Matemáticas Aplicadas a Ciencias Sociales I

Distribuciones binomial y normal

TEMA Distribuciones binomial y normal

1. Variables aleatorias
Definición
Una variable aleatoria es una función que a cada suceso elemental de un experimento aleatorio le hace
corresponder un número.
Ejercicio 1. Lanzamos dos dados de 6 caras y anotamos la suma de las puntuaciones obtenidas. Elabora su
tabla de valores y represéntala gráficamente.

1.1. Clasificación de variables aleatorias

Las variables aleatorias, dependiendo de los valores que toman, pueden ser:

▪ Discretas, cuando, entre dos valores dados, solo toma un número finito de valores.

▪ Continuas, cuando, entre cada dos valores, el número de valores que puede tomar es infinito.

2. Distribuciones discretas
Definición
Una distribución de probabilidad de variable discreta es el resultado de asignar a cada valor de la variable,
𝑥𝑖 , su probabilidad, 𝑝𝑖 .
• Cada 𝑝𝑖 es un número comprendido entre 0 y 1: 0 ≤ 𝑝𝑖 ≤ 1
• La suma de todos los 𝑝𝑖 es 1: 𝑝1 + 𝑝2 + ⋯ + 𝑝𝑛 = ∑𝑝𝑖 = 1

• Se representa mediante un diagrama de barras.

Parámetros. Se definen de forma similar a los parámetros de las distribuciones estadísticas:
MEDIA: 𝜇 = ∑𝑛𝑖=1 𝑝𝑖 𝑥𝑖 = 𝑝1 · 𝑥1 + 𝑝2 · 𝑥2 + ⋯ + 𝑝𝑛 · 𝑥𝑛

VARIANZA: 𝜎 2 = ∑𝑛𝑖=1 𝑝𝑖 (𝑥𝑖 − 𝜇)2 = ∑𝑛𝑖=1 𝑝𝑖 𝑥𝑖2 − 𝜇2

DESVIACIÓN TÍPICA: 𝜎 = √VARIANZA = √∑𝑛𝑖=1 𝑝𝑖 (𝑥𝑖 − 𝜇)2 = √∑𝑛𝑖=1 𝑝𝑖 𝑥𝑖2 − 𝜇2

Ejercicio 2. En una bolsa tenemos un cierto número de bolas numeradas: 9 bolas con un uno, 5 con un dos y
6 con un tres. Sacamos una bola al azar y vemos qué número tiene.
a) ¿Cuál es la distribución de probabilidad?
b) Calcula la media y la desviación típica.
Ejercicio 3. En una urna hay diez bolas con los números 1, 1, 2, 3, 3, 3, 4, 5, 5, 6. Sacamos una bola y
anotamos el resultado. Elabora la distribución de probabilidad y calcula 𝜇 y 𝜎.

IES La Bahía 1
 Matemáticas Aplicadas a Ciencias Sociales I
Distribuciones binomial y normal

3. Distribución binomial
Definición
Una variable aleatoria, 𝑋, sigue una distribución de probabilidad binomial, y lo escribimos como 𝑋 ≡
𝐵(𝑛, 𝑝), cuando:
▪ La variable cuenta el número de veces que ocurre un suceso, 𝐴, al realizar el experimento aleatorio 𝑛
veces.
▪ Depende de dos parámetros, 𝑛 y 𝑝.
𝑛 = número de veces que se realiza el experimento
𝑝 = probabilidad de que ocurra el suceso 𝐴
▪ Las 𝑛 veces que se realiza el experimento son independientes, es decir, lo que ocurra en una de ellas
no influye en el resto de experimentos.
▪ Su función de probabilidad es:
𝑛
𝑓(𝑖) = 𝑃(𝑋 = 𝑖) = ( ) 𝑝𝑖 (1 − 𝑝)𝑛−𝑖
𝑖
Ejemplos:
▪ Lanzamos 10 monedas y nos preguntamos por el número de caras 𝐵(10; 0,5).
1
▪ Lanzamos 6 dados correctos y nos preguntamos por el número de “cincos” 𝐵 (6, ).
6

▪ Dejamos caer al suelo 100 chinchetas y nos preguntamos cuántas caen con la punta hacia arriba
𝐵(100; 0,3).
▪Nos preguntamos cuántos partidos ganará el Cádiz en sus próximos 10 partidos. No es binomial,
pues la probabilidad de vencer un encuentro es muy distinta de la de vencer en otros. Es decir, las
diez experiencias no son idénticas.
Date cuenta
▪ Si 𝑋 sigue una distribución binomial 𝐵(𝑛, 𝑝), entonces:
Media: 𝜇 = 𝑛𝑝
Varianza: 𝜎 2 = 𝑛𝑝(1 − 𝑝)
𝑛 𝑛 𝑛!
▪ El número combinatorio (𝑚 ) se calcula así: (𝑚 ) = 𝑚!·(𝑛−𝑚)!
280 280!
( )=
270 270! (280 − 270)!

