Departamento de Matemáticas 1º de Bachillerato

RELACIÓN
Tema 4: Distribuciones de probabilidad de variable discreta. La binomial.

Reflexión:
Los resultados que consigues estarán en proporción directa al esfuerzo que aplicas.

DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLE DISCRETA

1. Lanzamos dos monedas y contamos el número de caras, este número puede ser 0, 1 ó 2. Hemos repetido la
experiencia 5.000 veces (en realidad, hemos simulado la experiencia con un ordenador) y en la tabla siguiente
hemos anotado la cantidad de veces que ha salido cada uno de los resultados, es decir, la frecuencia absoluta de
cada suceso. Queremos calcular las probabilidades de los diferentes números de caras.

Número de caras 0 1 2
Frecuencia absoluta 1.222 2.509 1.269

Solución:

Del enunciado del problema, sacamos la siguiente información:

Variable aleatoria discreta = X = número de caras
Valores que puede tomar la variable aleatoria discreta = xi = 0, 1, 2
fi
Probabilidad de cada suceso = pi  f ri 
N
Número de veces que se realiza el experimento = N = 5.000

Obtenemos las frecuencias relativas y la nueva tabla es:

xi = Número de caras 0 1 2
fi = Frecuencia absoluta 1.222 2.509 1.269
fri = Frecuencia relativa 0,2444 0,5018 0,2538

En la distribución de frecuencias (relativas, en este caso.) Observamos que la suma de las frecuencias
relativas es 1, que es la frecuencia relativa del suceso seguro.
fr(0) + fr(1) + fr(2) = 0,2444 + 0,5018 + 0,2538 = 1

Según la Ley de los grandes números, si aumentamos indefinidamente el número de veces que repetimos el
experimento, las frecuencias relativas acabarán tendiendo a la probabilidad de cada uno de los sucesos .

El espacio muestral que se obtiene al tirar dos monedas es:

E = { CC, C+, +C, ++ }

Las probabilidades de los diferentes números de caras (es decir, de los sucesos elementales) son:
P(0)=0,25 P(1)=0,5 P(2)=0,25

Tenemos ahora, una distribución de probabilidad, que es el límite de la distribución de frecuencias relativas
cuando el número de veces que se repite la experiencia tiende a infinito.

Propiedades de la probabilidad:
a) Cada pi está comprendida entre 0 y 1 por ser una probabilidad. 0  pi  1
n
b) La suma de todas las pi vale 1. p
i 0
i 1

Gema Isabel Marín Caballero Página 1 de 17

 Por tanto, la tabla para la distribución de probabilidad es:

xi pi
0 0,25
1 0,5
2 0,25
Total 1

2. Las bolas de una bolsa están numeradas: 9 con un uno, 5 con un dos, y 6 con un tres. Se extrae una bola al azar y
se anota el número que sale. Elabora la distribución de probabilidad.

Solución:

Del enunciado del problema, sacamos la siguiente información:

Variable aleatoria discreta = X = número que sale
Valores que puede tomar la variable aleatoria discreta = xi = 1, 2, 3
Calculamos el número total de bolas que se sacan:
9 + 5 + 6 = 20
Número de veces que se realiza el experimento = N = 20

Las probabilidades de los diferentes números que sale (es decir, de los sucesos elementales) son:

P1 = P2 = P3 =

9 5 6
 0,45  0,25  0,30
20 20 20

Por tanto, la tabla para la distribución de probabilidad es:

xi pi
1 0,45
2 0,25
3 0,30
Total 1

PARÁMETROS EN UNA DISTRIBUCIÓN DE PROBABILIDAD DE VARIABLE DISCRETA

3. Lanzamos dos monedas y contamos el número de caras. Hemos repetido la experiencia 5.000 veces. Calcula los
parámetros para la distribución de probabilidad del ejercicio 1.

Solución:
xi pi pi·xi (xi)2 (xi)2·pi
0 0,25 0 0 0
1 0,5 0,50 1 0,50
2 0,25 0,50 4 1,00
Total 1 1,00 1,50

Calculamos los parámetros:

n
a) Media aritmética, esperanza matemática o valor esperado:    xi  p i  1
i 1
n n
b) Varianza:  2   xi   2  pi   xi2  pi   2  1,50  12  1,50  1  0,50
i 1 i 1

c) Desviación típica:   0,50  0,7071

Gema Isabel Marín Caballero Página 2 de 17

4. Halla la media, la varianza y la desviación típica de la distribución de probabilidad del ejercicio 2.

Solución:
xi pi pi·xi (xi)2 (xi)2·pi
1 0,45 0,45 1 0,45
2 0,25 0,50 4 1,00
3 0,30 0,90 9 2,70
Total 1 1,85 4,15

Calculamos los parámetros:

n
a) Media aritmética, esperanza matemática o valor esperado:    xi  pi  1,85
i 1
n n
b) Varianza:  2   xi   2  pi   xi2  pi   2  4,15  1,852  4,15  3,4225  0,7275
i 1 i 1

c) Desviación típica:   0,7275  0,8529

5. Consideramos la siguiente tabla, que es la función de probabilidad de una variable aleatoria discreta:

xi 1 2 3 4
pi 0,2 0,1 0,3 p

a) Calcula el valor de “p” para que la función de probabilidad esté bien definida.

b) Calcula su media, varianza y desviación típica.

Solución:

a) Sabemos que la suma de todas las pi vale 1.

