4

1. DEFINICIN DE DISTRIBUCIN BINOMIAL

Esta distribucin describe una variedad de procesos de inters para los
administradores y describe datos discretos, no continuos, que son resultado de un
experimento conocido como proceso de Bernoulli.
Si realizamos n veces un experimento en el que podemos obtener xito, E,
con probabilidad p y fracaso, F, con probabilidad q (q = 1 p), diremos que
estamos ante una distribucin binomial de parmetros n y p, y lo representaremos
por Bin(n;p). En este caso la probabilidad de obtener k xitos viene dada por:
P(X = k) =(

Nota:
Observar que las probabilidades de xito y fracaso son complementarias,
es decir, q = 1-p y p =1-q, por lo que basta saber una de ellas para calcular la otra.
Sea que representa el nmero de xito en n-ensayo y P la probabilidad d
xito con cualquiera de estos. Entonces se dice que tiene una distribucin
binomial con funcin de probabilidad.

2. CARACTERSTICAS DE DISTRIBUCIN BINOMIAL

En los experimentos que tienen este tipo de distribucin, siempre se
esperan dos tipos de resultados, ejemplo. Defectuoso, no defectuoso, pasa,
no pasa, etc., etc., denominados arbitrariamente xito (que es lo que se
espera que ocurra) o fracaso (lo contrario del xito).
Las probabilidades asociadas a cada uno de estos resultados son
constantes, es decir no cambian.
Cada uno de los ensayos o repeticiones del experimento son
independientes entre s.
El nmero de ensayos o repeticiones del experimento (n) es constante.
Estas caractersticas no se cumplen para los siguientes ejemplos:
Si nos interesa saber el nmero de vestidos que se puede probar una mujer
antes de comprar 1(donde el nmero de prueba no es fijo).
Si verificamos cada hora en que el transito esta congestionado en ciertos
puntos (donde la probabilidad acierto no es constante).

5

3. NOTACIN DE LA DISTRIBUCIN BINOMIAL
B (n, p)
n: cantidad de experimentos.
p: probabilidad de xito en un experimento.

4. FORMULA PARA CALCULAR LA DISTRIBUCIN BINOMIAL
{

El 0 para cualquier otro valor 0p1 para n entero.

5. MEDIA O VALOR ESPERADO

Dnde:
n = nmero de ensayos o repeticiones del experimento
P = probabilidad de xito o la probabilidad referente al evento del cual se
desea calcular la media que se refiere la media
Q = complemento de P
6. VARIANZA.
Mide el grado de dispersin de la distribucin de probabilidades, siendo la
frmula:



7. DESVIACIN TPICA
Es una medida de centralizacin o dispersin para variables de razn (ratio
o cociente) y de intervalo, de gran utilidad en la estadstica descriptiva.
nP
6


Se define como la raz cuadrada de la varianza. Junto con este valor, la
desviacin tpica es una medida (cuadrtica) que informa de la media de
distancias que tienen los datos respecto de su media aritmtica, expresada en las
mismas unidades que la variable.

8. UTILIDAD DE LA DISTRIBUCIN BINOMIAL.
Segn experimentos de Bernoulli La distribucin binomial se utiliza en
situaciones cuya solucin tiene dos posibles resultados. Por ejemplo: Al nacer
un/a beb puede ser varn o hembra. En el deporte un equipo puede ganar o
perder. En pruebas de cierto o falso slo hay dos alternativas. Tambin se utiliza
cuando el resultado se puede reducir a dos opciones. Por ejemplo: Un tratamiento
mdico puede ser efectivo o inefectivo. La meta de produccin o ventas del mes
se pueden o no lograr. En pruebas de seleccin mltiple, aunque hay cuatro o
cinco alternativas, se pueden clasificar como correcta o incorrecta.

















7

CONCLUSIN

La Distribucin Binomial se forma de una serie de experimentos y se
realizan ms de una vez y de forma independiente el experimento de Bernoulli
arroja solo dos posibles respuestas xito o fracaso adems viene siendo
independiendo porque no tiene influencia en los resultados de los dems
experimentos realizados.

La determinacin de la probabilidad binomial se da mediante el uso de la
funcin binomial. Su gran variedad de usos, como por ejemplo en la medicina o
en una empresa y hasta en los estudios, ya que estas pueden estar presentes en
cualquier prueba.




























8

BIBLIOGRAFA

Fuente web:

http://www.monografias.com/trabajos87/distribuciones-probabilidad-mas-
usadas/distribuciones-probabilidad-mas-usadas.shtml
http://www.itch.edu.mx/academic/industrial/sabaticorita/_private/01UNID
AD%20IV.htm
http://www.vitutor.com/pro/3/b_3.html






















9









Anexo







10

1. Ejemplo simple: Sea n=5 y P=0,4.
{

a) Para x=1
P(1;5;0,4) =

0,4

.(1-0,4

P(1;5;0,4) =

0,4).(0,6

P(1;5;0,4) =

0,4).(0,1296)
P(1;5;0,4) = 0,4).(0,1296)=0,2592
b) Para x=2
P(2;5;0,4) =

0,4

.(1-0,4

P(2;5;0,4) =

0,16).(0.6

P(2;5;0,4) =

0,16).(0.216)
P(2;5;0,4) = 0,16).(0.216)=0,3456

c) Para x=4
P(4;5;0,4)=

0,4

.(1-0,4

P(4;5;0,4)=

0,0256).(0,6

P(4;5;0,4)=

0,0256).(0,6)
P(4;5;0,4)= 0,0256).(0,6)=0,0778










11

2. Si la probabilidad que cierta columna falle ante una carga axial especifica
es 0,05. Cules son las probabilidades de que entre 16 de tales columnas:
a) A lo mximo 2 fallen.
b) A lo menos 4 fallen.
Datos:
P=0,05 n=1 a=? b=?
Solucin:
Sustituyendo: X=2 n=16 P=0,05
{

a) P(2;16;0,05) =

0,05

.(1-0,05

P(2;16;0,05)=

P(2;16;0,05) =

P(2;16;0,05) =
Sustituyendo: X=4 n=16 P=0,05

b) P(4;16:0,05)=1-P(3;16;0,05)
P(3;16;0,05)=

P(3;16;0,05)=

P(3;16;0,05)=

P(3;16;0,05)=

P(4;16;0,05)=1-0,0359=0,9641





12


3. La probabi l i dad de que un art cul o produci do por una
fbri ca sea def ect uoso es 0. 02. Se envi un cargament o
de 10. 000 art cul os a unos al macenes. Hal l ar el nmero
esperado de art cul os defect uosos, l a vari anza y l a
desvi aci n t pi ca.

Medi a:

Vari aci n

La desvi aci n T pi ca