DISTRIBUCIONES DE PROBABILIDAD – MATEMÁTICAS II

En teoría de la probabilidad y estadística, la distribución de probabilidad de una variable aleatoria es una función que
asigna a cada suceso definido sobre la variable la probabilidad de que dicho suceso ocurra.
1. DISTRIBUCIÓN BINOMIAL B(n, p)
Una distribución binomial es una distribución de probabilidad discreta que describe el número de éxitos al realizar n
experimentos independientes entre sí, acerca de una variable aleatoria. Cumple las tres condiciones siguientes:
• Se repite un experimento n veces de forma idéntica.
• En cada experimento sólo hay dos resultados posibles mutuamente excluyentes: A= éxito y A = fracaso , con
probabilidad de éxito p( A)=p y probabilidad de fracaso p( Ā)=1− p =q.
• Cada experimento es independiente de los anteriores (el resultado no depende de lo ocurrido anteriormente).

Variable aleatoria binomial (X): es la que expresa el número éxitos observados en las n experiencias que siguen el
modelo de la distribución binomial. Puede tomar los valores 0, 1, 2, 3..., n – 1, n (un número finito de números
naturales).
Las distribuciones binomiales vienen definidas por el número de experimentos, n, y la probabilidad de acierto, p.
Se designa B(n, p) a la distribución binomial con n experimentos y probabilidad p de éxito.

n!
P (X= r ) = n ⋅p ⋅q
• La probabilidad de obtener r éxitos es:
r
r
() n− r
, siendo
(nr )=r!(n−r )!
• El valor esperado, esperanza matemática o media es: μ=n·p

• La desviación típica viene dada por σ=√ n·p·q y la varianza es 2.

Ejercicio 1. La probabilidad de que un futbolista pare un penalti es 1/4. Si se lanzan 10 penaltis, calcula la
probabilidad de que:
a) Pare tres penaltis
b) Pare al menos un penalti
Solución
Se trata de una distribución binomial B(10; 0,25); p = 0,25; q = 0,75 siendo éxito = “parar el penalti” y fracaso = “no
parar el penalti”.
10! 10! 10 · 9· 8· 7 ! 2 · 5· 3· 3 ·8
a) P(X=3)= 10 0,25 ·0,75 = [ 10 =
3 7 3 7
( )
3 3!7!
0,25 ·0,75 ≃ 0,2503
( )
3 3! 7 !
=
3 · 2 ·7 !
=
3·2
=120]

b) P(X⩾1)=1 −P(X<1)=1−P( X=0)=1− 10 0,25 ·0,75 ≃ 0,9437

0 10
( )
0

Ejercicio 2. Un libro ha sido leído por el 80% de los estudiantes de un curso. Se selecciona a cuatro estudiantes del
curso y se les pregunta si han leído el libro. Calcula la probabilidad de que:
a) Hayan leído el libro dos de los cuatro estudiantes
b) Hayan leído el libro un máximo de dos estudiantes entre los cuatro seleccionados
Solución
Se trata de una distribución binomial B(4; 0,8); p = 0,8; q = 0,2 siendo éxito = “haber leído el libro” y fracaso = “no
haber leído el libro”.
a) P(X=2)= 4 0,8 ·0,2 = 6· 0,64·0,04 = 0,1536
2 2
() 2
b) P(X⩽2)= P(X=0)+P(X=1)+P( X=2)= 4 0,8 ·0,2 + 4 0,8 ·0,2 + 4 0,8 ·0,2 = 0,1808
0 4 1 3 2 2
()0 ()1 () 2

