4.

Distribuciones de probabilidad
discretas y continuas.
4.1
4.2
4.3

Distribucin Binomial
Distribucin Poisson
Distribucin Normal
4.4 Aplicaciones

4.1 Distribucin binomial

La distribucin binomial es uno de los primeros

ejemplos de las llamadas distribuciones discretas (que
slo pueden tomar un nmero finito, o infinito
numerable, de valores).

Fue estudiada por Jakob Bernoulli (Suiza, 1654-1705),

quin escribi el primer tratado importante sobre
probabilidad, Ars conjectandi (El arte de pronosticar).
Los Bernoulli formaron una de las sagas de matemticos
ms importantes de la historia.

En estadstica, la distribucin binomial es una

distribucin de probabilidad discreta que mide el
nmero de xitos en una secuencia de n ensayos de
Bernoulli independientes entre s, con una probabilidad
fija p de ocurrencia del xito entre los ensayos.

Un experimento de Bernoulli se caracteriza por ser

dicotmico, esto es, slo son posibles dos resultados.

A uno de estos se denomina xito y tiene una

probabilidad de ocurrencia p y al otro, fracaso, con una
probabilidad q = 1 - p.

En la distribucin binomial el anterior experimento se

repite n veces, de forma independiente, y se trata de
calcular la probabilidad de un determinado nmero de
xitos. Para n = 1, la binomial se convierte, de hecho, en
una distribucin de Bernoulli.

Para representar que una variable aleatoria X sigue una

distribucin binomial de parmetros n y p, se escribe:

p( x k ) ( ) p * q
n
k

nk

La distribucin binomial est asociada a experimentos

del siguiente tipo:

Realizamos n veces cierto experimento en el que

consideramos slo la posibilidad de xito o fracaso.

La obtencin de xito o fracaso en cada ocasin es

independiente de la obtencin de xito o fracaso en las
dems ocasiones.

La probabilidad de obtener xito o fracaso siempre es

la misma en cada ocasin.

Ejemplo 1.
Tiramos

un dado 7 veces y
contamos el nmero de cincos
que obtenemos. Cul es la
probabilidad de obtener tres
cincos?.

Este es un tpico ejemplo de distribucin

binomial, pues estamos repitiendo 7 veces
el experimento de lanzar un dado. Cul
es nuestro xito?

Evidentemente,

que nos fijamos.

sacar un 5, que es en lo

 El

fracaso, por tanto, ser no sacar 5, sino

sacar cualquier otro nmero.

Por

tanto:

xito

= E = sacar un 5 p(E) =1/6

Fracaso = F = no sacar un 5 p(F) =5/6

Para calcular la probabilidad que nos piden,

fijmonos en que nos dicen que sacamos 3 cincos
y por lo tanto tenemos 3 xitos y 4 fracasos, de
cuntas
maneras
pueden
darse
estas
posibilidades?

Podramos sacar 3 cincos en las 3 primeras

tiradas y luego 4 tiradas sin sacar cinco, es decir:
EEEFFFF. Pero tambin podramos sacar EFEFFFE,
es decir que en realidad estamos calculando de
cuntas maneras se pueden ordenar 4 fracasos y
3 xitos.

Recordando las tcnicas combinatorias,

este problema se reduce a calcular las
combinaciones:
7!
7 * 6 * 5 * 4!

35
7 C3 ( )
3!(7 3)!
3!*4!
7
3

P(tener

3 xitos y 4 fracasos) =

1 1 1 5 5 5 5
35 * * * * * * *
6 6 6 6 6 6 6

Aplicando la frmula de la distribucin

binomial se tiene:

p( x k ) ( ) p * q
n
k

( nk )

1 3 5 4
p( x 3) ( )( ) * ( ) 0.0781
6
6
7
3

Funcin de distribucin de
probabilidad.

Ejercicio 1.

La probabilidad de que un alumno de

maestra apruebe las Matemticas es de
0.7. Si consideramos un grupo de 8
alumnos, cul es la probabilidad de que
cinco de ellos aprueben las Matemticas?

p( x 5) ( )(0.7) * (0.3) 0.254

8
5

Probabilidades acumuladas

Es posible que nos pidan no slo la

probabilidad de que ocurran un
cierto nmero de xitos en concreto,
sino que ocurran como mucho k
xitos o preguntas similares.

