DISTRIBUCIÓN BINOMIAL
Una distribución de probabilidad ampliamente utilizada de una variable
aleatoria discreta es la distribución binomial. Esta describe varios procesos
de interés para los administradores.
Describe datos discretos, resultantes de un experimento denominado proceso
de Bernoulli en honor del matemático suizo Jacob Bernoulli, quien vivió en el
siglo XVII.
Empleo del proceso de Bernoulli.
Podemos servirnos de los resultados de un número fijo de lanzamientos de
una moneda como ejemplo de un proceso de Bernoulli. Este proceso lo describimos
así:
1. Cada
ensayo ( cada lanzamiento, en nuestro caso) tiene sólo dos resultados posibles:
lado A o lado B, sí o no, éxito o fracaso.
2. La
probabilidad del resultado de cualquier ensayo (lanzamiento) permanece fija con
el tiempo. Tratándose de una moneda la probabilidad de que salga de el lado A
sigue siendo de 0.5 en cada lanzamiento, cualquiera que sea el número de veces
que la moneda sea arrojada.
3. Los
ensayos son estadísticamente independientes, es decir, el resultado de un
lanzamiento no afecta al de cualquier otro lanzamiento.
Cada proceso de Bernoulli tiene su propia probabilidad característica. Pongamos
el caso en que siete décimas partes de las personas que solicitaron cierto tipo
de empleo pasaron la prueba. Diremos entonces que la probabilidad
característica fue de 0.7 pero podemos describir los resultados de la prueba
como un proceso de Bernoulli sólo si tenemos la seguridad de que la proporción
de los que fueron aprobados permaneció constante con el tiempo.
Des de luego, la otra característica del proceso de Bernoulli también
deberá ser satisfecha. Cada prueba deberá arrojar tan sólo dos resultados
(éxito o fracaso= y los resultados de las pruebas habrán de ser
estadísticamente independientes.
En un lenguaje más formal, el símbolo p representa la
probabilidad de un éxito y el símbolo q ( 1- p ) representa la probabilidad de
un fracaso. Para representar cierto número de éxitos, utilizaremos el símbolo r
y para simbolizar el número total de ensayos emplearemos el símbolo n.
Entonces tenemos que :
P |
Probabilidad de éxito. |
Q |
Probabilidad de fracaso. |
r |
Número de éxitos deseados. |
n |
Número de ensayos efectuados. |
Existe una fórmula binomial:
Probabilidad de r éxitos en n
ensayos es :
N! / R! (N-R)! PR QN-R
Recordemos que el símbolo factorial! Significa por ejemplo que es 3! =
3*2*1 = 6
Los matemáticos definen 0! = 1.
La distribución binomial se puede expresar de forma gráfica,
imaginemos una escuela primaria donde los alumnos llegan tarde a menudo.
Cinco alumnos están en el jardín de niños. La directora lleva tiempo estudiando
el problema, habiendo llegado a la conclusión de que hay una probabilidad de
0.4 de que un alumno llegue tarde y de que los alumnos lleguen
independientemente uno de otro ¿Cómo trazamos una distribución binomial de
probabilidad que ilustre las probabilidades de que 0,1,2,3,4 ó 5 estudiantes
lleguen tarde simultáneamente? Para hacerlo necesitaremos utilizar la fórmula
binomial donde :
P= 0.4
Q= 0.6
N= 5
Realicemos el cálculo de cada valor de R:
Para R= 0 obtenemos que :
P(0) = 5!/ 0!(5-0)! (0.4 )0 (0.6)5
P(0) = 0.07776
Para R= 1 obtenemos que :
P(1) = 5!/ 1!(5-1)! (0.4 )1 (0.6)4
P(1) = 0.2592
Para R=2 obtenemos que:
P(2) = 5!/ 2!(5-2)! (0.4 )2 (0.6)3
P(2) = 0.3456
Para R= 3 obtenemos que :
P(3) = 5!/ 3!(5-3)! (0.4 )3 (0.6)2
P(3) = 0.2304
Para R= 4 obtenemos que :
P(4) = 5!/ 4!(5-4)! (0.4 )4 (0.6)1
P(4) = 0.0768
Para R= 5 obtenemos que :
P(5) = 5!/ 5!(5-5)! (0.4 )5 (0.6)0
P(5) = 0.01024
Representando estos resultados en una gráfica:
|
Medidas de tendencia central y de dispersión para la distribución
binomial.
