DISTRIBUCIÓN BINOMIAL

(Distribución de Probabilidad Discreta)

La distribución binomial, es un tipo de distribución discreta de probabilidad que se basa en un

experimento aleatorio, que tiene tres características:

1. La variable es binomial y por lo tanto discreta, es decir, cada intento tiene sólo dos
resultados posibles; éxito o fracaso. En el caso de la moneda que se lanza, cara o sello.
2. Las probabilidades de éxito o fracaso no varían de una repetición a otra del experimento,
en otras palabras, los ensayos son independientes entre sí. Con el ejemplo de la moneda,
la probabilidad de obtener cara siempre será 0,5 para cada lanzamiento,
independientemente del número de veces que se lance la moneda.
3. El resultado, es decir, el éxito o el fracaso de cualquier observación es independiente del
resultado de otra observación. Esto quiere decir en el caso de la moneda, que el resultado
de un lanzamiento no afecta el resultado de cualquier otro lanzamiento.

A un experimento como este también se le conoce como proceso

Bernoulli.

Cabe recordar que la suma de los dos posibles resultados es igual a 1.

Se suele representar a la Probabilidad de Éxito como p, y la
probabilidad de Fracaso como q.

Como p+q=1 , entonces:

q=1- p

FÓRMULA BINOMIAL

n!
P ( X )=
( X !(n−X )! )
X n− X
p (1−p)

P(X)=Probabilidad de X éxitos, dadas n y p

n=número de observaciones o intentos
p=probabilidad de éxitos
1-p= probabilidad de fracasos
X= Número de éxitos en la muestra o éxitos deseados. (0,1,2…,n)
Si recuerdas lo visto en Técnicas de conteo en Estadística Descriptiva, la primera parte de fórmula
es la fórmula de la COMBINATORIA:

n!
❑n C X =
( X !( n− X) ! )
n ! , se lee n factorial y puedes utilizar la calculadora para hallarlo .

Realicemos un ejemplo sencillo: Calculemos la probabilidad de obtener exactamente dos caras

(en cualquier orden) en tres lanzamientos de una moneda no alterada.

Simbólicamente, expresamos los valores de la siguiente manera:

p= Probabilidad de tener éxito = que para el caso de una moneda, es ½, es decir, 0.5.

q=1-p= Probabilidad de fracaso=0.5

n= número de intentos hechos= 3

X= N° de éxitos deseados =2

Utilizando la fórmula binomial, remplazamos:

3!
P ( 2 )=
( 2 ! ( 3−2 ) ! )
( 0.5 )2 ( 1−0.5 )3−2

P ( 2 )=
( 2 !3( 1! ) ! ) ( 0.5) ( 0.5 )
2 1

P ( 2 )=
( ( 3∗2∗1
2∗1 )( 1 ) )
( 0.25 ) ( 0.5 )=0.375

Por tanto, existe una probabilidad de 0,375 de obtener dos caras en tres lanzamientos de una
moneda no alterada.

EJEMPLOS: Considere lo expuesto en el caso “USO DE LA ESTADISTICA”:

1. Si la posibilidad de que un formato de pedido sea marcado es de 0,1, ¿Qué probabilidad

existe de que haya tres formatos marcados en una muestra de cuatro?
Solución:
Lo que me piden, es determinar la P(X=3), dadas n=4 y p=0,1
Remplazamos en la formula Binomial.

4!
P ( 3 )=
( 3 ! ( 4−3 ) ! )
( 0.1 )3 ( 1−0.1 )4−3=0.0036
 2. Si la posibilidad de que un formato de pedido sea marcado es de 0,1, ¿Qué probabilidad
existe de que haya tres o más formatos marcados (es decir por lo menos tres) en una
muestra de cuatro?
Solución:
Lo que me piden es determinar P(X≥3), dadas n=4 y p=0,1
En este ejercicio lo que debemos hacer para calcular la probabilidad de obtener por lo
menos tres formatos marcados, necesitamos sumar las P(X=3) y P(X=4). Como ya
conocemos por el ejercicio anterior que P(X=3)=0.0036. Nos basta con hallar entonces la
probabilidad de obtener cuatro formatos marcados:

