Departamento de

Ciencias Básicas

La distribución de probabilidad
binomial

Prof. Juan Carlos Rubriche Cárdenas

Curso Intersemestral de Estadı́stica y Probabilidad

Prof. Juan Carlos Rubriche Cárdenas La distribución de probabilidad binomial

Algunos experimentos consisten en la observación de una secuencia
de intentos idénticos e independientes, cada uno de los cuales
puede resultar en una de dos salidas.

Cada artı́culo que sale de la lı́nea de producción de manufacturas

es defectuoso o no defectuoso. Cada disparo en una secuencia de
tiros a un blanco puede resultar en un acierto o en no acierto y
cada una de las n personas entrevistadas antes de una elección
local está a favor del candidato Jones o no lo está.

Prof. Juan Carlos Rubriche Cárdenas La distribución de probabilidad binomial

Experimento binomial
Un experimento binomial presenta las siguientes propiedades:
1 Consiste en un número fijo, n, de pruebas idénticas.
2 Cada prueba resulta en uno de dos resultados: éxito, S, o
fracaso, F .
3 La probabilidad de éxito en una sola prueba es igual a algún
valor p y es el mismo de una prueba a la otra. La probabilidad
de fracaso es igual a q = (1–p).
4 Las pruebas son independientes.
5 La variable aleatoria de interés es Y , el número de éxitos
observado durante las n pruebas.

Prof. Juan Carlos Rubriche Cárdenas La distribución de probabilidad binomial

Ejemplo

Un sistema de detección de alarma temprana para aviones consta

de cuatro unidades de radar idénticas que operan de manera
independiente entre sı́. Suponga que cada una tiene una
probabilidad de .95 de detectar un avión intruso. Cuando un avión
intruso entra en escena, la variable aleatoria de interés es Y , el
número de unidades de radar que no detecta el avión. ¿Es éste un
experimento binomial?

Prof. Juan Carlos Rubriche Cárdenas La distribución de probabilidad binomial

 1 El experimento comprende cuatro pruebas idénticas; cada una
de ellas consiste en determinar si una unidad particular de
radar detecta (o no) el avión.
2 Cada prueba arroja uno de dos resultados. Como la variable
aleatoria de interés es el número de éxitos, S denota que el
avión no fue detectado y F denota que fue detectado.
3 Como todas las unidades de radar detectan el avión con igual
probabilidad, la probabilidad de una S en cada prueba es la
misma y p = P(S) = P(no detectar) = .05.
4 Las pruebas son independientes porque las unidades operan de
manera independiente.
5 La variable aleatoria de interés es Y , el número de éxitos en
cuatro pruebas.
Entonces, el experimento es binomial con n = 4, p = .05 y
q = 1–.05 = .95.

Prof. Juan Carlos Rubriche Cárdenas La distribución de probabilidad binomial

Se dice que una variable aleatoria Y tiene una distribución binomial
basada en n pruebas con probabilidad p de éxito si y sólo si
 
n y n−y
p(y ) = p q , y = 0, 1, 2, · · · , n y 0 ≤ p ≤ 1.
y

La distribución de probabilidad binomial tiene muchas aplicaciones

porque el experimento binomial se presenta al muestrear defectos
en control de calidad industrial, en el muestreo de preferencia de
los consumidores o en poblaciones de votantes y en muchas otras
situaciones fı́sicas.

Prof. Juan Carlos Rubriche Cárdenas La distribución de probabilidad binomial

Ejemplos

1 Suponga que un lote de 5000 fusibles eléctricos contiene 5%

de piezas defectuosas. Si se prueba una muestra de 5 fusibles,
encuentre la probabilidad de hallar al menos uno defectuoso.
2 La experiencia ha demostrado que 30% de todas las personas
afectadas por cierta enfermedad se recuperan. Una empresa
fabricante de medicamentos ha inventado una nueva
medicina. Diez personas con la enfermedad se seleccionaron al
azar y recibieron la medicina; nueve se recuperaron al poco
tiempo. Suponga que la medicina no es efi caz en absoluto.
¿Cuál es la probabilidad de que se recuperen al menos nueve
de entre diez que recibieron la medicina?

Prof. Juan Carlos Rubriche Cárdenas La distribución de probabilidad binomial

Teorema
Sea Y una variable aleatoria binomial basada en n pruebas y
probabilidad p de éxito. Entonces

µ = E (Y ) = np y σ 2 = Var (Y ) = npq.

Ejemplo: Una empresa de exploración petrolera se forma con

suficiente capital para financiar diez exploraciones. La probabilidad
de que una exploración particular sea exitosa es .1. Suponga que
las exploraciones son independientes. Encuentre la media y la
varianza del número de exploraciones exitosas.

Prof. Juan Carlos Rubriche Cárdenas La distribución de probabilidad binomial

La distribución de probabilidad normal

La función de densidad de probabilidad normal

Prof. Juan Carlos Rubriche Cárdenas La distribución de probabilidad binomial

 Curvas normales con µ1 < µ2 y σ1 = σ2

Prof. Juan Carlos Rubriche Cárdenas La distribución de probabilidad binomial

 Curvas normales con µ1 = µ2 y σ1 < σ2

Prof. Juan Carlos Rubriche Cárdenas La distribución de probabilidad binomial

Se dice que una variable Y tiene una distribución normal de
probabilidad si y sólo si, para σ > 0 y –∞ < µ < ∞, la función de
densidad de Y es
1 2 2
f (y ) = √ e −(y −µ) /(2σ ) , −∞ < y < ∞.
σ 2π

Observe que la función de densidad normal contiene dos

parámetros, µ y σ.

Si Y es una variable aleatoria normalmente distribuida con

parámetros µ y σ, entonces

E (Y ) = µ y Var (Y ) = σ 2 .

Prof. Juan Carlos Rubriche Cárdenas La distribución de probabilidad binomial

Ejemplos

Denote con Z una variable aleatoria normal con media 0 y

desviación estándar 1.
1 Encuentre P(Z > 2).
2 Encuentre P(−2 ≤ Z ≤ 2).
3 Encuentre P(0 ≤ Z ≤ 1.73).
Dada una distribución normal estándar, calcule el valor de k tal que
1 P(Z > k) = 0.3015.
2 P(k < Z < 0.18) = 0.4197.

Prof. Juan Carlos Rubriche Cárdenas La distribución de probabilidad binomial

Siempre podemos transformar una variable aleatoria normal Y en
una variable aleatoria normal estándar Z si usamos la relación

Y −µ
Z= .
σ

Ejemplos:
1 Las calificaciones para un examen de admisión a una
universidad están normalmente distribuidas con media de 75 y
desviación estándar 10. ¿Qué fracción de las calificaciones se
encuentra entre 80 y 90?
2 Una empresa de material eléctrico fabrica bombillas de luz
cuya duración, antes de quemarse, se distribuye normalmente
con una media igual a 800 horas y una desviación estándar de
40 horas. Calcule la probabilidad de que una bombilla se
queme entre 778 y 834 horas.

Prof. Juan Carlos Rubriche Cárdenas La distribución de probabilidad binomial

La distribución de probabilidad de Poisson
Otra variable aleatoria discreta que tiene numerosas aplicaciones
prácticas es la variable aleatoria de Poisson. Su distribución de
probabilidad da un buen modelo para datos que representa el
número de sucesos de un evento especificado en una unidad
determinada de tiempo o espacio.

A continuación veamos algunos ejemplos de experimentos para los

cuales la variable aleatoria x puede ser modelada por la variable
aleatoria de Poisson:
El número de llamadas recibidas por un conmutador durante
un tiempo determinado.
El número de llegadas de clientes al mostrador de una caja de
pago en un minuto determinado.
El número de fallas de una máquina durante un dı́a
determinado.
El número de accidentes de tránsito en un una intersección
durante un tiempo determinado.
Prof. Juan Carlos Rubriche Cárdenas La distribución de probabilidad binomial
En cada uno de estos ejemplos, X representa el número de eventos
que ocurren en un periodo o espacio, durante el cual se puede
esperar que ocurra un promedio de µ de estos eventos. Las únicas
suposiciones necesarias, cuando uno usa la distribución de Poisson
para modelar experimentos tales como éstos, son que los eventos
ocurren al azar e independientemente unos de otros.

La distribución de probabilidad de Poisson

Sea µ el número promedio de veces que ocurre un evento en cierto
tiempo o espacio. La probabilidad de k sucesos de este evento es

µk e −µ
P(X = k) =
k!
para valores de k = 0, 1, 2, 3, · · · .
La media y varianza de la variable aleatoria de Poisson X son

Media: µ
Varianza: µ
Prof. Juan Carlos Rubriche Cárdenas La distribución de probabilidad binomial
Ejemplos

1 El número promedio de accidentes de tránsito en cierto cruce

de carreteras es dos por semana. Suponga que el número de
accidentes sigue una distribución de Poisson con µ = 2.
(a) Encuentre la probabilidad de que no haya accidentes en este
cruce de carreteras durante un periodo de 1 semana.
(b) Encuentre la probabilidad de que a lo sumo haya tres
accidentes en esta sección de carretera durante un periodo de
2 semanas.

Prof. Juan Carlos Rubriche Cárdenas La distribución de probabilidad binomial

Otro ejemplo ...

Suponga que una compañı́a de seguros de vida asegura las vidas de

5000 hombres de 42 años de edad. Si estudios actuariales
muestran que la probabilidad de que cualquier hombre de 42 años
muera en un año determinado es .001, encuentre la probabilidad
exacta de que la compañı́a tendrá que pagar X = 4 reclamaciones
durante un año determinado.

Prof. Juan Carlos Rubriche Cárdenas La distribución de probabilidad binomial

La distribución de probabilidad de Poisson da una aproximación
sencilla, fácil de calcular y precisa a probabilidades binomiales
cuando n es grande y µ = np es pequeña, de preferencia con
np < 7.

Prof. Juan Carlos Rubriche Cárdenas La distribución de probabilidad binomial