Distribuciones de

Probabilidad

DISTRIBUCIÓN
BINOMIAL

DISTRIBUCIÓN
NORMAL
Apuntes: Triángulo de Tartaglia o de Pascal

1 1
1 2 1
1 3 3 1
1 4 6 4 1
1 5 10 10 5 1
1 6 15 20 15 6 1
….
Este triángulo está formado por los números combinatorios
 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 : Muy usada en inspección de calidad - control de defectos - calidad del

servicio de telefonía - ventas (marketing) - mercadotecnia - medicina -
investigación de opiniones…
 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

r p(X = r) 0,35

0 0,161505583
1 0,323011166 0,28 p(x)
2 0,290710049
3 0,155045360 0,21
4 0,054265876
5 0,013023810
0,14
6 0,002170635
7 0,000248073
8 0,000018605 0,07

9 0,000000827
10 0,000000017 0
0 1 2 3 4 5 6 7 8 9 10
 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
 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
-1
x-
 
1
f(x) =
 2
e2   
 
Características de la función de densidad de la N(µ, )

2
1 x-
1 -  
(, 1 )
f(x) =
 2
e2  
 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
1

2. Probabilidad:  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
¿Cómo calculamos las distintas probabilidades?
¿Cómo calculamos las distintas probabilidades?
Algunas probabilidades bajo la N(µ,  ) :Áreas destacadas

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

0,683

0,954

0,997
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
Ejemplo:
Una compañía de telefonía fabrica teléfonos móviles cuya vida útil (obsolescencia programada) se
ajusta a una distribución normal de media 30 meses y desviación típica 3 meses. Elegido un teléfono
móvil al azar:
a) Calcula la probabilidad de que funcione bien durante más de 32 meses.
b) ¿Qué porcentaje de teléfonos móviles funcionan bien entre 24 y 36 meses?
 Aproximación de una distribución
Binomial mediante una Normal
Teorema de Moivre

Corrección de Yates
Ejemplo
Un examen tipo test consta de 38 preguntas con dos posibles respuestas cada una: Verdadero o Falso.
Para aprobar se necesita contestar correctamente a 20 o más preguntas. Un alumno, que no ha estudiado, contesta
lanzando una moneda (si sale cara pone Verdadero y si sale cruz pone Falso).  ¿Qué probabilidad tiene de aprobar?