.0204835

6 5 DISTR. BINOM( 6,6,0.35,) 0.0018383

La figura 4.3 muestra la distribución binomial de este problema.

Figura 4.3. Distribución de probabilidad binomial de la llegada tarde

En la figura 4.4 se muestran los ejemplos anteriores (1 a 4) mediante el uso de la fun-

Figura 4.4. Distribución binomial en Excel.

Media y desviación estándar de una distribución binomial

70% de los hogares en la zona tienen servicio de internet. Si seleccionamos 50 hogares

s 5 50(0.70)(0.30) 5 3.24 hogares.

También podría gustarte