La distribucin binomial Tabla de contenido Introduccin Objetivos

La distribución binomial

Tabla de contenido Introducción Objetivos de la presentación Instrucciones de cómo usar la presentación Glosario de términos Dato histórico Utilidad Propiedades de un experimento de Bernoulli La distribución binomial La función Ejemplos

Tabla de contenido La tabla de la probabilidad binomial Ejemplos Ejercicio de redacción La media y la desviación estándar Resumen Ejercicios de prueba Aproximación a la distribución normal Vídeo de repaso de conceptos Referencias

Introducción En las empresas tenemos muchas situaciones donde se espera que ocurra o no un evento específico. Éste puede ser de éxito o fracaso sin dar paso a un punto medio. Por ejemplo, en la producción de un artículo, éste puede salir bueno o malo. Casi bueno no es un resultado de interés. Para situaciones como éstas se utiliza la distribución binomial. En este módulo se describe el uso de la distribución binomial para obtener la probabilidad de ocurrencia de ese evento que representa un resultado esperado.

Instrucciones de cómo usar la presentación La presentación inicia con las características que definen un proceso binomial. Te recomiendo que tengas acceso a Internet mientras trabajas la presentación. Siempre que se presente la siguiente figura: puedes presionarla para navegar adecuadamente a través de toda la presentación. También encontrarás comentarios de apoyo y nota retroalimentación en recuadros como éste:

Instrucciones de cómo usar la presentación Durante la lectura del módulo tendrás la oportunidad de enlazar el glosario de términos y regresar al lugar de origen presionando: Luego de leer el material que sirve de introducción, podrás establecer enlaces que demuestran los conceptos teóricos.

Dato histórico El cálculo de probabilidades tuvo un notable desarrollo con el trabajo del matemático suizo Jacob Bernoulli (1654 -1705). Bernoulli definió el proceso conocido por su nombre el cual establece las bases para el desarrollo y utilización de la distribución binomial.

Utilidad La distribución binomial se utiliza en situaciones cuya solución tiene dos posibles resultados. Por ejemplo: Al nacer un/a bebé puede ser varón o hembra. En el deporte un equipo puede ganar o perder. En pruebas de cierto o falso sólo hay dos alternativas.

Utilidad También se utiliza cuando el resultado se puede reducir a dos opciones. Por ejemplo: Un tratamiento médico puede ser efectivo o inefectivo. La meta de producción o ventas del mes se pueden o no lograr. En pruebas de selección múltiple, aunque hay cuatro o cinco alternativas, se pueden clasificar como correcta o incorrecta. Estos ejemplos podemos considerar como “experimentos de Bernoulli”

Propiedades de un experimento de Bernoulli 1 - En cada prueba del experimento sólo hay dos posibles resultados: éxitos 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 por p, y no varía de una prueba a otra. La probabilidad del complemento es 1 - p y la representamos por q. Si repetimos el experimento n veces podemos obtener resultados para la construcción de la distribución binomial.

La distribución binomial La distribución de probabilidad binomial es un ejemplo de distribución 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 éxitos p 3 - utilizar la función matemática.

La función P(x=k) A continuación vemos La función de probabilidad de la distribución Binomial, también denominada Función de la distribución de Bernoulli: k - es el número de aciertos. n - es el número de experimentos. p - es la probabilidad de éxito, como por ejemplo, que salga "cara" al lanzar la moneda. 1 -p - también se le denomina como “q ”

Ejemplo 1 de la función F(x=k) ¿Cuál es la probabilidad de obtener 6 caras al lanzar una moneda 10 veces? El número de aciertos k es 6. Esto es x=6 El número de experimentos n son 10 La probabilidad de éxito p, es decir, que salga "cara" al lanzar la moneda es 50% ó 0. 50 La fórmula quedaría: 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 función F(x=k) ¿Cuál es la probabilidad de obtener cuatro veces el número 3 al lanzar un dado ocho veces? El número de aciertos k es 4. Esto es x=4 El número de experimentos n son 8 La probabilidad de éxito p (probabilidad de que salga un 3 al tirar el dado) es 1 / 6 (= 0. 1666) La fórmula queda: P (k = 4) = 0. 026 Es decir, que la probabilidad de obtener cuatro veces el números 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). w k es el número de éxitos que buscamos. Este valor se encuentra entre 0 y n. w En el parámetro B(n, p), n debe ser mayor de 0 y p un valor desde 0 al 1. En los ejemplos 1 y 2 los parámetros B(n, p) son B(10, 0. 50) y B(8, 0. 1666) respectivamente.

