DISTRIBUCIN BINOMIAL

@ Angel Prieto Benito

Matemticas Acceso a CFGS

DISTRIBUCIN BINOMIAL

Muchos experimentos sociales quedan determinados por dos sucesos contrarios:

Hombre o mujer; mayor de 18 aos o menor de 18 aos; trabajador o en paro; etc.
La distribucin de probabilidad discreta que estudia estos experimentos recibe el
nombre de distribucin binomial.
En general, a estos dos sucesos contrarios los calificamos por xito (E) y fracaso (F).
Esta distribucin queda caracterizada por:
(1)
El resultado de una prueba del experimento aleatorio debe concretarse
en dos nicas opciones que, como se ha dicho, llamaremos xito (E) y fracaso (F).
(2)
Se realizan n ensayos del experimento, independientes unos de otros.
(3)
La probabilidad de xito es constante a lo largo de las n pruebas y
suele denotarse por p.

P(E) = p
Por tanto, la probabilidad de fracaso tambin es constante e igual a 1-p = q.
P(F) = q = 1 P(E) = 1 p
(4)
La variable aleatoria X cuenta el nmero r de xitos en las n pruebas:
r = 0, 1, 2, ..., n
Por tanto, los valores que puede tomar X son: 0, 1, 2, ..., ni.
Tal variable binomial queda caracterizada por los parmetros n y p, y se escribe

B(n, p)

@ Angel Prieto Benito

Matemticas Acceso a CFGS

DISTRIBUCIN BINOMIAL

Ejemplo 1

En una reunin hay 40 hombres y 60 mujeres. Se elige una persona al azar, anotando
el sexo de dicha persona. Se repite el experimento 30 veces. Hallar la probabilidad de
que en 10 ocasiones el resultado haya sido hombre.
Es una experiencia dicotmica.
P(E) = p =40/100 = 0,40
P(F) = q = 1 0,40 = 0,60
n= 30 veces que se repite el experimento.
La binomial queda caracterizada por B(n, p) B(30, 0,30)
Hay que hallar P(x=10)

Notas importantes:
El experimento se puede repetir un nmero de veces mayor que la cantidad de
personas que hay. Podemos repetir el experimento 500, aunque hubiera slo 3
personas en la reunin.
Nos pueden pedir probabilidades tales como: P(Que de las 30 veces que se ha
repetido al menos en dos ocasiones halla sido hombre)
P(x 2) = P(x=2)+P(x=3)++P(x=30)
O tambin: P(x 2) = 1 P(x < 2) = 1 [ (P(x=0) + P(x=1) ]
@ Angel Prieto Benito

Matemticas Acceso a CFGS

DISTRIBUCIN BINOMIAL

Ejemplo 2

Un cazador tiene una probabilidad de 0,65 de acertar a una pieza en cada disparo. Si
realiza 20 disparos, hallar la probabilidad de
a)
Que no cace ninguna pieza.
b)
Que cace 7 piezas.
c)
Que cace al menos 3 piezas.
Es una experiencia dicotmica, pues acierta el tiro o falla el tiro.
P(E) = p =0,65
P(F) = q = 1 0,65 = 0,35
n= 20 veces que se repite la experiencia de disparar.
La binomial queda caracterizada por B(n, p) B(20, 0,65)

a)
b)
c)

Nota: Los clculos necesarios para completar el ejemplo se ven ms adelante.

P(x=0)
P(x=7)
P(x3) =P(x=3)+P(x=4)++P(x=20)
P(x3) = 1 - P(x<3) = 1 [ P(x=0)+P(x=1)+P(x=2) ]

@ Angel Prieto Benito

Matemticas Acceso a CFGS

DISTRIBUCIN BINOMIAL

Ejemplo 3

Una mquina produce 32 tornillos defectuosos cada 1000 unidades. Al realizar un

control de calidad tomamos una caja de 50 tornillos. Hallar la probabilidad de que
a)
Ningn tornillo resulte defectuoso.
b)
Halla 37 tornillos defectuosos.
c)
Halla menos de 3 tornillos defectuosos.
Es una experiencia dicotmica, pues cada tornillo examinado est defectuoso o no.
P(E) = p =32/1000 = 0,032
P(F) = q = 1 0,032 = 0,968
n= 50 veces que se repite la experiencia, al examinar los 50 tornillos de la caja.
La binomial queda caracterizada por B(n, p) B(50, 0,032)

a)
b)
c)

Nota: En este ejemplo, como en todos los dems, P(x=0)+P(x=1)+P(x=2)++P(x=n)=1

Por el Teorema de la Probabilidad Total, al ser los n sucesos independientes.

P(x=0)
P(x=37)
P(x<3) = P(x=0) + P(x=1) + P(x=2)

@ Angel Prieto Benito

Matemticas Acceso a CFGS

DISTRIBUCIN BINOMIAL

Los experimentos o experiencias que quedan determinados por dos sucesos contrarios
reciben el nombre de experiencias dicotmicas.
En general, cualquier distribucin de probabilidad discreta se puede reducir a una
experiencia dicotmica:

Ejemplo_1

Lanzamos un dado al aire.

Hay seis sucesos posibles. Y cada suceso tiene su probabilidad (pi=1/6).
Pero si lo que nos interesa es obtener un 6, reducimos los sucesos a dos:
P(Obtener un seis) = 1/6
P(No obtener un seis) = 5/6
Y hemos convertido el experimento no dicotmico en dicotmico.
P(E) = p=1/6
P(F) = q= 5/6
B(n, 1/6)
Donde n es la cantidad de veces que lanzamos el dado.

Lo mismo haramos si el resultado deseado (xito) fuera un 5 en lugar de un seis.

@ Angel Prieto Benito

Matemticas Acceso a CFGS

DISTRIBUCIN BINOMIAL

Ejemplo_2

En una poblacin conocemos:

P(Un habitante gane 0 /mes) = 0,25
P(Un habitante gane 500 /mes) = 0,25
P(Un habitante gane 1000 /mes) = 0,20
P(Un habitante gane 1500 /mes) = 0,20
P(Un habitante gane 2000 /mes) = 0,10

Si lo que nos interesa es que gane ms de 1000 /mes, reducimos la distribucin de

probabilidades discretas a una distribucin binomial:
P(Un habitante gane ms de 1000 /mes) = 0,20+0,10 = 0,30
P(Un habitante no gane ms de 1000 /mes) = 1 0,30 = 0,70
Y hemos convertido la experiencia no dicotmica en dicotmica.
P(E) = p=0,30
P(F) = q= 0,70
B(n, 0,30)
Donde n es la cantidad de veces que lanzamos el dado.
Lo mismo haramos si el resultado deseado (xito) fuera que ganara hasta 500 .

@ Angel Prieto Benito

Matemticas Acceso a CFGS