3.1. Cálculo de probabilidades en 𝑩(𝒏, 𝒑)

Un examen tipo test consta de 10 preguntas, cada una de las cuales tiene cuatro posibles respuestas de
las que solo una es correcta. Si contestamos al azar, calcula las siguientes posibilidades.
a) Acertar siete respuestas. c) Tener sobresaliente.
b) Aprobar el examen. d) No llegar al notable.

PRIMERO. Se define la variable aleatoria discreta que se utilizará.

𝑋 = “Número de aciertos en el examen”

SEGUNDO. Se calculan los parámetros de la distribución.
n → el número de veces que se realiza el experimento → 𝑛 = 10
1
p → la probabilidad de obtener un acierto cuando se contesta → p= 4 = 0,25

IES La Bahía 2
 Matemáticas Aplicadas a Ciencias Sociales I
Distribuciones binomial y normal

TERCERO. Se escribe cada uno de los sucesos en función de los valores de la variable aleatoria.
a) Acertar 7 respuestas → 𝑋 =7
b) Aprobar el examen → 𝑋 ≥5
c) Tener sobresaliente → 𝑋 ≥9
d) No llegar al notable → 𝑋 <7

CUARTO. Se calculan las probabilidades pedidas con ayuda de la función de probabilidad.

10
𝑃(𝑋 = 𝑖) = ( ) · 0,25𝑖 · 0,7510−𝑖
𝑖

a) 𝑃(𝑋 = 7) = (10
7
) · 0,257 · 0,7510−7 = 0,0030899048
10
b) 𝑃(𝑋 ≥ 5) = ∑10 𝑖
𝑖=5( 𝑖 ) · 0,25 · 0,75
10−𝑖
= 0,0781269073
10
c) 𝑃(𝑋 ≥ 9) = ∑10 𝑖
𝑖=9( 𝑖 ) · 0,25 · 0,75
10−𝑖
= 0,0000295639
10
d) 𝑃(𝑋 < 7) = 𝑃(𝑋 ≤ 6) = ∑10 𝑖
𝑖=0( 𝑖 ) · 0,25 · 0,75
10−𝑖
= 0,9964942932

Ejercicio 4. En distribución binomial 𝐵(7; 0,4), determina:

a) 𝑃[𝑥 = 2] c) 𝑃[𝑥 = 0] e) 𝑃[𝑥 > 3]
b) 𝑃[𝑥 = 5] d) 𝑃[𝑥 > 0] f) 𝑃[𝑥 < 5]

Ejercicio 5. En un almacén hay 5 aparatos de televisión antiguos. Sabemos que la probabilidad de que
cualquiera de ellos tenga una deficiencia es 0,2. Calcula estas probabilidades:
a) 𝑃[ninguno defectuoso] b) 𝑃[al menos dos defectuosos] c) 𝑃[alguno defectuoso]

4. Distribuciones continuas
Definición
Para que 𝑓(𝑥) sea la función de densidad o función de probabilidad
de una variable aleatoria, es necesario que:
— 𝑓(𝑥) sea no negativa: 𝑓(𝑥) ≥ 0 para todo 𝑥.
— El área bajo la curva 𝑦 = 𝑓(𝑥) sea igual a 1.

• Para hallar la probabilidad 𝑃[𝑎 ≤ 𝑥 ≤ 𝑏], obtendremos el área que hay bajo la curva del intervalo [𝑎, 𝑏]:
𝑃[𝑎 ≤ 𝑥 ≤ 𝑏] =área bajo la curva en [𝑎, 𝑏]

• Las probabilidades de sucesos puntuales son cero;

𝑃[𝑥 = 𝑎] = 0, 𝑃[𝑥 = 𝑏] = 0, …
Por tanto:
𝑃[𝑎 ≤ 𝑥 ≤ 𝑏] = 𝑃[𝑎 < 𝑥 < 𝑏]

IES La Bahía 3
 Matemáticas Aplicadas a Ciencias Sociales I
Distribuciones binomial y normal

5. Distribución normal
Definición
Una variable aleatoria, 𝑋, sigue una distribución de
probabilidad normal y lo escribimos como 𝑋 ≡ 𝑁(𝜇, 𝜎),
cuando:
▪ Es una variable aleatoria continua.
▪ Depende de dos parámetros, 𝜇 y 𝜎.
𝜇 = media de la variable aleatoria
𝜎 = desviación típica de la variable aleatoria
▪ Su función de densidad es simétrica respecto a la media, 𝜇.
Por su forma acampanada, se denomina campana de Gauss.
La más importante de todas las distribuciones normales es la que tiene media 𝜇 = 0 y desviación típica
𝜎 = 1, y se denota 𝑍 ≡ 𝑁(0, 1) y 𝑃(𝑍 ≤ 𝑘) = 𝑃(𝑍 < 𝑘) = 𝜙(𝑘).
▪ 𝑃(𝑍 ≤ 𝑎)

𝑃(𝑍 ≤ 1.47) = 0.9292

▪ 𝑃(𝑍 > 𝑎) = 1 − 𝑃(𝑧 ≤ 𝑎)

