Distribución Bernoulli y

Binomial
Modelos de Distribuciones de
Probabilidad:
• Corresponde a una aproximación (modelo matemático) del comportamiento
de los datos, que mediante una función intenta asociar a cada suceso definido
de la variable aleatoria la probabilidad de que dicho suceso ocurra.

• Tiene estrecha relación con la distribución de frecuencias, ya que puede

entenderse como la frecuencia relativa o probabilidad teórica de un suceso.
Distribución Bernoulli

• La distribución de Bernoulli es un modelo matemático utilizado para

aproximar el comportamiento de una variable aleatoria discreta la cual solo
puede tomar dos valores (dicotómica).

• El experimento solo se realiza una vez (un ensayo).

• Los sucesos definidos en un experimento Bernoulli son mutuamente

excluyentes: “éxito” y “no éxito” (“fracaso”).

• La variable aleatoria X se define como el número de éxitos.

 𝑅𝑒𝑐 𝑋 = { 0,1 }
Distribución Bernoulli

 • significa que el comportamiento de la variable aleatoria X se aproximar

satisfactoriamente mediante el modelo de distribución Bernoulli, con
probabilidad de éxito p.

 • Probabilidad de éxito

  • Probabilidad de no éxito

 • La función de probabilidad está dada por

Distribución Bernoulli

Ejemplo:

Supongamos que el experimento consiste en lanzar un dado común de 6 caras.

 • El espacio muestral de dicho experimento sería

•  La cardinalidad del espacio muestral sería

Se define la v.a. X como la cantidad de veces que se obtiene el número 4 en un

lanzamiento.

 𝑅𝑒𝑐 𝑋 = { 0,1 }
Distribución Bernoulli

• El suceso éxito sería obtener un 4 en el lanzamiento de un dado.

• El suceso no éxito sería obtener un número diferente de 4.

•  La probabilidad de éxito sería

•  La probabilidad de fracaso sería

  • Por lo tanto
Distribución Binomial

• La distribución Binomial es un modelo matemático para variable aleatoria

discreta, la cual solo puede tomar dos valores (dicotómica).

• El experimento consta de n ensayos Bernoulli.

• Cada ensayo es independiente y de igual distribución (iid), por lo cual la

probabilidad de éxito y fracaso se mantiene constante en cada ensayo.

• La variable aleatoria X se define como el número de éxitos.

 • significa que el comportamiento de la variable aleatoria X se aproximar

mediante el modelo de distribución Binomial, donde n es la cantidad de
ensayos y p es la probabilidad de éxito.
Distribución Binomial

Ejemplo:

En una caja hay dos bolitas blancas y tres bolitas negras. Se extraen cinco bolitas
al azar de la caja, una tras otra y con reposición, ¿cuál es la probabilidad de que
exactamente en tres de las extracciones haya salido una bolita blanca?

Se define la v.a. X como la cantidad de veces que se obtiene una bolita blanca.

 • , porque son 5 extracciones (5 ensayos Bernoulli).

 • El espacio muestral del experimento sería

  ¿?
Distribución Binomial

Éxito sería obtener bolita blanca en la extracción, fracaso sería obtener una
bolita distinta de blanca (negra).
  y  

Si
 calculamos
  la probabilidad de obtener sería…

  2 2 2 3 3 2 3 32 8 9 72
𝑃 ( 𝑏 , 𝑏 , 𝑏 , 𝑛 , 𝑛 )= ∙ ∙ ∙ ∙ =
5 5 5 5 5 5 5
∙ = ∙ =
125 25 3125 ()()
¿Pero de cuántas maneras se pueden ordenar 3 bolitas blancas y 2 negras?
( 𝑏 , 𝑏 ,𝑏 , 𝑛 , 𝑛 ) , ( 𝑏 ,𝑏 , 𝑛 ,𝑛 , 𝑏 ) , ( 𝑏 , 𝑛 , 𝑛 , 𝑏 , 𝑏 ) …
Distribución Binomial

Permutación con repetición de 5 elementos, 3 bolitas blancas y 2 bolitas negras:

  5!   5 5 5!   5 ∙ 4 ∙ 3 ∙ 2∙ 1   5 ∙ 4
𝑃𝑅 3,2 =
3!∙2!
¿ 𝐶 3 =
3
=
3 ! ∙ ()
2 !
¿
3 ∙2 ∙ 1∙ 2 ∙1
¿
2
 ¿ 10

Hay 10 maneras diferentes de ordenar 3 bolitas blancas y 2 negras.

