Distribución Binomial

Sofia Carrillo Ricci.

Irving Neria Ortega.
Experimentos Binomiales.

 Secuencias de n experimentos llamados ensayos.

 Ensayos dicotómicos. Éxito → S. Fracaso → F.
 Independientes uno de los otros.
 P(S)=p que es cnte.
 Los experimento binomiales se
centran solo en el total de
éxitos, no en que ensayo se
dieron.
 Notación para la V.A.B. que
depende de n y p.
 𝑃 𝑋 = 𝑥 = 𝑏 𝑥; 𝑛, 𝑝
Donde n: numero de ensayos y
p:probabilidad de “éxito” en cada
ensayo.
Considerando el
número de ensayos.
Una moneda que se lanza cuatro veces
E:cara y F:cruz
1) P(EEFE) = P(E)* P(E)* P(F)* P(E)
P(EEFE) = p*p*(1-p)*p = 𝑝3 (1-p)

2) Para b(3; 4, p)
b(3; 4, p)= P(FEEE)+ P(EFEE)+ P(EEFE)+ P(EEEF)
b(3; 4, p)= 4𝑝3 (1-p)
Ecuación binomial, Media y Varianza.
𝒏
 𝑃 𝑋 = 𝑥 = 𝑏 𝑥; 𝑛, 𝑝 = 𝒙
𝒑𝒙 𝟏 − 𝒑 𝒏−𝒙
con x=0,1,2,3,…,n.
𝒏
: número de subconjuntos de tamaño x de un conjunto de n elementos.
𝒙
𝒏
𝑛!
Con 𝒙 =
𝑥!(𝑛−𝑥)!
 E(X)= 𝑛𝑝
El valor esperado (esperanza) es el producto del número de ensayos por la
probabilidad de éxito en un solo ensayo.
 𝑉 𝑋 = E 𝑋 2 − (𝐸[𝑋]2 ) = 𝑛𝑝𝑞 = 𝑛𝑝(1 − 𝑝)
 𝝈𝒙 = 𝒏𝒑𝒒
Para calcular la media y varianza de una variable aleatoria binomial no se
requiere evaluar las sumas

Desarrollo de esperanza y varianza binomial:

http://www.dm.uba.ar/materias/probabilidades_estadistica_C/2011/1/PyEC04.pdf
Ecuación

 Conocer la ecuación:
𝒏
P(X=k)= 𝒌
𝒑𝒌 𝒒𝒏−𝒌
o X=variable (lo que quieres encontrar)
o k= número definido por X
o n= numero de veces que se realiza el experimento
o p= probabilidad de éxito
o q= probabilidad de fracasos =1-P(k)
 Ejemplo

En una fábrica de bombillas el 5% sale con

defecto. Determinar la probabilidad de que en
una muestra de 12 se encuentren 2 bombillas
defectuosas

1) El experimento se realiza n veces (es discreta)

2) Se tienen dos posibles resultados (a - b)

3) Los resultados son (P no varía)

 En una fábrica de bombillas el 5% sale con defecto.
Determinar la probabilidad de que en una muestra de 12
se encuentren 2 bombillas defectuosas
𝑛
P(X=k)= 𝑘
𝑝𝑘 𝑞 𝑛−𝑘

X= #bombillas defectuosas
k= 2
n= 12
p= 5%=o.o5
q= 1-(0.05)=0.95

12
P(X=2)= 2
0.052 0.9512−2
Operaciones
12
P(X=2)= 2 0.052 0.9512−2
12!
P(X=2)= 2
0.05 0.9510
2! 12−2 !
12∗11∗10!
P(X=2)= 2
0.05 0.95 10
2!10!
132
P(X=2)= 0.052 0.9510
2
P(X=2)=0.0988 = 9.88%
Ejemplo.

 A cada uno de seis bebedores de refrescos de cola seleccionados al azar

se le sirve un vaso de coca-cola (S) y uno de Pepsi (F). Los vasos son
idénticos excepto por un código que viene en el fondo para identificar el
refresco de cola. No hay tendencia entre los bebedores para preferir un
refresco sobre el otro. Entonces p=P(S)=0.5
6!
P(X=3)=b(3; 6, 0.5)= (0.5)3 (0.5)3 = 20 0.56 = 0.313
3! 3!
Graficas

 Diagrama de barras
 Variando su forma en función de los valores de n y de p
 Forma de campana de Gauss
 Gráfica de frecuencia
P(X=k)
0.3

0.25

X k n p q P(X=k) 0.2
1 0.00976563
2 0.04394531
3 0.1171875 0.15
4 0.20507813
5 0.24609375
salga cara 10 0.5 0.5
6 0.20507813
7 0.1171875 0.1
8 0.04394531
9 0.00976563
10 0.00097656
0.05

0
1 2 3 4 5 6 7 8 9 10
 Gráfica de Frecuencia Acumulada

k ΣP(X=k) ΣP(X=k)
1 0.00976563 1.2

2 0.05371094 1
3 0.17089844
4 0.37597656 0.8

5 0.62207031 0.6
6 0.82714844
7 0.94433594 0.4

8 0.98828125 0.2
9 0.99804688
10 0.99902344 0
1 2 3 4 5 6 7 8 9 10
 Ejercicios
Consideremos un dado con 4 caras, numeradas de 0 a 3 calcula la distribución
binomial si sabemos:

Datos: X={0,1,2,3} X~Bi(n,p)=Bi(10,0.1)

1. P[X> 1]
2. P[X≥ 3]
3. P[X< 3]
4. P[X≤ 3]
5. P[1<X ≤ 3]
Resultados