0,2 + 0,1 + 0,3 + p = 1

Despejamos “p”:

p = 1 – (0,2 + 0,1 + 0,3) ; p = 1 – 0,6 ; p = 0,4

Por tanto, p = 0,4

b) Hacemos la tabla:
xi pi pi·xi (xi)2 (xi)2·pi
1 0,2 0,2 1 0,2
2 0,1 0,2 4 0,2
3 0,3 0,9 9 2,7
4 0,4 1,6 16 6,4
Total 1 2,9 9,5

Calculamos los parámetros:

n
 Media aritmética, esperanza matemática o valor esperado:    xi  pi  2,9
i 1
n n
 Varianza:  2   xi   2  pi   xi2  pi   2  9,5  2,92  9,5  8,41  1,09
i 1 i 1

 Desviación típica:   1,09  1,04403

Gema Isabel Marín Caballero Página 3 de 17

6. Halla la media, la varianza y la desviación típica de la siguiente distribución de probabilidad:

xi 0 1 2 3
pi 0,1 0,3 p 0,1

Solución:

Para calcular los parámetros para esta distribución de probabilidad, hay que calcular el valor de “p” para que
la función de probabilidad esté bien definida.

a) Sabemos que la suma de todas las pi vale 1.

0,1 + 0,3 + p + 0,1 = 1
Despejamos “p”:

p = 1 – (0,1 + 0,3 + 0,1) ; p = 1 – 0,5 ; p = 0,5

Por tanto, p = 0,5

b) Hacemos la tabla:
xi pi pi·xi (xi)2 (xi)2·pi
0 0,1 0 0 0
1 0,3 0,3 1 0,3
2 0,5 1 4 2
3 0,1 0,3 9 0,9
Total 1 1,6 3,2

Calculamos los parámetros:

n
 Media aritmética, esperanza matemática o valor esperado:    xi  pi  1,6
i 1
n n
 Varianza:  2   xi   2  pi   xi2  pi   2  3,2  1,62  3,2  2,56  0,64
i 1 i 1

 Desviación típica:   0,64  0,8

7. Consideramos la siguiente distribución de probabilidad de una variable aleatoria discreta:

xi 1 2 4 8
pi 0,15 3k k 0,05

a) Determina el valor de “k” para que la función de probabilidad esté bien definida.

b) Calcula su media, varianza y desviación típica.

Solución:

a) Sabemos que la suma de todas las pi vale 1.

0,15 + 3k + k + 0,05 = 1
Despejamos “k”:

0,8
3k + k = 1 – (0,15 + 0,05) ; 4k = 1 – 0,2 ; 4k = 0,8 ; k ; k = 0,2
4
Por tanto, k = 0,2

Gema Isabel Marín Caballero Página 4 de 17

 b) Hacemos la tabla:
xi pi pi·xi (xi)2 (xi)2·pi
1 0,15 0,15 1 0,15
2 0,6 1,2 4 2,4
4 0,2 0,8 16 3,2
8 0,05 0,4 64 3,2
Total 1 2,55 8,95

Calculamos los parámetros:

n
 Media aritmética, esperanza matemática o valor esperado:    xi  pi  2,55
i 1
n n
 Varianza:  2   xi   2  pi   xi2  pi   2  8,95  2,552  8,95  6,5025  2,4475
i 1 i 1

 Desviación típica:   2,4475  1,564448

DISTRIBUCIÓN BINOMIAL
8. En cada una de las siguientes situaciones, explica si se trata de una distribución binomial. En caso afirmativo,
identifica los valores de n y p:

a) Se ha comprobado que una determinada vacuna produce reacción alérgica en dos de cada mil individuos. Se
ha vacunado a 500 personas y nos interesamos por el número de reacciones alérgicas.

b) El 35% de una población de 2000 individuos tiene el cabello rubio. Elegimos a diez personas al azar y
estamos interesados en saber cuántas personas rubias hay.

Solución:

a) La experiencia consiste en vacunar una persona y comprobar si se produce reacción alérgica o no. Es una
experiencia dicotómica. Y repetimos esta experiencia 500 veces.

Por tanto, la variable discreta X = nº de reacciones alérgicas al vacunar a 500 personas es binomial.

2
P = P(Vacuna produce reacción alérgica) =  0,002
100
Luego, XB(500 ; 0,002)  Variable aleatoria X sigue una distribución binomial B(500 ; 0,002).

b) La experiencia consiste en elegir una persona y comprobar si tiene el cabello rubio o no. Es una experiencia
dicotómica. Y repetimos esta experiencia 10 veces.

Por tanto, la variable discreta X = nº de personas rubias entre 2.000 es binomial.

35
P = P(Persona sea rubia) =  0,35
100
Luego, XB(10 ; 0,35)  Variable aleatoria X sigue una distribución binomial B(10 ; 0,35).

Gema Isabel Marín Caballero Página 5 de 17

9. Lanzamos una moneda n = 4 veces. Hemos repetido la experiencia 4 veces. Queremos saber la distribución
binomial que sigue y calcular la probabilidad de salir cara.