La probabilidad de obtener exactamente 3 bolitas blancas (y 2 bolitas negras)

sería:

𝑃  ( 𝑏 , 𝑏 , 𝑏 , 𝑛 , 𝑛 ) +𝑃 ( 𝑏 , 𝑏 , 𝑛 ,𝑛 , 𝑏 )+𝑃 ( 𝑏 ,𝑛 , 𝑛 , 𝑏 , 𝑏 ) +…
Pero la probabilidad de cada uno de los 10 arreglos es la misma
Distribución Binomial

  2 3 3 2
Finalmente: 𝑃( 𝑋 =3)=10 ∙
5 ()()
∙
5

Generalizando, si tenemos un experimento con una v.a. Binomial, de “n” ensayos

Bernoulli, la probabilidad de obtener k éxitos está dada por la siguiente función
de probabilidad:

 𝑃 ( 𝑋 =𝑘 )= 𝑛 ∙ 𝑝 𝑘 ∙ 𝑞 (𝑛 − 𝑘 )
(𝑘 )
Distribución Binomial

Probabilidad de obtener “k” éxitos

Número de éxitos
Cantidad de diferentes ordenaciones de los “k” éxitos en “n” ensayos
Probabilidad de los “k” éxitos, por lo tanto, “n – k” fracasos
Distribución Binomial

Ejemplo:

El 80 % de los alumnos de un colegio ha visto una exitosa serie de televisión. Al

juntarse 4 amigas de dicho establecimiento, ¿cuál es la probabilidad de que 2
amigas del grupo hayan visto la serie?

  Cantidad de amigas que han visto la serie.

•  y
 𝑝 = 80 = 4 =0,8
100 5
  20 1
𝑞= = =0,2
100 5
  4 4 2 1 2

( )( ) ( )
𝑃 ( 𝑋=2 )= ∙
2 5
∙
5
Distribución Binomial

2 2
  4 1
𝑃 ( 𝑋=2 )= 4 ∙
( )( ) ( )
2 5
∙
5
4 ! 16 1
¿  ∙ ∙
2 ! ∙ 2 ! 25 25
4 ∙ 3∙ 2 ∙1 16
¿  ∙
2 ∙1 ∙ 2∙ 1 625
4 ∙ 3 16
¿  ∙
2 625
 ¿ 6 ∙ 16   La probabilidad de que 2 amigas
R:
625 del grupo hayan visto la serie es
  96
¿
625
Distribución Binomial

En el mismo contexto anterior, ¿cuál es la probabilidad de al menos 3 amigas

hayan visto la serie?

 𝑃 ( 𝑋 ≥3 ) =𝑃 ( 𝑋 =3 ) + 𝑃(𝑋 =4)
3
  4 4 1 1 4 4 4 1 0
¿
( )( ) ( ) ( )( ) ( )
∙
3 5
∙
5
+ ∙
4 5
∙
5
64 1 256
¿  4 ∙ ∙ +1∙ ∙1
125 5 625
  256 256   probabilidad de que al
La
¿ +
625 625 menos 2 amigas del grupo
512 hayan visto la serie es
¿ 
625
Distribución Binomial

En el mismo contexto anterior, ¿cuál es la probabilidad de que como máximo una

de las amigas haya visto la serie?

 𝑃 ( 𝑋 ≤1 ) =𝑃 ( 𝑋=0 ) + 𝑃( 𝑋 =1)
0
  4 4 1 4 4 4 1 1 3
¿
( )( ) ( ) ( )( ) ( )
∙
0 5
∙
5
+ ∙
1 5
∙
5
1 4 1
¿  1∙ 1 ∙ +4∙ ∙
625 5 125
  1 16   La probabilidad de que a lo más
R:
¿ +
625 625 1 de ellas haya visto la serie es
17
¿ 
625
Distribución Binomial

En
 el
  ejemplo anterior son en total 4 amigas, por lo tanto

 𝑃 ( 𝑋 ≤ 4 ) =𝑃 ( 𝑋=0 ) + 𝑃 ( 𝑋=1 ) + 𝑃 ( 𝑋 =2 ) + 𝑃 ( 𝑋 =3 ) +𝑃(𝑋 =4)

  17 96 512
¿
 
625
+
625
+
625

  625
¿
625
 ¿ 1
Distribución Binomial

  ( 𝑋=0 )= 1
𝑃
625

  ( 𝑋=1 )= 16
𝑃
625

  ( 𝑋= 2 )= 96
𝑃
625

  ( 𝑋=3 )= 256
𝑃
625

  ( 𝑋=4 )= 256
𝑃
625
Distribución Binomial

En general, la grafica de una distribución binomial:

 • Es simétrica si

 • Se inclina hacia la izquierda si

 • Se inclina hacia la derecha si

Distribución Binomial

• Esperanza Matemática: Corresponde al valor medio que se espera que tome

una variable aleatoria. Es equivalente a la media aritmética.
𝔼
  ( 𝑋 ) =𝑛𝑝

• Varianza:
𝑉  ( 𝑋 ) =𝑛𝑝𝑞

• Desviación Estándar:
𝑆  . 𝐷 . ( 𝑋 ) =√ 𝑛𝑝𝑞
Distribución Binomial

• En el ejemplo anterior, ¿cuántas de las 4 amigas se hubiera esperado que

vieran la serie?
 𝔼 ( 𝑋 ) =4 ∙ 0,8
 𝔼 ( 𝑋 ) =3,2

• ¿Cuál sería la desviación estándar?

𝑉  ( 𝑋 ) =4 ∙ 0,8 ∙ 0,2
𝑉  ( 𝑋 ) =0,64
𝑆  . 𝐷 . ( 𝑋 ) =√ 0,64
𝑆  . 𝐷 . ( 𝑋 ) =0,8