DISTRIBUCIÓN BINOMIAL Y DISTRIBUCIÓN DE POISSON

Estas dos distribuciones de probabilidad se utilizan para trabajar con variables discretas, que no

admiten decimales. Son casos particulares de distribución que encuentran bastantes

aplicaciones prácticas, y que cuando se aplican a experimentos con muchas repeticiones se

aproximan bien a una distribución normal.

LA DISTRIBUCIÓN BINOMIAL.-

o La Distribución Binomial, para variables tipo “pasa, no pasa”, permite calcular la

probabilidad de que se obtenga un número dado de éxitos (X), a partir de un número dado

de intentos (n), y de una proporción (p) de éxitos conocida y constante para un proceso o

una población dados.

Las variables “pasa, no pasa” se consideran cuantitativas discretas. La proporción

éxito/fracaso se considera una constante, a partir de la suposición de que la población en

la que se desarrollan los experimentos es infinita, dando por resultado en la práctica una

serie de experimentos independientes. Se trata, por tanto, de un experimento tipo

Bernoulli. Un experimento tipo Bernoulli tiene las siguientes características:

  Cada ensayo conduce a dos únicos resultados posibles, mutuamente

excluyentes, llamados “éxito” el uno y “fracaso” el otro.

 La probabilidad de “éxito” o “fracaso” para cualquier intento permanece

fija en el tiempo (la población es lo suficientemente grande como para que

la ejecución de los ensayos no alteren la proporción, y se considere que

existe reposición).

 Los ensayos sucesivos son estadísticamente independientes, es decir el

resultado de un ensayo en particular no es afectado, ni afecta, por el

resultado de cualquier otro ensayo.

La fórmula utilizada es:

En EXCEL se encuentra la fórmula estadística: =DISTR.BINOM.N(x;n;p;0ó1)

El último parámetro es 0 para probabilidad individual, y 1 para probabilidad acumulada.

Se usan también TABLAS DE DISTRIBUCIÓN BINOMIAL, INDIVIDUAL y ACUMULADA. Estas

tablas dan datos hasta n = 25. En EXCEL no hay límite para n.

Cuando se trata de hallar probabilidades para rangos de datos grandes, puede ser

conveniente utilizar la aproximación a la distribución Normal.

NOTA: 0! = 1 ; X0 = 1 (cualquier número elevado a la cero es igual a 1)

Ejemplos:

1.- Un almacén ha determinado que la probabilidad de que un cliente aleatorio compre es del 20%

(p=0,2). Si entran al almacén 6 posibles clientes,

a.) ¿Cuál es la probabilidad de que compren exactamente cuatro de ellos?

Solución: Es un experimento tipo Bernoulli. n=6; X=4; p=0,2; q=0,8

!
P(4) = X (0,2)4 X (0,8)2 = 0,01536 = 1,54 %
! !

b) ¿Cuál es la probabilidad de que compren 4 clientes o menos?

P (0U1U2U3U4) = P(0) + P(1) + P(2) + P(3) + P(4) = 0,2621 + 0,3932 + 0,2458 + 0,0819 + 0,0154 = 99,84%

Probabilidad Acumulada para n=6; X=4; p=0,2 = 99,84%

c.) ¿Cuál es la probabilidad de que compren mínimo 5 clientes (es lo mismo que “cuando menos 5

clientes”)?

P(5U6) = P(5) + P(6) = 0,0015 + 0,0001 = 0,16 %

d.) ¿Cuál es la probabilidad de que compren la mayoría de clientes que entraron?

La mayoría son 4 ó 5 ó 6 (mayoría es la mitad más 1)

P(4U5U6) = P(4) + P(5) + P(6) = 0,0154 + 0,0015 + 0,0001 = 1,7%

e.) ¿Cuál es la probabilidad de que compren hasta 4 clientes?

Hasta 4 clientes es lo mismo que 4 clientes o menos.

P = 99,84%

f.) ¿Cuál es la probabilidad de que compren al menos 5 clientes?

Al menos 5 clientes es lo mismo que mínimo 5 clientes (o que “cuando menos 5 clientes”).

P = 0,16%

g.) ¿Cuál es la probabilidad de que compren menos de 5 clientes?

Es lo mismo que 4 clientes o menos

P(0U1U2U3U4) = 99,84%
h.) ¿Cuál es la probabilidad de que compren máximo 4 clientes?

Es lo mismo que hasta 4 clientes, y lo mismo que 4 clientes o menos.

P = 99,84%

i.) ¿Cuál es la probabilidad de que no compre ningún cliente?

!
P(0) = X (0,2)0 X (0,8)6 = 0,2621 = 26,21%
! !

j.) ¿Cuál es la probabilidad de que compren entre 2 y 6 clientes?

Las probabilidades de cada número de clientes deben ser sumadas (porque sirve ó 2 clientes ó 3
clientes ó 4 clientes ó 5 clientes ó 6 clientes):

!
P(2) = X (0,2)2 X (0,8)4 = 0,2458
! !

!
P(3) = X (0,2)3 X (0,8)3 = 0,0819
! !

!
P(4) = X (0,2)4 X (0,8)2 = 0,0154
! !

!
P(5) = X (0,2)5 X (0,8)1 = 0,0015
! !

!
P(6) = X (0,2)6 X (0,8)0 = 0,0001
! !

La suma da: P(2 a 6) = 0,3447 = 34,47%

2.- Un examen de selección múltiple consta de 200 preguntas. Cada pregunta ofrece una respuesta

correcta y una incorrecta para ser seleccionadas. Se aprueba si se contesta correctamente 110

preguntas o más. Suponiendo que un alumno se lanza a contestar todo al azar, calcule la probabilidad

que él tiene de aprobar el examen.

