CONTENIDO S5.1 Distribucion Binomial e Hipergeometrica

DISTRIBUCIONES DE PROBABILIDAD DISCRETAS.
DISTRIBUCIÓN BINOMIAL
ESTADÍSTICA
DEPARTAMENTO DE CIENCIAS EXACTAS - ESPE
CLASE Nro. 4.2
CONTENIDO
Título Variables aleatorias Discretas.

Duración 90 minutos
Información general Distribución Binomial
Objetivo Describir y calcular las probabilidades de una distribución

binomial.
1
CLASE Nro. 4.2
4.2.1. DISTRIBUCIÓN BINOMIAL.

Una distribución de probabilidad ampliamente utilizada de una variable aleatoria discreta es la
distribución binomial. Describe datos discretos, resultantes de un experimento denominado
proceso de Bernoulli en honor del matemático suizo Jacob Bernoulli, quien vivió en el siglo
XVII.
Definición: La distribución de probabilidad binomial es una distribución de probabilidad
discreta que se presenta con mucha frecuencia y tiene las siguientes características:
• Sólo hay dos posibles resultados en un determinado ensayo del experimento. Por ejemplo,
el enunciado en una pregunta de cierto o falso puede ser o cierto o falso. Los resultados son
mutuamente excluyentes, lo cual significa que la respuesta a una pregunta de cierto o falso
no puede ser al mismo tiempo cierta o falsa.
• Otra característica de la distribución binomial es el hecho de que la variable aleatoria es el

resultado de conteos. Es decir, se cuenta el número de éxitos en el número total de ensayos.
Lance una moneda equilibrada cinco veces y cuente el número de veces que aparece una
cara.
• Una tercera característica de una distribución binomial consiste en que la probabilidad de

éxito es la misma de un ensayo a otro. La probabilidad de que adivine la primera pregunta
de una prueba de verdadero o falso (éxito) es de un medio.
• La última característica de una distribución de probabilidad binomial consiste en que cada

ensayo es independiente de cualquier otro. Que sean independientes significa que no existen
patrones en los ensayos. El resultado de un ensayo particular no influye en el resultado de
otro ensayo. Ejemplos de lo anterior es: Una joven familia tiene dos niños, ambos varones.
La probabilidad de que el tercer hijo sea un varón sigue siendo 0.50.
Experimento de Probabilidad Binomial

1. El resultado de cada ensayo de un experimento se clasifica en una de dos categorías
mutuamente excluyentes: éxito o fracaso.
2. La variable aleatoria permite contar el número de éxitos en una cantidad fija de ensayos.
3. La probabilidad de éxito y fracaso es la misma en cada ensayo.
4. Los ensayos son independientes, lo cual significa que el resultado de un ensayo no influye
en el resultado del otro.
¿Cómo se calcula una probabilidad binomial?

