Escolar Documentos
Profissional Documentos
Cultura Documentos
La distribución binomial es una de las distribuciones de probabilidad que se encuentra
con más frecuencia en la estadística aplicada. Se obtiene a partir de un proceso conocido
como ensayo de Bernoulli, en honor al matemático suizo James Jacob Bernoulli. Cuando
un solo ensayo de algún experimento puede conducir solo a uno de dos resultados
mutuamente excluyentes, tales como muerto o vivo, enfermo o sano, masculino o
femenino, el ensayo se conoce como : de Bernoulli.
La distribución binomial es de gran interés en el presente curso no únicamente por ser
miembro de la familia de distribuciones bernoulli si no porque presenta una dicotomía en
las alternativas de realización de un fenómeno aleatorio, es decir se presentan
únicamente dos características complementarias.
Una secuencia de ensayos forma un proceso de Bernoulli en las siguientes condiciones:
1.‐ Cada ensayo conduce a uno de los resultados posibles, mutuamente excluyentes. Uno
de los resultados posibles se denota como éxito y el otro como fracaso.
2.‐ La probabilidad de éxito, la cual denotamos por p, permanece constante de ensayo a
ensayo. La probabilidad de fracaso, 1 ‐ p , se denota por q .
3.‐ Los ensayos son independientes, es decir el resultado de cualquier ensayo particular no
es afectado por el resultado de cualquier otro ensayo.
Ejemplo: Consideremos un conjunto de experimentos Bernoulli donde tres artículos se
seleccionan al azar de un proceso de manufactura, se inspeccionan y se clasifican como
defectuosos o no defectuosos. Un artículo defectuoso se considera un éxito. El número
de éxitos es una variable aleatoria que asume valores enteros de 0 a 3. Los 8 posibles
resultados y sus correspondientes valores de X son:
Resultado X
N N N 0
N D N 1
N N D 1
D N N 1
N D D 2
D N D 2
D D N 2
D D D 3
Dado que los artículos se seleccionaron en forma independiente de un proceso que se
supone produce un 25% de piezas defectuosas, tenemos:
P ( NDN ) = P(N) P(D) P(N) = (3/4) (1/4) (3/4) = 9/64
El numero X de éxitos en n experimentos de Bernoulli recibe el nombre de variable
aleatoria binomial. La distribución de Probabilidad de esta variable aleatoria discreta se
llama distribución binomial y sus valores se representan por b (x; n, p), dado que estos
últimos dependen del numero de intentos y de la probabilidad de éxito en un intento
determinado.
Un experimento Bernoulli puede resultar en un éxito con una probabilidad p y en un
fracaso con una probabilidad q = 1 ‐ p. La distribución de probabilidad de la variable
aleatoria binomial X, el número de éxitos en n experimentos independientes, por lo cual
su modelo matemático:
b(x; n, p) = n C r p x q n‐x x = 0,1,2,...,n.
Ejemplo 1: la probabilidad de que el componente z pase con éxito una determinada
prueba de impacto es igual a 3/4. Encuentre la probabilidad de que exactamente 2 de los
siguientes cuatro componentes que se prueban pasen la siguiente prueba.
Suponiendo que las pruebas son independientes y que p es igual a ¾ para cada una de
ellas tenemos:
b( 2; 4, 3/4 ) = 4 C 2 (3/4)² (1/4)² = (24 / 4) (9 / 16) ( 1 / 16) =0.21 = 21 %
La media y la desviación estándar en la distribución binomial se determinan aplicando los
siguientes modelos matemáticos:
µ = n p σ = √ n p q
Si consideramos los datos del ejemplo arriba citado para calcular la media y la desviación
estándar, sustituyendo valores tendremos:
µ = ( 4 ) ( 3/4 ) = 3
σ = √ (4)(3/4)(1/4) = √ 0.75 = 0.867
Ejemplo 2: En una escuela primaria los alumnos llegan tarde a menudo, la directora lleva
tiempo estudiando el problema, habiendo llegado a la conclusión de que hay una
probabilidad de 0.4 de que un alumno llegue tarde y de que los alumnos lleguen
independientemente uno de otro ¿Cómo trazamos una distribución binomial de
probabilidad que ilustre las probabilidades de que 0, 1, 2, 3, 4 ó 5 estudiantes lleguen
tarde simultáneamente de los siguientes 5 observados?
Datos
P = 0.4
Q = 0.6
X = 0, 1, 2, 3, 4, 5.
n = 5
Realicemos el cálculo para cada valor de x:
b( 0; 5, 0.4 ) = 5 C 0 (0.4)0 (0.6)5 = 0.0777 = 7.8%
b( 1; 5, 0.4 ) = 5 C 1 (0.4)1 (0.6)4 = 0.2592 = 25.9%
b( 2; 5, 0.4 ) = 5 C 2 (0.4)2 (0.6)3 = 0.3456 = 34.6%
b( 3; 5, 0.4 ) = 5 C 3 (0.4)3 (0.6)2 = 0.2304 = 23.0%
b( 4; 5, 0.4 ) = 5 C 4 (0.4)4 (0.6)1 = 0.0768 = 7.7%
b( 5; 5, 0.4 ) = 5 C 5 (0.4)5 (0.6)0 = 0.0102 = 1.0%
Σ 100 %
Representando los resultados en la grafica de barras tenemos:
Ejemplo 3: Si una pecera contiene 20 peces dorados y 30 verdes, determine cual es la
probabilidad de que al tomar al azar una muestra de 10 peces, esta contenga
exactamente 3, 4, 5 o 6 dorados.
Datos
P = 0.4
Q = 0.6
X = 3, 4, 5, 6.
N = 10
Realicemos el cálculo para cada valor de x:
b( 3; 10, 0.4 ) = 10 C 3 (0.4)3 (0.6)7 = (120)(0.064)(0.0279936) =
= 0.2150 = 21.50 %
b( 4; 10, 0.4 ) = 10 C 4 (0.4)4 (0.6)6 = (210)(0.0256)(0.046656) =
= 0.2508 = 25.08%
b( 5; 10, 0.4 ) = 10 C 5 (0.4)5 (0.6)5 = (252)(0.01024)(0.07776) =
= 0.2006 = 20.06%
b( 6; 10, 0.4 ) = 10 C 6 (0.4)6 (0.6)4 = (210)(0.004096)(0.1296) =
= 0.1115 = 11.15 %
Por tanto la probabilidad conjunta del ejemplo será igual a:
21.5% + 25.08% + 20.06% + 11.15% = 77.79% ~ 77.8 %