1 Distribución binomial

Imagine que desea saber probabilidades al lanzar una moneda. Esto no debe
ser un problema para usted, sabe que sólo hay dos opciones, o cae águila o
sol, sólo existen estas dos posibilidades, podemos decir que la probabilidad
respectivamente es de 1 de 2 para cada lado de la moneda. Entonces lanzamos
la moneda y listo averiguamos que cayó.
Pero, ¿qué sucederı́a si lanzamos la moneda más de una vez? Digamos
tres veces, podrı́amos utilizar las herramientas vistas en clase tal como el
diagrama de árbol o utilizar las combinaciones para observas los posibles
resultados. Sin embargo, esto se comienza complicar al realizar más tiros y
buscar exactamente alguna posible combinación.
Además observarı́a algo muy curioso, este tipo de situaciones forman un
patrón en las probabilidades. A esto se le conocerı́a formalmente como una
distribución de probabilidad, piense en esto como realizar la gráfica una tabla
de frecuencias, como el histograma o barras vistas en clase. Si grafica el
lanzamiento de la moneda en varias ocasiones encontrarı́a una distribución
peculiar, llamada distribución binomial.
Suponga que realizará un experimento que se repetirá varias veces. Este
experimento requiere lo siguiente:

• El experimento consiste en n intentos repetidos, donde n ya esta deci-

dido antes de empezar.

• x es el número de éxitos en n intentos.

• Los intentos repetidos son independientes entre sı́ y cada intento tiene
dos posibles resultados: éxito o fracaso.

• La probabilidad de éxito es contante a lo largo de los intentos y esta

denotada como p. Por lo tanto la probabilidad de fracaso es q. Recuerde
que p + q = 1.

Ejemplo 1. La probabilidad de obtener 5 águilas en 12 lanzamientos de una

moneda.
La probabilidad de obtener ”x número de éxitos (los fracasos serı́an n−x)
en n intentos en un orden especifico” serı́an los siguientes:

px q n−x = px (1 − p)n−x (1)

ası́ en este ejemplo:

(0.5)5 (1 − 0.5)12−5 = (0.5)5 (0.5)7 = 0.00024 (2)

1
Esta probabilidad aplica para cualquier secuencia de n intentos en donde
estén x éxitos y (n−x) fracasos. Por ejemplo, en la siguiente tabla se muestra
los 12 lanzamientos, el la probabilidad de éxito es la antes encontrada de
0.00024, cada 1 significa que tuvimos éxito que cayó águila y el 0 cayó sol.
La diferencia es que son distintas formas de obtener el éxito.
Lanzamientos 1 2 3 4 5 6 7 8 9 10 11 12
x 1 1 1 1 1 0 0 0 0 0 0 0
x 1 1 1 1 0 1 0 0 0 0 0 0
Entonces cabe preguntarse ahora ¿cuántos son los posibles resultados de
obtener 5 águilas en 12 lanzamientos? En otras palabras, debemos calcular
el número de combinaciones
   
n n 12
Cr = = = 792 (3)
r 5
Tenemos que multiplicar la probabilidad que encontramos por el número de
maneras en que se puede seleccionar x éxitos de los n intentos, esto con el
fin de obtener ”x éxitos en n intentos en cualquier orden”.
(792)(0.00024) = 0.19 (4)
Definición. Una variable aleatoria tiene una distribución binomial si su
distribución de probabilidad esta dada por
 
n x
b(x; n, p) = p (1 − p)n−x (5)
x
Ejemplo 2. Una moneda no alterada se lanza 3 veces, ¿cuál es la probabil-
idad de obtener 2 soles? Observe que los éxitos x son la cantidad de soles
que se buscan, la cantidad de experimentos n es el número de lanzamientos
que se realizan y la probabilidad de éxito es 0.5
 
3
b(2; 3, 0.5) = (0.5)2 (1 − 0.5)3−2 = (3)(0.25)(0.5) = 0.375 (6)
2
Ejemplo 3. En sabritas, 8 de cada 10 bolsas de 52 gr se llenan correctamente.
¿Cuál es la probabilidad de obtener 3 bolsas llenas correctamente de una caja
de 6?
 
