Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Distribución Binomial
Analiza el siguiente experimento probabilístico:
Un estudiante del curso decide resolver un examen compuesto por cinco preguntas con tres
posibles respuestas. Como no ha estudiado, toma la decisión de intentar adivinar las
respuestas, sin siquiera leer las preguntas.
Ahora tú realiza el examen para que puedas analizar lo que sucedió con este estudiante.
Muchos experimentos tienen resultados que son clasificados en dos categorías, éxito o
fracaso. Por ejemplo, el lanzamiento de una moneda, un examen de falso o verdadero, o de
respuesta correcta o incorrecta, que un producto funcione o no, etc.
Todos los experimentos que presentan estos dos eventos, se les denomina experimentos
probabilísticos binomiales o de Bernoulli y deben tener las siguientes propiedades:
μ=np
La varianza de la distribución binomial
σ 2=npq
La desviación estándar de la distribución binomial
σ =√ npq
Ejemplo 1
a) 4 mujeres y 2 hombres
b) 3 mujeres y 3 hombres
c) más de 3 mujeres
d) ¿Cuánto vale la media de esta distribución de probabilidad y qué significa su
valor obtenido?
Este es un experimento binomial, puesto que tiene dos posibles resultados aleatorios: nace
una mujer o un hombre.
Sea
X = el número de hijos
1
p(x )= la probabilidad de que nazca una mujer; y
2
1
q ( x)= la probabilidad de que nazca un hombre.
2
La función de probabilidad asociada a este experimento es:
P ( X )= (nx) ( p) ( q )
x n−x
1 1
x=4 , p= , q=1− p= que sustituyendo en la función binomial tendremos:
2 2
4 6−4
1 1
P ( x=4 )= 6 ( )( ) ( ) =0.2344
4 2 2
Esto significa que la probabilidad de que nazcan 2 hombres y 4 mujeres es 0.2344, o sea, el 23.44%
1 1
x=3 , p= , q=1− p= que sustituyendo en la función binomial tendremos:
2 2
3 6−3
1 1
P ( x=3 )= 6 ( )( ) ( ) =0.3125
3 2 2
La probabilidad de tener el mismo número de hijos que de hijas en esta familia es igual a
0.3125, o sea, el 31.25%.
El 0.5% de las piezas producidas por una máquina son defectuosas. La máquina se lleva a
reparación si al tomar una muestra aleatoria de 10 piezas se encuentran dos o más
defectuosas. Obtén la probabilidad de que la máquina sea sometida a reparación con este
esquema de muestreo.
Sea P(D) la probabilidad de que salgan dos o más piezas defectuosas, de tal forma que:
Otro ejemplo de una distribución de probabilidad discreta que veremos en nuestro curso es
la llamada distribución de Poisson, que tiene la característica de describir diversos procesos
que consisten en observar lo que se conoce como eventos discretos en un intervalo
continuo.
Distribución de Poisson
La distribución de Poisson se llama así en honor a su creador, el francés Simeón Dennis Poisson
(1781-1840). Esta distribución de probabilidades fue uno de los múltiples trabajos matemáticos que
Dennis completó en su productiva trayectoria.
La distribución de Poisson se emplea para describir diversos procesos que consisten en observar lo
que se conoce como eventos discretos en un intervalo continuo, como la distribución de las
llamadas telefónicas que llegan a un conmutador entre las 9:00 y las 10:00 horas; las entradas de los
automóviles a la caseta de cobro de la autopista México Cuernavaca; la llegada de un cliente al
banco durante una hora. Estos ejemplos tienen un elemento en común y es que pueden ser descritos
por una variable aleatoria discreta, en un periodo continuo de tiempo, la cual asume valores
enteros (0,1,2,3,4,5...).
En una distribución de Poisson, la letra X suele representar la variable aleatoria discreta y puede
además asumir valores enteros (0, 1, 2, 3, etc.). Ten presente que utilizamos la letra X mayúscula
para representar la variable aleatoria y la x minúscula para designar un valor específico que puede
asumir la variable aleatoria (X)
La probabilidad de exactamente x ocurrencias en una distribución de Poisson se calcula mediante la
siguiente expresión:
λx
P X= λ
( )
e x!
