Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Introducción
VARIABLE ALEATORIA CONTÍNUA: es aquella que puede tomar cualquier valor (
peso, volumen. Dimensiones etc.
Para las variables aleatorias discretas existen otro tipo de distribuciones, como la
Distribución Binomial
Para variables aleatorias continuas que No siguen una distribución Normal, pueden
seguir otras distribuciones como la:
Distribución de Poisson
Introducción
En las empresas tenemos muchas situaciones donde se espera que
ocurra o no un evento específico. Éste puede ser de éxito o
fracaso sin dar paso a un punto medio.
Por ejemplo, en la producción de un artículo, éste puede salir
bueno o malo. Casi bueno no es un resultado de interés.
Para situaciones como éstas se utiliza la distribución binomial.
Por ejemplo:
Por ejemplo:
Calcule
a) Probabilidad de que caigan
P(x= 0 caras)
S S S S S
P(x= 1 cara)
1/2 1/2 1/2 1/2 1/2 1/32
5/32
La distribución binomial
P(x= 2 caras)
C C S S S 0,50 0,50 0,50 0,50 0,50 = 1/32
S C C S S 0,50 0,50 0,50 0,50 0,50 = 1/32
S S C C S 0,50 0,50 0,50 0,50 0,50 = 1/32
S S S C C 0,50 0,50 0,50 0,50 0,50 = 1/32
C S C S S 0,50 0,50 0,50 0,50 0,50 = 1/32
C S S C S 0,50 0,50 0,50 0,50 0,50 = 1/32
C S S S C 0,50 0,50 0,50 0,50 0,50 = 1/32
S C S C S 0,50 0,50 0,50 0,50 0,50 = 1/32
S S C S C 0,50 0,50 0,50 0,50 0,50 = 1/32
S C S S C 0,50 0,50 0,50 0,50 0,50 = 1/32
10/32
La distribución binomial
10/32
La distribución binomial
5/32
x: es el número de aciertos.
n: es el número de experimentos.
p: es la probabilidad de éxito, como por ejemplo, que salga
"cara" al lanzar la moneda.
q=1-p : es el complemneto de p, es decir que caiga sello al lanzar
una moneda
La distribución binomial
Xi (caras) P(xi)
0 1/32
1 5/32
2 10/32
3 10/32
4 5/32
5 1/32
La distribución binomial
P (k = 6) = 0.205
Es decir, que la probabilidad de obtener 6 caras al lanzar 10 veces
una moneda es de 20.5% .
Ejemplo 2 de la función
F(x=k)
4! 0 4-0
P(k=x) = 0! ( 4 – 0)! (0,125) (0,875) = 0,59
Ejemplo 4 de la función
F(x=k)
20! 4 20-4
P(k=x) = 4! ( 20 – 4)! (0,1) (0,9) = 0,08 = 8%
Ejemplo 3 de la función
F(x=k)
Un 10% de productos producidos en un proceso de fabricación resulta
defectuoso. Hallar la probabilidad de que en una muestra de 10 unidades
elegidas al azar sean exactamente 2 defectuosos.
X : 0 - 1 - 2 - 3 - 4 - 5 - 6 - 7 - 8 - 9 - 10
p= 10% = 0,1
n= 10
X= 2
q = 1-p = 0,9 2 10 -2
10!
P(k=x) = (0,1) (0,9) = 0,1937= 19,7%
2! (10 – 2)!
Ejemplo 5
En una fábrica de cámaras el 5% sale con defectos. Determine la probabilidad de que en una
muestra de 10 se encuentren hasta 2 cámaras defectuosas.
Solución :
N= 10
P= 5% = 0,05
X≤2
Q = 1-p = 1-0,05 = 0,95
X : 0 - 1 - 2 - 3 - 4 - 5 - 6 - 7 - 8 - 9 - 10
Con el excel
DISTR. BINOMIAL.N(xi, n;p; falso)
DISTR. BINOMIAL.N(0, 10;0,05; falso)
Con el excel
P(x≤2) = 0,5987 + 0,3151 +0,0746 = 0,9885 DISTR. BINOMIAL.N(2, 10;0,05; verdadero)
USO DE TABLAS BINOMIALES
Utilizando la tabla de probabilidad binomial se pueden resolver los ejemplos anteriores.
Para esto debe saber los valores x y B (n,p) .
• (n)= El número de veces que se realiza el experimento
• p = La probabilidad de éxito
• x = El número de éxitos (este valor se encuentra entre 0 y n)
• En el parámetro B(n,p), n debe ser mayor de 0 y p un valor desde 0 al 1.
