Una función de densidad de probabilidad más valiosa con muchas aplicaciones es la

distribución binomial. Esta distribución calculará las probabilidades de cualquier

proceso binomial. Un proceso binomial, a menudo llamado proceso de Bernoulli en
honor a la primera persona que desarrolló plenamente sus propiedades, es cualquier
caso en el que solo hay dos resultados posibles en cualquier ensayo, llamados éxitos y
fracasos. Recibe su nombre del sistema numérico binario, en el que todos los números
se reducen a 1 o 0, que es la base de la tecnología informática y de las grabaciones
musicales en CD.

Fórmula binomial

�(�)=������–�

donde b(x) es la probabilidad de X aciertos en n ensayos cuando la probabilidad de un éxito en

CUALQUIER ENSAYO es p. Y, por supuesto, q=(1-p) y es la probabilidad de un fracaso en
cualquier ensayo.

Ahora podemos ver por qué la fórmula combinatoria se llama también coeficiente binomial, ya
que vuelve a aparecer aquí en la función de probabilidad binomial. Para que la fórmula binomial
funcione, la probabilidad de éxito en cualquier ensayo debe ser la misma de un ensayo a otro, o
en otras palabras, los resultados de cada ensayo deben ser independientes. Lanzar una moneda es
un proceso binomial porque la probabilidad de obtener una cara en un lanzamiento no depende
de lo que haya ocurrido en los lanzamientos anteriores. (En este momento hay que señalar que
utilizar p para el parámetro de la distribución binomial es una violación de la regla de que los
parámetros de la población se designan con letras griegas. En muchos libros de texto se utiliza θ
(pronunciado theta) en lugar de p y así es como debe ser.

Al igual que un conjunto de datos, una función de densidad de probabilidad tiene una media y
una desviación típica que describe el conjunto de datos. Para la distribución binomial vienen
dadas por las fórmulas:

μ=np
4.3
�=���

Observe que p es el único parámetro en estas ecuaciones. La distribución binomial se considera,

pues, de la familia de las distribuciones de probabilidad de un parámetro. En resumen, sabemos
todo lo que hay que saber sobre la binomial una vez que conocemos p, la probabilidad de éxito
en cualquier ensayo.

En la teoría de la probabilidad, en determinadas circunstancias, una distribución de probabilidad

puede utilizarse para aproximar otra. Decimos que una es la distribución límite de la otra. Si hay
que extraer un número pequeño de una población grande, aunque no haya reemplazo, podemos
utilizar la binomial, aunque no sea un proceso binomial. Si no hay reemplazo se viola la regla de
independencia del binomio. Sin embargo, podemos utilizar la binomial para aproximar una
probabilidad que es realmente una distribución hipergeométrica si extraemos menos del 10 por
ciento de la población, es decir, n es menos del 10 por ciento de N en la fórmula de la función
hipergeométrica. El fundamento de este argumento es que al extraer un pequeño porcentaje de la
población no alteramos la probabilidad de éxito de un sorteo a otro de forma significativa.
Imagine que saca una carta no de una baraja de 52 cartas, sino de 6 barajas de cartas. La
probabilidad de sacar un as, por ejemplo, no cambia la probabilidad condicional de lo que ocurre
en una segunda extracción de la misma manera que lo haría si solo hubiera 4 ases en lugar de los
24 que hay ahora para sacar. Esta capacidad de utilizar una distribución de probabilidad para
estimar otras será muy valiosa para nosotros más adelante.

Hay tres características de un experimento binomial

1. Hay un número fijo de ensayos. Piense en los ensayos como repeticiones de un

experimento. La letra n indica el número de ensayos.
2. La variable aleatoria, �, número de aciertos, es discreta.
3. Solo hay dos resultados posibles, llamados “acierto” y “fallo” para cada ensayo.
La letra p indica la probabilidad de éxito en un ensayo cualquiera, y q la
probabilidad de fracaso en un ensayo cualquiera. p + q = 1.
4. Los n ensayos son independientes y se repiten utilizando condiciones idénticas.
Piense en esto como una extracción CON reemplazo. Como los n ensayos son
independientes, el resultado de un ensayo no ayuda a predecir el resultado de
otro. Otra forma de decir esto es que para cada ensayo individual la
probabilidad, p, de un acierto y la probabilidad, q, de un fallo siguen siendo las
mismas. Por ejemplo, estimar al azar una pregunta de estadística de verdadero-
falso solo tiene dos resultados. Si un acierto es estimar correctamente, un fallo
es estimar incorrectamente. Supongamos que Joe siempre acierta en cualquier
pregunta de estadística de verdadero-falso con una probabilidad p = 0,6.
Entonces, q = 0,4. Esto significa que para cada pregunta de estadística de
verdadero-falso que responda Joe su probabilidad de acierto (p = 0,6) y su
probabilidad de fallo (q = 0,4) siguen siendo las mismas.

Los resultados de un experimento binomial se ajustan a una distribución de

probabilidad binomial. La variable aleatoria X = el número de aciertos obtenidos en
los n ensayos independientes.

La media, μ, y la varianza, σ2, de la distribución de probabilidad binomial

son μ = np y σ2 = npq. La desviación típica, σ, es entonces σ = ���.

Cualquier experimento que tenga las características tres y cuatro y en el que n = 1 se

llama Ensayo de Bernoulli (llamado así por Jacob Bernoulli que los estudió
ampliamente a finales de 1600. ). Un experimento binomial se produce cuando se
cuenta el número de aciertos en uno o más ensayos de Bernoulli.