Comenzaremos con el proceso de variable discreta ms sencillo, llamado proceso de Bernoulli, que sirve de antecedente al modelo de variable discreta

binomial .

Modelo binomial
Un experimento a menudo consiste en pruebas repetidas, cada una con dos posibles resultados que se pueden etiquetar como xito o fracaso. Por ejemplo, al lanzar Una moneda, el resultado que sea objeto de estudio (cara guila) ser considerado xito y el otro resultado (cara sol) ser fracaso con probabilidades p y q 1 p, respectivamente; si los ensayos que se repiten son independientes y la probabilidad de xito permanece constante en cada ensayo, el proceso se denomina proceso de Bernoulli, es decir

Un experimento a!eatorio se llama de Bernoulli cuando cumple las siguientes tres condiciones: 1.El experimento consta, de n(numero finito) pruebas independientes. 2.Cada prueba solo tiene slo dos resultados , xito y fracaso. 3.Las probabilidades de xito en una prueba es p y la de fracaso es q=1-p y se mantienen constantes de prueba en prueba.

Por xito en un ensayo se entiende el cumplimiento de la variable aleatoria; es decir, si la variable X se define como cantidad de artculos defectuoso un xito ser un articulo defectuoso. Se considera un conjunto de experimentos de Bernoulli. La variable que cuantifica el nmero X de xitos en n experimentos de Bernoulli se denomina variable aleatoria binomial. La distribucin de probabilidad de esta variable aleatoria define el modelo binomial.

EJEMPLO : Un sistema de tres radares para detectar carros a gran velocidad se instala en una carretera. Cada
radar funciona de manera independiente con probabilidad de 0.99 de detectar un carro que viaje con gran velocidad Se calcula la probabilidad de que un carro que viaja a gran velocidad por dicha carretera no sea detectado. Considerando la variable aleatoria X; cantidad de radares que detectan el carro que viaja con gran velocidad se determina si este experimento es de tipo binomial.

Comprobacin Es necesario verificar que se cumplen las condiciones de un experimento binomial, el experimento consiste en tres ensayos, cada uno de ellos determina si el radar detecta o no al carro que viaja a gran velocidad. Por las condiciones del problema es posible observar que son independientes al pasar el carro a gran velocidad por un radar slo puede ocurrir una de las dos cosas: que sea o no detectado; es decir, un xito o un fracaso el xito (que sea detectado) de las condiciones del problema se conserva constante de radar en radar e igual a 0.99; de igual manera el fracaso es 0.01 A continuacin se presentan dos ejemplos donde no se cumplen las condiciones de un experimento binomial (es decir, no se cumple alguna de las las tres condiciones de Bernoulli). En el ejemplo anterior se cambian las condiciones en la deteccin de los radares, de tal forma que en la deteccin stos sigan siendo independientes pero las probabilidades de detectar un carro a gran velocidad sean diferentes de radar en radar. Este no es un experimento de Bernoulli, puesto que no cumple la condicin 3: las probabilidades de xito y fracaso son diferentes en los ensayos. Si se cambia la condicin de independencia de la deteccin de los radares, es decir, que la probabilidad de detectar del segundo radar dependa del resultado del primero y la del tercero, del segundo, no es un experimento binomial, puesto que no se cumplen las condiciones de Bernoulli (condicin de ensayos independientes).

La condicin con reemplazo es fundamental para el experimento binomial.

EJEMPLO : Una urna contiene diez esferas tres rojas y siete azules. Se extraen cuatro, una tras otra con
reemplazo. Se define la variable aleatoria discreta X: cantidad de esferas rojas de las cuatro extradas determina si este experimento es de tipo binomial Es necesario verificar que se cumplen las condiciones para que sea un experimento binomial. Primero, no existe contradiccin en el experimento con respecto a las cantidades, puesto que al permitirse el reemplazo se puede extraer cualquier cantidad de esferas rojas. El experimento consiste en cuatro ensayos, en cada uno de ellos se determina si la esfera extrada es roja. Por las condiciones del problema, se puede observar que las extracciones son independientes, puesto que al volver a colocar la esfera en la urna, en la segunda extraccin se tienen las mismas condiciones iniciales; es decir, el primer ensayo no influye en el segundo. Al extraer una esfera de la urna slo puede ocurrir que sea o no roja; es decir, un xito o un fracaso. El xito de que la esfera extrada sea roja se conserva constante de extraccin en extraccin e igual a 0.3. Por tanto, el fracaso es 0.7. 5.En el experimento anterior se cambia la condicin y se extraen slo tres, una tras otra, pero sin reemplazo; el experimento no es binomial, puesto que se altera la independencia.

P(X =k: La probabilidad de que en el experimento birnomial ocurran k xitos de un total den ensayos Esta probabilidad con frecuencia se simboliza por B(k; n, p), la cual representa el modelo binomial, donde se quiere tener k xitos de n ensayos con probabilidad de xito p en cada ensayo. Ahora se presenta la frmula para calcular las probabilidades:

Valor esperado. E(X)=np Varianza. V(X)=npq

Nota: Para resolver problemas sobre modelos de variable discreta, se recomienda seguir los tres pasos siguientes; I. Definir la variable aleatoria en estudio. II. Identificar el modelo al que pertenece la variable definida. III. Aplicar las frmulas correspondientes para el clculo de probabilidades, valor esperado y varianza. Ejemplo Un sistema de tres radares para detectar carros a gran velocidad se instala en una carretera. Cada radar funciona independienternente con 0.99 de probabilidad de detectar un carro que viaja con gran velocidad. Considerando a la variable aleatoria X: el nmero de radares que detectan al carro que viaja con gran velocidad, se calcula:

a) la distribucin de probabilidad para X b,) el valor esperado y la varianza de X

Procedimiento I En este ejemplo el primer punto para la solucin de problema ya se llevo a cabo, puesto que la variable ya se defini X: el nmero de radares que detectan al carro que viaja con gran velocidad II. Identificacin del modelo. Es de distribucin binomial, puesto que en el ejemplo anterior 1, resulr que X tiene una distribucin binornial con Rx=(0, 1, 2, 3). III. Aplicacin de las frmulas. Se tiene a) del teorema 6.1, para p =0.99 y q= 0.01 resulta

P(X = O)=C30 (0.99)0 (0.01)3 = 0.00000! P(X = 1) =C31 (0.99)I (0.01)2 =0.000297 P(X = 2) = C32 (0.99)2 (0.01)1 = 0.029403 P(X =3) = C33 (0.99)3 (0.0I)0 = 0970299 1) del teorema 6.3, se obtiene E(X) np = 3(0.99) =2.97 Valor esperado V(X) = npq 3(0.99)(0.0l) = 0.0297 Varianza