Distribuciones de Probabilidad

DISTRIBUCIÓN BINOMIAL
Y DISTRIBUCIÓN NORMAL

Crédito:
Presentación elaborada por el profesor José Mª Sorando,
ampliando y adaptando las diapositivas por Cynthia
Rodríguez
 Distribución Binomial. Definición
Un experimento aleatorio que tiene las siguientes características sigue el modelo de
una distribución binomial:

1. En cada prueba del experimento sólo son posibles dos resultados, el

suceso A, que se llama éxito, y su contrario Ac, al que se llama
fracaso.
2. El resultado obtenido en cada prueba es independiente de los resultados
obtenidos en las pruebas anteriores.
3. La probabilidad del suceso A es constante; por tanto, no varía de una
prueba a otra. Se representa por p la probabilidad de A, y por q = 1 – p
la probabilidad de Ac .

La variable X, que representa el número de éxitos obtenidos en n pruebas, se denomina

variable aleatoria binomial.
Esta variable es discreta, ya que si se realizan n pruebas se podrán obtener 0, 1, 2, …,
n éxitos.
Una distribución binomial se caracteriza por los parámetros número de pruebas
realizadas, n, y probabilidad del suceso “éxito”, p, y se representa por B(n, p).

Ejemplos
Matemáticas
Las distribuciones binomial y normal

Utilidad
2.º Bachillerato

Se utiliza en situaciones en dónde hay dos

posibles resultados:

•Al nacer un(a) bebé, puede ser varón o hembra.

•En el deporte un equipo puede ganar o perder.
•Pruebas de cierto o falso, sólo hay dos
alternativas.
•Tratamiento médico puede ser efectivo o
inefectivo.
Matemáticas
Las distribuciones binomial y normal

Bernoulli
2.º Bachillerato

Bernoulli realizó experimentos, en dónde los

resultados eran mutuamente excluyentes.
Para construirla necesitamos:
1.La cantidad de pruebas realizadas n
2.La probabilidad de éxitos p
3.El evento que deseamos suceda k
4.La función matemática
 Distribución binomial: función de probabilidad

1
Éxito: A = "obtener un 6" p(A) =
Fenómeno aleatorio: 6
lanzar un dado
5
Fracaso: A = "no obtener un 6" p(A) =
6
Si realizamos n = 10 pruebas, la probabilidad de obtener r = 3 éxitos es:

1  3  5  7
B=AAAAAAAAAA P(B) =    
6   6 

10

Formas de obtener 3 éxitos: = 3  


10 13 57



p(obtener 3 éxitos) = p(X = 3) = 3  .   .  

 6
  6
 Distribución binomial: función de probabilidad

X = "número de 6 al tirar un dado 10 veces” es B(10 , 1/6)

Función de probabilidad:

r 10 - r
10 1 5
p(X = r) =   .   .  
 r  6 6

Tabla de valores de B(10, 1/6) Gráfica de la función de probabilidad

0.35

r p(X = r)
0 0,161505583 0.28 p(x)

1 0,323011166 0.21
2 0,290710049
3 0,155045360 0.14

4 0,054265876 0.07
5 0,013023810
6 0,002170635 0
0 1 2 3 4 5 6 7 8 9 10
7 0,000248073
8 0,000018605
9 0,000000827
10 0,000000017
Formula Binomial
 Distribución Binomial: media y varianza

En una variable aleatoria binomial B (n , p)

Media: μ=np
Varianza: σ 2 npq
Desviación típica: σ  n p q

Ejemplo.- X = "número de 6 al tirar un dado 10 veces” es B(10 , 1/6)

Media = 10 · 1/6 = 10/6

Varianza = 10 · 1/6 · 5/6 = 50/36
Desviación típica = √50 / 6
Matemáticas
Las distribuciones binomial y normal
Problema:
2.º Bachillerato
Matemáticas

Problema 2
Las distribuciones binomial y normal
2.º Bachillerato

• Supongamos que de una muestra

aleatoria de 1000 vuelos de Aeroméxico,
se perdieron 300 maletas. ¿Cuál es la
probabilidad de no perder una sola
maleta?
• n= ?
• P=?
• k= ?
• q=?
• µ= ?
Matemáticas
2.º Bachillerato EXPOSICIONES
Las distribuciones binomial y normal

29 de abril

Morales Juárez Jesús Alejandro

Morales Martínez Jesús
Díaz Duran Antonio
Rodriguez Arellano Karla Melissa
Melendez Hernandez Luis Eduardo
Matemáticas
Las distribuciones binomial y normal
2.º Bachillerato

Distribución de Poisson
• Se utiliza cuando n es muy grande y

• p(probabilidad de éxitos) es pequeña.