Solución:

Del enunciado del problema, sacamos la siguiente información:

n = 4 veces se repite el experimento.
Variable aleatoria discreta = X = número de caras
Valores que puede tomar la variable aleatoria discreta = xi = 0, 1, 2, 3, 4
Espacio muestral = E = { C, + }

1
Éxito = A = salir cara.  Probabilidad de éxito = p
2
1
Fracaso = Ā = no salir cara = salir cruz.  Probabilidad de fracaso = q  1 p 
2

Cada vez que la lanzamos una moneda puede:

1
 salir cara con probabilidad p
2
1
 salir cruz con probabilidad q 
2
1 1
Por tanto, XB(4, )  Variable aleatoria X sigue una distribución binomial B(4, ).
2 2

Calculamos su función de probabilidad:

1 1 1 1 1 1
 P(X = 0) = P (0 caras) = P(4 cruces) = P(+ + + +) =     4 
2 2 2 2 2 16

 P(X = 1) = P(1 cara y 4 cruces) = P(C + + +) + P(+ C + +) + P(+ + C +) + P(+ + + C) =

1 1 1 1 1 1 1
 4
 4  4  4  4 4  4 
2 2 2 2 2 16 4

 P(X = 2) = P(2 caras y 2 cruces) = P(C C + +) + P(+ C + C) + P(C + C +) + P(+ + C C) + P(C + + C) + P(+ C C +) =
1 1 1 1 1 1 1 1 3
 4
 4  4  4  4  4  6 4  6 
2 2 2 2 2 2 2 16 8

 P(X = 3) = P(3 caras y 1 cruz) = P(1 cara y 3 cruces) = P(C C C +) + P(+ C C C) + P(C + C C) + P(C C + C) =
1 1 1 1 1 1 1
 4
 4  4  4  4 4  4 
2 2 2 2 2 16 4

1 1
 P(X = 4) = P(4 caras) = P(4 cruces) = P(C C C C) = P(+ + + +) = 4

2 16

Gema Isabel Marín Caballero Página 6 de 17

10. Lanzamos una moneda n = 10 veces (o bien se lanza una vez diez monedas). Queremos saber la distribución
binomial que sigue y calcular la probabilidad de salir cara.

Solución:

Del enunciado del problema, sacamos la siguiente información:

n = 10 veces se repite el experimento.
Variable aleatoria discreta = X = número de caras
Valores que puede tomar la variable aleatoria discreta = xi = 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
Espacio muestral = E = { C, + }

1
Éxito = A = salir cara.  Probabilidad de éxito = p
2
1
Fracaso = Ā = no salir cara = salir cruz.  Probabilidad de fracaso = q  1 p 
2

Cada vez que la lanzamos una moneda puede:

1
 salir cara con probabilidad p
2
1
 salir cruz con probabilidad q 
2

1 1
Por tanto, XB(10, )  Variable aleatoria X sigue una distribución binomial B(10, ).
2 2
Calculamos su función de probabilidad:

1 1 1 1 1 1 1 1 1 1 1
 P(X = 0) = P (0 caras) = P(10 cruces) =           10
2 2 2 2 2 2 2 2 2 2 2
1 1 1 1 1 1 1 1 1 1 1
 P(X = 1) = P(1 cara y 9 cruces) = 10  10  10  10  10  10  10  10  10  10  10  10
2 2 2 2 2 2 2 2 2 2 2
10  1 1 1 1 1
 P(X = 2) = P(2 caras y 8 cruces) =    2  10 2  45  2  8  45  10
2 2 2 2 2 2
10  1 1 1 1 1
 P(X = 3) = P(3 caras y 7 cruces) =    3  103  120  3  7  120  10
3 2 2 2 2 2
10  1 1 1 1 1
 P(X = 4) = P(4 caras y 6 cruces) =    4  10 4  210  4  6  210  10
4 2 2 2 2 2
10  1 1 1 1 1
 P(X = 5) = P(5 caras y 5 cruces) =    5  105  252  5  5  252  10
5 2 2 2 2 2
10  1 1 1 1 1
 P(X = 6) = P(6 caras y 4 cruces) =    6  106  210  6  4  210  10
6 2 2 2 2 2
10  1 1 1 1 1
 P(X = 7) = P(7 caras y 3 cruces) =    7  107  120  7  3  120  10
7 2 2 2 2 2
10  1 1 1 1 1
 P(X = 8) = P(8 caras y 2 cruces) =    8  108  45  8  2  45  10
8 2 2 2 2 2
10  1 1 1 1 1
 P(X = 9) = P(9 caras y 1 cruz) =    9  109  10  9  1  10  10
9 2 2 2 2 2
1
 P(X = 10) = P(10 caras) = P(10 cruces) = 10
2

Gema Isabel Marín Caballero Página 7 de 17

11. Se lanzan 6 dados (o bien se lanza un dado 6 veces). Queremos saber la distribución binomial que sigue y
calcular la probabilidad de salir cinco.

