La distribucin binomial

MARIO BERMEO Mster en Administracin de Empresas (MBA) Mster en Calidad Total

Todos los derechos son reservados 2012

Introduccin
VARIABLE ALEATORIA CONTNUA: es aquella que puede tomar cualquier valor ( peso, volumen. Dimensiones etc. VARIABLE ALEATORIA DISCRETA Es aquella que slo puede tomar determinados valores ( bueno - malo: si - no; macho-hembra. La distribucin normal se utiliza para variables aleatorias continuas. Para las variables aleatorias discretas existen otro tipo de distribuciones Binomial Poison Hipergeomtrica

Introduccin
En las empresas tenemos muchas situaciones donde se espera que ocurra o no un evento especfico. ste puede ser de xito o fracaso sin dar paso a un punto medio. Por ejemplo, en la produccin de un artculo, ste puede salir bueno o malo. Casi bueno no es un resultado de inters. Para situaciones como stas se utiliza la distribucin binomial. En este mdulo se describe el uso de la distribucin binomial para obtener la probabilidad de ocurrencia de ese evento que representa un resultado esperado.

Dato histrico

El clculo de probabilidades tuvo un notable desarrollo con el trabajo del matemtico suizo Jacob Bernoulli (1654-1705). Bernoulli defini el proceso conocido por su nombre el cual establece las bases para el desarrollo y utilizacin de la distribucin binomial.

Utilidad
La distribucin binomial se utiliza en situaciones cuya solucin tiene dos posibles resultados. Por ejemplo:

Al nacer un/a beb puede ser varn o hembra.

En el deporte un equipo puede ganar o perder.

En pruebas de cierto o falso slo hay dos alternativas.

Utilidad
Tambin se utiliza cuando el resultado se puede reducir a dos opciones. Por ejemplo: Un tratamiento mdico puede ser efectivo o inefectivo. La meta de produccin o ventas del mes se pueden o no lograr. En pruebas de seleccin mltiple, aunque hay cuatro o cinco alternativas, se pueden clasificar como correcta o incorrecta.
Estos ejemplos los podemos considerar como experimentos de Bernoulli

Propiedades de un experimento de Bernoulli

1 - En cada prueba del experimento slo hay dos posibles resultados: xitos o fracasos. 2 - El resultado obtenido en cada prueba es independiente de los resultados obtenidos en pruebas anteriores. 3 - La probabilidad de xito de un suceso es constante, la representamos por p, y no vara de una prueba a otra. La probabilidad de fracaso 1- p y la representamos por q .
P + q = 1 Si repetimos el experimento n veces podemos obtener resultados para la construccin de la distribucin binomial.

La distribucin binomial
La distribucin de probabilidad binomial es un ejemplo de distribucin 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 xitos p 3 - utilizar la funcin matemtica.

La funcin P(x=k)
A continuacin vemos La funcin de probabilidad de la distribucin Binomial, tambin denominada Funcin de la distribucin de Bernoulli:

"cara" al lanzar la moneda. 1-p = tambin se le denomina como q

k = es el nmero de aciertos. n = es el nmero de experimentos. p = es la probabilidad de xito, como por ejemplo, que salga

Ejemplo1 de la funcin F(x=k)

Cul es la probabilidad de obtener 6 caras al lanzar una moneda 10 veces? El nmero de aciertos k es 6. Esto es x=6 El nmero de experimentos n son 10 La probabilidad de xito p, es decir, que salga "cara" al lanzar la moneda es 50% 0.50 La frmula quedara:

P (k = 6) = 0.205
Es decir, que la probabilidad de obtener 6 caras al lanzar 10 veces una moneda es de 20.5% .

Ejemplo 2 de la funcin F(x=k)

Cul es la probabilidad de obtener cuatro veces el nmero 3 al lanzar un dado ocho veces? El nmero de aciertos k es 4. Esto es x=4

El nmero de experimentos n son 8

La probabilidad de xito p (probabilidad de que salga un 3 al tirar el dado) es 1 / 6 (= 0.1666) La frmula queda:

P (k = 4) = 0.026
Es decir, que la probabilidad de obtener cuatro veces el nmeros 3 al tirar un dado 8 veces es de 2.6%.

Ejemplo 3 de la funcin F(x=k)

La produccin de lmparas es continua cuya fraccin de no conformes es de 0,125. Un cartn es aceptado si una muestra de 4 no contiene lmparas no conformes.
Cual es la probabilidad de aceptar un cartn. El nmero de aciertos k es 0. Esto es (x=0 ) (buscamos cero no
conformes para aceptar el lote)

P= 0,125 n= 4 q = 1-p = 0,875 P(k=x) = n! x! ( n x)! 4! P(k=x) = 0! ( 4 0)! p

x

n-x

(0,125) (0,875)

4-0

= 0,59

Ejemplo 4 de la funcin F(x=k)

La empresa JBC reclama que no ms de 1 de 10 clientes llama a reparacin en el primer ao. Para verificar lo anunciado se elige a 20 personas en forma aleatoria y determina que 4 de ellos haba llamado en el primer ao.
Esto destruye lo anunciado por la empresa JBC. X=4 p= 1/10 = 0,1 n= 20 q = 1-p = 0,9 P(k=x) = n! x! ( n x)! 20! P(k=x) = 4! ( 20 4)! p
x

q
4

n-x

20-4

(0,1) (0,9)

= 0,08 = 8%

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) . (n)= El nmero de veces que se realiza el experimento p = La probabilidad de xito k = El nmero de xitos (este valor se encuentra entre 0 y n) En el parmetro B(n,p), n debe ser mayor de 0 y p un valor desde 0 al 1. La probabilidad p se busca en la primera fila (valores desde 001 hasta 05). El nmero de veces que se realiza el experimento, en la primera columna (valores desde 2 a 10) y el nmero de xitos a su lado. Nota importante: En las tablas encontramos los valores acumulativos esto es: P(2) = P(0) +P(1) +P(2) En la tabla encuentras valores de n hasta 10 y p hasta 0,5

Tabla de probabilidad binomial

Obtenga ms informacin de cmo asignar probabilidades utilizando las tablas.

Ejemplo 5
B(n,p)
En una fbrica de cmaras el 5% sale con defectos. Determine la probabilidad de que en una muestra de 10 se encuentren hasta 2 cmaras defectuosas. Solucin : Se trata de una distribucin binomial de parmetros n = 10 y p = 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=10, luego en la parte superiror p=0.05 . La probabilidad estar en x<=2 El resultado es 0.998 = 99,8%

Ejemplo 3 de la funcin F(x=k)

Un 10% de productos producidos en un proceso de fabricacin resulta defectuoso. Hallar la probabilidad de que en una muestra de 10 unidades elegidas al azar sean exactamente 2 defectuosos.
p= 10% = 0,1 n= 10 X= 2 q = 1-p = 0,9 P(k=x) = 10! 2! (10 2)! (0,1) (0,9)
2 10 -2

= 0,1937= 19,7%

Con las tablas (X 2) = 0,9298, Calculamos para (x 1) = 0,7361 P(x=2) = P(X 2) - P (x 1) = 0,9298 0,7361 = 0,1937= 19,37%

Ejemplo 6 B(n,p)
Supongamos que lanzamos al aire una moneda trucada. Con esta moneda la probabilidad de obtener cara es del 30%. La probabilidad que salga cruz ser, pues, del 70%. Lanzamos la moneda 10 veces de manera consecutiva. Si queremos calcular la probabilidad de que observemos 6 caras o menos nos fijamos en la tabla: localizamos n=10, x=6, p=0.3 y buscamos la interseccin. Solucin : 0,9894= 98,9% Pero esto es X 6, es decir P(X 6) = P(0) +P(1)+P(2)+P(3)+P(4)+P(5)+P(6) si nos pidieran la probabilidad de que salieran exactamente 6 caras? Tendramos que calcular la probabilidad de obtener 6 caras o menos (0.9894) y la de obtener 5 caras o menos n= 10, x= 5, p= 0,3 esto es P(x 5) = (0.9527), las restamos P(X =6) = P(X 6)- P(x 5) = 0.9894 - 0.9527 = 0.0367 = 3,6% Con la frmula
6 10-4

(0,3) (0,7) = P(x=6) = 10! 6! ( 10 4)!

0,0367 = 3,67%

Ejemplo 6 B(n,p)
Si nos pidieran la probabilidad de que salieran 7 caras o ms? P(X 7) Entonces utilizaramos el hecho de que el suceso descrito es el complementario del anterior para afirmar que la probabilidad buscada es 1-0.9894=0.0106 = 1,06%

Ejemplo 7 B(n,p)
Qu pasa si el suceso sobre el que queremos calcular tiene una probabilidad mayor que 0.5? Este caso se dara, por ejemplo, si la probabilidad de que saliera cara fuera del 70%. Entonces, si nos piden la probabilidad de obtener 4(x4) caras o menos tirando 10 veces (n=10) la moneda, haramos lo siguiente.
Notemos que la probabilidad de obtener 4 caras o menos (x4caras) ser la misma de obtener 6 cruces o ms P(x6 cruces). Este suceso es el complementario de obtener 5 cruces o menos. P(x5cruces) As pues localizamos n=10, x=5, p=0.3 (ya que la probabilidad de obtener cruz es del 30%) P(x6 cruses) = 1 - P(x5 cruces) P(x6 cruces) = 1 0,9527 P(x6 cruces) = 0.0473 P(x4 caras) = P(x6 cruces)= 0,0473

