1. La distribución binomial
UNIDAD 3
TIPOS DE DISTRIBUCIONES
O 3.1 BINOMIAL
O 3.1.1 PROPIEDADES: MEDIA,
VARIANZAS Y DESVIACIÓN
ESTÁNDAR
O 3.1.2 GRÁFICA
*ALUMNOS:
ADRIAN A. MURILLO
ROSALES
CÉSAR JAVIER QUIROZ RMZ.

2. Introducción
En las empresas tenemos muchas situaciones donde
se espera que ocurra o no un evento específico. Éste
puede ser de éxito o fracaso sin dar paso a un punto
medio. Por ejemplo, en la producción de un artículo,
éste puede salir bueno o malo. Casi bueno no es un
resultado de interés. Para situaciones como éstas se
utiliza la distribución binomial.
Se describe el uso de la distribución binomial para
obtener la probabilidad de ocurrencia de ese evento
que representa un resultado esperado.

3. Objetivo general
Esperamos que cuando termines esta presentación
puedas utilizar la distribución binomial para obtener
las probabilidades de aquellas situaciones
gerenciales con dos posibles resultados.

4. Objetivos específicos
Además, esperamos que puedas:
O Identificar las propiedades de una distribución
binomial.
O Determinar los valores de éxitos p y fracasos q para
establecer las bases para el cómputo de las
probabilidades.
O Establecer el promedio, la varianza y la desviación
estándar utilizando las variables de la distribución
binomial.

5. Dato histórico
El cálculo de probabilidades tuvo un
notable desarrollo con el trabajo del
matemático suizo Jacob Bernoulli (1654-1705).
Bernoulli definió el proceso conocido por su
nombre el cual establece las bases para el
desarrollo y utilización de la distribución binomial.

6. Utilidad
La distribución binomial se utiliza en situaciones cuya
solución tiene dos posibles resultados.
Por ejemplo:
Al nacer un/a bebé puede ser varón o hembra.
En el deporte un equipo puede ganar o perder.
En pruebas de cierto o falso sólo hay dos
alternativas.

7. Utilidad
También se utiliza cuando el resultado se puede reducir a
dos opciones.
Por ejemplo:
Un tratamiento médico puede ser efectivo o inefectivo.
La meta de producción o ventas del mes se pueden o no
lograr.
En pruebas de selección múltiple, aunque hay cuatro o
cinco alternativas, se pueden clasificar como correcta o
incorrecta.
Estos ejemplos los podemos considerar como
“experimentos de Bernoulli”

8. Propiedades de un
experimento de Bernoulli
1 - En cada prueba del experimento sólo hay dos posibles
resultados: éxitos o fracasos.
2 - El resultado obtenido en cada prueba es independiente de los
resultados obtenidos en pruebas anteriores.
3 - La probabilidad de un suceso es constante, la representamos
por p, y no varía de una prueba a otra. La probabilidad del
complemento es 1- p y la representamos por q .
Si repetimos el experimento n veces podemos
obtener resultados para la construcción de la
distribución binomial.

9. La distribución binomial
La distribución de probabilidad binomial es un ejemplo de
distribución de probabilidad discreta.
Esta formada por una serie de experimentos de Bernoulli.
Los resutados de cada experimento son mutuamente
excluyentes.
Para contruirla necesitamos:
1 - la cantidad de pruebas n
2 - la probabilidad de éxitos p
3 - utilizar la función matemática.

10. Características analíticas
O Su función de probabilidad es
O donde
O siendo las combinaciones de en
Ejemplo
O Supongamos que se lanza un dado 50 veces y queremos la
probabilidad de que el número 3 salga 20 veces. En este
caso tenemos una X ~ B(50, 1/6) y la probabilidad sería
P(X=20):
O Propiedades características

11. La función P(x=k)
A continuación vemos La función de probabilidad de la
distribución Binomial, también denominada Función de la
distribución de Bernoulli:
k - es el número de aciertos.
n - es el número de experimentos.
p - es la probabilidad de éxito, como por ejemplo, que salga
"cara" al lanzar la moneda.
1- p - también se le denomina como “q ”

12. Ejemplo1 de la función
F(x=k)
¿Cuál es la probabilidad de obtener 6 caras al lanzar una moneda
10 veces?
El número de aciertos k es 6. Esto es x=6
El número de experimentos n son 10
La probabilidad de éxito p, es decir, que salga "cara" al lanzar la
moneda es 50% ó 0.50
La fórmula quedaría:
P (k = 6) = 0.205
Es decir, que la probabilidad de obtener 6 caras al lanzar 10 veces
una moneda es de 20.5% .

13. Ejemplo 2 de la función
F(x=k)
¿Cuál es la probabilidad de obtener cuatro veces el número 3 al
lanzar un dado ocho veces?
El número de aciertos k es 4. Esto es x=4
El número de experimentos n son 8
La probabilidad de éxito p (probabilidad de que salga un 3 al
tirar el dado) es 1 / 6 (= 0.1666)
La fórmula queda:
P (k = 4) = 0.026
Es decir, que la probabilidad de obtener cuatro veces el
números 3 al tirar un dado 8 veces es de 2.6%.

14. Tabla de probabilidad binomial
Utilizando la tabla de probabilidad binomial se
pueden resolver los ejemplos anteriores.
Para esto debe saber los valores k y B (n,p) .
O k es el número de éxitos que buscamos. Este
valor se encuentra entre 0 y n.
O En el parámetro B(n,p), n debe ser mayor de 0 y p
un valor desde 0 al 1.