Solución:

Del enunciado del problema, sacamos la siguiente información:

n = 6 veces se repite el experimento.
Variable aleatoria discreta = X = número de cincos obtenidos
Valores que puede tomar la variable aleatoria discreta = xi = 0, 1, 2, 3, 4, 5, 6
Espacio muestral = E = { 1,2,3,4,5,6 }

1
Éxito = A = salir cinco.  Probabilidad de éxito = p
6
1 5
Fracaso = Ā = no salir cinco.  Probabilidad de fracaso = q  1 p  1 
6 6

1 1
Por tanto, XB(5, )  Variable aleatoria X sigue una distribución binomial B(5, ).
6 6

Calculamos su función de probabilidad:

6
5 5 5 5 5 5 5
 P(X = 0) = P (0 cincos) =        
6 6 6 6 6 6 6
6 1
 6 1  5 
5
1 5
 P(X = 1) = P(1 cinco) =    1     6  
1 6  6  6 6
6 2
 6 1
4
5 1 5
 P(X = 2) = P(2 cincos) =    2    15  2   
 2 6 6 6 6
6 3
 6 1
3
5 1 5
 P(X = 3) = P(3 cincos) =    3    20  3   
 3 6 6 6 6
6 4
 6 1  5 
2
1 5
 P(X = 4) = P(4 cincos) =    4     15  4   
 4 6  6  6 6
6 5
 6 1  5  1 5
 P(X = 5) = P(5 cincos) =    5     6 5 
 5 6  6  6 6
1 1 1 1 1 1 1
 P(X = 6) = P(6 cincos) =       6
6 6 6 6 6 6 6

12. Se extraen 5 cartas (o bien se extrae una carta 5 veces sin devolver). Queremos saber la distribución binomial
que sigue y calcular la probabilidad de ser figura.

Solución:

Del enunciado del problema, sacamos la siguiente información:

n = 5 veces se repite el experimento.
Variable aleatoria discreta = X = número de figuras
Valores que puede tomar la variable aleatoria discreta = xi = 0, 1, 2, 3, 4, 5

Supongamos que hay 10 cartas de oros, 10 de copas, 10 de espadas y 10 de bastos. En total, 40 cartas.
Hay 3 figuras de oros, 3 de copas, 3 de espadas y 3 de bastos. En total, 12 figuras.

Gema Isabel Marín Caballero Página 8 de 17

 Espacio muestral = E = { (1,2,3,4,5,6,7, As, Caballo, Rey) oros,
(1,2,3,4,5,6,7, As, Caballo, Rey) copas, (1,2,3,4,5,6,7, As, Caballo, Rey) espadas,
(1,2,3,4,5,6,7, As, Caballo, Rey) bastos}

12
Éxito = A = salir figura.  Probabilidad de éxito = p
40
12 28
Fracaso = Ā = no salir figura.  Probabilidad de fracaso = q  1 p  1 
40 40

Se extrae una carta SIN devolver.

Esta probabilidad corresponde a sacar la 1ª carta.

Al no devolver la carta, en la baraja hay una carta menos, por lo que 39. Así que la probabilidad de ser
figura en la 2ª carta NO es la misma que en la 1ª, no es una binomial. Como no se devuelve la carta, sí varía la
probabilidad en las sucesivas extracciones. Por tanto, la variable X no sigue una distribución binomial.

13. Se extraen 5 cartas con reemplazamiento (o bien se extrae una carta 5 veces con reemplazamiento). Queremos
saber la distribución binomial que sigue y calcular la probabilidad de ser figura.

Solución:

Del enunciado del problema, sacamos la siguiente información:

n = 5 veces se repite el experimento.
Variable aleatoria discreta = X = número de figuras
Valores que puede tomar la variable aleatoria discreta = xi = 0, 1, 2, 3, 4, 5

Supongamos que hay 10 cartas de oros, 10 de copas, 10 de espadas y 10 de bastos. En total, 40 cartas.
Hay 3 figuras de oros, 3 de copas, 3 de espadas y 3 de bastos. En total, 12 figuras.

Espacio muestral = E = { (1,2,3,4,5,6,7, As, Caballo, Rey) oros,

(1,2,3,4,5,6,7, As, Caballo, Rey) copas, (1,2,3,4,5,6,7, As, Caballo, Rey) espadas,
(1,2,3,4,5,6,7, As, Caballo, Rey) bastos}

12
Éxito = A = salir figura.  Probabilidad de éxito = p
40
12 28
Fracaso = Ā = no salir figura.  Probabilidad de fracaso = q  1 p  1 
40 40

Se extrae una carta CON reemplazamiento.

Esta probabilidad corresponde a sacar la 1ª carta.

Al reemplazar o devolver la carta, en la baraja siempre hay 40 cartas. Así que la probabilidad de ser figura
en la 2ª carta SÍ es la misma que en la 1ª, es una binomial. Como se devuelve la carta, no varía la probabilidad en las
sucesivas extracciones. Por tanto, la variable X sigue una distribución binomial.

12 12
Por tanto, XB(5, )  Variable aleatoria X sigue una distribución binomial B(5, ).
40 40

Calculamos su función de probabilidad:

5
28 28 28 28 28  28 
 P(X = 0) = P (0 figuras) =      
40 40 40 40 40  40 

Gema Isabel Marín Caballero Página 9 de 17

 51
 5   12 
1 4
 28  12  28 
 P(X = 1) = P(1 figura) =         5  
 1   40   40  40  40 
5 2
 5   12   28 
2 2 3
 12   28 
 P(X = 2) = P(2 figuras) =         10      
 2   40   40   40   40 
5 3
 5   12 
3 3 2
 28   12   28 
 P(X = 3) = P(3 figuras) =         10     
 3   40   40   40   40 
5 4
 5   12   28 
4 4
 12  28
 P(X = 4) = P(4 figuras) =         5  
 4   40   40   40  40
5
12 12 12 12 12  12 
 P(X = 5) = P(figuras) =      
40 40 40 40 40  40 

14. Se considera el número de partidos que ganará un equipo en los próximos 7 partidos. Queremos saber la
distribución binomial que sigue.