Ejercicio 3. Si se admite que de seis a siete de la tarde uno de cada cinco teléfonos están ocupados, ¿cuál es la
probabilidad de que, si se marcan 10 números de teléfono elegidos al azar, sólo dos estén ocupados?
Solución
Se trata de una distribución binomial B(10; 0,2); p = 0,2; q = 0,8 siendo éxito = ”estar el teléfono ocupado” y
fracaso = “no estar el teléfono ocupado”.
10 ! 10· 9 ·8 !
P(X=2)= 10 0,2 ·0,8 ≃ 0,3020 [ 10 =
2 8
( )
2 ( ) 2 2 !8 !
=
2 ·8 !
=45]

DISTRIBUCIONES DE PROBABILIDAD 1 MPU

Ejercicio 4. La probabilidad de que un artículo producido por una fabrica sea defectuoso es p = 0,02. Se envía una
muestra de 10.000 artículos a unos almacenes. Halla:
a) El número esperado de artículos defectuosos b) La varianza c) La desviación típica
Solución
Se trata de una distribución binomial B(10000; 0,02); p = 0,02; q = 0,98 siendo éxito = “obtener un tornillo
defectuoso” y fracaso = “no obtener un tornillo defectuoso”.
a) El número esperado de artículos defectuosos es la media de la distribución binomial:
μ=n·p → μ=10000 ·0,02=200
2
b) σ =n·p·q = 10000⋅0,02⋅0,98 = 196 c) σ=√ 196=14

Ejercicio 5. Una pareja tiene probabilidad 0,25 de tener hijos daltónicos. Si la pareja tiene cinco hijos, calcula la
probabilidad de que:
a) Exactamente dos sean daltónicos
b) Al menos uno sea daltónico
1 1 3
Solución Se trata de una distribución binomial B(5; ); p= ; q= siendo éxito = “tener un hijo daltónico” y
4 4 4
fracaso = “no tener un hijo daltónico”.
a) P(X=2)= 5 0,25 ·0,75 ≃ 0,2637
2 3
()
2
b) P (X ⩾1) = 1−P(X<1) = 1−P(X=0) = 1− 5 ⋅0,25 ·0´75 ≃ 0,7627
0 5

0()
Ejercicio 6. Un laboratorio afirma que un tratamiento causa efectos secundarios en una proporción de 3 de cada 100
pacientes. Para contrastar esta afirmación, otro laboratorio elige al azar a 5 pacientes a los que aplica el tratamiento.
Calcula la probabilidad de los siguientes sucesos:
a) Ningún paciente tenga efectos secundarios
b) Al menos dos tengan efectos secundarios
c) ¿Cuál es el número esperado de pacientes que espera el laboratorio que sufra efectos secundarios si elige 500
pacientes al azar?
Solución
Se trata de una distribución binomial B(5; 0,03); p = 0,03; q = 1 – 0,03 = 0,97 siendo éxito = “tener efectos
secundarios” y fracaso = “no tener efectos secundarios”.
a) P (X = 0) = 5 ·0,03 ⋅0,97 ≃ 0,85873
0 5
()
0
b) P (X⩾ 2) = 1−P(X<2) = 1−[ p(X=0)+ p(X=1)] = 1−[ 5 ⋅0,03 ·0´97 + 5 ⋅0,03 ⋅0,97 ] ≃ 0,00847
0 5 1 4
()0 ()1
c) n = 500 → μ=n·p → μ=500· 0,03=15

Ejercicio 7. Una máquina produce un 10% de tornillos defectuosos. En un control de calidad, se seleccionan 6
tornillos al azar. Calcula la probabilidad de que:
a) Haya uno defectuoso
b) Al menos haya uno defectuoso
Solución
Se trata de una distribución binomial B(6; 0,1); p = 0,1; q = 1 – 0,1 = 0,9 siendo éxito = “el tornillo es defectuoso” y
fracaso = “el tornillo no es defectuoso”.
a) P (X=1) = 6 ⋅0,1 ·0,9 ≃ 0,3543
1 5
() 1
b) P (X ⩾1) = 1− P(X<1) = 1− P(X=0)=1− 6 ⋅0,1 ·0,9 ≃0,4686
0 6
()0