La distribución binomial tiene un valor esperado o media ( m ) y una desviación estándar ( s ) y deberemos ser capaces de
calcular esas dos medidas estadísticas.
Podemos representar la media de una distribución binomial de la
siguiente forma:
m = n p
donde :
n= número de ensayos.
P= probabilidad de éxitos.
Y la desviación de la siguiente forma:
s = Ö npq
donde :
n= número de ensayos.
P= probabilidad de éxito.
Q= probabilidad de fracaso.
Ejemplo:
Una máquina empaquetadora que produce 20% de paquetes defectuosos. Si se
extrae una muestra aleatoria de 10 paquetes, podremos calcular la media y la
desviación estándar de la distribución binomial de ese proceso en la forma que
sigue:
m = np
= 10*0.2
= 2 Media
s = Ö npq
= Ö (10) (0.2) (0.8)
= Ö 1.6
= 1.265 Desviación estándar
Supongamos que un experimento aleatorio tiene
las siguientes características:
·
En cada prueba del experimento sólo son posibles dos resultados: el
suceso A (éxito) y su contrario`A (fracaso).
·
El resultado obtenido en cada prueba es independiente de los resultados
obtenidos anteriormente.
·
La probabilidad del suceso A es constante, la representamos por p,
y no varía de una prueba a otra. La probabilidad de `A es 1- p
y la representamos por q .
·
El experimento consta de un número n de pruebas.
Todo experimento que tenga estas
características diremos que sigue el modelo de la distribución Binomial.
A la variable X que expresa el número de éxitos obtenidos en
cada prueba del experimento, la llamaremos variable aleatoria binomial.
La variable binomial es una variable aleatoria discreta,
sólo puede tomar los valores 0, 1, 2, 3, 4, ..., n suponiendo que
se han realizado n pruebas. Como hay que considerar todas
las maneras posibles de obtener k-éxitos y (n-k) fracasos
debemos calcular éstas por combinaciones (número combinatorio n sobre k).
La distribución Binomial se suele representar
por B(n,p)
siendo n y p los parámetros de dicha
distribución.
Función de Probabilidad
de la v.a. Binomial
Función de probabilidad de la
distribución Binomial o también denominada función de la distribución de
Bernoulli (para n=1). Verificándose: 0 £
p £ 1
Como el cálculo de estas
probabilidades puede resultar algo tedioso se han construido tablas para
algunos valores de n y p que nos
facilitan el trabajo.
Ver Tabla de la Función de Probabilidad de la
Binomial
Parámetros de la
Distribución Binomial
Función de Distribución
de la v.a. Binomial
siendo k el mayor número entero menor o igual a
xi.
Esta función de distribución proporciona, para
cada número real xi, la probabilidad de que la variable X tome
valores menores o iguales que xi.
El cálculo de las F(x) = p( X £x) puede resultar laborioso, por
ello se han construido tablas para algunos valores de n
y p que nos facilitan el trabajo.
Sea X una variable aleatoria discreta correspondiente a una distribución
binomial.
Ejemplo 1
Una máquina fabrica una determinada pieza y se
sabe que produce un 7 por 1000 de piezas defectuosas. Hallar la probabilidad de
que al examinar 50 piezas sólo haya una defectuosa.
Solución :
Se trata de una distribución binomial de
parámetros B(50, 0'007) y debemos calcular la probabilidad p(X=1).
Ejemplo 2
La probabilidad de éxito de una determinada
vacuna es 0,72. Calcula la probabilidad de a que una vez administrada a 15
pacientes:
a) Ninguno sufra la enfermedad
b) Todos sufran la enfermedad
c) Dos de ellos contraigan la enfermedad
Solución :
Se trata de una distribución binomial de
parámetros B(15, 0'72)
Ejemplo 3
La probabilidad de que el carburador de un
coche salga de fábrica defectuoso es del 4 por 100. Hallar :
a) El número de carburadores defectuosos esperados en un lote de 1000
b) La varianza y la desviación típica.
Solución
: