TOMA DE DECISIONES

SESION N 3.1

DISTRIBUCIONES DE
PROBABILIDAD DISCRETA

Tabla de contenido
Introduccin
Objetivos de la presentacin
Instrucciones de cmo usar la presentacin
Glosario de trminos
Dato histrico
Utilidad
Propiedades de un experimento de Bernoulli
La distribucin binomial
La funcin
Ejemplos

Tabla de contenido
La tabla de la probabilidad binomial
Ejemplos
Ejercicio de redaccin
La media y la desviacin estndar
Resumen
Ejercicios de prueba
Aproximacin a la distribucin normal
Vdeo de repaso de conceptos
Referencias

 DISTRIBUCION DE
PROBABILIDAD BINOMIAL

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 esta primera etapa de la sesin, se describe el uso de la
distribucin binomial para obtener la probabilidad de
ocurrencia de ese evento que representa un resultado
esperado.

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

Objetivos especficos
Adems, esperamos que puedas:
Identificar las propiedades de una distribucin
binomial.
Determinar los valores de xitos p y fracasos
q para establecer las bases para el cmputo
de las probabilidades.
Establecer el promedio, la varianza y la
desviacin estndar utilizando las variables de
la distribucin binomial.

Instrucciones de cmo usar la

presentacin
La presentacin inicia con las caractersticas que
definen un proceso binomial.
Te recomiendo que tengas acceso a Internet mientras
trabajas la presentacin.
Siempre que se presente la siguiente figura:
puedes presionarla para navegar adecuadamente
a travs de toda la presentacin.
Tambin encontrars comentarios de apoyo y
nota
retroalimentacin en recuadros como ste:

Instrucciones de cmo usar la

presentacin
Durante la lectura del mdulo tendrs la oportunidad de
enlazar el glosario de trminos y regresar al lugar de
origen presionando:

Luego de leer el material que sirve de introduccin,

podrs establecer enlaces que demuestran los
conceptos tericos.

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 un suceso es constante, la
representamos porp, y no vara de una prueba a otra. La
probabilidad del complemento es 1- p y la representamos
porq .
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:

k - es el nmero de aciertos.
n - es el nmero de experimentos.
p - es la probabilidad de xito, como por ejemplo, que
salga "cara" al lanzar la moneda.
1-p - tambin se le denomina como q

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 x=6
es
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 x=4
es
El nmero de experimentos n son
8
La probabilidad de xito p (probabilidad de que salga un
3 al tirar el dado)
1 / es
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%.

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) .
k es el nmero de xitos que buscamos. 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.
En los ejemplos 1 y 2 los parmetros B(n,p)
son B(10,0.50) y B(8,0.1666)
respectivamente.

Tabla de probabilidad binomial

Obtenga ms informacin de cmo asignar probabilidades
utilizando las tablas.

Cuando llegue al enlance lea las

primeras 6 preguntas con sus
respuestas y luego practique con
los ejercicios 1.1

Ejemplo 3
B(n,p)
Busque en la tabla de probabilidad binomial
En una fbrica de cmaras el 5% sale con
defectos. Determine la probabilidad de
que en una muestra de 12 se encuentren
2 cmaras defectuosas.
Solucin :
Se trata de una distribucin binomial de parmetros
B(12, 0.05). Debemos calcular la probabilidadde 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 estar en
x=2

Ejemplo 4
B(n,p)
Compruebe el cmputo utilizando una calculadora
de probabilidad binomial
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.
Vea otros ejemplos en
Solucin :

este enlace

Se trata de una distribucin binomial de parmetros

B(15, 0.10). Debemos calcular la probabilidad P(X=3).
El resultado es 0.1285

Ejercicio de redaccin
con experiencia interactiva
Observe el cambio de la distribucin variando el parmetro
B(n,p)
Presente una descripcin
escrita de las observaciones
que obtiene al variar los
valores n y p.

Cuando llegue al enlance

entre:
n en Number ot trials
p en Prob. of Success

Parmetros en una distribucin de probabilidad

Por analoga con las variables estadsticas podemos definir tambin aqu la
media y la desviacin tpica de la variable aleatoria.

La media tambin llamada

esperanza matemtica,es un valor
representativo de todos los valores
que toma la variable aleatoria X,
lo podemos imaginar como el punto
sobre el eje de abscisas donde al
poner una cua la figura plana
definida por la funcin de densidad
quedar
en
equilibrio.

La desviacin tpica es una

medida de la dispersin de los
valores que toma la variable
aleatoria de la media. Como ocurra
con las variables estadsticas la
desviacin tpica ser ms pequea o
ms grande segn la grfica de la
funcin de densidad sea ms
estrecha o ms ancha en torno a la
media.