Ejercicio 8. Un test consta de 8 preguntas con 4 posibles respuestas, de las cuales sólo una es correcta. Si un
estudiante contesta al azar todas las preguntas, calcula la probabilidad de acertar:
a) La mitad de las preguntas b) Al menos la mitad de las preguntas
Solución
a) P (X= 4) = 8 ⋅0,25 ·0,75 ≃ 0,0865
4 4
()
4
b) P (X≥ 4) = 1−P(X<4) =1−[P(X=0)+P(X=1)+P(X=2)+P(X=3)] ≃ 0,1138

DISTRIBUCIONES DE PROBABILIDAD 2 MPU

2. DISTRIBUCIÓN NORMAL
La distribución normal o distribución gaussiana es el modelo estadístico de referencia para variables aleatorias
continuas (su valor puede ser cualquier número real) en las que la mayoría de los valores se agrupan en torno a un
valor central (la media) y los valores extremos no son frecuentes.
Una distribución normal viene determinada por su media () y su desviación típica () → N(, )
La desviación típica es una medida que cuantifica la variación o dispersión del conjunto de datos numéricos.
La importancia de esta distribución radica en que permite modelar numerosos fenómenos naturales y sociales.
Algunos ejemplos de variables asociadas a fenómenos naturales que siguen el modelo de la normal son: caracteres
morfológicos de un individuo como la estatura, caracteres fisiológicos como el efecto de un fármaco y caracteres
sociológicos como el consumo de cierto producto por un mismo grupo de individuos.
Variable aleatoria normal (X): Puede tomar tanto valores enteros como fraccionarios y un número infinito de ellos
dentro de un mismo intervalo.

P(Z ⩽k ) corresponde al área sombreada de

la figura
Campana de Gauss
Distribución normal estándar N(0,1). Tiene media  = 0 y desviación típica  = 1. Los valores P(Z ⩽k ) con
k≥0 aparecen en la tabla N(0, 1).
Distribución normal N( , ).
Para poder utilizar la tabla N(0, 1) hay que transformar la variable X que sigue una distribución N(, ) en otra
variable Z que siga una distribución N(0, 1). A esta transformación se le llama tipificación o normalización de la
variable.
X−μ
La operación necesaria es la siguiente: X → Z =
σ
- Cálculo de probabilidades para la distribución N(0, 1)
Ejemplos
P(Z⩽k ) → directamente en la tabla P(Z ⩽1,45)=0,9265
P(Z ⩾k )=1− P(Z ⩽ k) P(Z ⩾1,45)=1 −P(Z ⩽1,45)=1−0,9265=0,0735
P(Z ⩽−1)=1− P(Z⩽1)=1−0,8413=0,1587
P(Z ⩽−k)=1− P( Z⩽ k )
P(Z ⩽−1,45)=1− P(Z ⩽1,45)=0,0735
P(Z ≥−k)= P(Z ⩽ k ) P(Z≥−1) = P( Z⩽1) = 0,8413
P(k 1 < Z ⩽ k 2 )= P(Z ⩽ k 2)−P(Z ⩽ k 1 ) P(1 < Z⩽ 2)= P(Z⩽2)− P(Z ⩽1)=0,9772−0,84130=0,1359
P(−1 < Z ⩽1)=2P(Z ⩽1)−1=2·0,8413=0,6826
P(−k < Z ⩽ k)=2P(Z ⩽ k )−1
P(−1,33< Z⩽1,33)= 2· P(Z⩽1,33)−1=2·0,9082−1=0,8164

Ejemplos de cómo buscar en la tabla de distribución normal N(0,1)