Solución:

Del enunciado del problema, sacamos la siguiente información:

n = 7 veces se repite el experimento.
Variable aleatoria discreta = X = número de partidos
Valores que puede tomar la variable aleatoria discreta = xi = 0, 1, 2, 3, 4, 5, 6, 7

Se tiene un partido SIN devolver.

Como la probabilidad de ganar no es la misma en cada partido, no es una binomial. Por tanto, la variable X no
sigue una distribución binomial.

15. En un examen de tipo test, hay 10 preguntas de respuesta alternativa. Cada una de ellas tiene 4 posibles
opciones, de las cuales hay que elegir una.

a) Si se responde al azar, ¿cuál es la probabilidad de responder correctamente a dos de ellas?

b) ¿Y la probabilidad de que conteste correctamente más de 2 preguntas?

c) ¿Cuál es la probabilidad de que conteste bien 4 preguntas?

d) Calcula la probabilidad de que conteste mal a todas las preguntas.

Solución:

Del enunciado del problema, sacamos la siguiente información:

n = 10 veces se repite el experimento.
Variable aleatoria discreta = X = número de respuestas correctas
Valores que puede tomar la variable aleatoria discreta = xi = 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
Espacio muestral = E = { 4 posibles opciones }

1
Éxito = A = respuesta correcta.  Probabilidad de éxito = p
4
Fracaso = Ā = respuesta no correcta = respuesta errónea.  Probabilidad de fracaso =
1 3
 q  1 p  1 
4 4

1 1
Por tanto, XB(10, )  Variable aleatoria X sigue una distribución binomial B(10, ).
4 4
Gema Isabel Marín Caballero Página 10 de 17
 a) Si nos piden la probabilidad de responder correctamente a dos de ellas, hay que calcular P(X = 2).
10 2
10  1
8
3 1 3
P(X = 2) = P(2 respuestas correctas) =    2    45      0,2816
2 4 4 42 4

b) Si nos piden la probabilidad de responder correctamente más de 2 preguntas, hay que calcular P(X > 2).
P(X > 2) = P(X = 3) + P(X = 4) + P(X = 5) + P(X = 6 ) + P(X = 7) + P(X = 8) + P(X = 9) + P(X = 10) =
= P(3 respuestas correctas) + P(4 respuestas correctas) + P(5 respuestas correctas) +
+ P(6 respuestas correctas) + P(7 respuestas correctas) + P(8 respuestas correctas) +
+ P(9 respuestas correctas) + P(10 respuestas correctas) = ……

Esto es lo mismo que hacer:

P(X > 2) = 1 - P(X ≤ 2) = 1 – [ P(X = 0) + P(X = 1) + P(X = 2) ] =
= 1 – [ P(0 respuestas correctas) + P(1 respuesta correcta) + P(2 respuestas correctas) ] =
10  1 3
10 0
10  1 3
101
10  1 3
10 2

 1     0       1       2   
 0  4 4 1 4 4 2 4 4 
 3 10 1 3
9
1 3 
8

 1     10      45  2      1  0,5259  0,4741
 4  4 4 4  4  

c) Si nos piden la probabilidad de que conteste bien 4 preguntas, hay que calcular P(X = 4).
10 4
10  1  3 
6
1 3
P(X = 4) = P(4 respuestas correctas) =    4     210  4     0,1459
 4  4 4 4 4

d) Si nos piden la probabilidad de que conteste mal a todas las preguntas, hay que calcular P(X = 0).
100
10  1  3 
10
3
P(X = 0) = P(0 respuestas correctas) = P(10 respuestas erróneas) =    0        0,0563
 0  4 4 4

16. En una biblioteca, el 10 % de los libros son de matemáticas. Elegimos 5 libros al azar. ¿Cuál es la probabilidad de
que hayamos cogido más de 3 libros de matemáticas?

Solución:

Del enunciado del problema, sacamos la siguiente información:

n = 5 veces se repite el experimento.
Variable aleatoria discreta = X = número de libros de matemáticas elegidos
Valores que puede tomar la variable aleatoria discreta = xi = 0, 1, 2, 3, 4, 5
Espacio muestral = E = { libros }
10 % de los libros son de matemáticas. = 0,10

Éxito = A = elegir un libro de matemáticas.  Probabilidad de éxito = p  0,10

Fracaso = Ā = no elegir un libro de matemáticas.  Probabilidad de fracaso =
 q  1  p  1  0,10  0,90

Por tanto, XB(5 ; 0,10)  Variable aleatoria X sigue una distribución binomial B(5 ; 0,10).

Gema Isabel Marín Caballero Página 11 de 17

 Si nos piden la probabilidad de que hayamos cogido más de 3 libros de matemáticas, hay que calcular
P(X > 3).

P(X > 3) = P(X = 4) + P(X = 5) = P(4 libros de matemáticas) + P(5 libros de matemáticas) =
 5  5
    0,10  0,90     0,10  0,90  5  0,10  0,90  0,10  0,00046
4 5 4 5 55 4 5

 4  5

17. Tiramos cinco veces un dado numerado del 1 al 6.

a) Calcular la probabilidad de obtener sólo un 6.
b) Calcular la probabilidad de obtener al menos un 6.

c) Calcular la probabilidad de que salga 6 en los cinco lanzamientos.