• Nos proporciona una aproximación

precisa y fácil de calcular las
probabilidades binomiales.
Matemáticas
Las distribuciones binomial y normal

Usamos Poisson cuando:

2.º Bachillerato

Condiciones:
•n tiende a infinito:
•n infinito o números grandes
•P tiende a cero
p»0
•La probabilidad es muy pequeña de que ocurra el
evento
• Media es menor a 7
M<7
Matemáticas
Las distribuciones binomial y normal

Fórmula
2.º Bachillerato

Dónde:
Donde:
X, es el número de veces que ocurre un evento
X= esel el
m, es número
número de
promedio de veces que
ocurrencias ocurre
por unidad el evento
de tiempo
n
µ= promedio de los éxitos entre el número total.
k= es el valor específico del número de veces que
deseamos que salga el resultado.
e= es una constante que es igual a :2.71828
Matemáticas
Las distribuciones binomial y normal
2.º Bachillerato

• Supongamos que de una muestra aleatoria

de 1000 vuelos de Aeroméxico, se perdieron
300 maletas. ¿Cuál es la probabilidad de no
perder una sola maleta?
• n= ?
• P=?
• k= ?
• q=?
• µ= ?
Una compañíaLasde seguros de vida, asegura
Matemáticas
distribuciones binomial y normal
2.º Bachillerato

5000 hombres de 42 años. Los estudios

demuestran que la probabilidad de que un
hombre de 42 muera en un año determinado es
de 0.001.

•¿Cuál es la probabilidad exacta de que la

compañía de seguros pague 4 demandas en un
año determinado?
Matemáticas
Las distribuciones binomial y normal
2.º Bachillerato
 Variable aleatoria de la Distribución Normal N(µ, )

Una variable aleatoria continua X sigue una distribución normal de

media  y desviación típica , y se designa por N(, ) si se
cumplen las siguientes condiciones.

1.ª La variable puede tomar cualquier valor real, es decir, x (–, +).

2.ª La función de densidad, que es la expresión en términos de

ecuación matemática de la función de Gauss, es:
2
x-
1 -1  
  
f(x) =
 2
e2  
Características de la función de densidad de la N(µ, )

2
1 x-
1 -   1 )
f(x) = e 2   (,
 2  2

Y Área bajo la curva:

1 unidad

I' I

X
y=0
 
x=
Campo de existencia = (– ,+ )
Creciente Decreciente
Familia de distribuciones normales
Familia de distribuciones normales
 Distribución normal estándar N(0, 1)

De las infinitas distribuciones N(, ) tiene especial interés la distribución

N(0, 1), es decir, aquella que tiene por media el valor cero ( = 0) y por
desviación típica la unidad ( = 1). Se le designa como variable Z.

Y
Características de la distribución N(0,1):

1 - 1 t2
1. Función de densidad: f(t) =
2
e 2

a
1


X
2. Probabilidad: 1  t2
P( Z  a)  e 2
dt a
2 0

 Tablas de la normal N(0, 1)

x
1


1  t2
F ( x)  P( Z  x)  e 2
dt
2


x 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
 Manejo de tablas

x 0,00 0,01 0,02 0,03

0,0 0,5000 0,5040 0,5080 0,5120
0,1 0,5398 0,5438 0,5478 0,5517
Y
0,2 0,5793 0,5832 0,5871 0,5910
0,3 0,6179 0,6217 0,6255 0,6293
0,4 0,6554 0,6591 0,6628 0,6664
0,5 0,6915 0,6950 0,6985 0,7019
0,6 0,7257 0,7291 0,7324 0,7357
0,7 0,7580 0,7611 0,7642 0,7673
0,8 0,7881 0,7910 0,7939 0,7967
0,9 0,8159 0,8186 0,8212 0,8238
1,0 0,8413 0,8438 0,8461 0,8485 X
1,1 0,8643 0,8665 0,8686 0,8708 1,23
1,2 0,8849 0,8869 0,8888 0,8907 0
1,3 0,9032 0,9049 0,9066 0,9082

P(Z  1,23) = 0,8907

 Manejo de tablas

x 0,00 0,01 0,02 0,03

0,0 0,5000 0,5040 0,5080 0,5120
0,1 0,5398 0,5438 0,5478 0,5517
Y
0,2 0,5793 0,5832 0,5871 0,5910
0,3 0,6179 0,6217 0,6255 0,6293
0,4 0,6554 0,6591 0,6628 0,6664
0,5 0,6915 0,6950 0,6985 0,7019
0,6 0,7257 0,7291 0,7324 0,7357
0,7 0,7580 0,7611 0,7642 0,7673
0,8 0,7881 0,7910 0,7939 0,7967
0,9 0,8159 0,8186 0,8212 0,8238
1,0 0,8413 0,8438 0,8461 0,8485 X
1,1 0,8643 0,8665 0,8686 0,8708
–1,23 1,23
1,2 0,8849 0,8869 0,8888 0,8907 0
1,3 0,9032 0,9049 0,9066 0,9082