6
b(3; 6, 0.8) = (0.8)3 (1 − 0.8)6−3 = (20)(0.512)(0.008) = 0.0819 (7)
3
Ejemplo 3. Los estudiantes siempre llegaran tarde. Un profesor se da cuenta
de ello y calcula que de un grupo de 5 estudiantes, hay una probabilidad de
0.4 de que cualquiera de ellos se retrase.

2
 1. Encuentre la probabilidad de que nadie llegue tarde.
2. Encuentre la probabilidad de que 3 alumnos lleguen tarde.
3. ¿Cuál es la probabilidad de que al menos 4 alumnos lleguen tarde?
4. ¿Cuál es la probabilidad de que más de 4 alumnos lleguen tarde?
5. Encuentre la probabilidad de que a lo más (como máximo) lleguen 2
alumnos tarde.
6. ¿Cuál es la probabilidad de que algún alumno llegue tarde?
Resolviendo el primer inciso
 
5
b(0; 5, 0.4) = (0.4)0 (1 − 0.4)5−0 = (1)(1)(0.0777) = 0.0777 (8)
0
Resolviendo la segunda cuestión
 
5
b(3; 5, 0.4) = (0.4)3 (1 − 0.4)5−3 = (10)(0.064)(0.36) = 0.2304 (9)
3
Para resolver la tercera cuestión, es importante entender que lo que contes-
tamos anteriormente, por ejemplo el 0.2304 es la probabilidad de que tres
alumnos lleguen tarde, pero al introducir la frase por lo menos, significa que
no sólo consideramos que 4 alumnos lleguen tarde, también debemos consid-
erar que los 5 estudiantes lleguen tarde, entonces resolviendo esto (recuerde
que esto de ”por lo menos” ya lo habı́amos discutido en la construcción del
diagrama de árbol en eventos independientes):

 
5
b(4; 5, 0.4) = (0.4)4 (1 − 0.4)5−4 = (5)(0.0256)(0.6) = 0.0768 (10)
4
 
5
b(5; 5, 0.4) = (0.4)5 (1 − 0.4)5−5 = (1)(0.0102)(1) = 0.0102 (11)
5
Entonces una vez que consideramos todas esas situaciones donde hay por lo
menos 4 alumnos retrasados sumamos:
0.0768 + 0.0102 = 0.087 (12)
Resolviendo el cuarto inciso es más de 4 sin considerar el 4 alumno, entonces
sólo quedarı́an 5 alumnos por llegar tarde
 
5
b(5; 5, 0.4) = (0.4)5 (1 − 0.4)5−5 = (1)(0.0102)(1) = 0.0102 (13)
5

3
Resolviendo el quinto acierto es similar al tercero pero ahora es como máximo,
por lo tanto debemos considerar 0,1 y 2 alumnos que lleguen tarde
 
5
b(0; 5, 0.4) = (0.4)0 (1 − 0.4)5−0 = (1)(1)(0.0777) = 0.0777 (14)
0
 
5
b(1; 5, 0.4) = (0.4)1 (1 − 0.4)5−1 = (5)(0.4)(0.1296) = 0.2592 (15)
1
 
5
b(2; 5, 0.4) = (0.4)2 (1 − 0.4)5−2 = (10)(0.16)(0.216) = 0.3456 (16)
2
0.0777 + 0.2592 + 0.3456 = 0.6825 (17)
Para responder el ultimo acierto, se pide encontrar la probabilidad de que
alguno llegue tarde. Entonces debemos considerar todos los casos donde
alguno llegue tarde es decir, 1, 2, 3, 4 y 5, en todos los casos alguno llego
tarde, solamente en 0 nadie llego tarde, si la probabilidad de que nadie llegue
tarde es
 
5
b(0; 5, 0.4) = (0.4)0 (1 − 0.4)5−0 = (1)(1)(0.0777) = 0.0777 (18)
0

por lo tanto la probabilidad de que alguno llegue tarde debe ser

1 − 0.0777 = 0.9223 (19)

recuerde que la suma de todos los casos debe de dar 1. Si solo quitamos el
caso de 0 alumnos llegando tarde nos queda 0.9223 del resto de probabilidad
de que alguno llegue tarde.