Solución:

Del enunciado del problema, sacamos la siguiente información:

n = 5 veces se repite el experimento.
Variable aleatoria discreta = X = número de 6 obtenidos
Valores que puede tomar la variable aleatoria discreta = xi = 0, 1, 2, 3, 4, 5
Espacio muestral = E = { 1,2,3,4,5,6 }
1
Éxito = A = salir seis.  Probabilidad de éxito = p
6
1 5
Fracaso = Ā = no salir seis.  Probabilidad de fracaso = q  1 p  1 
6 6

1 1
Por tanto, XB(5, )  Variable aleatoria X sigue una distribución binomial B(5, ).
6 6

Calculamos su función de probabilidad:

6
5 5 5 5 5 5 5
 P(X = 0) = P (0 seis) =        
6 6 6 6 6 6 6
51
 5 1  5 
5
1 5
 P(X = 1) = P(1 seis) =    1     5  
1 6  6  6 6
5 2
 5 1  5 
4
1 5
 P(X = 2) = P(2 seis) =    2     10  2   
 2 6  6  6 6
5 3
 5 1  5 
3
1 5
 P(X = 3) = P(3 seis) =    3     10  3   
 3 6  6  6 6
5 4
 5 1  5 
2
1 5
 P(X = 4) = P(4 seis) =    4     5 4  
 4 6  6  6 6
1 1 1 1 1 1
 P(X = 5) = P(seis) =      5
6 6 6 6 6 6

a) Si nos piden la probabilidad de obtener sólo un 6, hay que calcular P(X = 1).
5
1 5
P(X = 1) = P(1 seis) = 5    
6 6

Gema Isabel Marín Caballero Página 12 de 17

 b) Si nos piden la probabilidad de obtener al menos un 6, hay que calcular P(X > 1).
P(X > 1) = P(X = 2) + P(X = 3) + P(X = 4) + P(X = 5) = P(2 seis) + P(3 seis) + P(4 seis) + P(5 seis) =
5 4 2
1 5 1 5 1 5 1 5 1
 5      10  2     10  3    5 4   5
6 6 6 6 6 6 6 6 6

c) Si nos piden la probabilidad de que salga 6 en los cinco lanzamientos, hay que calcular P(X = 5).
1
P(X = 5) = P(5 seis) =
65

18. Una urna contiene 3 bolas rojas y 7 verdes. Se saca una al azar, se anota su color y se devuelve a la urna. Si
esta experiencia se repite 5 veces, calcula la probabilidad de obtener:
a) Tres bolas rojas.

b) Menos de tres rojas.

c) Más de tres rojas.

d) Alguna roja.

Solución:

Del enunciado del problema, sacamos la siguiente información:

n = 5 veces se repite el experimento.
Variable aleatoria discreta = X = número de bolas rojas que salen
Valores que puede tomar la variable aleatoria discreta = xi = 0, 1, 2, 3, 4, 5
Espacio muestral = E = { bolas rojas, bolas verdes }
Número total de bolas que se sacan: 3 + 7 = 10
3
Éxito = A = salir roja.  Probabilidad de éxito = p  0,3
10
3 7
Fracaso = Ā = no salir roja.  Probabilidad de fracaso = q  1 p  1   0,7
10 10

Se extrae una bola CON devolución.

Esta probabilidad corresponde a sacar la 1ª bola.

Al reemplazar o devolver la bola, en la urna siempre hay 10 bolas. Así que la probabilidad de ser bola roja en
la 2ª extracción SÍ es la misma que en la 1ª, es una binomial. Como se devuelve la bola, no varía la probabilidad en
las sucesivas extracciones. Por tanto, la variable X sigue una distribución binomial.

Por tanto, XB(5 ; 0,3)  Variable aleatoria X sigue una distribución binomial B(5 ; 0,3).

a) Si nos piden la probabilidad de obtener 3 bolas rojas, hay que calcular P(X = 3).
 5  5
   0,3  0,7      0,3  0,7   10  0 , 027  0,49  0,1323
3 53 3 2
P(X = 3) = P(3 rojas) =
 3  3

b) Si nos piden la probabilidad de obtener menos de 3 rojas, hay que calcular P(X < 3).
P(X < 3) = P(X = 0) + P(X = 1) + P(X = 2) = P(0 rojas) + P(1 roja) + P(2 rojas) =
 5  5 5
    0,3  0,7      0,3  0,7      0,3  0,7  
0 50 1 51 2 5 2

 0 1  2
 1  0,3  0,7   5  0,3  0,7   10  0,3  0,7  
0 5 1 4 2 3

 0,16807 + 0,36015 + 0,3087 = 0,83692

Gema Isabel Marín Caballero Página 13 de 17

 c) Si nos piden la probabilidad de obtener más de 3 rojas, hay que calcular P(X > 3).
P(X > 3) = P(X = 4) + P(X = 5) = P(4 rojas) + P(5 rojas) =
 5  5
    0,3  0,7      0,3  0,7   5  0,3  0,7   1  0,3  0,7  
4 5 4 5 5 5 4 1 5 0

 4  5
 0,02835 + 0,00243 = 0,03078

Esto es lo mismo que hacer:

P(X > 3) = 1 - P(X ≤ 3) = 1 – [ P(X = 0) + P(X = 1) + P(X = 2) ] =
= 1 – [ P(0 rojas) + P(1 roja) + P(2 rojas) ] =
 5   5  5 5 2 
 1     0,3  0,7      0,3  0,7      0,3  0,7   
0 50 1 51 2

