1

Distribuciones Binomial.
• Experimentos que se ajustan a las siguientes condiciones.
• El experimento consta de una secuencia de n experimentos más pequeños
llamados ensayos, donde n se fija antes de iniciar el experimento.
• Cada ensayo puede dar por resultado un de dos posibles resultados: éxito o falla.
• Los resultados son independientes, de modo que el resultado de cualquier ensayo
no influye en el resultado de otro ensayo.
• La probabilidad de éxito (p), y por tanto de falla (q), es constante de un ensayo a
otro.

2
Se cumplen las condiciones para que sea un experimento binomial.

Se fija previamente un número de ensayo (n = 5).

Los posibles resultados son éxito = la persona sufra eventos secundarios, fracaso = la
persona no sufra efectos secundarios al consumir la droga.
Los resultados son independientes porque la presentación de efectos secundarios en
un paciente no influye en que otro paciente también presente estos efectos.
La probabilidad de que la persona sufra los efectos es igual para cada persona, por lo
es constante entre ensayos.

Nota: también puede denotarse cómo éxito = la persona no sufre eventos

secundarios, fracaso = la persona sufre eventos secundarios. Eso depende de la
interpretación que se quiera hacer del ejercicio, finalmente los resultados serán
iguales, independientemente de la forma como se planteen el éxito y el fracaso.

3
Probabilidad de éxito en el primer ensayo:
P(E1) = 4/10 = 0,4

Probabilidad de éxito en el segundo ensayo dado que hubo éxito en el primero.

P(E2|E1) = 3/9 = 0,33

Los eventos no son independientes a medida que se repiten los ensayos y la

probabilidad de cada ensayo cambia dependiendo del resultado del ensayo anterior,
por esto no se puede considerar esta como un experimento binomial.

4
Probabilidad de éxito en el primer ensayo:
P(E1) = 400/1000 = 0,4

Probabilidad de éxito en el segundo ensayo dado que hubo éxito en el primero.

P(E2|E1) = 399/999 = 0,3994 Aprox. 0.4

Cuando se realiza muestreo sin reemplazo de una población dicotómica de tamaño N

y el tamaño de la muestra (número de ensayos) n es menor al 5% del tamaño de la
población, el experimento puede ser analizado como si fuera exactamente un
experimento binomial.

5
6
Al mantener fijo el parámetro n, y cambiar el parámetro p, se puede observar que se
dan cambios en la forma de la gráfica.

7
Al mantener fijo el parámetro p, y variar el parámetro n, se observa que la curva
mantiene la misma forma pero se desplaza sobre el eje X. La escala del eje horizontal
es igual para los cuatro gráficos presentados, nótese que las escalas del eje vertical
no son iguales para las gráficas.

8
Suponga un experimento binomial con n = 5 y p(E)=0.3.

Si nos interesa X = 2, un posible resultado es E E F F F, entonces la probabilidad de

este evento será 0.3x0.3x0.7x0.7x0.7 = 0.32x0.73 = 0.3x *0.7n-x
Además, se tiene que los posibles eventos que cumplen con X = 2 son 5C2.
De esta forma se tiene que P(X=2) = 5C2 * 0.32 * 0.73 = nCx * px qn-x

9
Usualmente en los experimentos binomiales lo que interesa es el número total de
éxitos (E), no interesa qué ensayos dieron los éxitos. Por ejemplo, si nos interesa X=2,
es indiferente en la forma que se presente (EEF, EFE, FEE), cualquiera de los tres
resultados posibles tiene la misma importancia.

X = Número de Éxitos entre los n ensayos.

Ejemplo: Si n = 3, existen ocho posibles resultados para el experimento:

EEE EEF EFE EFF FEE FEF FFE FFF

X = {0, 1, 2, 3)

10
11
Dependiendo de los parámetros de la fmp binomial, cambian las probabilidades de
X=x, igualmente cambia su varianza

12
En R:
dbinom(x = 3, n = 50, p = 0.1)

13
¿Cuál es la probabilidad de que al menos 3 televisores requieran garantía?
𝑃 𝑋 ≤3 =𝑃 𝑋 =0 +𝑃 𝑋 =1 +𝑃 𝑋 =2 +𝑃 𝑋 =3
50
𝑃 𝑋=0 =𝑓 0 = 0.10 1 − 0.1 50−0 = 0.0052
0
50
𝑃 𝑋=1 =𝑓 1 = 0.11 1 − 0.1 50−1 = 0.0286
1
50
𝑃 𝑋=2 =𝑓 2 = 0.12 1 − 0.1 50−2 = 0.0779
2
50
𝑃 𝑋=3 =𝑓 3 = 0.13 (1 − 0.1)50−3 = 0.1386
3

14
E(X) = np = 50*0.1 = 5 televisores
V(X) = npq = 50*0.1*0.9 = 4.5
Costo = E(120X) = 120 E(X) = 120*5 = $600

15
16
17
18
19
Valor esperado y Varianza
𝐾
𝐸 𝑋 =𝑛∙
𝑁

𝑁−𝑛 𝐾 𝐾
𝑉 𝑋 = ∙𝑛∙ ∙ 1−
𝑁−1 𝑁 𝑁
𝐾
Como 𝑁 = 𝑃 𝐾 = 𝑃 é𝑥𝑖𝑡𝑜 = 𝑝

Entonces,
𝐸 𝑋 = 𝑛∙𝑝

𝑁−𝑛
𝑉 𝑋 = ∙𝑛∙𝑝∙ 1−𝑝
𝑁−1

20
N = 20
K = 10
n = 15

10 20−10
10 15−10
P(X=10) = 20 =0.0163
15

21
 𝑁−𝑛
El factor 𝑁−1 es aproximadamente 1 cuando n es muy pequeño en relación a N.
Esto quiere decir que a medida que la relación n/N se hace más pequeña h(x; n, K, N)
tiende a B(x; n, p).

Como regla general, si n/N < 0.05 la distribución binomial puede utilizarse para
calcular probabilidades aproximadas que implican número de éxitos en la muestra.

Ejemplo: Suponga n = 20 y N = 800, tenemos que n/N = 20/800 = 0.05.

𝑁−𝑛
=
800 − 20 = 780 = 0.97, 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎𝑚𝑒𝑛𝑡𝑒 1.
𝑁−1 800 − 1 799

Suponga n = 20 y N = 10000, tenemos que n/N = 20/800 = 0.002.

22
 𝑁−𝑛
=
10000 − 20 = 9980 = 0.9981, 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎𝑚𝑒𝑛𝑡𝑒 1.
𝑁−1 10000 − 1 9999

Así cada vez más la varianza de las dos distribuciones será similar a medida que la
relación n/N se hace más cercana a cero.

Nota:
𝑁−𝑛
𝑁−1
siempre es menor que 1, por tanto la varianza de la distribución hipergeométrica
es menor a la de la distribución binomial.

22
23
24
25
26
Denotamos como éxito E = que el producto esté defectuoso.
Nos interesa r = 2
p = 0.01

𝑥+𝑟−1 𝑟 198 + 2 − 1
P(X = 200)= 𝑝 (1 − 𝑝)𝑥 = 0.012 (1 − 0.01)198
𝑟−1 2−1

E(X)=198

27