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.

El módulo va dirigido al estudiantado de Administración de Empresas en sus

distintas concentraciones.
 OBJETIVOS

OBJETIVO GENERAL

Utilizar la distribución binomial para obtener las probabilidades de

aquellas situaciones gerenciales con dos posibles resultados.

OBJETIVOS ESPECÍFICOS

 Identificar las propiedades de una distribución binomial.

 Determinar los valores de éxitos p y fracasos q para establecer las bases
para el cómputo de las probabilidades.
 Establecer el promedio, la varianza y la desviación estándar utilizando las
variables de la distribución binomial.
 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.

Bernoulli escribió el primer tratado importante sobre probabilidad, “Ars

conjectandi” (El arte de pronosticar). Los Bernoulli formaron una de las sagas de
matemáticos más importantes de la historia. La distribución normal es un ejemplo
de las distribuciones continuas, y aparece en multitud de fenómenos sociales.
Fue estudiada, entre otros, por J.K.F. Gauss (Alemania, 1777-1855), uno de los
más famosos matemáticos de la historia.
 DISTRIBUCIÓN BINOMIAL

La distribución binomial es una de la distribución de probabilidad discreta. Se

utiliza cuando hay exactamente dos resultados mutuamente excluyentes de un
juicio. Estos resultados están debidamente etiquetados Éxito y Si no. La
distribución binomial se utiliza para obtener la probabilidad de observar r éxitos
en n ensayos, con la probabilidad de éxito en un único ensayo indicado por p.

Si en una experiencia aleatoria únicamente consideramos dos posibilidades: que

ocurra el suceso A o que no ocurra ( que ocurra A’, el complementario de A ), se
trata de una experiencia dicotómica. Si repetimos n veces una experiencia
dicotómica y llamamos X a la variable que cuenta el número de éxitos, resulta
que: X es una variable discreta que puede tomar los valores: 0,1,2,3,4,5,...........n.

Características de la distribución binomial

 En cada prueba del experimento solo son posibles dos resultados: éxitos
y fracaso.
 La probabilidad de fracaso también es constante, se representa por q, que
es lo mismo a 1-p.
 El resultado obtenido en cada prueba es independiente de los resultados
obtenidos anteriormente.
 La variable aleatoria binomial, x, expresa el número de éxitos obtenidos
en las n pruebas. Por tanto, los valores que pueden tomar x son:
0,1,2,3,4……. N.

Parámetros número de ensayos (entero)

probabilidad de éxito (real)

La distribución de probabilidad es un ejemplo de distribución de probabilidad

discreta. Esta formada por una serie de experimentos de Bernoulli. Los
resultados de cada experimento son mutuamente excluyentes.

Para construirla necesitamos:

1. La cantidad de pruebas n
2. La probabilidad de éxitos p
3. Utilizar la función matemática

La función P(X=K)

Fórmula para calcular una distribución binomial

Probabilidad

Donde:
n= Es el número de pruebas
k=Es el número de éxitos
p=Es la probabilidad de éxito
q=Es la probabilidad de fracaso

Fórmula para combinar números

Fórmula para calcular la Media

Fórmula para calcular la varianza

Despeje:

¿Cómo hallar la probabilidad a través de la distribución

binomial?
Una distribución de probabilidad binomial es una distribución teórica, que se
puede calcular mediante el uso de la fórmula de la función de probabilidad. Sin
embargo, los cálculos pueden ser muy tediosos, especialmente cuando nos
piden probabilidades acumuladas, ya que será necesario aplicar la fórmula
repetidamente.

Por tal motivo existen tablas en las que se pueden consultar las probabilidades
de un determinado número de éxitos para varios valores de n y de p, pero
únicamente para valores máximos de n = 25. Para cualquier n superior hemos
de utilizar inevitablemente la fórmula de la función de probabilidad. Se puede
obtener más información al respecto en el recurso poli‐media, referido en
bibliografía. Sin embargo, el cálculo puede ser todavía tedioso.

Para solventar el problema del cálculo de probabilidades de la distribución

binomial para n elevados, y siempre que el producto n*p*(1‐p) es elevado, del
orden de 9 o superior, las probabilidades correspondientes a una variable con
distribución binomial, pueden también aproximarse, usando las tablas de la
distribución normal, por el Teorema Central del Límite, la suma de variables
aleatorias independientes, tiende a distribuirse normalmente a medida que
aumenta el número de sumandos.
En caso de que podamos aproximar, debemos tener en cuenta que estamos
pasando de una variable discreta (binomial) a una continua (normal), y por tanto
son distribuciones diferentes. El “precio” que hay que pagar por pasar de una a
otra se denomina “corrección por continuidad” y consiste en hacer determinados
ajustes para que la aproximación realizada sea lo más precisa posible

En las distribuciones continuas, la probabilidad de obtener un valor exacto es

cero, como se vio en temas precedentes y en consecuencia, la corrección por
continuidad

Consiste en tomar un pequeño intervalo de longitud 1 alrededor del determinado

punto k (aumentar y disminuir un poco el valor solicitado creando en lugar de una
valor único un intervalo).

La distribución binomial se puede expresar de forma gráfica, y que en realidad

consiste en un diagrama de barras, similar a los obtenidos en la función de
probabilidad pero que van a ir variando su forma en función de los valores de n
y de p al modificarse las probabilidades de los distintos posibles valores de
P(X=x).

Por ejemplo, para p=0,2 (azul), y p=0,3 (rojo) y distintos valores de n:

Gráfica de una distribución binomial(n, 0,3) en rojo y (n, 0,2) en azul, para n =
40, 50,60, 70 ,80, 90 y 100.
Veamos un ejemplo:

Un cazador tiene una probabilidad de acertar cada disparo que realiza con su
escopeta (suceso A) del 40 %. ¿Qué probabilidad tiene de derribar a su presa
si puede efectuar tres disparos consecutivos?
Sea el suceso A: derriba a la presa en el disparo.
La probabilidad de A, sería p=0,4.
Sea la variable X ~ número de disparos acertados ~ B (n=3, p=0,4).
P (derribarla) = P (derribarla en el primer disparo) + P (derribarla en el
segundo disparo) + P (derribarla en el tercer disparo)

Sin embargo, al ser sucesos independientes, podemos calcularlo de manera

más sencilla, mediante el complementario:

P (derribarla) = 1 - P (no derribarla) + (P (no derribarla en el primer

disparo) * P (no derribarla en el segundo disparo) * p (no derribarla en el
tercer disparo)

P (derribarla)=1−(0,6)3 = 1- 0,216 = 0,784

 CONCLUSIÓN

Con el desarrollo de este trabajo y gracias a la comprensión de

conceptos, entendimos que la distribución binomial es una poderosa
herramienta probabilística que bien aplicada nos podrá ayudar a
facilitar los cálculos para la solución de problemas.
La ciencia y la tecnología ha evolucionado de tal forma que ha
ahorrado tiempo para el análisis probabilístico, sin embargo la
compresión de la lógica que se utiliza para llegar a la resolución del
mismo es algo que nos lleva a este estudio.