 0  1  2 
 5 1 4 2 3

 1  1  0,3  0,7   5  0,3  0,7   10  0,3  0,7   1  0,83692  0,03078
0

d) Si nos piden la probabilidad de obtener alguna roja, hay que calcular P(X > 0).
P(X > 0) = P(X = 0) + P(X = 1) + P(X = 2) + P(X = 3) + P(X = 4) + P(X = 5) =
= P(0 rojas) + P(1 roja) + P(2 rojas) + P(3 rojas) + P(4 rojas) + P(5 rojas) = ……

Esto es lo mismo que hacer:

P(X > 0) = 1 – P(X ≤ 0) = 1 – P(X = 0) =

 5
1     0,3  0,7   1  1  0,3  0,7   1  0,16807  0,83193
0 5 0 0 5
= 1 – P(0 rojas) =
 0

PARÁMETROS EN UNA DISTRIBUCIÓN BINOMIAL

19. Un examen de tipo test consta de 20 preguntas, cada una de ellas con 4 opciones, de las cuales sólo una es la
correcta. Un estudiante que no se ha preparado el examen responde al azar. ¿Cuántas respuestas cabe esperar
que acertará?

Solución:

Del enunciado del problema, sacamos la siguiente información:

n = 20 veces se repite el experimento.
Variable aleatoria discreta = X = número de respuestas correctas
Valores que puede tomar la variable aleatoria discreta = xi = 0, 1, 2, 3, 4, 5, 6, … , 19, 20
Espacio muestral = E = { 4 posibles opciones }

1
Éxito = A = respuesta correcta.  Probabilidad de éxito = p
4
Fracaso = Ā = respuesta no correcta = respuesta errónea.  Probabilidad de fracaso =
1 3
 q  1 p  1 
4 4
1 1
Por tanto, XB(20, )  Variable aleatoria X sigue una distribución binomial B(20, ).
4 4

Si nos piden cuántas respuestas cabe esperar que acertará, hay que calcular la media o valor esperado µ.
1
  n  p  20  5
4
Por tanto, 5 respuestas cabe esperar que acertará.

Gema Isabel Marín Caballero Página 14 de 17

20. Una máquina fabrica tornillos. El 2 % salen defectuosos. Se empaquetan en cajas de 100 tornillos. Queremos
saber la distribución binomial que sigue y contesta lo siguiente:

a) Calcula la probabilidad de que en una caja no haya tornillos defectuosos.

b) Calcula la probabilidad de que en una caja haya un tornillo defectuoso.

c) Calcula la probabilidad de que en una caja haya dos tornillos defectuosos.

d) Calcula la probabilidad de que en una caja haya más de dos tornillos defectuosos.
e) ¿Cuántos tornillos defectuosos habrá, por término medio, en cada caja?
f) Halla la varianza.

g) Halla la desviación típica.

Solución:

Del enunciado del problema, sacamos la siguiente información:

n = 100 veces se repite el experimento.
Variable aleatoria discreta = X = número de tornillos defectuosos en la caja
Valores que puede tomar la variable aleatoria discreta = xi = 0, 1, 2, 3, 4, 5, 6, 7, …, 99, 100
Espacio muestral = E = { tornillos }
2 % de los tornillos son defectuosos = 0,02

Éxito = A = salir tornillo defectuoso.  Probabilidad de éxito = p  0,02

Fracaso = Ā = no salir tornillo defectuoso.  Probabilidad de fracaso = q  1  p  1  0,02  0,98

Por tanto, XB(100 ; 0,02)  Variable aleatoria X sigue una distribución binomial B(100 ; 0,02).

a) Si nos piden la probabilidad de que en una caja no haya tornillos defectuosos, hay que calcular P(X = 0).
100 
  0,02  0,98  0,98  0,1326
1000

0 100
P(X = 0) = P(0 tornillos defectuosos) =
 0 

b) Si nos piden la probabilidad de que en una caja haya un tornillo defectuoso, hay que calcular P(X = 1).
100 
  0,02  0,98  100  0,02  0,98  0,2706
1001

1 99
P(X = 1) = P(1 tornillo defectuoso) =
 1 

c) Si nos piden la probabilidad de que en una caja haya dos tornillos defectuosos, hay que calcular P(X = 2).
100 
  0,02  0,98  4.950  0,02  0,98  0,2734
100 2

2 2 98
P(X = 2) = P(2 tornillos defectuosos) =
 2 

d) Si nos piden la probabilidad de que en una caja haya más de dos tornillos defectuosos, hay que calcular
P(X > 2).

P(X > 2) = P(X = 3) + P(X = 4) + P(X = 5) + P(X = 6 ) + P(X = 7) + …… + P(X = 99) + P(X = 100) =
= P(3 tornillos defectuosos) + P(4 tornillos defectuosos) + P(5 tornillos defectuosos) +
+ P(6 tornillos defectuosos) + P(7 tornillos defectuosos) + …… +
+ P(99 tornillos defectuosos) + P(100 tornillos defectuosos) = ……

Esto es lo mismo que hacer:

P(X > 2) = 1 – P(X ≤ 2) = 1 – [ P(X = 0) + P(X = 1) + P(X = 2) ] =
= 1 – [ P(0 tornillos defectuosos) + P(1 tornillo defectuoso) + P(2 tornillos defectuosos) ] =
 1  0,1326  0,2706  0,2734  1  0,6766  0,3234

Gema Isabel Marín Caballero Página 15 de 17

 e) Media o valor esperado:   n  p  100  0,02  2
Por tanto, habrá 2 tornillos defectuosos en cada caja.

f) Varianza:  2  n  p  q  100  0,02  0,98  1,96

g) Desviación típica:   n  p  q  100  0,02  0,98  1,96  1,4

21. En una población en la que hay un 40 % de hombres y un 60 % de mujeres, seleccionamos 4 individuos.

a) ¿Cuál es la probabilidad de que haya 2 hombres y 2 mujeres?
b) ¿Cuál es la probabilidad de que haya más mujeres que hombres?

c) Calcula la media.
d) Halla la varianza.

e) Halla la desviación típica.

