INTRODUCCIN Las distribuciones binomiales son las ms tiles dentro de las distribuciones de probabilidad discretas.

Dentro del campo de aplicacin se encuentra inspeccin de calidad, ventas, mercadotecnia, medicina, investigacin, etc. En las empresas se dan situaciones donde se espera que ocurra o no un evento especfico. ste puede ser de xito o fracaso. Por ejemplo, en la produccin de un artculo, ste puede salir bueno o malo. Casi bueno no es un resultado de inters. Para situaciones como stas se utiliza la distribucin binomial. El clculo de probabilidades tuvo un notable desarrollo con el trabajo del matemtico suizo Jacob Bernoulli (1654-1705). Bernoulli defini el proceso conocido por su nombre el cual establece las bases para el desarrollo y utilizacin de la distribucin binomial. Segn experimentos de Bernoulli la distribucin binomial se utiliza en situaciones cuya solucin tiene dos posibles resultados. Por ejemplo: Al nacer un beb puede ser varn o mujer. En el deporte un equipo puede ganar o perder. En pruebas de cierto o falso slo hay dos alternativas. Tambin se utiliza cuando el resultado se puede reducir a dos opciones. Por ejemplo: Un tratamiento mdico puede ser efectivo o inefectivo. La meta de produccin o ventas del mes se pueden o no lograr. En pruebas de seleccin mltiple, aunque hay cuatro o cinco alternativas, se pueden clasificar como correcta o incorrecta. La distribucin binomial est asociada a experimentos del siguiente tipo: Realizamos n veces cierto experimento en el que consideramos solo la posibilidad de xito o fracaso. - La obtencin de xito o fracaso en cada ocasin es independiente de la obtencin de xito o fracaso en las dems ocasiones. - La probabilidad de obtener xito o fracaso siempre es la misma en cada ocasin. Vemoslo con un ejemplo Tiramos un dado 7 veces y contamos el nmero de cincos que obtenemos. Cul es la probabilidad de obtener tres cincos ?. Este es un tpico ejemplo de distribucin binomial, pues estamos repitiendo 7 veces el experimento de lanzar un dado. Cul es nuestro xito?. Evidentemente, sacar un 5, que es en lo que nos jamos. El fracaso, por tanto, ser no sacar 5, sino sacar cualquier otro nmero.

CAPITULO I: GENERALIDADES DATOS HISTORICOS: Daniel Bernoulli (Groninga, 8 de febrero de 1700 - Basilea, 17 de

marzo de 1782) fue un matemtico, estadstico, fsico y mdico holands-suizo. Daniel Bernoulli era hijo del matemtico Johann Bernoulli y naci

en Groningen (Holanda), donde su padre era entonces profesor. En 1705, su padre obtiene una plaza en la Universidad de Basilea y la familia regresa a la ciudad suiza de donde era originaria. Por deseo de su padre realiz estudios de Medicina en la Universidad de Basilea, mientras que a la vez, en su casa, su hermano mayor Nikolaus y su padre ampliaban sus conocimientos matemticos. Daniel finaliz los estudios de Medicina en 1721. En principio intenta entrar como profesor en la Universidad de Basilea, pero es rechazado. En 1723 gana la competicin anual que patrocinaba la Academia de las Ciencias francesa y a su vez Christian Goldbach, matemtico prusiano con el que mantena correspondencia sobre las lecciones aprendidas con su padre, impresionado por el nivel de Bernoulli, decide publicar las cartas escritas por Daniel.

Daniel Bernoulli

En 1724, las cartas publicadas haban llegado a todo el mundo, y Catalina I de Rusia le envi una carta proponindole ser profesor en la recin fundada Academia de Ciencias de San Petersburgo. Por mediacin de su padre, logr que se ampliara la oferta a los dos hermanos: Nicols y Daniel. Su hermano muri en San Petersburgo en 1726 de tuberculosis. En la Academia Daniel trabaj en la ctedra de Fsica. Como ancdota decir que ese tiempo comparti piso con Euler, que haba llegado a la Academia recomendado por el propio Daniel y al que ya conoca por ser un aventajado alumno de su padre en la Universidad de Basilea. Daniel estuvo ocho aos en San Petersburgo y su labor fue muy reconocida. En el ao 1732 vuelve a Basilea, donde haba ganado el puesto de profesor en los departamentos de Botnica y Anatoma. En 1738 public su obra 'Hidrodinmica', en la que expone lo que ms tarde sera conocido como el Principio de Bernoulli. Daniel tambin hizo importantes contribuciones a la teora de probabilidades. Es notorio que mantuvo una mala relacin con su padre a partir de 1734, ao en el que ambos compartieron el premio anual de la Academia de Ciencias de Pars. Johann lleg a expulsarle de su casa y tambin public un libro Hydraulica en el que trat de atribuirse los descubrimientos de su hijo en esta materia. En 1750 la Universidad de Basilea le concedi, sin necesidad de concurso, la ctedra que haba ocupado su padre. Public 86 trabajos y gan 10 premios de la Academia de Ciencias de Pars, slo superado por Euler que gan 12. Daniel Bernoulli fue elegido miembro de la Royal Society el 3 de mayo de 1750. Al final de sus das orden construir una pensin para refugio de estudiantes sin recursos. Muri de un paro cardiorrespiratorio.