4!
P ( 4 )=
( )
4 ! ( 4−4 ) !
( 0.1 ) 4 ( 1−0.1 )4−4 =0.0001

Así la probabilidad de obtener tres o más formatos marcados es:

P ( X ≥3 )=P ( X=3 )+ P ( X =4 )

0.0036+ 0.0001

0.0037

Existe un 0,37% de posibilidad de tener al menos tres formatos de pedido marcados en una
muestra compuesta por cuatro formatos.
Te propongo que
realices el siguiente
Se tiene una máquina que, de acuerdo con ejercicio.
registros históricos, produce 3% de artículos
defectuosos, si se extraen al azar 2 artículos de
los que se fabrican, ¿cuál es la probabilidad de
que hayan 0 artículos defectuosos, 1 o 2?

Te invito a que intentes hacerlo sólo y luego puedes

comprobar el resultado al final de este documento!
 MEDIA Y DESVIACIÓN DE LA DISTRIBUCIÓN BINOMIAL
La media de la Distribución Binomial es igual al producto de n por p, es decir:

La media µ de la distribución binomial es igual a la multiplicación del tamaño n de la muestra

por la probabilidad de éxito p.

μ=np

La Varianza es:

σ 2=npq

La desviación estándar de la distribución binomial se calcula así:

DESVIACIÓN ESTANDAR DE LA DISTRIBUCIÓN BINOMIAL

σ =√ σ 2= √np (1− p)

EJEMPLO:

La exactitud al tomar los pedidos en la ventanilla de servicio a los automovilistas es una

característica muy importante de las cadenas de comida rápida. Todos los meses, QSR Magazine
publica los resultados de sus encuestas. La exactitud se evalúa como el porcentaje de pedidos
compuestos por un artículo principal, uno secundario y una bebida que se sirven correctamente.

Hace poco, el porcentaje de pedidos de este tipo servidos correctamente en Burger King fue del
88%. Suponga que usted y dos de sus amigos van en el automóvil a la ventanilla de servicio de
Burger King y cada uno hace un pedido como el descrito antes.

a) ¿Cuál es la probabilidad de que los tres servicios se sirvan con exactitud?

b) ¿Ninguno de los tres?
c) ¿Al menos dos de los tres?
d) ¿Cuál es el promedio y la desviación estándar del número de pedidos servidos con
exactitud?
SOLUCIÓN:

a) Para este ejercicio tenemos que:

p = 0.88 Probabilidad de éxito
q = (1- 0.88) =0.12 Probabilidad de Fracaso
n=3 N° de intentos
X=3 N° de éxitos deseados

Nos están pidiendo P(X=3):

3!
P ( X=3 )=
( )
3 ! ( 3−3 ) !
( 0.88 )3 ( 0.12 )3−3 =0.6815

R/ta: La probabilidad de que los tres pedidos se sirvan con exactitud es de 68.15%

b) Para este ejercicio tenemos los mismos datos que el anterior, sólo que X=0
Nos están pidiendo P(X=0), es decir, cuando Ninguno de los tres pedidos se sirve con
exactitud:

3!
P ( X=0 )=
( 0! ( 3−0 ) !)( 0.88 )0 ( 0.12 )3−0=0.0017

R/ta: La probabilidad de que ninguno de los pedidos se sirva con exactitud es de 0.17%

c) Para este ejercicio nos están pidiendo que al menos dos de los tres pedidos se sirvan con
exactitud, es decir, que mínimo dos, en este caso debemos sumar la probabilidad de que
sirvan dos y de que sirvan tres con exactitud, es decir; P(X≥2) =P(X=2)+P(X=3):

Como ya tenemos el valor de la probabilidad de que sirvan 3: P(X=3) = 0.6815; entonces

debemos hallar cuando P(X=2) y luego sumarlas:

3!
P ( X=2 )=
( )
2 ! ( 3−2 ) !
( 0.88 )2 ( 0.12 )3−2=0.2788

Ahora, sumamos:

P ( X ≥2 ) =P ( X=2 ) + P ( X=3 )

P ( X ≥2 ) =0.2788+0.6815=0.9603

R/ta: La probabilidad de que al menos dos pedidos se sirvan con exactitud es de 96.03%
 d) En este punto me piden el promedio, es decir la media y la desviación de los pedidos con
exactitud, es decir de los tres pedidos que hicieron tú y tus amigos, n=3. Para esto usamos
la formulas:
Para la media, μ=np