Ejemplo 2.
La probabilidad de que un alumno de
maestra apruebe las Matemticas es de
0.7. Si consideramos un grupo de 8
alumnos.
a)

Cul es la probabilidad de que aprueben

como mucho 2 alumnos?

b)

Cul es la probabilidad de que aprueben

entre 3 y 6 alumnos (inclusive)?

a)Cul es la probabilidad de que

aprueben como mucho 2 alumnos?

Si xito = aprobar y fracaso = suspender, p= 0.7

y q = 0.3, entonces nos piden p(X 2).

En este caso, basta pensar en que para que

aprueben 2 alumnos como mucho, puede que
aprueben 2, 1 o ninguno, es decir:
p(X 2) = p(X = 0)+p(X = 1)+p(X = 2)
= 0.00006 + 0.00122 + 0.01 = 0.1129

b) Cul es la probabilidad de que

aprueben entre 3 y 6 alumnos
(inclusive)?
Del mismo modo:
I.

p(3 X 6) =

II.

p(X =3)+p(X =4)+p(X =5)+p(X =6)

III.

= 0.0467 + 0.1361 + 0.2541 + 0.2965

IV. = 0.7334

n= 8, p= 0.7 y q= 0.3
r
0
1
2
3
4
5
6
7
8

P(X=r)
0.000066
0.001225
0.010002
0.046675
0.136137
0.254122
0.296475
0.197650
0.057648

P(Xr)
0.000066
0.001290
0.011292
0.057968
0.194104
0.448226
0.744702
0.942352
1.000000

http://www.stud.feec.vutbr.cz/~xvapen02/vypocty/bi.php

Ejercicio 2.

Los alumnos de cierta clase se encuentran en una

proporcin del 67% que estudian ingls y el resto francs.
Tomamos una muestra de 15 alumnos de la clase, calcular:

a)

Probabilidad de que al menos encontremos tres alumnos

de ingls.

b)

Probabilidad de que los 15 alumnos estudien ingls.

c)

Probabilidad de que estudien ingls entre 7 y 10 alumnos.

Si xito = estudiar ingls, p = 0.67 y fracaso = estudiar

francs, q = 1-0.67 = 0.33. Manejamos por tanto una
Binomial (15;0.67)
a) p(X 3) = p(X = 3)+p(X = 4)+p(X = 5)+p(X = 6)+. . .+ p(X = 15).
Una opcin es calcular estas 13 probabilidades y sumarlas. Como hay
que aplicar la frmula para calcular cada una, la tarea se puede hacer
bastante larga. Otra opcin, ms sencilla, es pasar al complementario.
El complementario de encontrar al menos 3 alumnos de ingls es
encontrar como mucho 2 alumnos de ingls, p(X 2).
Es decir, p(X 3) = 1 p(X <3) = 1 p(X 2) = 1 (p(X = 0)+p(X =
1)+p(X = 2))
y slo tenemos que calcular 3 probabilidades:
p(X = 0) 0 , p(X=1) = 0.000001, p(X=2) = 0.000026
Por lo cual,
p(X 3) = 1 (0 + 0.000001 + 0.000026) = 1 0.000027 = 0.999973

b) Probabilidad de que los 15 alumnos estudien ingls.

p(X=15) = 0.0025
c) Probabilidad de que estudien ingls entre 7 y 10
alumnos.
p(7 X 10)= p(X =7)+p(X =8)+p(X =9)+p(X =10)

= 0.0549 + 0.1114 + 0.1759 + 0.2142 = 0.5564.

r
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

P(X=r)
0.00000006
0.00000183
0.00002594
0.00022825
0.00139023
0.00620967
0.02101253
0.05485089
0.11136393
0.17585752
0.21422643
0.19770208
0.13379838
0.06268875
0.01818245
0.00246106

P(Xr)
0.00000006
0.00000189
0.00002783
0.00025607
0.00164630
0.00785597
0.02886850
0.08371939
0.19508333
0.37094085
0.58516728
0.78286936
0.91666774
0.97935649
0.99753894
1

n=15, p= 0.67 y q=0.33

http://www.stud.feec.vutbr.cz/~xvapen02/vypocty/bi.php

Funcin acumulada de
probabilidad