I.

- INTRODUCCION
La distribucin binomial es una distribucin de probabilidad discreta que mide el
nmero de xitos si la variable es una variable aleatoria discreta, es decir, slo
puede tomar los valores 0, 1, 2, 3, 4, ...,n suponiendo que se han realizado

pruebas. En las empresas tenemos muchas situaciones donde se espera que

ocurra o no un evento especfico. ste, slo puede ser de xito o fracaso. Por
ejemplo, en la produccin de una pieza, sta puede salir buena o defectuosa. Para
situaciones como stas se utiliza la distribucin binomial. En el presente trabajo
vamos a presentar las caractersticas bsicas de la distribucin binomial y sus
posibles aplicaciones prcticas con la finalidad de suministrar una especie de
catlogo al que acudir para determinar un modelo de probabilidad para describir el
comportamiento de una variable real.
II.- OBJETIVOS
Utilizar la distribucin binomial para obtener las probabilidades de aquellas
situaciones
empresariales cuyos posibles resultados, sean nicamente dos resultados.
Identificar las propiedades de una distribucin binomial, as como sus parmetros
caractersticos, esperanza y varianza.
Determinar los valores de p y fracasos q para establecer las bases para el
cmputo de las probabilidades en la distribucin binomial.
III.- DEFINICIN Y CARACTERSTICAS DE LA DISTRIBUCIN BINOMIAL
La distribucin binomial fue desarrollada por Jakob Bernoulli (Suiza,16541705) y
es la principal distribucin de probabilidad discreta para variables dicotmicas, es
decir, que slo pueden tomar dos posibles resultados. Bernoulli defini el proceso
conocido por su nombre. Dicho proceso, consiste en realizar un experimento
aleatorio una sla vez

y observar si cierto suceso ocurre o no, siendo p la

probabilidad de que ocurra (xito) y q=1p de que no ocurra (fracaso) , por lo que

la variable slo puede tomar dos posibles valores, el 1 si ocurre y el 0 sino sucede.
Las distribucin binomial es una generalizacin de la distribucin de Bernouilli,
cuando en lugar de realizar el experimento aleatorio una sola vez , se realiza n,
siendo cada ensayo independiente del anterior.
La distribucin binomial viene definida como sigue:

Sea una poblacin de tamao .

Sea una muestra de tamao n (nmero de repeticiones del experimento).
Los n experimentos realizados son independientes.
Cada ensayo produce uno de los dos nicos posibles resultados, a los que
por comodidad de nomenclatura, les llamaremos acierto (A) y su

complementario Fallo (F o A ).
Sea A un suceso que tiene una probabilidad p de suceder y en

consecuencia, su complementario tendr una probabilidad 1p de suceder.

X: nmero de individuos de la muestra que cumplen A.
El conjunto de posibles valores de A es, E = {0,1,2,3,4....}

Algunos ejemplos tpicos de la distribucin binomial son:

Al nacer puede ser varn o hembra.

Un equipo de baloncesto puede ganar o perder.
En un test psicotcnico hay peguntas de verdadero o falso, es decir slo

hay dos alternativas.

Un tratamiento mdico, como por ejemplo la vacuna de la gripe A,

ser efectivo o
inefectivo.
El objetivo de ventas al ao de coches en un concesionario se puede o no
lograr.

IV.- EMPLEO Y UTILIDAD DEL PROCESO DE BERNOULLI

puede

Podemos hacer uso de los resultados de un nmero fijo de lanzamientos de una

moneda como ejemplo de un proceso de Bernoulli. Este proceso lo describimos
as:
1. Cada ensayo ( cada lanzamiento, en nuestro caso) tiene slo dos resultados
posibles: lado A o lado B, s o no, xito o fracaso.
2. La probabilidad del resultado de cualquier ensayo (lanzamiento) permanece fija
con el tiempo. Tratndose de una moneda la probabilidad de que salga del lado A
sigue siendo de 0.5 en cada lanzamiento, cualquiera que sea el nmero de veces
que la moneda sea arrojada.
3. Los ensayos son estadsticamente independientes, es decir, el resultado de un
lanzamiento no afecta al de cualquier otro lanzamiento.
Cada proceso de Bernoulli tiene su propia probabilidad caracterstica. Pongamos
el caso en que siete dcimas partes de las personas que solicitaron cierto tipo de
empleo pasaron la prueba. Diremos entonces que la probabilidad caracterstica
fue de 0.7 pero podemos describir los resultados de la prueba como un proceso de
Bernoulli slo si tenemos la seguridad de que la proporcin de los que fueron
aprobados permaneci constante con el tiempo.
Desde luego, la otra caracterstica del proceso de Bernoulli tambin deber ser
satisfecha. Cada prueba deber arrojar tan slo dos resultados (xito o fracaso= y
los resultados de las pruebas habrn de ser estadsticamente independientes.
En un lenguaje ms formal, el smbolo p representa la probabilidad de un xito y el
smbolo q ( 1- p ) representa la probabilidad de un fracaso. Para representar cierto
nmero de xitos, utilizaremos el smbolo r y para simbolizar el nmero total de
ensayos emplearemos el smbolo n.
Entonces tenemos que:

p
q
r
n

Probabilidad de xito.
Probabilidad de fracaso.
Nmero de xitos deseados.
Nmero de ensayos efectuados.

Existe una frmula binomial:

Probabilidad de r xitos en n ensayos es :
N! / R! (N-R)! PR QN-R
Recordemos que el smbolo factorial ! Significa por ejemplo que es 3! = 3*2*1 = 6
Los matemticos definen 0! = 1.

4.1 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

4.2 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.
Obtenga ms informacin de cmo asignar probabilidades utilizando las tablas.

4.3 La media y desviacin estndar

V.- CASOS PRACTICOS

CASO N 1
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 es la sgte:

P (k = 6) = 0.205
Es decir, que la probabilidad de obtener 6 caras al lanzar 10 veces una moneda es
de 20.5%.
CASO N 2
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 ser

:
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%.
CASO N 3
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 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=12, luego en la parte superiror p=0.05 .
La probabilidad estar en x=2
El resultado es 0.0988
VI.- CONCLUSIONES
En el presente trabajo hemos determinado la probabilidad binomial mediante el
uso de la funcin binomial, tablas de distribucin.
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 nxp.

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.