DISTRIBUCIÓN PROBABILÍSTICA

1. Nociones Preliminares

1.1. Notación Factorial

Se utiliza para representar las operaciones de multiplicación secuencial. Su desarrollo significa el producto
ordenado de los números enteros positivos, desde el que indica el signo factorial, hasta llegar a 1.

Ejemplo:
Tres factoriales 3! = (3) (2) (1) = 6
Cinco factorial 5! = (5) (4) (3) (2) (1) = 120
n factorial n! = (n) (n-1)… (3) (2) (1)
Por definición: 0! = 1 1! = 1

1.2. Expansión Binomial

Un binomio algebraico es la expresión formada por dos términos unidos por los signos más o menos y elevados a
un exponente.

Ejemplo:
(X + Y) donde: X = Primer Término del Binomio

Y = Segundo Término del Binomio

2 = Exponente
El desarrollo de un binomio se le conoce con el nombre de Expansión Binomial. Esta expansión nos implica la
distribución del binomio en todas sus formas o partes.

1.3. Combinaciones
Es un método que nos permite agrupar un conjunto de elementos en diferentes formas sin considerar el orden de
colocación.
n!
Combinación de xan (𝑛𝑘) = x!(n−x)!
donde:
n = Total de elementos
x = Cantidad de elementos a combinar

Ejemplo.
De un equipo multidisciplinario, formado por 1 economista, 1 sociólogo, 1 antropólogo.
¿Cuántos comités de dos profesionales pueden formarse?
n = 3, x = 2
Luego la cantidad de comités a formarse, serán:

Combinación de 2 a 3
3! 3×2×1
(32) = 2! (3 − 2)!
= 2×1
=3

Respuesta: Se pueden formar 3 comités, que serían:

Primer comité : Economista, Sociólogo
Segundo comité : Sociólogo, Antropólogo
Tercer comité : Economista, Antropólogo
 MODELO PROBABILISTICO
Son distribuciones probabilísticas que se han desarrollado en base a experimentos de carácter natural los cuales
han tenido comportamientos específicos bajos los cuales se han desarrollado modelos matemáticos que se
ajustan perfectamente a una serie de fenómenos naturales.

Los modelos aleatorios se clasifican en dos grandes grupos:

Modelos aleatorios para variables discretas, los principales son:

• Modelo Bernoulli
• Modelo Binomial
• Modelo Poisson

Modelos Aleatorios para Variables Continuas, el principal es:

• Modelo Normal.

1.-Modelo Bernoulli

Si la probabilidad de que ocurra un suceso es “P” y la probabilidad de que no ocurra es q=1-p, entonces diremos
que la v. a. X se distribuye según una Distribución de Bernoulli y su función de cuantía es

P(X) = 𝒑𝒙 (𝟏 − 𝒑)𝟏−𝒙 x = 0,1 Parámetro: p

“REGLA DE CORRESPONDENCIA” Recorrido de v. a. X E(x) =p
Nos permite hallar la probabilidad para cada valor de x. Var (x) = p q
q= 1-p

1.-Se lanza un dado una vez, a) Calcular la probabilidad de obtener el número 3 b) Calcular la probabilidad de no
obtener el numero 3 c) Calcular la E(X) y var. (x).

2.-En una urna existen 7 bolas rojas y 5 bolas blancas, se extrae una bola. a) ¿Cuál es la probabilidad de obtener
bola roja? b) ¿Cuál es la probabilidad de obtener bola blanca?

3.-Una rifa consiste en sortear 5 libros,7 lapiceros y 4 cuadernos. Una urna contiene fichas marcadas de los libros,
lapiceros y cuadernos. Si un estudiante extrae una ficha. a) ¿Cuál es la probabilidad de ganarse un lapicero? b)
¿Cuál es la probabilidad de no ganar un libro?

2.-Modelo Binomial

2.1.- Características de la Distribución Probabilística Binomial

a.- Los datos recopilados son el resultado de conteos.
b.- Se agrupa en dos clases o categorías
c.- Las clases deben ser colectivamente exhaustivas por lo que no es posible obtener ningún otro resultado.
d.- Las categorías deben ser mutuamente excluyentes.