Cada proceso de Bernoulli tiene su propia probabilidad característica. Pongamos el caso en que
siete décimas partes de las personas que solicitaron cierto tipo de empleo pasaron la prueba.
2
CLASE Nro. 4.2
Diremos entonces que la probabilidad característica fue de 0.7 pero podemos describir los
resultados de la prueba como un proceso de Bernoulli sólo si tenemos la seguridad de que la
proporción de los que fueron aprobados permaneció constante con el tiempo. Desde luego, la
otra característica del proceso de Bernoulli también deberá ser satisfecha. Cada prueba deberá
arrojar tan sólo dos resultados (éxito o fracaso y los resultados de las pruebas habrán de ser
estadísticamente independientes. En un lenguaje más formal, el símbolo p representa la
probabilidad de un éxito y el símbolo q = (1- p) representa la probabilidad de un fracaso. Para
representar cierto número de éxitos, utilizaremos el símbolo x y para simbolizar el número total
de ensayos emplearemos el símbolo n.
P(X) = nCx px q(n-x) ; q = (1- p)
C es el símbolo de combinación.
N es el número de ensayos.
X es la variable aleatoria definida como el número de éxitos.
P es la probabilidad de éxito en cada ensayo.
Ejemplo: Aerogal tiene cinco vuelos diarios de Guayaquil a Quito. Suponga que la probabilidad
de que cualquier vuelo llegue tarde sea de 0.20. ¿Cuál es la probabilidad de que ninguno de los
vuelos llegue tarde hoy? ¿Cuál es la probabilidad de que exactamente uno de los vuelos llegue
tarde hoy?
La probabilidad de que un vuelo llegue tarde es de 0.20, así, La probabilidad de que un vuelo
llegue tarde es de 0.20, así, p = 0.20.
Hay cinco vuelos, por lo que n = 5, y x, la variable aleatoria, se refiere al número de éxitos. En
p = 0.20. Hay cinco vuelos, por lo que n = 5, y x, la variable aleatoria, se refiere al número de
éxitos.
En este caso un éxito consiste en que un avión llegue tarde. Como no hay demoras en las
llegadas, x = 0.
P(0) = 5C0 0,200 (1 – 0,2)(5 – 0) = 0,3277
La probabilidad de que exactamente uno de los cinco vuelos llegue tarde hoy es de 0.4096, que
se calcula de la siguiente manera:
P(1) = 5C1 0,21 (1 – 0,2)(5 – 1) = 0,4096
3
CLASE Nro. 4.2
La media (µ) y la varianza (ơ2) de una distribución binomial se calculan con las siguientes
fórmulas:
La media µ = np
La varianza ơ2 =npq
Por ejemplo, respecto del número de vuelos retrasados, recuerde que p = 0.20 y n = 5.
µ = 5 * 0.20 = 1.0
2
ơ = 5* 0.20 * (1 – 0.20) = 0.8
4
CLASE Nro. 7.1
Tablas de probabilidad binomial
Ejemplo: Cinco por ciento de los engranajes de tornillo producidos en una fresadora automática
de alta velocidad se encuentra defectuoso. ¿Cuál es la probabilidad de que, en seis engranajes
seleccionados, ninguno se encuentre defectuoso? ¿Exactamente uno? ¿Exactamente dos?
¿Exactamente tres? ¿Exactamente cuatro? ¿Exactamente cinco? ¿Exactamente seis de seis?
P = 0.05
4.2.2. Distribución de probabilidad hipergeométrica
Para aplicar una distribución binomial, la probabilidad de que ocurra un éxito debe permanecer
igual en cada ensayo. Por ejemplo, la probabilidad de adivinar la respuesta correcta a una
pregunta de verdadero o falso es de 0.50., En otras palabras, hay reemplazo.
No obstante, la mayor parte del muestreo se realiza sin reemplazos. Por lo tanto, si la población
es pequeña, la probabilidad de cada observación cambiará. Por ejemplo, si la población consta
de 20 elementos, la probabilidad de seleccionar un elemento de ella es de 1/20. Si el muestreo
se realiza sin reemplazos, sólo quedan 19 elementos después de la primera selección; la
probabilidad de seleccionar un elemento en la segunda selección es de sólo 1/19. En la tercera
selección, la probabilidad es de 1/18, etc. Esto supone que la población es finita; es decir, se
conoce el número de elementos de la población, que es relativamente reducido.
Recuerde que uno de los criterios relacionados con la distribución binomial es que la
5
CLASE Nro. 7.1
probabilidad de éxito debe permanecer igual en todos los ensayos. Como la probabilidad de
éxito no es la misma en todos los ensayos cuando se realiza un muestreo sin reemplazo en una
población relativamente pequeña, no debe aplicarse la distribución binomial. En lugar de ésta
se aplica la distribución hipergeométrica. Por lo tanto, 1) si se selecciona una muestra de una
población finita sin reemplazo y 2) si el tamaño de la muestra n es mayor que 5% del tamaño
de la población N, se aplica la distribución hipergeométrica para determinar la probabilidad de
un número específico de éxitos o fracasos. Esto resulta especialmente apropiado cuando el
tamaño de la población es pequeño.
Características Distribución de Probabilidades Hipergeométrica.

1. Los resultados de cada ensayo de un experimento se clasifican en dos categorías exclusivas: éxito o
fracaso.
2. La variable aleatoria es el número de éxitos de un número fijo de ensayos.
3. Los ensayos no son independientes.
4. Los muestreos se realizan con una población finita sin reemplazo y n/N > 0.05. Por lo tanto, la
probabilidad de éxito cambia en cada ensayo. 5/50 = 0.1 0.1>0.05
donde:
N representa el tamaño de la
población. S es el número de éxitos
en la población.
x es el número de éxitos en la muestra; éste puede asumir los valores 0, 1,
2, 3… n es el tamaño de la muestra o el número de ensayos.
C es el símbolo de combinación.
Ejemplo 1.
Una fábrica tiene, tiene 50 empleados en el departamento de ensamblado. Sólo cuarenta de ellos
pertenecen al sindicato. Se eligen al azar cinco empleados para formar un comité que hablará
con la empresa sobre los horarios de inicio de los turnos. ¿Cuál es la probabilidad de que cuatro
de los cinco empleados elegidos para formar parte del comité pertenezcan a un sindicato?
6
CLASE Nro. 7.1
N es igual a 50, el número de empleados.