μ= ( 3 )( 0.88 )=2.64

Para la desviación, primero hallar la varianza: σ 2=npq=( 2.64 ) ( 0.12 )=0.3168

Ahora si hallo la desviación:

σ =√ σ 2= √0.3168=0.563

R/ta: El promedio de pedidos servidos con exactitud en una muestra de tres pedidos es 2,64 y la
desviación es 0,563

DISTRIBUCIÓN DE POISSON
(Distribución de Probabilidad Discreta)

La distribución de Poisson, es otra distribución discreta, lleva el nombre del matemático francés
Simeon Denis Poisson (1781-1840).

La distribución de Poisson se utiliza para describir ciertos tipos de

procesos, entre los que se encuentran la distribución de llamadas
telefónicas que llegan a un conmutador, las solicitudes de
pacientes que requieren servicio en una institución de salud, las
llegadas de camiones en una caseta de cobro y el número de
accidentes registrados en una intersección, etc. Estos ejemplos
tienen algo en común: “pueden ser descritos mediante una
variable discreta que toma valores enteros (0.1.2.3.4…)

La distribución de Poisson tiene un parámetro, llamado λ (Lambda), que es la media o el numero

esperado de eventos por unidad.

La varianza de la distribución de Poisson también es igual a λ, y su desviación a √ λ. El número de

eventos X de la variable aleatoria de Poisson fluctúa desde 0 hasta infinito.

La ecuación de la Distribución de Probabilidad de Poisson es:

FÓRMULA DE POISSON

e− λ λ X
P ( X )=
X!

P(X)=Probabilidad de X eventos en un área de oportunidad

EJEMPLO:

Suponga que estamos investigando la seguridad de una peligrosa intersección. Los registros
policiacos indican una media de cinco accidentes mensuales en esta intersección. El Departamento
de Seguridad de Transito desea que calculemos la probabilidad de que en cualquier mes ocurran
exactamente 0, 1. 2, 3 o 4 accidentes.

Puedes usar la tabla n°1 anexa (en la siguientes pág.) para evitar el tener que calcular e− λ,
Aplicando la fórmula:

SOLUCIÓN:

Se tiene que λ el número de eventos esperados es 5, es decir, con cero accidentes, con uno, con
dos, con tres y con cuatro.

a) Al calcular la probabilidad de que no ocurran accidentes:

e−5 (5)0 (0.00674)(1)

P ( 0 )= = =0.00674
0! 1

b) De que ocurra 1 accidente:

e−5 (5)1 (0.00674 )(5)
P ( 1 )= = =0.03370
1! 1

c) De que ocurran 2 accidentes:

e−5 (5)2 (0.00674)(25)
P ( 2 )= = =0.08425
2! 2
d) De que ocurran 3 accidentes:
e−5 (5)3 (0.00674)(125)
P ( 3 )= = =0.14042
3! 6

e) De que ocurran 4 accidentes:

e−5 (5)4 (0.00674)(625)
P ( 4 )= = =0.17552
4! 24
TABLA PARA CALCULAR e− λ
 EJERICICIO PROPUESTO RESUELTO ¿Recuerdas que te
habíamos propuesto que
realizarás sólo este
Se tiene una máquina que, de acuerdo con
ejercicio?
registros históricos, produce 3% de artículos
defectuosos, si se extraen al azar 2 artículos de
los que se fabrican, ¿cuál es la probabilidad de
que haya 0 artículos defectuosos, 1 o 2?

Se tiene que n= 2, entonces:

2!
P ( 0 )=
( )
0 ! ( 2−0 ) !
( 0.03 )0 ( 1−0.03 )2−0 =0.9409

2!
P ( 1 )=
( 1 ! ( 2−1 ) !)
1
( 0.03 ) (1−0.03 ) 2−1
=0.0582

2!
( 2 ! ( 2−2
P ( 2 )=
)!)
2
( 0.03 ) ( 1−0.03 ) 2−2
=0.0009

Como estos 3 eventos conforman la totalidad del espacio

muestral, la suma de todas sus probabilidades da 1:

0.9409+0.0582+0.0009 = 1