Ejemplo 8 B(n,p)
Y si la probabilidad P no aparece en la tabla?
Entonces haramos interpolacin. Supongamos que X se distribuye como una binomial con P=0.17; entonces, si queremos calcular la probabilidad que X sea menor o igual que 3 (x3) despus de 6 tiradas (n=6), tomamos la tabla y Calcular cual es la probabilidad de que observemos 3 (x3) con una p= 0,17 n=6 p= 0,17 x 3 localizamos las probabilidades ms cercanas a 0.17, que son p=0.15 n=6, x=3 = 0,9941 P =0.2, n=6, x=3 = 0,9830 Interpolamos P(xi) = 0,9941 (0,17-0,15) (0,9830-0,9941) =0,98966 (0,20-0,15) O sacar el promedio= (0,9830+0,9941)/2 = 0,9885

Media y desviacin de la distribucin binomial

Media y desviacin tpica en una distribucin binomial el nmero esperado de xitos o media, viene dado por X = n p. (Recordemos que la media es una medidad de centralizacin). La desviacin tpica, que es una medida de dispersin y mide lo alejados que estn los datos de la media, viene dada por ( ) = (n p q)
Caractersticas de la distribucin binomial
Media
= E(X) = n p = 5 0.1 = 0.5 = 5 0.5 = 0.25
P(X) .6 .4 .2 0 0

n = 5 p = 0.1
X 1 2 3 4 5

Desviacin estndar

np (1 p ) 5 0.1 (1 0.1) 0.67 5 0.5 (1 0.5) 1.1

P(X) .6 .4 .2 0 0

n = 5 p = 0.5
X 1 2 3 4 5
17

La media y desviacin estndar

Caractersticas de la distribucin binomial
Media
= E(X) = n p = 5 0.1 = 0.5 = 5 0.5 = 0.25
P(X) .6 .4 .2 0 0

n = 5 p = 0.1
X 1 2 3 4 5

Desviacin estndar

np (1 p) 5 0.1 (1 0.1) 0.67 5 0.5 (1 0.5) 1.1

P(X) .6 .4 .2 0 0

n = 5 p = 0.5
X 1 2 3 4 5
17

Ejercicio de prueba #6
Sea x una variable aleatoria binomial. Hallar la distribucin de probabilidad de x si = 4 y n= 10.
Para resolver esta pregunta utilice la relacin de =np Depejando por p queda

P= /n

Al tener el parmetro B(n,p) puede buscar en la tabla las x y sus probabilidades correspondientes. Esto forma la distribucin de probabilidad binomial para este ejercicio.

Aproximacin de la distribucin binomial por la normal

Una distribucin binomial B (n, p) se puede aproximar por una distribucin normal, siempre que n sea grande y p no est muy prxima a 0 1. La aproximacin consiste en utilizar una distribucin normal con la misma media y desviacin tpica de la distribucin binomial. En la prctica se utiliza la aproximacin cuando:

n>30, np>5, nq>5

En cuyo caso : x= B(n,p) se puede aproximar a N(=np, = npq )

DEBER
Graficar X = de 0 a 10 n = 30 p= 0,1 q = 1-0,1 = 0,9 P(x) = n!
x! ( n x)!

p q

n-x

Graficar P(x) f (x)

DEBER
x
0 1 2 3 4

n-x
30 29 28 27 26

p
0,1 0,1 0,1 0,1 0,1

q
0,9 0,9 0,9 0,9 0,9

P(x)

5
6 7 8 9 10

25
24 23 22 21 20

0,1
0,1 0,1 0,1 0,1 0,1

0,9
0,9 0,9 0,9 0,9 0,9

Glosario de trminos

Distribucin de probabilidad discreta - distribucin con un nmero finito de valores.

Distribucin binomial Distribucin discreta que se aplica cuando se realizan ms de una vez y de forma independiente el experimento de Bernoulli.
Experimento de Bernoulli Experimento con dos posibles resultados (xito o fracaso). Experimento independiente Cuando el resultado de un experimento no tiene influencia en el resultado de otro experimento

Glosario de trminos

xitos Es la ocurrencia del evento de inters como cantidad de defectos, llamadas recibidas, servicios completados. Fracasos Es el complemento de los xitos. Es la ocurrencia del evento que no es de inters. Resultados mutuamente excluyentes Son resultados que no pueden ocurrir al mismo tiempo. Si un producto sale bueno, no puede salir defectuoso al mismo tiempo.

Referencias
Anderson, S. (2006). Estadsticas para administracin y economa, ( 8tva ed.) Mxico: Thomson.
Newbold, P. (2003). Statistics for Business And Economics, (5ta. Ed.). New Jersey: Prentice Hall. Bluman, A. G. (2007). Statistics. (6ta ed.). New York: Mc Graw Hil,New York. http://karnak.upc.es/teaching/estad/MC/taules/com-usartaules.pdfhttp://personal5.iddeo.es/ztt/Tem/t19_distribucion_binomial.htm

http://www-stat.stanford.edu/~naras/jsm/example5.html
http://cyber.gwc.cccd.edu/faculty/jmiller/Binom_Tab.pdf http://descartes.cnice.mecd.es/Estadistica/Distribucion_binomial/binomial.htm http://descartes.cnice.mecd.es/Estadistica/Binomial_Normal/index.htm