La probabilidad p se busca en la primera fila (valores desde 0’01 hasta 0’5).
El número de veces que se realiza el experimento, en la primera columna (valores
desde 2 a 10) y el número de éxitos a su lado.
Nota importante: En las tablas encontramos los valores acumulativos esto es:
P(2) = P(0) +P(1) +P(2)
En la tabla encuentras valores de n hasta 10 y p hasta 0,5
Acumulada
n x p
Ejemplo 5
B(n,p)
X : 0 - 1 - 2 - 3 - 4 - 5 - 6 - 7 - 8 - 9 - 10
Solución :
Se trata de una distribución binomial de parámetros
n = 10
p = 0,05
Debemos calcular la probabilidad de que x sea menor e igual que 2. Esto es
P (x<=2).
Busque en la parte izquierda de la tabla n=10, luego en la parte superiror
p=0.05 . La probabilidad estará en x≤2 ( la tabla me da el valor acumulativo X
=0; x = 1; x =2)
P (X ≤ 2) = 0.985 = 98,5%
Acumulada
Ejemplo 3 de la función
Datos
p= 10% = 0,1
n= 10
q = 1-p = 0,9
P(k=x)
Ejemplo 3 de la función
F(x=k)
Un 10% de productos producidos en un proceso de fabricación resulta defectuoso. Hallar
la probabilidad de que en una muestra de 10 unidades elegidas al azar se encuentre:
a) hasta 3 defectuosos ( x ≤ 3)
b) 3 defectuosos ( X = 0)
c) 3 o mas defectuosos ( X ≥ 3), es decir X= 3,3,5,6,7,8,9 y 10)
d) Más de 3 defectuosos ( X > 3); es decir X = 3,4,5,6,7,8 y 10
e) De 3 a 5 defectuosos ( 3 ≤ x ≤ 5); es decir X = 3, 4,5
b.- 3 defectuosos ( x = 3)
X: 1 - 2 - 3 - 4 - 5 - 6 - 7 - 8 - 9 - 10
Primero calculamos (X ≤ 2)
P(x≤2) = 0,9298 =92,98%
Luego para calcular el de (X ≥ 3), usamos la ecuación
P(X ≥ 3) = 1 – P(X ≤ 2)
P(X ≥ 3) = 1 – 0,9298 = 0,0702 = 7,02%
Ejemplo 3 de la función
Un 10% de productos producidos en un proceso de fabricación resulta defectuoso. Hallar la
probabilidad de que en una muestra de 10 unidades elegidas al azar se encuentre:
a) hasta 3 defectuosos ( x ≤ 3)
b) 3 defectuosos ( X = 0)
c) 3 o mas defectuosos ( X ≥ 3), es decir X= 3,3,5,6,7,8,9 y 10)
d) Más de 3 defectuosos ( X > 3); es decir X = 3,4,5,6,7,8 y 10
e) De 3 a 5 defectuosos ( 3 ≤ x ≤ 5); es decir X = 3, 4,5
Primero calculamos (X ≤ 3)
P(x≤3) = 0,9872
Luego para calcular el de (X > 3), usamos la ecuación
P(X >3) = 1 – P(X ≤ 3)
P(X > 3) = 1 – 0,9872 = 0,0128 = 1,28%
Ejemplo 3 de la función
Un 10% de productos producidos en un proceso de fabricación resulta defectuoso. Hallar la
probabilidad de que en una muestra de 10 unidades elegidas al azar se encuentre:
a) hasta 3 defectuosos ( x ≤ 3)
b) 3 defectuosos ( X = 0)
c) 3 o mas defectuosos ( X ≥ 3), es decir X= 3,3,5,6,7,8,9 y 10)
d) Más de 3 defectuosos ( X > 3); es decir X = 3,4,5,6,7,8 y 10
e) De 3 a 5 defectuosos ( 3 ≤ x ≤ 5); es decir X = 3, 4,5
Primero calculamos (X ≤ 2)
P(x≤2) = 0,9298
Segundo calculamos (X ≤ 5)
P(x≤5) = 0,9999
Tercero calculamos P(3 ≤ x ≤ 5) como la diferencia entre P(X ≤ 5) – P(X ≤ 2)
P(3 ≤ x ≤ 5) = P(X ≤ 5) – P(X ≤ 2)
P(3 ≤ x ≤ 5) =0,9999 – 0,9298 = 0,0701 = 0,701%
Acumulada
Media y desviación de la distribución
binomial
Media y desviación típica en una distribución binomial
• el número esperado de éxitos o media, viene dado por X = n · p. (Recordemos que
la media es una medidad de centralizaciòn).