DISTRIBUCIONES DE PROBABILIDAD 3 MPU

 P(Z⩽1,2)=0,8849 ; P(Z ⩽1,45)=0,9265 ; P(Z⩾1,32 )=1− P(Z⩽1,32)=1−0,9066=0,0934
- Cálculo de probabilidades para la distribución N(μ, σ)
X −μ X−μ
Se tipifica la variable: Z = ; X⩽ k → Z ⩽
σ σ
X−μ
Se utiliza la tabla N(0, 1) para hallar P (X⩽ k ) = P (Z ⩽ )
σ
Ejercicio 1. En un instituto con 1000 estudiantes, la nota media de fin de curso es de 5,7 con una desviación típica de
1,4. Si se supone que la distribución de las notas es normal, calcula:
a) El número de estudiantes con nota media superior a cinco
b) La probabilidad de que un estudiante tenga una nota media superior a 7
Solución
- X: variable aleatoria “nota media de fin de curso”.
- La distribución de la variable X es N(5,7; 1,4); μ = 5,7; σ = 1,4
X −5,7
- Hay que tipificar la variable para obtener las probabilidades a partir de la tabla N(0, 1): X → Z =
1,4
5−5,7
a) P(X > 5) = P(Z > ) = P(Z >−0,5) =P(Z ⩽ 0,5) = 0,6915
1,4
El número de estudiantes con nota media superior a cinco es 0,6915 ·1000≃692

7 −5,7
b) P(X > 7) = P( Z > ) ≃ P(Z > 0,93) = 1−P(Z < 0,93)= 1−0,8238 ≃ 0,1762
1,4

Ejercicio 2. Los salarios mensuales de los recién graduados que acceden a su primer empleo se distribuyen según una
ley normal de media 1300 € y desviación típica 600 €. Calcula el porcentaje de graduados que cobran:
a) Menos de 600 € al mes b) Entre 1000 y 1500 € al mes c) Más de 2200 € al mes
Solución
- X: variable aleatoria “salarios mensuales, en euros, de los recién graduados en su primer empleo”.
- La distribución de la variable X es N(1300, 600); μ = 1300; σ = 600
X −1300
- Hay que tipificar la variable para obtener las probabilidades a partir de la tabla N(0, 1): X → Z =
600

600−1300
a) P(X < 600) = P(Z < ) ≃ P(Z <−1,17) =1− P(Z ⩽1,17) = 1−0,8970 ≃ 0,1210
600
Por tanto, aprox. el 12,1% de los recién graduados cobra menos de 600 € al mes en su primer trabajo.

1000−1300 1500−1300
b) P(1000 < X <1500) = P( < Z< ) ≃ P(−0,5< Z ⩽0,33) =
600 600
= P(Z < 0,33)− [1− P(Z < 0,5)] = 0,6293−(1 −0,6915) ≃ 0,3208
Por tanto, aprox. el 32,08% de los recién graduados cobra entre 1000 y 1500 € al mes en su primer trabajo.

2200 −1300
c) P(X > 2200) = P(Z > ) = P(Z >1,5) =1− P(Z ⩽1,5) = 1−0,9332 ≃ 0,0668
600
Por tanto, aprox. el 6,68% de los recién graduados cobra más de 2200 € al mes en su primer trabajo.

Ejercicio 3. Sabiendo que el peso de los estudiantes varones de 2º de Bachillerato se puede aproximar por una variable
aleatoria con distribución normal, de media 74 kg y desviación típica 6 kg, se pide:
a) Determina el porcentaje de estudiantes varones cuyo peso está comprendido entre los 68 y 80 kg.
b) Estima cuántos de los 1500 estudiantes varones que se han presentado a la EvAU en una cierta universidad, pesan
más de 80 kg.
c) Si se sabe que uno de estos estudiantes pesa más de 76 kg, ¿cuál es la probabilidad de que pese más de 86 kg?
Solución
- X: variable aleatoria “peso de los estudiantes”
- La distribución de la variable X es N(74, 6); μ = 74; σ = 6
X −74
- Hay que tipificar la variable para obtener las probabilidades a partir de la tabla N(0, 1): X → Z =
6

DISTRIBUCIONES DE PROBABILIDAD 4 MPU

 68−74 80 −74
a) P(68 < X⩽80) = P( <Z< ) = P(−1 < Z⩽1) = 2P( Z < 1)−1 = 2·0,8413−1 ≃ 0,6826
6 6
El 68,26% aproximadamente de los estudiantes varones tendrán un peso entre 68 y 80 kg.

