DISTRIBUCION BINOMIAL

Se tiene un experimento que consta de n ensayos repetidos de manera que:

1. Cada ensayo tiene dos posibles resultados, denominados éxito y fracaso.
2. La probabilidad de éxito ( p) en cada ensayo es constante.
3. Los n ensayos son independientes.
La variable aleatoria X =N ° de éxitos en los n ensayos tiene distribución binomial con
parámetros ny p¸ y función de probabilidad

P ( X=x )= n ¿ p x∗q n−x

()
x

Donde q=1− p y x=0,1,2 , … , n

La media μ de la variable aleatoria X está dada por μ=n∗p

Y la varianza σ 2=n∗p∗q

Además ( nx)= x !∗(nn−x

!
)!
y

n !=n∗( n−1 )∗( n−2 ) … .∗3∗2∗1, además 0 !=1 y 1 !=1

Por ejemplo: 5 !=5∗4∗3∗2∗1 y

(52 )= 2 !∗(55−2
!
)!
=
5∗4∗3∗2∗1
( 2∗1 )∗3 !
=
120
=
120 120
=
2∗(3∗2∗1) 2∗6 12
=10

El siguiente ejemplo contiene el tipo de preguntas que se pueden presentar en un

problema que se resuelve con distribuciones discretas.
Ejemplo 1. Se lanza una moneda 10 veces, determine la probabilidad de obtener:
a. Exactamente tres caras.
En esta situación la variable aleatoria es:
X =número de caras obtenidas en los10 lanzamiento s
X =0,1,2,3,4,5,6,7,8,9,10
La probabilidad de éxito es: p=0,5
La probabilidad de fracaso es: q=1− p=1−0,5=0,5
n=10
La probabilidad solicitada es:

P ( X=x )= n ¿ p x∗q n−x

()
x

P ( X=3 )= 10 ∗( 0,5 ) ¿ ( 0,5 ) =0,117

3 10−3
( )
3
Link de la calculadora:

https://es.calcuworld.com/calculadoras-matematicas/calculadora-cientifica/

b. A lo más dos caras.

La expresión “a lo más” equivale a expresiones como: a los sumo, máximo y menor
o igual. Esta pregunta se resuelve de igual forma para cada una de estas
expresiones.
P ( X ≤2 ) =P ( X=0 )+ P ( X =1 ) + P ( X=2 )

P ( X ≤2 ) = 10 ∗ ( 0,5 ) ¿ ( 0,5 ) + 10 ∗( 0,5 ) ¿ ( 0,5 ) + 10 ∗( 0,5 ) ¿ ( 0,5 )

0 10−0 1 10−1 2 10−2
( )
0 ( )1 ( )
2
P ( X ≤2 ) =0.00098+0.00976+0.043945=0.05468

c. Por lo menos dos caras.

La expresión “por lo menos” equivale a expresiones como: al menos, mínimo y
mayor o igual. Esta pregunta se resuelve de igual forma para cada una de estas
expresiones.

Para esta situación

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 )

Este es un desarrollo muy extenso, por lo que lo resolvemos de la siguiente manera:

P ( X ≥2 ) =1−P ( X <2 )=1−[ P ( X=0 )+ P ( X =1 ) ] =1− 10 ∗( 0,5 ) ¿ ( 0,5 ) + 10 ∗( 0,5 ) ¿ ( 0,5 )

0 [( ) 0 10−0

1 ( ) 1 10−1
=1−
]
d. Menos de dos caras.

P ( X <2 )=P ( X ≤ 1 )=P ( X=0 ) + P ( X=1 )= 10 ∗( 0,5 ) ¿ ( 0,5 ) + 10 ∗( 0,5 ) ¿ ( 0,5 ) =0.00098+0.0097
0 10−0 1 10−1

0( ) ( )
1

e. Más de dos caras.

P ( X >2 )=1−P ( X ≤ 2 )=1−[ P ( X=0 )+ P ( X =1 ) + P ( X=2 ) ]=1− 10 ∗( 0,5 ) ¿ ( 0,5 ) + 10 ∗( 0,5 ) ¿ ( 0,5
0 [( ) 0 10−0

1 ( ) 1
Ejemplo 2.

Al lanzar un dado ocho veces, calcule la probabilidad de:

a. Obtener exactamente dos cincos.