Donde:
e = 2.7182
x = número de éxitos que se desea que ocurran
λ = media o valor central
μ= λ=np
La varianza
σ 2=λ
La desviación estándar de la distribución binomial
σ =√ λ
Observa que la media de la distribución de Poisson se determina de la misma forma que en
la binomial, además la media y la varianza para esta distribución son iguales.
Ejemplo 1
λx
Solución: aplicando la fórmula de Poisson P X= λ
( )
e x!
El problema indica una media de cinco accidentes por mes, por lo tanto, λ =5. Nos interesa analizar
lo que sucede cuando X toma valores iguales a 0, 1, 2 ó 3, que corresponde al número de accidentes
en un mes y considerando que e = 2.7182.
50
P ( x=0 )= =0.0067
e 5 0!
51
P x=1 = 5 =0.0337
( )
e 1!
52
P ( x=2 )= 5 =0.0842
e 2!
53
P ( x=3 )= 5 =0.1404
e 3!
Conviene organizar esta información en una tabla de distribución de probabilidad.
X P(X)
0 0.0067
1 0.0337
2 0.0842
3 0.1404
Así, por ejemplo, se observa que la probabilidad de que haya exactamente 3 accidentes es
de 0.1404, que es equivalente al 14.04%.
Podemos hacernos más preguntas a partir de la tabla de distribución, por ejemplo:
Ejemplo 2
Si el Banco de México recibe en promedio 9 cheques sin fondos por día. Cuál es la
probabilidad de que reciba:
Solución:
La variable aleatoria discreta, X corresponde al número de cheques que llegan sin fondos al Banco
de México.
λ =9, es decir, el número de cheques en promedio, que recibe diario el Banco de México, sin fondos
por día.
95
P ( x=5 )= =0.06073
e9 5 !
90 91
[
P ( X )=1− 9 + 9 =0.9987
e 0! e 1! ]
es la probabilidad de que reciba más de un cheque sin fondos en un día. (Se puede observar que es
bastante alta la probabilidad.)
2.1 Aproximación de la distribución binomial por medio de la distribución de Poisson
La probabilidad p de éxito debe ser menor que 0.10, esto es p=¿ 0.10 y la media de una
distribución discreta binomial está dada por μ=(n)( p)<10
Veamos un ejemplo en donde es conveniente utilizar la aproximación.
Ejemplo 1
Un ingeniero, que labora en el departamento de control de calidad de una empresa eléctrica,
inspecciona una muestra al azar de 200 alternadores de un lote. Si el 2% de los alternadores
del lote están defectuosos, cuál es la probabilidad de que en la muestra:
Solución:
Primero debemos verificar que se cumplan las condiciones antes mencionadas para utilizar
la distribución de Poisson.
Por lo tanto, ambos valores cumplen con las condiciones, de manera que sí podemos usar la
aproximación propuesta.
Donde λ =4
λx
a) Ninguno esté defectuoso. Usando la expresión P X = λ
( )
e x!
40
Tenemos que P ( x ) = =0.01831
e4 0 !
Puesto que la probabilidad de éxito, en el contexto de nuestro problema, es que el artículo esté
defectuoso, o sea, que x = 0 alternadores defectuosos.
41
P ( x=1 )= =0.07326
e 4 1!
La probabilidad de que, al tomar al azar cualquier alternador del lote, uno salga defectuoso es
7.326%
Recuerda que
40 41
P ( X )=1−
[ +
]
e 4 0! e 4 1!
=1−0.0183−0.0733=0.9084
42 43
P ( X )=1−[ P ( x=0 ) + P ( x=1 )+ P ( x=2 ) + P ( x=3 ) ]=1−0.0183−0.0733−
[ +
]
e 4 2! e 4 3 !
=0.5665
P(X) = 0.5665 es la probabilidad de que más de tres alternadores estén con defecto.
Conclusión
Las características básicas de las distribuciones de frecuencia y de probabilidad son
semejantes, pero con la diferencia importante de que, por lo general, las distribuciones de
probabilidad representan distribuciones teóricas o hipotéticas, y las de frecuencia
representan observaciones obtenidas de experimentos reales. Así una distribución de
probabilidad dice, de manera teórica, lo que se puede observar en una distribución de
frecuencias.