80−74
b) P(X > 80) = 1−P(X ⩽80) =1−P(Z< )= 1−P(Z ⩽1) = 1−0,8413≃ 0,1587
6
El 15,87% aprox. de los estudiantes varones pesarán más de 80 kg → 15,87% de 1500 = 238,05 estudiantes.
Por tanto, aproximadamente 238 estudiantes varones pesarán más de 80 kg.
c) Hay que calcular la probabilidad condicionada:
86−74
P(Z> )
P(X > 86 ∩ X > 76 ) P(X > 86 ) 6 P(Z > 2 )
P(X > 86 / X > 76) = = = = =
P(X > 76 ) P(X > 76 ) 76−74 P( Z > 1/3 )
P(Z> )
6
1 − P( Z≤2) 0,0228
= ≃ ≃ 0,0615
1 − P (Z≤1/3) 0,3707

Ejercicio 4. Se supone que los resultados de un examen siguen una distribución normal con media 78 y desviación
típica 36. ¿Cuál es la probabilidad de que una persona que se presenta el examen obtenga una calificación superior a
72?
Solución
72−78
P(X>72)=P (Z> )≃P (Z>−0,17)=P(Z <0,17)≃0,5675
36

Ejercicio 5. Varios test de inteligencia dieron una puntuación que sigue una ley normal con media 100 y desviación
típica 15.
a) Determina el porcentaje de población que obtendría un coeficiente entre 95 y 110.
b) ¿Qué intervalo centrado en 100 contiene al 50% de la población?
c) En una población de 2500 personas, ¿cuántas personas se esperan que tengan un coeficiente superior a 125?
Solución
Es una distribución normal N(100; 15)
95−100 110−100
a) P(95⩽X⩽110) = P( ⩽Z⩽ ) ≃ P (−0,33⩽Z⩽0,67) ≃ P(Z⩽0,67) − P( Z⩽−0,33) =
15 15
= P(Z⩽0,67) − [1 − P(Z⩽0,33)] ≃ 0,7486 − [1 − 0,6293] ≃ 0,3779
El porcentaje de la población que obtendría un coeficiente entre 95 y 110 es aprox. el 37,79%.

b) Hay que buscar el valor de k para el cual P(100−k⩽X⩽100+k ) = 0,5 →

100−k−100 100 +k−100 −k k k
P( ⩽Z⩽ ) = 0,5 → P( ⩽Z⩽ ) = 0,5 → 2 P (Z⩽ )−1 = 0,5 →
15 15 15 15 15
k 1+0,5 k
P(Z⩽ ) = → P(Z⩽ ) = 0,75 Se busca en la tabla el valor 0,75. El valor más próximo a 0,75 que
15 2 15
k
aparece en la tabla es 0,7517, que corresponde a Z = 0,68 → ≃ 0,68 → k ≃ 10,2
15
Por tanto el intervalo centrado en 100 que contiene aproximadamente al 50% de la población es (89.8, 110.2)

c) La probabilidad de que una persona tenga un coeficiente superior a 125 viene dada por:
125−100
P(X>125) = P (Z> ) ≃ P(Z >1,67) = 1−P( Z<1,67) ≃ 1− 0,9525 ≃ 0,0475
15
Para 2500 personas → 0,0475·2500 = 118,75 personas tendrán un coeficiente superior a 125.
En una población de 2500 personas, se espera que tengan un coeficiente superior a 125 aprox. 119 personas.