2.2.- Propiedades de la Distribución Probabilística Binomial

a.- Existen n ensayos.
b.- Cada ensayo tiene dos posibles resultados, uno llamado éxito y el otro fracaso.
c.- Las probabilidades de éxito y fracaso se mantienen constantes para todos los ensayos.
d.- Los resultados de los ensayos son independientes entre sí lo que significa que el resultado de algún ensayo en
particular no es afectado por el resultado de cualquier otro ensayo.
2.3. Parámetros de la Distribución Probabilística Binomial

La distribución binomial tiene dos parámetros 𝑛 y 𝑝. La fórmula binomial indica que la probabilidad para
cualquier número dado de éxitos varía con dos factores: el número de ensayos 𝑛, y la probabilidad de éxito en
cualquier ensayo 𝑝. Cada combinación diferente de 𝑛 y 𝑝 produce entonces una distribución de probabilidad
binomial diferente, aun cuando se aplique la misma fórmula para derivar la distribución. Es costumbre referirse a
cualquier distribución de probabilidad binomial específica, como un miembro de la familia de distribuciones de
probabilidad binomiales, quedando entendido que se pueden encontrar otra familia al hacer variar los valores de
𝑛 𝑜 𝑝. En el gráfico se puede observar tres formas:

Primero, dado cualquier número de ensayos, 𝑛, la probabilidad de una proporción alta de éxitos se eleva con la
de alcanzar el éxito en un ensayo dado. Considérense, por ejemplo, en a y b, en los cuales intervienen dos
ensayos de un experimento aleatorio. La probabilidad de alcanzar dos éxitos en dos ensayos se eleva de 0.04 a
0.25 cuando la probabilidad de éxito en un solo ensayo, 𝑝, se eleva de 0.2 a 0.5.

En segundo lugar, cualquier distribución de probabilidad binomial con probabilidad de éxito 𝑝≠ 0.5 es
perfectamente simétrica cualquiera sea el valor de 𝑛, como se indica en d. Por otra parte, cualquier distribución
con 𝑝 < 0.5 y 𝑝> 0.5 está sesgada a la derecha o a la izquierda, según sea el caso, esto se ilustra en c y e.

Por último, dado cualquier valor de 𝑝≠ 0.5 y, por lo tanto, la presencia de sesgo, este se hace menos pronunciado
a medida que 𝑛 se eleva. Para valores altos de 𝑛, todas las distribuciones de probabilidad binomiales se
aproximan a la simetría.

2.4.-Distribución Probabilística Binomial

Es una de las distribuciones utilizadas ampliamente en estadística aplicada. La distribución se deriva de un

procedimiento conocido como ensayo de Bernoulli, nombrado así en honor del matemático suizo James Bernoulli
(1654-1785), quien realizó contribuciones importantes en el campo de la probabilidad, incluyendo
particularmente, la distribución binomial.

Ejemplos

EXPERIMENTO ALEATORIO RESULTADOS POSIBLES

1. Lanzamiento de una moneda Cara o sello
2. Nacimiento de un ser humano con respecto al sexo Hombre
3. o mujer
Estado de salud de una persona Sano o enfermo
4. Situación ocupacional de una persona Ocupado o desocupado
5. Sistema de calificación de los estudiantes Aprobado o desaprobado
6. Respuestas de un examen Verdadera o falsa
7. Evaluación de medicamentos Caducados o no caducados
8. Control de calidad a un grupo de lotes Defectuoso o no defectuoso
9. Resultados de la revocatoria a la alcaldesa de Lima Sí o no
10. Pronóstico de la Temperatura de un Distrito Alta o Baja

Al llevar un cabo un experimento aleatorio, siempre estamos interesados en que suceda uno de los dos
resultados, si el resultado que esperábamos efectivamente sucede, diremos que hubo ÉXITO. Si el resultado que
esperábamos no sucede, entonces diremos que hubo FRACASO. Estos dos resultados, se designan en términos de
probabilidad, como 𝑝 𝑦 1 − 𝑝.
2.5.-. Fórmula de la Distribución Probabilística Binomial

B (𝑋 = 𝑥/ 𝑛, 𝑝) = (𝑛𝑘)𝑝 𝑥 (1 − 𝑝) 𝑛−𝑥 , 𝑛 = 1,2, ⋯ 𝑥 = 0,1,2, ⋯ , 𝑛

donde:

𝑛 = Número de ensayos o tamaño de muestra

𝑥 = Número de éxitos
𝑝 = Probabilidad de éxito en cada ensayo
1 − 𝑝 = Probabilidad de fracaso en cada ensayo

Esta expresión recibe el nombre de Función de Probabilidad de una Distribución Binomial, ya que cumple con las
Leyes de Probabilidad:

1. 𝑝 (𝑋 = 𝑥) ≥ 0

2. ∑𝑛𝑥=0 𝑝(𝑋 = 𝑥) = 1

2.6. Función de Distribución Acumulada de la Binomial

0 𝑥<0
|𝑛|
𝑛
𝐹(𝑥) = ∑ ( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥 0≤𝑋<𝑛
𝑘
𝑖=0
{ 1 𝑥≥𝑛

2.7.- Medidas de Resumen de la Distribución Probabilística Binomial

a. Media aritmética, Valor esperado o Esperanza matemática E(X)= 𝜇 =np
b. Varianza 𝜎 ² = np(1 − 𝑝)
c. Desviación Estándar 𝜎 = √np(1 − p)

2.8.- Tablas de la Distribución Probabilística Binomial

El cálculo de una probabilidad binomial empleando la fórmula puede ser una labor difícil si el tamaño de la
muestra es grande. Las tablas de probabilidad ofrecen un método muy práctico para el análisis estadístico,
proporciona probabilidades con muy poco esfuerzo. Hay dos tipos de tablas binomiales: Individuales y
Acumulativas.

2.9.- Aproximación de la Distribución Binomial

a. Aproximación de la Distribución Binomial por la Distribución Poisson

Si X ~ Binomial (n, p) Si n > 20 y p < 0.05
Entonces X ≈ Poisson ( 𝜆 = np)

b. Aproximación de la Distribución Binomial por la Distribución Normal Moivre demostró que bajo determinadas
condiciones para n grande y tanto p y 1 –p no estén próximos a cero, la distribución binomial se puede aproximar
mediante una distribución normal. Debemos tener en cuenta que cuanto mayor sea el valor de n, y cuanto más
próximo sea p a 0.5 tanto mejor será la aproximación realizada. Es decir, basta con que se verifique np > 5 y np (1
–p) > 5
El Teorema de Moivre lo podemos resumir:
X es B (n, p) ⟶Y es N (np, √np(1 − p)
Entonces:
X −np
𝑍= es N (0,1)
√np(1−p)

Hay que tener en cuenta que para realizar esta transformación de una variable discreta en una variable continua
es necesario hacer una corrección de continuidad.
Para aplicar la corrección de continuidad correspondiente se tiene en cuenta:
P(X=a) =P (a− 0.5 ≤ X ≤ a+0.5)

P (X< 𝑎) = 𝑃(𝑋 ≤ 𝑎 − 0.5)

P (X ≤ a) = P (X ≤ a + 0.5)

P (a ≤ X ≤ b) = P (a - 0.5 ≤ X ≤ b + 0.5)

P (a< X < b) = P (a + 0.5 ≤ X ≤ b - 0.5)

Ejemplos:

1. El 65 % de los hogares de una zona urbana hay alguien en casa en una noche determinada. Un
investigador que está haciendo una encuesta por teléfono selecciona al azar 15 hogares. Hallar las probabilidades
siguientes:
a. Exactamente 8 hogares haya alguien en casa
b. Ningún hogar haya alguien en casa
c. Todos los hogares haya alguien en casa
2. Un comerciante de verduras tiene conocimiento de que el 10 % de las cajas están descompuestas si un
comprador elige 4 verduras al azar, encuentre la probabilidad de que: a. Todas estén descompuestas b. De 1 a
3 estén descompuestas
3. Si de 6 de 18 proyectos de viviendas violan el código de construcción ¿Cuál es la probabilidad de que un
inspector de viviendas seleccione aleatoriamente a cuatro de ellas, encuentre que:
a. Ninguna de las viola el código de construcción
b. Una viola el código de construcción
c. Dos violan el código de construcción
d. Por lo menos dos violan el código de construcción
4. En pruebas realizadas a un amortiguador para automóvil, se encontró que el 20 % presentaban fuga de
aceite. Si se instalan 20 de estos amortiguadores, hallar la probabilidad de que
a. Exactamente 4 presentaban fuga de aceite
b. Más de 5 presentaban fugas de aceite
c. De 3 a 6 presentaban fuga de aceite
d. Determinar el promedio y la desviación estándar de amortizadores que presentaban fuga de aceite
5. Un examen consta de 10 preguntas a las que hay que contestar SI o NO suponiendo que a las personas que se
les aplica no saben a ninguna de las preguntas y en consecuencia, contestan al azar, hallar: a. Probabilidad de
obtener cinco aciertos b. Probabilidad de obtener algún acierto c. Probabilidad de obtener al menos cinco
aciertos