Departamento de Matemáticas

Distribuciones Binomial y Normal

• Variables aleatorias
Variable aleatoria

Es una función que asigna un número real a cada resultado posible del espacio muestral.

Se utilizan letras mayúsculas X, Y, ... para designar variables aleatorias, y las

respectivas minúsculas (x, y, ...) para designar valores concretos de las mismas.

Variable aleatoria discreta

Una variable aleatoria discreta es aquella que sólo puede tomar valores enteros. (La
suma de las probabilidades asociadas a cada valor de la variable es uno).

Ejemplos: El número de hijos de una familia, el valor obtenido al lanzar un dado…

Variable aleatoria continua

Una variable aleatoria continua es aquella que puede tomar todos los valores posibles
dentro de un cierto intervalo de la recta real.

Ejemplos: La altura de los alumnos de un grupo, el coeficiente de inteligencia…

Función de probabilidad

Se llama función de probabilidad de una variable aleatoria discreta X a la aplicación que

asocia a cada valor de xi de la variable su probabilidad.

𝑓(𝑥𝑖 ) = 𝑝(𝑋 = 𝑥𝑖 ) = 𝑝𝑖

* 0 ≤ 𝑝𝑖 ≤ 1
𝑛

∗ 𝑝1 + 𝑝2 + ⋯ + 𝑝𝑛 = ∑ 𝑝𝑖 = 1
𝑖=1

Si es una variable discreta, se suele expresar mediante una tabla de valores, y para su
representación gráfica se utiliza un diagrama de barras.

IES Universidad Laboral 1

 Departamento de Matemáticas

Parámetros

Dada la tabla de la función de probabilidad

Los parámetos estadísticos más usuales son:

* Media, 𝜇 (también llamado esperanza, E(X))
𝑛

𝜇 = 𝐸(𝑋) = ∑ 𝑝𝑖 ∙ 𝑥𝑖 = 𝑥1 ∙ 𝑝1 + 𝑥2 ∙ 𝑝2 + ⋯ + 𝑥𝑛 ∙ 𝑝𝑛
𝑖=1

* Varianza, 𝜎 2
𝑛 𝑛

𝜎 2 = ∑ 𝑝𝑖 ∙ (𝑥𝑖 − 𝜇)2 = ∑ 𝑝𝑖 ∙ 𝑥𝑖 2 − 𝜇2
𝑖=1 𝑖=1
* Desviación típica, 𝜎
𝑛 𝑛

𝜎 = √∑ 𝑝𝑖 ∙ (𝑥𝑖 − 𝜇)2 = √∑ 𝑝𝑖 ∙ 𝑥𝑖 2 − 𝜇2
𝑖=1 𝑖=1

Ejemplo

Sea el experimento aleatorio “lanzar dos monedas”. Se define la variable aleatoria

“número de caras”. Calcular la función de probabilidad y los parámetros estadísticos.

El diagrama de árbol y la tabla asociada a la variable aleatoria son:

c 2
c
+ 1

c 1
+
+ 0

Parámetros:
1 1 1
∗ 𝑀𝑒𝑑𝑖𝑎: 𝜇 = 0 ∙ +1∙ +2∙ = 1
4 2 4
1 2 1 2 1 2 1
∗ 𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎: 𝜎 = ∙ 0 + ∙ 1 + ∙ 2 − 12 = = 0,5
2
4 2 4 2
∗ 𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑡í𝑝𝑖𝑐𝑎 = √𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 = √0,5 = 0,7071

IES Universidad Laboral 2

 Departamento de Matemáticas

• Distribución Binomial

La distribución binomial está asociada a experimentos del siguiente tipo:

- Realizamos n veces cierto experimento en el que consideramos sólo la posibilidad de

éxito o fracaso.
- La obtenciòn de éxito o fracaso en cada fase es independiente de la obtención de éxito
o fracaso en las demás fases.
- La probabilidad de obtener éxito o fracaso siempre es la misma en cada fase.

Definición de distribución Binomial

Si realizamos n veces un experimento en el que podemos obtener éxito, E, con

probabilidad p y fracaso, F, con probabilidad q (q = 1 − p), diremos que estamos ante
una distribución binomial de parámetros n y p, y lo representaremos por B(n, p). En
este caso la probabilidad de obtener k éxitos viene dada por:
𝑛
𝑝(𝑋 = 𝑘) = ( ) ∙ 𝑝𝑘 ∙ 𝑞𝑛−𝑘
𝑘

Parámetros de la distribución Binomial

- Media: Se denota por 𝜇 y nos indica el valor medio del fenómeno estudiado.
𝜇 =𝑛∙𝑝

- Varianza: Se denota por 𝜎 y cuantifica el grado de separación de los valores respecto

de la media.
𝜎2 = 𝑛 ∙ 𝑝 ∙ 𝑞

- Desviación típica: es la raíz cuadrada de la varianza.