P(Z  –1,23) =1 – P(Z  1,23) = 1 – 0,8907 = 0,1093

 Manejo de tablas

x 0,00 0,01 0,02 0,03

0,0 0,5000 0,5040 0,5080 0,5120
0,1 0,5398 0,5438 0,5478 0,5517
Y
0,2 0,5793 0,5832 0,5871 0,5910
0,3 0,6179 0,6217 0,6255 0,6293
0,4 0,6554 0,6591 0,6628 0,6664
0,5 0,6915 0,6950 0,6985 0,7019
0,6 0,7257 0,7291 0,7324 0,7357
0,7 0,7580 0,7611 0,7642 0,7673
0,8 0,7881 0,7910 0,7939 0,7967
0,9 0,8159 0,8186 0,8212 0,8238
1,0 0,8413 0,8438 0,8461 0,8485 X
1,1 0,8643 0,8665 0,8686 0,8708
1,01 1,23
1,2 0,8849 0,8869 0,8888 0,8907 0
1,3 0,9032 0,9049 0,9066 0,9082

P(1,01  Z  1,23) = P(Z  1,23) – P(Z  1,01) =

= 0,8907– 0,8438 = 0,1469

 Manejo de tablas

x 0,00 0,01 0,02 0,03

0,0 0,5000 0,5040 0,5080 0,5120
0,1 0,5398 0,5438 0,5478 0,5517
Y
0,2 0,5793 0,5832 0,5871 0,5910
0,3 0,6179 0,6217 0,6255 0,6293
0,4 0,6554 0,6591 0,6628 0,6664
0,5 0,6915 0,6950 0,6985 0,7019
0,6 0,7257 0,7291 0,7324 0,7357
0,7 0,7580 0,7611 0,7642 0,7673
0,8 0,7881 0,7910 0,7939 0,7967
0,9 0,8159 0,8186 0,8212 0,8238
1,0 0,8413 0,8438 0,8461 0,8485 X
1,1 0,8643 0,8665 0,8686 0,8708
–1,23 –1,01 1,01 1,23
1,2 0,8849 0,8869 0,8888 0,8907 0
1,3 0,9032 0,9049 0,9066 0,9082

P(–1,23  Z  –1,01) = P(1,01  Z  1,23) =

= P(Z  1,23) – P(Z  1,01)

= 0,8907– 0,8438 = 0,1469
 Manejo de tablas

x 0,00 0,01 0,02 0,03

0,0 0,5000 0,5040 0,5080 0,5120
0,1 0,5398 0,5438 0,5478 0,5517
Y
0,2 0,5793 0,5832 0,5871 0,5910
0,3 0,6179 0,6217 0,6255 0,6293
0,4 0,6554 0,6591 0,6628 0,6664
0,5 0,6915 0,6950 0,6985 0,7019
0,6 0,7257 0,7291 0,7324 0,7357
0,7 0,7580 0,7611 0,7642 0,7673
0,8 0,7881 0,7910 0,7939 0,7967
0,9 0,8159 0,8186 0,8212 0,8238
1,0 0,8413 0,8438 0,8461 0,8485 X
1,1 0,8643 0,8665 0,8686 0,8708 –1,23 1,01
1,2 0,8849 0,8869 0,8888 0,8907 0
1,3 0,9032 0,9049 0,9066 0,9082

P(–1,23  Z  1,01) = P(Z  1,01) – P(Z  –1,23) =

= P(Z  1,01) – (1 – P(Z  1,23))

= 0,8907– 1+ 0,8438 = 0,7345
 Apuntes: Algunas probabilidades bajo la N(µ,  )

– – –   

0,683

0,954

0,997
 Apuntes: Tipificación de la variable N(µ,  )

Dada una variable aleatoria X que sea N(µ, )

Con el cambio de variable Z = (X - µ)/ 

Se consigue una variable aleatoria Z que es N (0 , 1)

Se dice que Z es la variable tipo o tipificada.

Pasar el problema a esta variable nos permite poder resolverlo consultando la

tabla N (0 , 1)

Ejemplo.- Sea X una N(5 , 0,4). Calcular P (X ≤ 5,8)

Variable tipificada: Z = (X – 5)/ 0,4
Entonces: P (X ≤ 5,8)= P [(X – 5)/ 0,4 ≤ (5,8 – 5)/ 0,4] = P (Z ≤ 2)
Buscamos en la tabla N (0 , 1): P (Z ≤ 2) =0,9772