Tabla de probabilidad binomial Obtenga más información de cómo 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 fábrica de cámaras el 5% sale con defectos. Determine la probabilidad de que en una muestra de 12 se encuentren 2 cámaras defectuosas. Solución : Se trata de una distribución binomial de parámetros 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 estará en x=2 El resultado es 0. 0988

Ejemplo 4 B(n, p) Compruebe el cómputo 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. Solución : Vea otros ejemplos en este enlace Se trata de una distribución binomial de parámetros B(15, 0. 10). Debemos calcular la probabilidad P(X=3). El resultado es 0. 1285

Ejercicio de redacción con experiencia interactiva Observe el cambio de la distribución variando el parámetro B(n, p) Presente una descripción 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”

La media μ y desviación estándar σ

En resumen En este módulo hemos determinado la probabilidad binomial mediante el uso de la función binomial, tablas de distribución y la calculadora del enlace. Además, aprendimos que: n La distribución binomial se forma de una serie de experimentos de Bernoulli n n n La media (μ) en la distribución binomial se obtiene con el producto de n x p La desviación estándar (σ ) en la distribución 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 está descompuesta. Si un comprador elige 4 verduras al azar, encuentre la probabilidad de que. a) las 4 estén descompuestas. b) de 1 a 3 estén 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 automóvil se encontró que el 20% presentaban fuga de aceite. Si se instalan 20 de estos amortiguadores, hallar la probabilidad de que, a) 4 salgan defectuosos, b) más de 5 tengan fuga de aceite. c) de 3 a 6 amortiguadores salgan defectuosos. d) Determine el promedio y la desviación estándar 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 eléctrica, inspecciona una muestra al azar de 10 alternadores de un lotes. Si el 15% de los alternadores del lote están defectuosos. Cuál es la probabilidad de que en la muestra, a) ninguno esté defectuoso, b) uno salga defectuoso, c) al menos dos salgan defectuosos d) más de tres estén con defectos Para la pregunta “d” puede realizar la siguiente operación: 1 – [P(x=0) + P(x=1) + P(x=2)]

Ejercicio de prueba #4 La probabilidad de que un CD de música dure al menos un año sin que falle es de 0. 95, calcular la probabilidad de que en una muestra de 15, a) 12 duren menos de un año, b) a lo más 5 duren menos de un año, c) al menos 2 duren menos de un año.

Ejercicio de prueba #5 Si 6 de 18 proyectos de viviendas violan el código de construcción, ¿cuál 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 código de construcción b) una viola el código de construcción c) dos violan el código de construcción d) al menos tres violan el código de construcción

Ejercicio de prueba #6 Sea x una variable aleatoria binomial. Hallar la distribución de probabilidad de x si = 4 y n= 10. Para resolver esta pregunta utilice la relación de μ=np Depejando por p queda P= μ/n Al tener el parámetro B(n, p) puede buscar en la tabla las x y sus probabilidades correspondientes. Esto forma la distribución de probabilidad binomial para este ejercicio.

Aproximación de la distribución binomial por la normal Experiencia interactiva, ejemplos y ejercicios relacionados a la aproximación binomial por la normal Una distribución binomial B (n, p) se puede aproximar por una distribución normal, siempre que n sea grande y p no esté muy próxima a 0 ó 1. La aproximación consiste en utilizar una distribución normal con la misma media y desviación típica de la distribución binomial. En la práctica se utiliza la aproximación cuando: Lea el Módulo de la distribución normal n>30, np>5, nq>5 En cuyo caso : x= B(n, p) se puede aproximar a N(μ=np, σ =Ö npq )

Repaso de conceptos Observe un vídeo de repaso de la distribución de probabilidad binomial Cuando llegue al enlace haga click en la columna izquierda en Bernoulli y continúe observando el video de Binomial

Glosario de términos w. Distribución de probabilidad discreta - distribución con un número finito de valores. w. Distribución binomial – Distribución discreta que se aplica cuando se realizan más de una vez y de forma independiente el experimento de Bernoulli. w. Experimento de Bernoulli – Experimento con dos posibles resultados (éxito o fracaso). w. Experimento independiente – Cuando el resultado de un experimento no tiene influencia en el resultado de otro experimento

Glosario de términos wÉxitos – Es la ocurrencia del evento de interés como cantidad de defectos, llamadas recibidas, servicios completados. w. Fracasos – Es el complemento de los éxitos. Es la ocurrencia del evento que no es de interés. w. 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). Estadísticas para administración y economía, ( 8 tva ed. ) México: Thomson. Newbold, P. (2003). Statistics for Business And Economics, (5 ta. Ed. ). New Jersey: Prentice Hall. Bluman, A. G. (2007). Statistics. (6 ta ed. ). New York: Mc Graw Hil, New York. http: //karnak. upc. es/teaching/estad/MC/taules/com-usartaules. pdf

Referencias w http: //personal 5. iddeo. es/ztt/Tem/t 19_distribucion_binomial. htm w http: //www-stat. stanford. edu/~naras/jsm/example 5. html w http: //cyber. gwc. cccd. edu/faculty/jmiller/Binom_Tab. pdf w http: //descartes. cnice. mecd. es/Estadistica/Distribucion_binomial/bin omial. htm w http: //descartes. cnice. mecd. es/Estadistica/Binomial_Normal/index. ht m