𝜎 = √𝑛 ∙ 𝑝 ∙ 𝑞

Ejemplo

Se lanzan diez dados y nos preguntamos por el número de doses.

- Fases: 10
- Éxito= “salir 2”
- Probabilidad de éxito: p = 1/6
- La probabilidad de salir dos en cada fase es independiente del resultado de las fases
anteriores
Por lo tanto, el experimento sigue una distribución binomial de parámetros 10, 1/6.
Si X = número de éxitos:
1
𝑋 ∈ 𝐵(10, )
6

IES Universidad Laboral 3

 Departamento de Matemáticas

• Distribución Normal

La distribución normal adapta una variable aleatoria continua a una función que
depende de la media y la desviación típica.

Dada una variable aleatoria X, decimos que puede aproximarse por una distribución
normal de parámetros 𝜇 y 𝜎, y se denota:
𝑋~𝑁(𝜇, 𝜎)
donde 𝜇 es la media y 𝜎 la desviación típica.

La función

Si X es una variable aleatoria que sigue una distribución normal, su función, se

denomina función de densidad, es:

La curva normal

Es una función de probabilidad continua y simétrica, cuyo máximo coincide con la

media, 𝜇.

Por su forma acampanada se denomina campana de Gauss

Para cada valor de la media y la desviación típica, hay una curva normal.

IES Universidad Laboral 4

 Departamento de Matemáticas

Tabla de la normal

Las áreas bajo la curva de la normal N(0, 1) están tabuladas.

A la variable se le suele designar con la letra z.

La tabla nos da las probabilidades P(𝑧 ≤ 𝑘) para valores de k de 0 a 3,99. Es decir, no

ofrece las probabilidaedes acumuladas hasta un cierto valor.

Valores mayores de 3,99 tienen probabilidad 1.

El valor de k se busca así:

Unidades y décimas en la primera columna

Centésimas en la primera fila

IES Universidad Laboral 5

 Departamento de Matemáticas

Cálculo de probabilidades en una distribución N(0, 1)

Los diferentes casos son los siguientes, donde a y b son números positivos:

• 𝑃(𝑍 ≤ 𝑎) miramos directamente en la tabla

• 𝑃(𝑍 ≤ −𝑎) = 1 − 𝑃(𝑍 ≤ 𝑎)

• 𝑃(𝑍 > 𝑎) = 1 − 𝑃(𝑍 ≤ 𝑎)

• 𝑃(𝑍 > −𝑎) = 𝑃(𝑍 ≤ 𝑎)

• 𝑃(𝑎 ≤ 𝑍 ≤ 𝑏) = 𝑃(𝑍 ≤ 𝑏) − 𝑃(𝑍 ≤ 𝑎)

• 𝑃(−𝑎 ≤ 𝑍 ≤ −𝑏) = 𝑃(𝑎 ≤ 𝑍 ≤ 𝑏) = 𝑃(𝑍 ≤ 𝑏) − 𝑃(𝑍 ≤ 𝑎)

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

Cálculo de probabilidades en una distribución N(𝝁, 𝝈). Tipificación

Para trabajar con una N(µ, σ), tendremos que convertir la variable para poder usar los
valores de la N(0, 1). Esta conversión se denomina Tipificación y consiste en aplicar la
fórmula:

En ella, X representa la N(µ, σ) y Z la N(0, 1)

De esta forma:

Aproximación de la Binomial a la Normal

Cuando n es suficientemente grande, el comportamiento de una distribución binomial,

X~B(n, p), es aproximadamente igual a una distribución normal, con media np y
varianza np(1-p).

𝑋~𝐵(𝑛, 𝑝) 𝑦 𝑋 ´ ~𝑁(𝑛 ∙ 𝑝, √𝑛 ∙ 𝑝 ∙ 𝑞)

Se considera que esta aproximación es “buena” cuando:

• 𝑛 ≥ 30
• 𝑛∙𝑝 ≥5
• 𝑛 ∙ (1 − 𝑝) ≥ 5

Sin embargo, la variable aleatoria X puede tomar valores x discretos, pero una variable
continua tiene probabilidad cero para valores puntuales. Es necesario hacer uso de la
corrección de Yates para salvar este problema.

IES Universidad Laboral 6

 Departamento de Matemáticas

Corrección de Yates

𝑋~𝐵(𝑛, 𝑝) 𝑦 𝑋 ´ ~𝑁(𝑛 ∙ 𝑝, √𝑛 ∙ 𝑝 ∙ 𝑞)

IES Universidad Laboral 7