VARIABLES ALEATORIAS Una variable aleatoria es una variable que toma valores numricos determinados por el resultado de un experimento aleatorio. No hay que confundir la variable aleatoria con sus posibles valores. Ejemplos: n de caras al lanzar 6 veces una moneda (valores: 0, 1, 2) n de llamadas que recibe un telfono en una hora tiempo que esperan los clientes para pagar en un supermercado

Las variables aleatorias pueden ser discretas o continuas: Discretas: el conjunto de posibles valores es numerable. Suelen estar asociadas a experimentos en que se mide el nmero de veces que sucede algo. Continuas: el conjunto de posibles valores es no numerable. Puede tomar todos los valores de un intervalo. Son el resultado de medir.

DISTRIBUCION DE PROBABILIDAD Una distribucin de probabilidad indica toda la gama de valores que pueden representarse como resultado de un experimento si ste se llevase a cabo. Es decir, describe la probabilidad de que un evento se realice en el futuro, constituye una herramienta fundamental para la prospectiva, puesto que se puede disear un escenario de acontecimientos futuros considerndolas tendencias actuales de diversos fenmenos naturales.

CAPTULO II: MARCO TERICO Distribuciones discretas: Binomial La distribucin binomial es parte de la distribucin de Bernoulli. La distribucin de Bernoulli La distribucin de Bernoulli se aplica cuando se realiza una sola vez un experimento que tiene nicamente dos posibles resultados (xito o fracaso). En estadstica, la distribucin binomial es una distribucin de

probabilidad discreta que mide el nmero de xitos en una secuencia de n ensayos de Bernoulli independientes entre s, con una probabilidad fija: Probabilidad de xito: P (E)= p Probabilidad de fracaso: P (F)= 1- P(E) = 1 p, y se denota: q=1-p En la distribucin binomial el anterior experimento se repite n veces, de forma independiente, y se trata de calcular la probabilidad de un determinado nmero de xitos. Para n= 1, la binomial se convierte, de hecho, en una distribucin de Bernoulli. FUNCIN DE PROBABILIDAD Luego, si el investigador realiza n ensayos de bernoulli bajo las mismas condiciones se dice que la variable aleatoria X que corresponde al nmero de xitos sigue la DISTRIBUCIN BINOMIAL. La distribucin binomial se aplica cuando se realizan un nmero "n" de veces el experimento de Bernoulli, siendo cada ensayo independiente del anterior. La variable puede tomar valores entre: 0: si todos los experimentos han sido fracaso n: si todos los experimentos han sido xitos

Ejemplo: se tira una moneda 10 veces: cuntas caras salen? Si no ha salido ninguna la variable toma el valor 0; si han salido dos caras la variable toma el valor 2; si todas han sido cara la variable toma el valor 10 La distribucin de probabilidad de este tipo de distribucin sigue el siguiente modelo:

En el cual toma el nombre de FRMULA BINOMIAL

Alguien entiende esta frmula? Vamos a tratar de explicarla con un ejemplo: Ejemplo 1: Cul es la probabilidad de obtener 6 caras al lanzar una moneda 10 veces? "k " es el nmero de aciertos. En este ejemplo " k " igual a 6 (en cada acierto decamos que la variable toma el valor 1: como son 6 aciertos, entonces k = 6) "n" es el nmero de ensayos. En nuestro ejemplo son 10 "p " es la probabilidad de xito, es decir, que salga "cara" al lanzar la moneda. Por lo tanto p = 0,5 La frmula quedara:

Luego, P (x = 6) = 0,205 Es decir, se tiene una probabilidad del 20,5% de obtener 6 caras al lanzar 10 veces una moneda.