Media, Varianza, y Desviacin

Estandar en Distribucin Binomial

n p

MEDIA

n pq
2

n pq

VARIANZA

DESV. TPICA

 Ejemplo 3: La probabilidad de que el carburador

de un coche salga de fbrica defectuoso es del 4
por 100. Hallar :
a) El nmero de carburadores defectuosos
esperados en un lote de 1000
b) La varianza y la desviacin tpica.
Solucin :

25

Para nuestro ejemplo: 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

.6
.4
.2
0

P(X)

X
0

Desviacin estndar

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

.6
.4
.2
0

n = 5 p = 0.1

P(X)

n = 5 p = 0.5
X

5
17

En resumen
En este mdulo hemos determinado la probabilidad binomial
mediante el uso de la funcin binomial, tablas de distribucin y la
calculadora del enlace. Adems, aprendimos que:

La distribucin binomial se forma de una serie de

experimentos de Bernoulli

La media () en la distribucin binomial se obtiene con el

producto de n x p

La desviacin estndar ( ) en la distribucin binomial se

obtiene del producto de n x p x q.

El valor de q es el complemento de p y se obtiene con 1 p.

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

Ejercicio de prueba #2
En pruebas realizadas a un amortiguador para automvil se
encontr que el 20% presentaban fuga de aceite. Si se instalan
20 de estos amortiguadores, hallar la probabilidad de que,
a) 4 salgan defectuosos,
b) ms de 5 tengan fuga de aceite.
c) de 3 a 6 amortiguadores salgan defectuosos.
d) Determine el promedio y la desviacin estndar 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).

Ejercicio de prueba #3
Un ingeniero que labora en el departamento de control de
calidad de una empresa elctrica, inspecciona una muestra
al azar de 10 alternadores de un lotes. Si el 15% de los
alternadores del lote estn defectuosos. Cul es la
probabilidad de que en la muestra,
a) ninguno est defectuoso,
b) uno salga defectuoso,
c) al menos dos salgan defectuosos
d) ms de tres estn Para
con ladefectos
pregunta d puede realizar
la siguiente operacin:
1 [P(x=0) + P(x=1) + P(x=2)]

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

Ejercicio de prueba #5
Si 6 de 18 proyectos de viviendas violan el cdigo de
construccin, cul 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 cdigo de
construccin
b) una viola el cdigo de construccin
c) dos violan el cdigo de construccin
d) al menos tres violan el cdigo de construccin

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
Experiencia interactiva, ejemplos y ejercicios relacionados
a la aproximacin 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

Lea el Mdulo
de la distribucin
normal
cuando:

n>30, np>5, nq>5

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

Repaso de conceptos

Observe un vdeo de repaso de la distribucin de probabilidad binomial

Cuando llegue al enlace haga

click en la columna izquierda en
Bernoulli
y contine observando el video de
Binomial

DISTRIBUCIN DE POISSON
Tambin se denomina de sucesos raros.
Se obtiene como aproximacin de una
distribucin binomial con la misma media, para
n grande (n>30) y p pequeo (p<0,1).
Queda caracterizada por un nico parmetro
(que es a su vez su media y varianza.)
Funcin de probabilidad:

P[ X k ] e

k
, k 0,1,2,...
k!

36

EJEMPLOS DE VARIABLES DE POISSON

El nmero de individuos que ser atendido un da
cualquiera en el servicio de urgencias del hospital
clnico universitario.
En Mlaga hay 500.000 habitantes(n grande)
La probabilidad de que cualquier persona tenga
un accidente es pequea, pero no nula.
Supongamos que es 1/10.000
Bin(n=500.000,p=1/10.000) poisson(=np=50)

37

EJEMPLOS DE VARIABLES DE POISSON

Sospechamos que diferentes hospitales pueden
tener servicios de traumatologa de diferente
calidad (algunos presentan pocos, pero creemos
que an demasiados, enfermos con secuelas tras la
intervencin). Es dificil compararlos pues cada
hospital atiende poblaciones de tamaos diferentes
(ciudades, pueblos,)
Tenemos en cada hospital n, n de pacientes
atendidos o n individuos de la poblacin que
cubre el hospital.
Tenemos p pequeo calculado como frecuencia
relativa de secuelas con respecto al total de
pacientes que trata el hospital, o el tamao de la
poblacin,
Se puede modelar mediante Poisson(=np)
38

CARACTERSTICAS DE POISSON
En este tipo de experimentos los xitos buscados son
expresados por unidad de rea, tiempo, pieza, etc, etc,:
# de defectos de una tela por m2
# de aviones que aterrizan en un aeropuerto por da,
hora, minuto, etc, etc.
# de bacterias por cm2 de cultivo
# de llamadas telefnicas a un conmutador por hora,
minuto, etc, etc.
# de llegadas de embarcaciones a un puerto por da,
mes, etc, etc.
Para determinar la probabilidad de que ocurran x
xitos por unidad de tiempo, rea, o producto, la
frmula a utilizar sera:
39

CARACTERSTICAS DE POISSON

P(x)=

x
X!e

40

Ejercicio 1:
Si un banco recibe en promedio 6 cheques sin fondo
por da, cules son las probabilidades de que reciba,
a) cuatro cheques sin fondo en un da dado, b) 10
cheques sin fondos en cualquiera de dos das
consecutivos?