Solución:

Del enunciado del problema, sacamos la siguiente información:

n = 4 veces se repite el experimento.
Variable aleatoria discreta = X = número de hombres
Valores que puede tomar la variable aleatoria discreta = xi = 0, 1, 2, 3, 4
Espacio muestral = E = { hombres, mujeres }
40 % de la población son hombres = 0,40
60 % de la población son mujeres = 0,60

Éxito = A = elegir un hombre.  Probabilidad de éxito = p  0,40

Fracaso = Ā = elegir una mujer.  Probabilidad de fracaso = q  1  p  1  0,40  0,60

Por tanto, XB(4 ; 0,40)  Variable aleatoria X sigue una distribución binomial B(4 ; 0,40).

a) Si nos piden la probabilidad de que haya 2 hombres y 2 mujeres, hay que calcular P(X = 2).
 4
   0,40  0,60  6  0,40  0,60 
2 42 2 2
P(X = 2) = P(2 hombres y 2 mujeres) =
 2
 6  0,16  0,36  0,3456

b) Si nos piden la probabilidad de que haya más mujeres que hombres, hay que calcular P(X < 2).
P(X < 2) = P(X = 0) + P(X = 1) = P(0 hombres y 4 mujeres) + P(1 hombre y 3 mujeres) =
 4  4
    0,40  0,60     0,40  0,60  1  0,40  0,60  4  0,40  0,60 
0 40 1 4 1 0 4 1 3

 0 1
 1  1  0,1296  4  0,40  0,216  0,1296  0,3456  0,4752

c) Media o valor esperado:   n  p  4  0,40  1,6

Por tanto, habrá 1,6 hombres por cada 4 individuos.

d) Varianza:  2  n  p  q  4  0,40  0,60  0,96

e) Desviación típica:   n  p  q  4  0,40  0,60  0,96  0,98

Gema Isabel Marín Caballero Página 16 de 17

22. Se sabe que el 30 % de la población de una determinada ciudad ve un concurso que hay en televisión. Desde el
concurso se llama por teléfono a 10 personas de esa ciudad elegidas al azar. Calcula la probabilidad de que, entre
esas 10 personas, estuvieran viendo el programa:

a) Más de 8.
b) Alguna de las 10.

c) Halla la media.
d) Calcula la varianza.
e) Halla la desviación típica.

Solución:

Del enunciado del problema, sacamos la siguiente información:

n = 10 veces se repite el experimento.
Variable aleatoria discreta = X = número de personas que están viendo el programa
Valores que puede tomar la variable aleatoria discreta = xi = 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
Espacio muestral = E = { personas }
30 % de la población ve un concurso en televisión = 0,30

Éxito = A = elegir una persona que está viendo el programa.  Probabilidad de éxito = p  0,30
Fracaso = Ā = elegir una persona que no está viendo el programa.  Probabilidad de fracaso =
 q  1  p  1  0,30  0,70

Por tanto, XB(10 ; 0,30)  Variable aleatoria X sigue una distribución binomial B(10 ; 0,30).

a) Si nos piden la probabilidad de que haya más de 8 personas viendo el programa, hay que calcular P(X > 8).
P(X > 8) = P(X = 9) + P(X = 10) = P(9 personas viendo el programa) + P(10 personas viendo el programa) =
10  10 
    0,30  0,70     0,30  0,70  10  0,30  0,70  1  0,30  0,70 
9 109 10 1010 9 1 10 0

9 10 
 10  0,000019  0,70  1  0,0000059  1  0,000133  0,0000059  0,0001389

b) Si nos piden la probabilidad de que alguna de las 10 personas están viendo el programa, hay que calcular
P(X > 0).
P(X > 0) = P(X = 1) + P(X = 2) + P(X = 3) + P(X = 4 ) + P(X = 5) + …… + P(X = 9) + P(X = 10) =
= P(1 persona viendo el programa) + P(2 personas viendo el programa) +
+ P(3 personas viendo el programa) + P(4 personas viendo el programa) +
+ P(5 personas viendo el programa) + …… +
+ P(9 personas viendo el programa) + P(10 personas viendo el programa) = ……

Esto es lo mismo que hacer:

P(X > 0) = 1 – P(X ≤ 0) = 1 – P(X = 0) =

10 
1     0,30  0,70  1  1  0,30  0,70 
0 100 0 10
= 1 – P(0 personas viendo el programa) =
0
= 1  1  1  0,028  1  0,028  0,972

c) Media o valor esperado:   n  p  10  0,30  3

Por tanto, habrá 3 personas están viendo el programa por cada 10 personas.

d) Varianza:  2  n  p  q  10  0,30  0,70  2,1

e) Desviación típica:   n  p  q  10  0,30  0,70  2,1  1,45

Gema Isabel Marín Caballero Página 17 de 17