Sealaremos adems que: En una distribucin binomial denotada por B (n, p), donde n es el nmero de repeticiones del experimento y p la probabilidad de que se produzca un cierto suceso (xito), la esperanza matemtica de la variable aleatoria X viene dada por la expresin siguiente:

El valor esperado (media) de la distribucin binomial es: E(X)=u=np

Anlogamente, la varianza de la variable aleatoria X, al ser sta de tipo discreto, se calcula como: V(X)= =npq

Siendo q la probabilidad de no xito (fracaso). La desviacin estndar es, como de costumbre, la raz cuadrada de la varianza:

Y la funcin de distribucin de la distribucin binomial es:

Caractersticas de la Distribucin Binomial La distribucin binomial puede considerarse como una generalizacin del modelo de Bernoulli, en donde el experimento se realiza n veces y se utiliza en experimentos o eventos que tienen las siguientes caractersticas:

a) b) c) d)

Slo hay 2 posibles resultados. Las pruebas son independientes El ensayo consta de n ensayos idnticos. El experimento se realiza n veces bajo las mismas condiciones y estamos interesados en que hayan x xitos.

e)

La probabilidad de un xito es p; la probabilidad de un fracaso es q=1-p

USO DE TABLAS DE LA DISTRIBUCIN BINOMIAL En la prctica para resolver problemas del tipo de los ejemplos 3 y 4 se utiliza tablas de distribucin binomial, en la cual estn calculados los valores correspondientes a la formula (2)

La que en el segundo miembro expresa las probabilidades calculadas por la formula binomial, para los valores enteros que van de cero hasta x. Como ya se vio en la seccin de probabilidades los correspondientes sucesos complementarios suman I, esto lo podemos expresar formalmente com o sigue.

Con la consideracin de que en general X toma valores enteros que van de cero 0 a n, entonces por tablas tambin se puede calcular la probabilidad. Considrese, Pero como: Entonces: .(3)

Todo los clculos que se realizan utilizando la formula binomial, se resumen a la bsqueda de un valor en la tabla de la distribucin binomial, para lo cual basta conocer n p y x. As por ejemplo si queremos calcular la siguiente probabilidad para n = 6, p = 0.50,

El procedimiento para ingresar a la tabla es la siguiente n x p 01 50 . . . 6 0 1 2 3 4 5 6 . . . 0.8906

As, en la tabla de la distribucin binomial, podemos calcular la probabilidad de que un estudiante apruebe como sigue con: N=10 P=0,25 X=5 P(X6) = 1-P(X5) P(X6) = 1-0,9803 P(X6) = 0,0197 Que es lo mismo que ya determinamos con la formula binomial.

Ejemplo: Un estudiante de primer ao de secundaria tiene la seguridad de aprobar una asignatura cualquiera con probabilidad de 0,5. Si lleva 6 asignaturas, hallar la probabilidad de que apruebe: a) A lo ms 4 asignaturas b) Por lo menos 4 asignaturas Solucin: Sea la variable: X = Nmero de asignaturas que aprueba el estudiante p= 0,5 (probabilidad de aprobar una asignatura cualquiera) q = 0,5 (probabilidad de desaprobar una asignatura cualquiera) n= 6 (nmero de asignatura que lleva) a) La probabilidad de aprobar como mximo 4 asignaturas es: P(X4) = 0,8906(por tablas) b) La probabilidad de aprobar como mximo 4 asignaturas es: P(X4) = 1 (P3)por formula (3) = 1 0,6562.por tablas = 0,3438 MEDIA Y DESVIACIN ESTNDAR DE UNA DISTRIBUCIN BINOMIAL La media y desviacin estndar de una distribucin binomial, denotadas respectivamente por y se calcula por las frmulas respectivas: = np = Ejemplo 1: (4)

Un dado se lanza 180 veces. Determinar la media y desviacin estndar de la obtencin del nmero UNO en ese experimento. Solucin: Dada la informacin: p = (probabilidad de obtener UNO en un lanzamiento) q = (probabilidad de no obtener UNO en un lanzamiento) n = 180 (nmero de lanzamientos) Por la frmula de media y desviacin estndar, tenemos que: = np = 18( ) = 30 = ( )( ) = 5

Ejemplo 2: Si la probabilidad de que un remache sea defectuoso es 0,01. Hallar la media y la desviacin estndar de nmero de remaches defectuosos en un avin que tiene 10,000 remaches. Solucin: Dada la informacin: p = 0,01 (probabilidad de que un remache sea defectuoso) q= (probabilidad de que un remache no sea defectuoso))

n = 10,000 (nmero total de remaches) Por la frmula de media y desviacin estndar, tenemos que: = np = 10,000(0,01) = 100 = = = 9,25