15. Ejemplo 3
B(n,p)
En una fábrica de cámaras el 5% sale con
defectos. Determine la probabilidad de que en
una muestra de 12 se encuentren 2 cámaras
defectuosas.
Solución :
Se trata de una distribución binomial de parámetros B(12,
0.05). Debemos calcular la probabilidad de que x sea igual a k
que en este caso es 2. Esto es P (k=2).
Busque en la parte izquierda de la tabla n=12, luego en la parte
superiror p=0.05 . La probabilidad estará en x=2
El resultado es 0.0988

16. Ejemplo 4
B(n,p)
En una oficina de servicio al cliente se atienden
100 personas diarias. Por lo general 10 personas
se van sin recibir bien el servicio. Determine la
probabilidad de que en una encuesta a 15 clientes
3 no hayan recibido un buen servicio.
Solución :
Se trata de una distribución binomial de parámetros B(15, 0.10).
Debemos calcular la probabilidad P(X=3).
El resultado es 0.1285

17. La media μ y
desviación estándar σ
Características de la distribución
binomial
Media
µ E(X) = n p
= P(X) n = 5 p = 0.1
.6
.4
µ 5 · 0.1 = 0.5
= .2
0 X
µ 5 · 0.5 = 0.25
=
0 1 2 3 4 5
Desviación estándar
P(X) n = 5 p = 0.5
σ np(1 − )
= p .6
.4
σ 5 ⋅0.1⋅(1 −.1) = .67
= 0 0 .2
0 X
σ 5 ⋅0.5 ⋅(1 −.5) =.1
= 0 1 0 1 2 3 4 5
17

18. En resumen
Hemos determinado la probabilidad binomial mediante el uso de la función
binomial. Además, aprendimos que:
O La distribución binomial se forma de una serie de experimentos de
Bernoulli
O La media (μ) en la distribución binomial se obtiene con el producto de
nxp
O La desviación estándar (σ ) en la distribución binomial se obtiene del
producto de n x p x q.
O El valor de q es el complemento de p y se obtiene con 1 – p.

19. Ejercicio de prueba #1
Un comerciante de verduras tienen conocimiento de que el
10% de la caja está descompuesta. Si un comprador elige 4
verduras al azar, encuentre la probabilidad de que.
a) las 4 estén descompuestas.
b) de 1 a 3 estén descompuestas.
En este caso se resuelve sumando las
probabilidades P(x=1) + P(x=2) + P(x=3)
= 0.6561 + 0.2916 + 0.0486

20. Ejercicio de prueba #2
En pruebas realizadas a un amortiguador para automóvil se encontró
que el 20% presentaban fuga de aceite. Si se instalan 20 de estos
amortiguadores, hallar la probabilidad de que,
a) 4 salgan defectuosos,
b) más de 5 tengan fuga de aceite.
c) de 3 a 6 amortiguadores salgan defectuosos.
d) Determine el promedio y la desviación estándar de
amortiguadores con defectos.
La pregunta “b” debe sumar las probabilidades desde
P(x=6) en adelante.
En la “c” debe sumar P(x=3) + P(x=4) + P(x=5) + P(x=6).

21. Ejercicio de prueba #3
Un ingeniero que labora en el departamento de control de calidad
de una empresa eléctrica, inspecciona una muestra al azar de 10
alternadores de un lotes. Si el 15% de los alternadores del lote
están defectuosos. Cuál es la probabilidad de que en la muestra,
a) ninguno esté defectuoso,
b) uno salga defectuoso,
c) al menos dos salgan defectuosos
d) más de tres estén con defectos
Para la pregunta “d” puede realizar
la siguiente operación:
1 – [P(x=0) + P(x=1) + P(x=2)]

22. Ejercicio de prueba #4
La probabilidad de que un CD de música dure al menos un año sin
que falle es de 0.95, calcular la probabilidad de que en una muestra
de 15,
a) 12 duren menos de un año,
b) a lo más 5 duren menos de un año,
c) al menos 2 duren menos de un año.

23. Ejercicio de prueba #5
Si 6 de 18 proyectos de viviendas violan el código de construcción,
¿cuál es la probabilidad de que un inspector de viviendas, que
selecciona aleatoriamente a cuatro de ellas, descubra que:
a) ninguna de las casas viola el código de
construcción
b) una viola el código de construcción
c) dos violan el código de construcción
d) al menos tres violan el código de construcción

24. Aproximación de la distribución
binomial por la normal
Una distribución binomial B (n, p) se puede
aproximar por una distribución normal, siempre que n
sea grande y p no esté muy próxima a 0 ó 1 . La
aproximación consiste en utilizar una distribución
normal con la misma media y desviación típica de la
distribución binomial.
En la práctica se utiliza la aproximación cuando:
n>30, np>5, nq>5
En cuyo caso : x= B(n,p) se puede aproximar a N(μ=np, σ =√ npq )

25. O Distribución Binomial
O La figura es la gráfica de una distribución binomial(n,
0.5) para n = 20, 40, 60, 80, 100.
Puede ver la aproximación a la distribución normal.

26. Glosario de términos
Distribución de probabilidad discreta - distribución con un número
finito de valores.
Distribución binomial – Distribución discreta que se aplica cuando se
realizan más de una vez y de forma independiente el experimento de
Bernoulli.
Experimento de Bernoulli – Experimento con dos posibles resultados
(éxito o fracaso).
Experimento independiente – Cuando el resultado de un
experimento no tiene influencia en el resultado de otro experimento