ESTADISTICA APLICADA

II CICLO - UNAM

DISTRIBUCION BINOMIAL

Mgr. CARLOS CENTURION YAÑEZ

 Distribución de Probabilidad
 Una distribución o densidad de probabilidad de una
variable aleatoria x es la función de distribución de la
probabilidad de dicha variable
 Área de curva entre 2 puntos representa la probabilidad de que
ocurra un suceso entre esos dos puntos.
 Distribuciones probabilidad pueden ser discretas o
continuas, de acuerdo al tipo de.
 Hay infinidad distribuciones probabilidad, (1 c/población),
pero hay ciertas distribuciones “modelo”:
 Normal
 Binomial
 Ji-cuadrado
 "t" de Student,
 F de Fisher

-1 0 +1
 Distribución binominal

 Describe la probabilidad de una variable dicotómica

independiente.

Distribución Binominal de un hombre en un grupo de 10

Probabilidad

0.3
0.25
0.2
0.15
0.1
0.05
0
0 1 2 3 4 5 6 7 8 9 10
Número de hombres en un grupo de 10
 Utilidad
 Se utiliza en situaciones cuya solución tiene dos
posibles resultados.
 Al nacer un/a bebé puede ser varón o hembra.
 En el deporte un equipo puede ganar o perder.
 Un tratamiento médico puede ser efectivo o inefectivo.
 Vivo / muerto; enfermo / sano; verdadero / falso
 Prueba múltiple 4 alternativas: correcta o incorrecta.
 Algo puede considerarse como Éxito o Fracaso
 “Experimentos de Bernoulli”
 Usos:
 Estimación de proporciones
 Pruebas de hipotesis de proporciones
 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 (p) es constante y no
varía de una prueba a otra.
4. La probabilidad del complemento (1- p) es q .
Si repetimos el experimento n veces podemos obtener
datos para armar una distribución binomial.
 La Distribución Binomial
 Ejemplo distribución probabilidad discreta.
 Formada por serie experimentos Bernoulli.
 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 P(x=k).
 La función P(x=k)
Función de la distribución de Bernoulli:

 k = número de aciertos.
 n = número de experimentos.
 p = probabilidad de éxito, como por ejemplo, que salga "cara" al
lanzar la moneda.
 1-p = “q”

 Excel =DISTR.BINOM(k , n, p, acumulado)

 Acumulado = falso : solo para x=k
 Acumulado = Verdadero : para x≤k
 Ejercicio03 - DistribucionBinomial.xlsx
 Ejemplo 1
 ¿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 = 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
 ¿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
 Probabilidad de éxito p = 1/6 ( 0.1666)
 La fórmula queda:

 P (k = 4) = 0.026
 Es decir, probabilidad de obtener cuatro veces el
números 3 al tirar un dado 8 veces es de 2.6%.
Tabla o Excel?
 Media, Varianza, y Desviación
Estandar en Distribución Binomial

  n p
  n pq
2

  n pq
 Ejemplo
 Al adivinar al azar un examen de 100
preguntas multiples, cada una con 4
posibles respuestas:

  100  1 4  25
  100  1 4  3 4  18.8
2

  100  1 4  3 4  4.3
 En resumen
 La distribución binomial se forma de una
serie de experimentos de Bernoulli
 La media (μ) en la distribución binomial se
obtiene con el producto de n x p
 La varianza (σ2 ) 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.
 Distribución Normal
 Descubierta en 1733 por el francés Moiure,
descrita también por Laplace y Gauss (sinónimo
de la forma gráfica de esta distribución).
 Importancia práctica de esta distribución teórica:
 Muchos fenómenos distribuidos suficientemente
Normal que distribución es la base de gran parte de la
teoría estadística usada por los biólogos.
 Distribución de promedios.
 Distribución de errores.
 Características D. Normal
 Área bajo la curva entre 2 puntos representa probabilidad que ocurra
un hecho entre esos dos puntos
 Su dominio va de menos infinito a más infinito;
 Es simétrica con respecto a su media;
 Tiene dos colas y es asintótica al eje x por ambos lados;
 El valor del área debajo de toda la curva es igual a 1;
 El centro de la curva está representado por la media poblacional ().
 Para cualquier curva normal, el área de - a + es igual a 0.6827; de
-2 a +2 de 0,9545 y de -3 a +3 de 0,9973;
 Distribución muestreal de varios estadísticos, como `x es normal e
independiente de distribución de la población.
D. Normal Tipificada (estandarizada)
 Distribución especial que representa a todas las variables aleatorias
normales y que es la distribución de otra variable normal llamada Z:

x -
Z=

 =NORMALIZACION(x;media;desv_estándar)
 Z se la conoce como variable aleatoria estandarizada.
 Esta función se caracteriza por tener media igual a cero y desviación
tipificada igual a uno : N(0,1)
 Representa a todas las distribuciones Normales. Igual densidad de
probabilidad, si medimos desviaciones de media en base a .
 Valores obtenidos de tabla Normal válidos para todas las
distribuciones Normal de media =  y varianza =2.
 Densidad de Probabilidad
 N (0,1) y N( ,2)
 Probabilidad Acumulada
 N (0,1) y N( ,2)
Tabla Distribución Z
=DISTR.NORM.ESTAND(Z)
 Uso de Tabla Distribución Z
 Para determinar la probabilidad de ocurrencia de un
suceso entre 2 puntos debemos determinar el área bajo la
curva entre dichos puntos.
 Depende tipo de tabla. Usaremos tabla de - a X, ya que
da la probabilidad acumulada al igual que Excel.
 Existen otros tipos de tabla
 0 a X, X a , etc.
 Debemos razonar siempre como determinar el área.
 En nuestra tabla, para determinar P(- a X) o P(Z ≤ X):
1. Buscamos en la columna izquierda de la tabla el valor del entero y
primer decimal
2. Buscamos en la fila superior el valor del segundo decimal,
3. Interceptamos ambos valores obteniendo el valor de P.
4. Interpretamos este valor
 Probabilidad Normal Excel
=DISTR.NORM.ESTAND(Z)
 Devuelve la función de distribución normal estándar
acumulativa. La distribución tiene una media de 0 (cero)
y una desviación estándar de uno. Use esta función en
lugar de una tabla estándar de áreas de curvas normales
 Ejercicio 03 - DistribucionNormal.xlsx
 Uso Tabla Normal Estándar (a)
Obtenga la probabilidad de que Z obtenga los siguientes
valores:
 P (Z  1.17)
 Buscamos en la columna izquierda de la tabla el valor
1.1, y en la primera fila el valor 0.07, interceptamos
ambos valores obteniendo el valor de 0.8790, que es
el valor que buscábamos:
P(Z  1.17) = 0.879
 Uso Tabla Normal Estándar (b)
 P(0 Z  1.17)
 Esto lo podemos escribir de la siguiente forma también:

P(Z ≤1.17) - P(Z  0)

 El primer término lo conocemos, por que lo resolvimos en el
literal a.
 Para el segundo término sabemos que la distribución normal es
simétrica y que su área total es igual a 1, por lo tanto el área que
hay de - a 0 (P(Z  0)) es igual a 1/2 = 0.5.
 Por lo que el valor que buscábamos estará dado por:

P(0≤ Z  1.17) = 0.879 - 0.5 = 0.379

 Uso Tabla Normal Estándar (c)
 P(Z  1.17)
 Sabiendo que el área total bajo toda la curva Normal de - a +

es igual a 1, y conociendo el valor del área de - a 1.17, el valor

del área de 1.17 a + será:
1 - P(Z  1.17) = 1 - 0.879 = 0.121
 Uso Tabla Normal Estándar (d)
 P(Z  -1.17)
 Como estamos tratando con una curva simétrica, este valor
será el mismo que el del literal c:
P(Z  -1.17) = P(Z  1.17) = 0.121
 Uso Tabla Normal Estándar (e)
 P(0.42 Z  1.17)
 Al igual que en el literal b, esto lo podemos escribir como:
P(Z ≤1.17) - P(Z  0.42).
 El primer valor lo conocemos, el segundo lo encontramos en la tabla de la
misma forma:
P( Z  1.17) – P(Z  0.42)= 0.879-0.6628= 0.2162
 Uso Tabla Normal Estándar (f)
h) P(|Z|  1.17)
 Determinar el área de - a -1.17 y de 1.17 a +. Como la curva es simétrica,
simplemente multiplicamos el valor de P(Z  1.17) del literal c por 2:
P(|Z|  1.17) = 2 x P(Z  1.17) = 2 x 0.121 = 0.242
 Uso Tabla Normal Estándar (g)
i) P(|Z|  1.17)
 Área dada por 1 menos valor literal h, ya que el valor total del área es igual a 1:
P(Z  1.17) = 1- P(Z 1.17) = 1 - 0.242 = 0.758
 Tabla Distribución Z Inversa
 Otro caso diferente para el cual podemos utilizar la tabla es
para encontrar el valor de Z después del cual se encuentra
un  x 100 % del área de la curva.
 Esto equivale a decir buscar el valor de Z cuya
probabilidad de ser mayor sea 100 x  %, o en su defecto
que su probabilidad de ser menor sea de (1-)x100 %
 Inverso Normal Excel
 =DISTR.NORM.ESTAND.INV(probabilidad)
 Devuelve el inverso de la distribución normal estándar
acumulativa. Calcula el valor de Z en donde el área de la
curva a su izquierda es igual a la probabilidad buscada.
 Se calcula con base en iteraciones, y el grado de
precisión puede variar.
 Inverso Tabla Normal(0,1) (a)
 Hallar el valor de Z antes del cual se encuentra el
0.879 del área de la curva
 Buscamos en el cuerpo de la tabla el valor