𝑃(𝑍 > 1.47) = 1 − 𝑃(𝑍 ≤ 1.47) = 1 − 0.9292 = 0.0708

▪ 𝑃(𝑍 ≤ −𝑎) = 1 − 𝑃(𝑧 ≤ 𝑎)

𝑃(𝑍 ≤ −1.47) = 1 − 𝑃(𝑍 ≤ 1.47) = 1 − 0.9292 = 0.0708

IES La Bahía 4
 Matemáticas Aplicadas a Ciencias Sociales I
Distribuciones binomial y normal

▪ 𝑃(𝑧 > −𝑎) = 𝑃(𝑧 ≤ 𝑎)

𝑝(𝑍 > −1.47) = 𝑝(𝑍 ≤ 1.47) = 0.9292

▪ 𝑃(𝑎 < 𝑍 ≤ 𝑏) = 𝑃(𝑍 ≤ 𝑏) − 𝑃(𝑍 ≤ 𝑎)

𝑃( 0.45 < 𝑍 ≤ 1.47) = 𝑃(𝑍 ≤ 1.47) − 𝑃(𝑍 ≤ 0.45) = 0.9292 − 0.6736 = 0.2556

▪ 𝑃(−𝑏 < 𝑍 ≤ −𝑎) = 𝑃(𝑎 ≤ 𝑍 ≤ 𝑏)

𝑃(−1.47 < 𝑍 ≤ − 0.45) = 𝑃( 0.45 < 𝑍 ≤ 1.47) = 𝑃(𝑍 ≤ 1.47) − 𝑃(𝑍 ≤ 0.45) =
= 0.9292 − 0.6736 = 0.2556

▪ 𝑃(−𝑎 < 𝑍 ≤ 𝑏) = 𝑃(𝑍 ≤ 𝑏) − [1 − 𝑃(𝑍 ≤ 𝑎)]

𝑃(−1.47 < 𝑍 ≤ 0.45) = 𝑃(𝑍 ≤ 0.45) − [ 1 − 𝑃(𝑍 ≤ 1.47)] =

= 0.6736 − (1 − 0.9292) = 0.6028

IES La Bahía 5
 Matemáticas Aplicadas a Ciencias Sociales I
Distribuciones binomial y normal

Ejercicio 6. Halla las siguientes probabilidades:

a) 𝑃(𝑍 > 1,3) e) 𝑃(−1,96 < 𝑍 < −1,3)
b) 𝑃(𝑍 < −1,3) f) 𝑃(−1,3 < 𝑍 < 1,96)
c) 𝑃(𝑍 > −1,3) g) 𝑃(−1,96 < 𝑍 < 1,96)
d) 𝑃(1,3 < 𝑍 < 1,96)

5.1. Tipificación
Para tipificar un valor de una variable aleatoria 𝑋, primero se le resta la media de la variable, y el
resultado se divide entre la desviación típica.

𝑻𝒊𝒑𝒊𝒇𝒊𝒄𝒂𝒓 𝒙−𝝁
𝒙 →
𝝈

Con el proceso de tipificación logramos transformar una variable en otra variable que tiene media 𝜇 = 0
y desviación típica 𝜎 = 1.

5.2. Cálculo de probabilidades mediante tablas de 𝑵(𝟎, 𝟏)

Para calcular probabilidades en una variable aleatoria que se distribuye según una normal 𝑁(𝜇, 𝜎),
tipificamos la variable y luego utilizamos la tabla de probabilidades de 𝑍, la distribución normal 𝑁(0, 1).

Ejercicio 7. En una distribución 𝑁(173, 6), halla las siguientes probabilidades:

a) 𝑃(𝑋 ≤ 173) e) 𝑃(161 ≤ 𝑋 ≤ 170)
b) 𝑃(𝑋 ≥ 180,5) f) 𝑃(𝑋 = 174)
c) 𝑃(174 ≤ 𝑋 ≤ 180,5) g) 𝑃(𝑋 > 191)
d) 𝑃(161 ≤ 𝑋 ≤ 180,5) h) 𝑃(𝑋 < 155)

6. Aproximación de la binomial
Cuando 𝑛 es suficientemente grande, la distribución binomial se puede aproximar por una normal de
media 𝜇 = 𝑛𝑝 y desviación típica 𝜎 = √𝑛𝑝(1 − 𝑝).

Cuanto mayor es n, mejor se aproxima la distribución binomial a la normal.

En la práctica, si 𝒏 · 𝒑 > 𝟓 y 𝒏 · (𝟏 − 𝒑) > 𝟓, entonces: 𝑩(𝒏, 𝒑) ~ 𝑵(𝒏𝒑, √𝒏𝒑(𝟏 − 𝒑)) .

Ejercicio 8. Una moneda se lanza 400 veces. Calcula la probabilidad de que el número de caras:

a) sea mayor que 200. b) esté entre 180 y 220.

IES La Bahía 6