Solución.- Se trata de un experimento Bernoulli, con p=0,5; q=0,5; n=200; X=110, 111, 112…….
En este caso, habría que calcular las probabilidades de: P(110), P(111), P(112)…….P(200), lo cual puede

ser un trabajo bastante largo, excepto en el EXCEL, que da un resultado total de 0,089482. O sea un

8,95% de probabilidad de aprobar contestando al azar.

Se puede hacer con APROXIMACIÓN A LA NORMAL.-

 = 200 x 0,5 = 100

 = √200X0,5X0,5 = 7,07

Z para 110: (110 - 100) / 7,07 = 1,41 P(Z=1,41) = 0,07927 = 7,92% (error del 11,5%)

3.- La probabilidad de que un empleado elegido al azar se jubile voluntariamente es del 40%. Si, en

forma aleatoria, se escogen a 5 empleados,

a.) ¿Cuál es la probabilidad de que exactamente 3 de ellos se jubilen?

Solución.- Es un experimento Bernoulli, con n=5; p=0,4; q=0,6; X=3.

!
P(3) = X (0,4)3 X (0,6)2 = 0,2304 = 23,04 %
! !

b.) Si se escogen 10 empleados, ¿Cuál es la probabilidad de que se jubilen cuando menos 7 de ellos?

P(X>=7) = P(7) + P(8) + P(9) + P(10) = 0,0425 + 0,0106 + 0,0016 + 0,0001 = 5,48%
 LA DISTRIBUCIÓN DE POISSON.-

o La Distribución de Poisson considera una tasa  conocida de ocurrencia de eventos en el

tiempo o en el espacio (defectos por metro, fallas por día, clientes por hora) para un

proceso dado. En base a ese dato, se trata de predecir la probabilidad de que se presente

un número esperado de eventos (x) en esa unidad de tiempo o espacio.

- La fórmula utilizada es:

NOTA: e = base de los logaritmos naturales = 2,7183

____________________________________________________________________

En EXCEL: =POISSON.DISTR(X; ; 0ó1)

0 para Probabilidad Puntual y 1 para Probabilidad Acumulada
- Se usan también TABLAS DE DISTRIBUCIÓN DE POISSON, INDIVIDUAL y ACUMULADA. Estas tablas

dan datos hasta X = 50.

- Cuando se trata de hallar probabilidades para rangos de datos grandes, puede ser conveniente

utilizar la aproximación a la distribución Normal.

Ejemplos:

1) Un departamento de reparación de maquinaria recibe, en promedio, cinco solicitudes de servicio

por hora.

= 5 solicitudes / hora

a.) ¿Cuál es la probabilidad de que ese departamento reciba exactamente 3 solicitudes de servicio

en una hora seleccionada al azar?

P(X) = (2,7183-5 X 53) / 3! = 14,04 %

En tablas:

P(X=3;=5) = 0,1404 = 14,04%

b.) ¿Cuál es la probabilidad de recibir menos de tres solicitudes en una hora elegida al azar?

P(0U1U2) = P(0) + P(1) + P(2) = P(X=0;=5) + P(X=1;=5) + P(X=2;=5)

P(0U1U2) = P(0) + P(1) + P(2) = 0,0067 + 0,0337 + 0,0842 = 12,46%

2) Para cierta tela, aparecen dos defectos cada 500 metros. ¿Cuál es la probabilidad de que un tramo

aleatorio de 100 metros esté libre de defectos?

DEBE BUSCARSE PARA 100 METROS

 = 2 defectos / 500 metros = 0,004 defectos / metro = 0,4 defectos / 100 metros

P(X=0;=0,4) = 67,03%

3) A cierto puerto arriba un barco pasando 1 día

 a.) ¿Cuál es la probabilidad de que lleguen 2 o más barcos a ese puerto en cualquier día tomado

al azar?

 = 1barco / 2 días = 0,5 barcos/día

P(2U3U4U5…………….) = 0,0758 + 0,0126 + 0,0016 + 0,0002 = 9,02 %

b.) ¿Cuál es la probabilidad de que en cualquier día no llegue ningún barco?

P(X=0; =0,5) = 60,65%

c.) ¿La probabilidad de que lleguen máximo 3 barcos?

P(0U1U2U3) = P(0)+P(1)+P(2)+P(3) = 0,6065 + 0,3033 + 0,0758 + 0,0126 = 99,82%

4) Un proceso productivo está mal controlado, y arroja un promedio de 35 piezas defectuosas por

día.

a.) ¿Cuál es la probabilidad de que en un día aleatorio se encuentren 20 piezas defectuosas?

P(X=20; =35) = 0,20 %

b.) ¿Cuál es la probabilidad de que en un día al azar aparezcan entre 15 y 25 piezas defectuosas?

P(15U16U17U18U19U20U21U22U23U24U25) =

0,0001 + 0,0002 + 0,0003 + 0,0006 + 0,0011 + 0,002 + 0,0033 + 0,0052 + 0,0080 + 0,0116 +
0,0162 = 4,86 %
c.) La pregunta anterior, usando la aproximación a la distribución normal.
 =  = 35
 = √ = 5,92
Z para 25 = (35-25) / 5,92 = 1,68
Área para Z = 1,68 = 4,65%
Z para 15 = (35-15) / 5,92 = 3,38
Área para Z = 0,57 = 0,036%
Área comprendida: 4,65% - 0,036% = 4,61%
 APROXIMACIONES DE LAS DISTRIBUCIONES DISCRETAS A LA
DISTRIBUCIÓN NORMAL

DISTRIBUCIÓN FÓRMULA MEDIA DESVIACIÓN

CONDICIÓN
ESTÁNDAR

n grande
(>20);
Binomial
ni p ni q
próximos
a cero

x grande
(> 20);
Poisson
 grande
(> 10)