correspondiente a 0.8790. Vemos en la columna que

corresponde al valor 1.1, y en la primera fila el valor a
0.07, lo que nos da
Z(1-0.879)=1.17
 Inverso Tabla Normal(0,1) (b)
 Hallar el valor de Z después del cual se encuentra el
5% del área de la curva:
 Esto corresponde a un valor de  = 0.05
 Esto equivale a decir buscar el valor de Z tal que:
P(Z  x) = 0.05
 Buscamos en la tabla el valor de 1 - 0.05 = 0.95
 Este se encontraría en la fila correspondiente a 1.6, entre
los valores de las columnas 4 (0.9495) y 5 (0.9505),
interpolamos 4.5, y Z sería igual a 1.645.
Z(0.05) = 1.645
 Inverso Tabla Normal(0,1) (c)
 Hallar el valor de Z tal que el área sobre el mas el
área bajo -Z sea igual a 0.05:
 Esto equivale a decir buscar el valor de Z tal que:
P(|Z|  x) = 0.05
 Como es una curva simétrica: /2 = 0.05/2=0.025
 Buscamos en la tabla el valor de 1 - 0.025 = 0.95
Z(0.025) = 1.96
 Inverso Tabla Normal(0,1)
 (d) Hallar el valor de Z después del cual se
encuentra el 1% del área de la curva:
 Esto corresponde a un valor de  = 0.01
 En Excel =DISTR.NORM.ESTAND.INV(0.99)
Z(0.01) = 2.326

 (e) Hallar el valor de Z tal que el área sobre el mas el

área bajo -Z sea igual a 0.01:
 Como es una curva simétrica: /2 = 0.01/2=0.005
 En Excel =DISTR.NORM.ESTAND.INV(0.995)
Z(0.005) = 2.576
Buscar en la tabla para comprobar
 Distribución Normal (, )
 Esto Ok! para curva N (0,1) pero y si queremos
usarlo en población natural con 0 y 1?
 No hay problema! Tipificamos valor de x en
nuestra distribución Normal con fórmula:
x -
Z=

 Y procedemos a buscar la probabilidad para este
valor determinado.
 Z no es más que el número de desviaciones
estándares a la que se encuentra x de .
 Tipificar en Excel
 = NORMALIZACION(x,,)
 Valor normalizado de distribución caracterizada por
los argumentos media y desv_estándar : Z =(`x-)/
 =DISTR.NORM(x,,, Verdadero)
 Calcula probabilidad de que un valor se encuentre
bajo x en una distribución N(,): P(Z ≤ x)
 DISTR.NORM.INV(P, ,)
 Devuelve el valor x abajo del cual se encuentra el
Px100% del área de la curva para una distribución
N(,).
 Ejercicio
a) Encontrar la probabilidad que al muestrear una
piscina con una población Normal con peso
=5g y 2=4 encontremos un valor > 7.78g.
 Como 2=4, entonces  = 2.
 Calculamos el valor de Z:
7.78 - 5
Z= = 1.39
2
 Y luego calculamos la probabilidad de que Z sea mayor
a este valor en la tabla:
P(Z  1.39) = 1-0.9177=0.0823
 En Excel lo podemos hacer directo o por pasos
b) En la misma piscina calcular entre que valores
de peso se encuentra el 95% de la población