1
p= =0.16666..=0.17 q=1−0.17=0.83 n=8
6

P ( X=2 )= 8 ∗( 0.17 ) ∗0.836=0.2646

2

2 ()
b. Obtener a los sumo tres cincos.

P ( X ≤3 )=P ( X=0 )+ P ( X =1 ) + P ( X=2 ) + P( X=3)

P ( X ≤3 )= 8 ∗( 0,17 ) ¿ ( 0,83 ) + 8 ∗( 0,17 ) ¿ ( 0,83 ) +¿

0 8 1 7
()
0 1()
8 ∗( 0,17 )2 ¿ ( 0,83 )6+ 8 ∗( 0,17 )3 ¿ ( 0,83 )5
()
2 ()
3
¿ 0.2252+0.369+0.2646+ 0.1084=0.9672

Link de la tabla de la distribución Binomial acumulada.

 http://www.um.edu.ar/math/estadis/TD2_BinomialAcumulada.pdf

Ejercicios de aplicación.
 1. Cuando un cliente hace un pedido en una comercializadora de suministros de
oficina en línea, un sistema de información contable computarizado de la empresa
verifica de manera automática si el cliente ha excedido su límite de crédito.
Registros anteriores indican que la probabilidad de que los clientes excedan su
límite de crédito es de 0.05, suponga que un día cualquiera, 20 clientes realizan sus
pedidos.
a. ¿Cuáles son la media y la desviación estándar del número de clientes que exceden su
límite de crédito?
b. ¿Cuál es la probabilidad de que ningún cliente exceda su límite?
c. ¿Cuál es la probabilidad de que por lo menos dos clientes excedan su límite de
crédito?
d. ¿Cuál es la probabilidad de que a lo más dos clientes excedan su límite de crédito?
e. ¿Cuál es la probabilidad de más de dos clientes excedan el límite de crédito?

2. Una aerolínea informa que el 80% de sus vuelos nacionales llegan a tiempo. ¿Cuál es la
probabilidad de que en los siguientes 12 vuelos
a. Cinco vuelos lleguen a tiempo?
b. Al menos cuatro lleguen a tiempo?
c. A lo sumo tres lleguen a tiempo?

3. El 5% de los artículos producidos mediante cierto proceso, son defectuosos. Se toma al

azar una muestra de diez artículos, ¿Cuál es la probabilidad de que:
a. Ninguno sea defectuoso?
b. Cómo máximo dos sean defectuosos?
c. Mínimo tres sean defectuosos?
 Distribución de Poisson

Gran cantidad de estudios se ocupan de conteos, es decir, de las ocurrencias de un evento

en intervalos que pueden ser de tiempo, de volumen, de área o de longitud. Se puede
utilizar la distribución de Poisson para determinar probabilidades cuando se cumplen las
siguientes condiciones:

1. Interesa contar el número de veces que un evento en un intervalo (tiempo,

volumen, área o longitud).
2. Si se divide este intervalo en subintervalos disjuntos pequeños cercanos a cero, la
probabilidad de que haya una ocurrencia en uno de cada subintervalo es muy
pequeña y es constante.
3. La probabilidad de dos o más ocurrencias en dichos subintervalos es tan pequeña
que se puede despreciar, es decir, se le puede asignar cero.
4. El número de ocurrencias en un intervalo es independiente del número de
ocurrencias en cualquier otro intervalo disjunto.
5. La probabilidad de ocurrencias es directamente proporcional a la longitud del
intervalo.

Para ilustrar estas condiciones analicemos el número de personas que llegan a una
caja registradora en una hora dada (12:00 a 13:00 por ejemplo).

El número promedio de personas que llegan a la caja se puede estimar con los
registros que la empresa tenga en el pasado.

Si dividimos esa hora en subintervalos de 1 segundo, la probabilidad de que llegue

exactamente una persona en un segundo es muy pequeña y es constante.

La probabilidad de que más de una persona llegue a la caja en un segundo es tan

pequeña que se le puede asignar valor cero.

El número de personas que llegan en un intervalo dado es independiente del que

llegue en cualquier otro intervalo disjunto de tiempo en dicha hora.

De otro lado la distribución de Poisson tiene su origen en la distribución binomial, hay

situaciones que se resuelven con distribución Binomial donde n es muy grande (n → ∞)
y p es muy pequeño ( p →0), de manera que n∗p<5 (algunos autores afirman
n∗p<7) que se pueden aproximar con la distribución de Poisson. De hecho, se puede
 demostrar que si n → ∞ y p →0 y además hacemos λ=n∗p, usando métodos
avanzados de matemáticas (que no son objeto de este curso), para todas las x,
x −λ
n ¿ p x∗q n−x ≈ λ ∗℮
()x x!