Solucin: a)
x = variable que nos define el nmero de cheques sin fondo
que llegan al banco en un da cualquiera = 0, 1, 2, 3, ....., etc.
= 6 cheques sin fondo por da
e = 2.718

P(x)
=

x
X!e

64
4!e6

= 0.13392
41

Solucin: b)

x = variable que nos define el nmero de cheques sin fondo que

llegan al banco en dos das consecutivos = 0, 1, 2, 3, ......, etc.
= 6 x 2 = 12 cheques sin fondo en promedio que llegan al
banco en dos das consecutivos
Nota: siempre debe de estar en funcin de x siempre o dicho
de otra forma, debe hablar de lo mismo que x.

P(x)
X!e
=

1210
10!e12

= 0.104953

42

Ejercicio 2:
En la inspeccin de hojalata producida por un proceso
electroltico continuo, se identifican 0.2 imperfecciones en
promedio por minuto. Determine las probabilidades de
identificar a) una imperfeccin en 3 minutos, b) al menos
dos imperfecciones en 5 minutos, c) cuando ms una
imperfeccin en 15 minutos.

Solucin: a)
x = variable que nos define el nmero de imperfecciones
en la hojalata por cada 3 minutos = 0, 1, 2, 3, ...., etc., etc.
= 0.2 x 3 =0.6 imperfecciones en promedio por cada 3
minutos en la hojalata

P(x)
=

x
X!e

0.61
1!e0.6

= 0.329307
43

Solucin: b)
x = variable que nos define el nmero de imperfecciones
en la hojalata por cada 5 minutos = 0, 1, 2, 3, ...., etc.
= 0.2 x 5 =1 imperfeccin en promedio por cada 5
minutos en la hojalata.

P(x)= 1 -

10
0!e1

11
1!e1

= 0.26416

44

Distribucin de Poisson
Esta distribucin aparece en algunos procesos que tienen una dimensin temporal
o espacial, y en fenomenos que tienen un alto nmero de experimentos (alto n) y
una baja probabilidad de que ocurran (baja p).
Ejemplos:
nmero de llamadas telefnicas que recibe un servicio de atencin a urgencias
durante un intervalo de tiempo determinado
nmero de cultivos infectados por una plaga en una cierta regin geogrfica
La funcin de probabilidad de una variable aleatoria de Poisson con media > 0,
que simplificamos con la notacin P( ), es

siendo su funcin de distribucin el sumatorio de cada uno de los valores

menores.
La media y varianza de X son ambas iguales a ,
E[S] = V[S] = .

Distribucin de Poisson
Ejemplo
El nmero de enfermos que solicitan atencin de urgencia en un hospital durante un
periodo de 24 horas tiene una media de = 43,2 pacientes. Unas obras en las
instalaciones mermarn las capacidades de atencin del servicio, el cual se sabe que
colapsar si el nmero de enfermos excede de 50. Cual es la probabilidad de que
colapse el servicio de urgencias del hospital?
Bajo las condiciones del modelo de Poisson, se trata de una distribucin P(43,2).
La probabilidad solicitada es
Pr{X > 50} = 1 - Pr{X <= 50} = 1 - F(50) = 0.13.
El responsable del servicio deber valorar si esta probabilidad es lo
suficientemente alta como para reforzar la atencin de urgencias con ms
efectivos, materiales, espacios, etc.

Distribucin de Poisson
Ejemplo
Cierta enfermedad tiene una probabilidad muy baja de ocurrir, p=1/100.000.
Calcular la probabilidad de que en una ciudad con 500.000 habitantes haya ms de 3
personas con dicha enfermedad.
Calcular el nmero esperado de habitantes que la padecen.
Consideramos la v.a. X que contabiliza el nmero de personas que padecen la
enfermedad, es claro que sigue un modelo binomial, pero que puede ser muy bien
aproximado por un modelo de Poisson, de modo que

As el nmero esperado de personas que padecen la enfermedad es

Existe una gran dispersin, y no sera extrao encontrar que en realidad hay muchas ms
personas o menos que estn enfermas. La probabilidad de que haya ms de tres personas
enfermas es:

P=0.7365

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.pdf

Referencias
http://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/bin
omial.htm
http://descartes.cnice.mecd.es/Estadistica/Binomial_Normal/index.h
tm