DISTRIBUCIONES DE PROBABILIDAD 5 MPU

3. TEOREMA DE MOIVRE-LAPLACE PARA PROBABILIDAD: APROXIMACIÓN DE UNA
DISTRIBUCIÓN BINOMIAL A UNA DISTRIBUCIÓN NORMAL
Una distribución binomial B(n , p) se puede aproximar a una distribución normal N ( np, √ npq ) si se cumplen
las tres condiciones siguientes:
n⩾10 ; np⩾5; nq⩾5

Los parámetros de la distribución normal son la media: μ=np y la desviación típica: σ=√ npq

Cuanto mayor sea el valor de n, mejor será la aproximación.

Corrección por continuidad (corrección de Yates)

La aproximación de la variable discreta X∼B(n , p) por la variable continua Y∼N(np , √ npq) genera un cierto
error que se corrige modificando el intervalo cuya probabilidad se quiere calcular.
Las correcciones son las siguientes:
P(X⩽k )≈P (Y⩽k +0,5) (para asegurar que se contiene al punto k)
P(X<k )≈P (Y⩽k−0,5) (para asegurar que no se contiene al punto k)
P(X≥k )≈P (Y≥k−0,5) (para asegurar que se contiene al punto k)
P(X>k )≈P (Y≥k +0,5) (para asegurar que no se contiene al punto k)
P(X=k )≈P (k−0,5⩽Y⩽k+0,5)
P(k 1⩽X⩽k 2 )≈P (k 1−0,5⩽Y⩽k 2 +0,5) (para asegurar que sí se contiene a los puntos k1 y k2)
P(k 1⩽X <k 2 )≈P (k 1−0,5⩽Y⩽k 2−0,5) (para asegurar que sí se contiene al punto k1 y no al punto k2)
P(k 1 <X <k 2)≈P(k 1 +0,5⩽Y⩽k 2−0,5) (para asegurar que no se contiene a los puntos k1 y k2)

Ejercicio 1. En una aldea una de cada tres familias tiene ordenador. Si se eligen 90 familias al azar, calcula la
probabilidad de que entre ellas haya al menos 30 con ordenador.
Solución
1
Se trata de una B(90; ). Puesto que n > 10; np = 30 > 5 y nq = 60 > 5, por el teorema de Moivre-Laplace para
3
probabilidad, se puede aproximar esta distribución binomial por una distribución normal N( np, √ npq) de media
1 2
√
μ=np=30 y desviación típica σ=√ n·p·q = 90· · ≃4,47 → N(30 ; 4,47)
3 3

Aplicando la corrección por continuidad para minimizar el error al hacer la aproximación de la distribución binomial
a la normal y tipificando la variable:
29,5−30
P(X≥30)≈P (Y≥29,5)=P(Z≥ )=P (Z≥−0,11)=P(Z≤0,11)=0,5438
4,47
(En la corrección debe ser P(Y≥29,5) para asegurarse de que sí se está incluyendo el valor X = 30).
Si no se aproximase la distribución binomial por la normal habría que realizar la siguiente operación:
P(X≥30)=1−P (X<30)=1−[ P(X=0)+P(X =1)+ ... +P( X=29)] , lo que sería un proceso muy largo.

Ejercicio 2. En un examen tipo test de 200 preguntas, cada pregunta tiene una opción correcta y otra incorrecta. El
examen se aprueba si se contesta a más de 110 preguntas correctas. Si un estudiante contesta al azar a todas las
preguntas, calcula la probabilidad de que apruebe el examen.
Solución
1
Se trata de una B(200 ; ). Puesto que n > 10; np = 100 > 5 y nq = 100 > 5 → Por el teorema de Moivre-Laplace
2
para probabilidad, se puede aproximar esta distribución binomial por una distribución normal N( np, √ npq) con
1 1
√
μ=np=100 y σ=√ n·p·q = 200· · ≃ 7,07 → N(100; 7,07)
2 2
Aplicando la corrección por continuidad para minimizar el error al hacer la aproximación de la distribución binomial
a la normal y tipificando la variable:

DISTRIBUCIONES DE PROBABILIDAD 6 MPU

 109,5−100
P(X≥110)≈P (Y≥109,5)=P(Z > )≃P (Z>1,34)=1−P(Z <1,34)=1−0,9099≃0,0901
7,07
(En la corrección debe ser P(Y≥109,5) para asegurarse de que sí se está incluyendo el valor X = 110).
Si no se aproximase la distribución binomial por la normal habría que realizar la siguiente operación:
P(X≥110)=1−P( X<110)=1−[ P(X=0)+P(X=1)+ ... +P(X=109)]

Ejercicio 3. Un examen consta de 300 preguntas, con respuesta verdadero o falso. Un estudiante responde todas las
preguntas al azar. Se considera la variable aleatoria X = “número de respuestas acertadas”.
a) Justifica que la variable X se puede aproximar por una normal y obtén los parámetros correspondientes.
b) Utilizando la aproximación por la normal, halla la probabilidad de que el opositor acierte a lo sumo 130 preguntas,
de que acierte exactamente 160 preguntas y de que acierte al menos 150 preguntas.
Solución
a) Se trata de una distribución binomial B(300; 0,5) con n = 300, p=0,5 y q =1 − p=0 , 5.
Como n > 10, np = 300·0,5 = 150 > 5 y nq = 300·0,5 = 150 > 5 → Por el teorema de Moivre-Laplace para
probabilidad, se puede aproximar esta distribución binomial por una distribución normal N ( np, √ npq) con
1 1
parámetros μ=np=150
√
y σ=√ n·p·q = 300· · ≃8,66 → N(150; 8,66)
2 2
b) La probabilidad de que acierte a lo sumo 130 preguntas (aplicando la corrección por continuidad para minimizar el
error al hacer la aproximación de la distribución binomial a la normal y tipificando la variable) es:
130,5−150
P(X⩽130)≈P (Y⩽130,5)=P (Z< )≃P(Z <−2,25)=1−P (Z<2,25)=1−0,9878≃0,0122
8,66

(En la corrección debe ser P(Y⩽130,5) para asegurarse de que sí se está incluyendo el valor X = 130).
La probabilidad de que acierte exactamente 160 preguntas es:
P(X=160)≈P (159,5⩽Y⩽160,5)=P (1,1<Z<1,21)=P (Z<1,21)−P(Z <1,1)= 0,8869−0,8643 ≃ 0,0226
Si no se aproximase la distribución binomial por la normal habría que realizar la siguiente operación:
160 140 160 140
1 1 360! 1 1
P(X=160 )= 300 ·( ) ·( ) =
( )
160 2 2
·( ) ·( )
160 !· 140! 2 2
(operación que no se puede realizar con una
calculadora habitual)
La probabilidad de que acierte al menos 150 preguntas es:
149,5−150
P(X ≥150)≈P (Y≥149,5)=P (Z> )≃P(Z >−0,06)≃1−P (Z<0,06)≃1−0,5239≃0,4761
8,66

Ejercicio 4. Se efectúan 15 lanzamientos de una moneda. Calcula la probabilidad de que ocurran los siguientes
sucesos:
a) Salgan entre 8 y 12 caras
b) Salgan menos de 6 caras
Solución
a) Se trata de una distribución binomial B(15; 0,5) con n = 15, p = 0,5 y q = 1 – p = 0,5. Como n > 10,
np > 5 y nq > 5, por el teorema de Moivre-Laplace para probabilidad, se puede aproximar esta distribución binomial
por una distribución normal N( np, √ npq) con media μ=np=15· 0,5=7,5 y desviación típica
σ=√ n·p·q = √ 15·0,5·0,5≃1,94 → N(7,5; 1,94)
Aplicando la corrección por continuidad para minimizar el error al hacer la aproximación de la distribución binomial
a la normal y tipificando la variable:
7,5−7,5 12,5−7,5
P(8⩽X⩽12)≈P (7,5⩽Y⩽12,5)=P( <Z< )≃P (0<Z<2,58) = 0,9951−0,5 ≃ 0,4951
1,94 1,94