Esta distribución se utiliza cuando se desea medir la variable aleatoria X= número de

ocurrencias que se dan a través de un intervalo (de tiempo o espacio).

La función de probabilidad de X está dada por

℮− λ∗λ x
P X=x =
( )
x!

Donde:

x=0,1,2,3,4 ….

℮ es la constante de Euler y ℮ ≈2,72

La media X es μ= λ

Y la varianza σ 2=λ
Además λ se llama tasa promedio de ocurrencias y es directamente proporcional a la
longitud del intervalo.

Ejemplo 1
El departamento de impresiones y grabados de cierto país tiene un porcentaje de errores de
impresión de impresión del 0.2%, los cuales no pueden circular. ¿Cuál es la probabilidad de que de
un fajo de 2000 billetes

a. Ninguno presente errores?

Para este caso n=2000 y p=0.002
Luego λ=n∗p=2000∗0.002=4

Luego

4 0∗℮−4
P ( X=0 )= =¿0.0183
0!
b. A lo sumo 2?
40∗℮−4 41∗℮−4 42∗℮−4
P ( X ≤2 ) =P ( X=0 )+ P ( X =1 ) + P ( X=2 )= + + =0.0183+ 0.0733+ 0.1465=0.238
0! 1! 2!
c. Por lo menos 2?
 40∗℮−4 4 1∗℮−4
P ( X ≥2 ) =1−P ( X <2 )=1−[ P ( X=0 )+ P ( X =1 ) ]=1− [ 0!
+
1! ]=1−[ 0.0183+0.0733 ] =1−0.0

Link de la calculadora:

https://es.calcuworld.com/calculadoras-matematicas/calculadora-cientifica/

Ejemplo 2.

Los clientes llegan a una caja registradora ocupada a una tasa media de tres por minuto. Si las
llegadas siguen una distribución de poisson.

a. Halle la probabilidad de que en un minuto dado lleguen dos clientes o menos

λ=3 por minuto

30∗℮−3 31∗℮−3 3 2∗℮−3 33∗℮−3

P ( X ≤3 )=P ( X=0 )+ P ( X =1 ) + P ( X=2 ) + P ( X =3 )= + + +
0! 1! 2! 3!
¿ 0.0498+0.1494 ++0.224+ 0.224=0.6472

b. Halle la probabilidad de que lleguen al menos 2 clientes en un intervalo de 2 minutos.

Al ser la tasa promedio λ directamente proporcional a la longitud del intervalo, se
tiene una nueva λ=3∗2=6.

6 0∗℮−6 61∗℮−6
P ( X ≥2 ) =1−P ( X <2 )=1−[ P ( X=0 )+ P ( X =1 ) ] =1− [ 0!
+
1! ]
= 1−[ 0.0025+0.0148 ] =1−0.0173=0.

Link de la tabla de la distribución Poisson acumulada.

https://www.uv.es/montes/NHD/PoissonAcumulada.pdf

Ejercicios
 1. El número de accidentes que se producen en una fábrica tiene una distribución
de Poisson con una media de 3 al mes.
a. ¿cuál es la probabilidad de que haya menos de dos accidentes en un mes dado?
b. ¿Cuál es la probabilidad de que haya al menos tres accidentes en un mes dado?
c. Determine la probabilidad de que ocurran 7 accidentes en dos meses.

2. Un profesor recibe, por término medio, 4.2 llamadas telefónicas de los

estudiantes un día antes del examen final. Si las llamadas siguen una
distribución de Poisson.
a. ¿Cuál es la probabilidad de que reciba al menos tres llamadas ese día?
b. ¿Cuál es la probabilidad de que se reciban a lo más tres llamadas en un día?
c. ¿Cuál es la probabilidad de que reciba 8 llamadas en dos días?

3. Los datos indican que en la hora pico de la mañana se producen, por término
medio, 3.5 colisiones al día en una vía urbana. Suponga que la distribución es
de Poisson.
a. Halle la probabilidad de que en un día dado se produzcan menos de dos colisiones
en esta vía durante la hora pico de la mañana.
b. Halle la probabilidad de que en un día dado se produzcan más de cuatro colisiones
en esta vía durante la hora pico de la mañana.