S tiene un valor de 40, el número de empleados
sindicalizados. x es igual a 4, el número de empleados
sindicalizados elegidos. n vale 5, el número de empleados
elegidos.
Miembros de un
Probabilidad
sindicato
0 0.000
1 0.004
2 0.044
3 0.210
4 0.431
5 0.311
1.000
Con el fin de comparar las dos distribuciones de probabilidad, la tabla muestra las
probabilidades hipergeométricas y binomiales del ejemplo de la fábrica, Inc. Como 40 de los
50 empleados del departamento de ensamblado están sindicalizados, establecemos que p = 0.80
para la distribución binomial. Las probabilidades binomiales de la tabla provienen de la
distribución binomial con n = 5 y p = 0.80.
Número de miembros Probabilidad Probabilidad binomial
sindicalizados en el comité hipergeométrica, P(x) (n=5 y π=0.80)
0 0.000 0.000
1 0.004 0.006
2 0.044 0.051
3 0.210 0.205
4 0.431 0.410
5 0.311 0.328
1.000 1.000
7
CLASE Nro. 7.1
Si los elementos seleccionados no se regresan a la población, se puede aplicar la distribución

binomial para calcular la distribución hipergeométrica cuando n < 0.05N. Es decir, basta la
distribución binomial si el tamaño de la muestra es menor que 5% de la población.
REFERENCIAS BIBLIOGRÁFICAS
1. Anderson, D. Sweeney, D. y Williams, T. (2009). Estadística para Administración y

Economía. CENGAGE Learning Editores, SA. 10ma Ed.
2. Lind, D. Marchall, W. y Wathen, S. (2008). Estadística Aplicada a los Negocios y la
Economía. Mc Graw Hill. 13va Ed.
3. Montgomery, D. Runger, G. (2010). Probabilidad y Estadística aplicadas a la Ingeniería.
Mc Graw Hill. 5ta Ed.
4. Walpole, R. Myers, R. Myers, S. (2007). Probabilidad y Estadística para Ingeniería.
Pearson. 8va Ed.
5. Wackerly, D. Mendenhall, W. Scheaffer, R. (2010). Estadística matemática con
aplicaciones. CENGAGE. 7ma Ed.
6. Canovos, G. (1998). Probabilidad y Estadística Aplicaciones y Métodos. Mc Graw Hill.
1ra Ed.
7. Hines, W. Montgomery, D. (2000). Probabilidad y Estadística para Ingeniería. CECSA.
3era Ed.
8. Galindo, E. (1999). Estadística para la Administración y la Ingeniería. Gráficas
Mediavilla Hnos. 1era Ed.
9. Milton, S. Arnold, J. (2000). Probabilidad y Estadística con aplicaciones para Ingeniería.
Mc Graw Hill. 4ta Ed.
10. Levin, Richard. (2010). Estadística para la Administración y Economía. Pearson
Educación. 7ma Ed.
11. Mason, Robert, D. (1992). Estadística Aplicada a los Negocios y Economía. Mc Graw
Hill. 1ra Ed.

CONTENIDO S5.1 Distribucion Binomial e Hipergeometrica

Cargado por

Copyright:

Formatos disponibles

CONTENIDO S5.1 Distribucion Binomial e Hipergeometrica

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

CONTENIDO S5.1 Distribucion Binomial e Hipergeometrica

Cargado por

Copyright:

Formatos disponibles

DISTRIBUCIONES DE PROBABILIDAD DISCRETAS.

Título Variables aleatorias Discretas.

Información general Distribución Binomial

Objetivo Describir y calcular las probabilidades de una distribución

4.2.1. DISTRIBUCIÓN BINOMIAL.

• Otra característica de la distribución binomial es el hecho de que la variable aleatoria es el

• Una tercera característica de una distribución binomial consiste en que la probabilidad de

• La última característica de una distribución de probabilidad binomial consiste en que cada

Experimento de Probabilidad Binomial

¿Cómo se calcula una probabilidad binomial?

Tablas de probabilidad binomial

4.2.2. Distribución de probabilidad hipergeométrica

Características Distribución de Probabilidades Hipergeométrica.

N es igual a 50, el número de empleados.

Si los elementos seleccionados no se regresan a la población, se puede aplicar la distribución

1. Anderson, D. Sweeney, D. y Williams, T. (2009). Estadística para Administración y

También podría gustarte