(En la corrección debe ser P(7,5⩽Y⩽12,5) para asegurarse de que sí se están incluyendo los valores X = 8
y X = 12).
Si se resolviese el problema de forma exacta (utilizando la fórmula de la distribución binomial), habría que sumar
cinco términos: P(8 ≤ X ≤12) = P(x=8) + p(x=9) + p(x=10) + p(x=11) + p(x=12), cuyo resultado es 0,4963, muy
próximo al obtenido mediante la aproximación.

5,5−7,5
b) P(X<6)≈P(Y<5,55)=P(Z < )≃P(Z <−1,03)=1−P(Z <1,03)=1−0,8485≃0,1515
1,94
(En la corrección debe ser P(Y<5,5) para asegurarse de que no se está incluyendo el valor X = 6 y por tanto

DISTRIBUCIONES DE PROBABILIDAD 7 MPU

minimizar el error al hacer la aproximación de la distribución binomial a la normal).

Ejercicio 5. En cierto barrio el 60% de las familias tiene más de dos televisiones. Se elige al azar una muestra de 50
familias del citado barrio. Calcula la probabilidad de que al menos 20 de las familias tengan más de dos televisiones.
Solución
Se trata de una distribución binomial B(50 ; 0,6) con n = 50, p=0,6; q=1−p=0,4.
Como n > 10, np > 5 y nq > 5, por el teorema de Moivre-Laplace para probabilidad, se puede aproximar esta
distribución binomial por una distribución normal N( np, √ npq ) de media μ=np=50 ·0,6=30 y desviación
típica σ = √ n·p·q= √ 50·0,6·0,4 ≃ 3,46 → N(30 ;3,46)
Aplicando la corrección por continuidad para minimizar el error al hacer la aproximación de la distribución binomial
a la normal y tipificando la variable:
19,5−30
P(X ≥20) ≈P(Y≥19,5)= P( Z> ) ≃ P( Z>−3,03) ≃ P(Z <3,03) ≃ 0,9988
3,46

Ejercicio 6. En un centro comercial el 35% de los clientes paga con tarjeta.

a) Si en una caja han pagado 120 clientes, ¿cuántos de ellos se espera que lo hayan hecho con tarjeta?
b) Si en una caja han pagado 200 clientes, ¿cuál es la probabilidad de que lo hayan hecho con tarjeta entre 60 y 85 de
ellos?
Solución
a) Se trata de una distribución binomial B(120; 0,35) con media μ=np=120· 0,35=42
Por tanto, se espera que 42 clientes hayan pagado con tarjeta.

b) Se trata de una distribución binomial B(200; 0,35). Como n > 10, np > 5 y nq > 5 → Por el teorema de Moivre-
Laplace para probabilidad, se puede aproximar esta distribución binomial por una distribución normal
N( np, √ npq) de media μ=np=200 · 0,35=70 y desviación típica σ = √ n·p·q= √ 200·0,35·0,65 ≃ 6,75 →
N(70 ;6,75)
Aplicando la corrección por continuidad para minimizar el error al hacer la aproximación de la distribución binomial
a la normal y tipificando la variable:
59,5−70 85,5−70
P(60⩽X⩽85)≈P (59,5⩽Y⩽85,5) = P( ⩽Z⩽ ) ≃ P (−1,56⩽Z⩽2,3) =
6,75 6,75
= P(Z⩽2,3)−P(Z⩽−1,56) = P (Z⩽2,3) − [1−P (Z⩽1,56)] = 0,9893−1+0,9406 = 0,9299

DISTRIBUCIONES DE PROBABILIDAD 8 MPU