• La desviación típica, que es una medida de dispersión y mide lo alejados que
están los datos de la media, viene dada por (σ ) = √(n · p · q)
Características de la distribución
binomial
Media
= E(X) = n p P(X) n = 5 p = 0.1
.6
= 5 · 0.1 = 0.5 .4
.2
= 5 · 0.5 = 0.25 0 X
0 1 2 3 4 5
Desviación estándar
P(X) n = 5 p = 0.5
= np (1 − p ) .6
.4
= 5 0.1 (1 − 0.1) = 0.67 .2
X
0
= 5 0.5 (1 − 0.5) = 1.1 0 1 2 3 4 5
17
La media μ y desviación estándar σ
Características de la distribución
binomial
Media
= E(X) = n p P(X) n = 5 p = 0.1
.6
= 5 · 0.1 = 0.5 .4
.2
= 5 · 0.5 = 0.25 0 X
0 1 2 3 4 5
Desviación estándar
P(X) n = 5 p = 0.5
= np (1 − p) .6
.4
= 5 0.1 (1 − 0.1) = 0.67 .2
0 X
= 5 0.5 (1 − 0.5) = 1.1 0 1 2 3 4 5
17
Aproximación de la distribución
binomial por la normal
Una distribución binomial B (n, p) se puede aproximar por una
distribución normal, siempre que n sea grande y p no esté muy
próxima a 0 ó 1. Es decir que p tome valores cercanos a 0,5.
La aproximación consiste en utilizar una distribución normal con la
misma media y desviación típica de la distribución binomial.
En la práctica se utiliza la aproximación cuando:
n >30
np>5, nq>5 = 0,5
( )
normal
X N n p , n p (1− p)
1
Esta aproximación es np 5 cuando p
2
buena cuando n es
n (1 − p ) 5
1
grande y se cumple que: cuando p
2
Estandarización
x − (n p )
z=
n p (1 − p )
◼ Para tamaños de muestra grandes, nos permite calcular, de forma
sencilla, aproximadamente valores de probabilidad que no serían fáciles
de calcular usando la distribución binomial.
Ejemplo: Preferencia por un Candidato
Una organización política planea llevar a cabo una encuesta para detectar la
preferencia de los votantes con respecto a los candidatos A y B que ocuparán
un puesto en la administración pública. Supóngase que se toma una muestra
aleatoria de 1000 ciudadanos. ¿Cuál es la probabilidad de que 550 o mas de
los votantes indiquen una preferencia por el candidato A si la población, con
respecto a los candidatos, se encuentra igualmente dividida p =0,5?.
Solución:
Sea X la v.a. que define el número de ciudadanos que prefieren al candidato
A.
Esta v.a. tiene distribución binomial; sin embargo dado que p = ½ y la
muestra es de 1000; es decir, es una muestra grande podemos usar una
aproximación a la distribución normal para resolver el problema. Por tanto
X (
N n p , n p (1− p) ) X (
N 500 , 5 10 )
Debemos hallar : P(x 550)
Ejemplo: Preferencia por un Candidato
P(x 550)
Para ello debemos estandarizar la variable x en el valor 550 y, con la ayuda de
la tabla, respondemos la interrogante planteada.
x − np 550 − 500
P(x 550) = P = P( z 3,16)
np(1 − p )
5 10
Ejemplo: Preferencia por un Candidato
P(x 550)
Para obtener esa probabilidad debemos acudir a la tabla de probabilidades de
la función normal estándar, recordando que esta tabla nos proporciona
probabilidades acumuladas; es decir, el caso que nos ocupa lo resolvemos:
P( z 3,16 ) = 1 − P( z 3,16 )
Graficar
Buscamos valores de X = de 0 a 10
n = 10
p= 0,4
q = 1-0,4 = 0,6
x n-x
P(x) = n! p q
x! ( n – x)!
http://karnak.upc.es/teaching/estad/MC/taules/com-usar-
taules.pdf
Referencias
• http://personal5.iddeo.es/ztt/Tem/t19_distribucion_binomial.htm
• http://www-stat.stanford.edu/~naras/jsm/example5.html
• http://cyber.gwc.cccd.edu/faculty/jmiller/Binom_Tab.pdf
• http://descartes.cnice.mecd.es/Estadistica/Distribucion_binomial/bino
mial.htm
• http://descartes.cnice.mecd.es/Estadistica/Binomial_Normal/index.ht
m