Ejemplos de preguntas y análisis de la distribución binomial
La distribución binomial es una de las distribuciones de probabilidad discretas más utilizadas. Resulta útil para modelar el número de éxitos en una serie de ensayos idénticos e independientes, cada uno de los cuales produce un éxito o un fracaso. En este artículo, profundizaremos en la distribución binomial mediante varios ejemplos y un análisis detallado.
Introducción a la distribución binomial
Características principales de la distribución binomial:
1. n : Número de ensayos o repeticiones.
2. p: Probabilidad de éxito en cada ensayo.
3. q = 1-p : Probabilidad de fallo en cada ensayo.
La función de probabilidad de la distribución binomial es:
\[ P(X = k) = {n \choose k} p^k (1-p)^{nk} \]
Dónde:
– \( {n \choose k} = \frac{n!}{k!(nk)!} \)
– \( X \): Una variable aleatoria que representa el número de éxitos.
– \( k \): El número de éxitos buscados.
Contoh Soal dan Pembahasan
Comencemos con algunos ejemplos para comprender con más detalle el concepto de distribución binomial.
Ejemplo 1: Selección de un grupo de estudiantes
Por ejemplo, supongamos que tenemos un grupo de 10 estudiantes y que la probabilidad de que cada estudiante sea seleccionado para participar en una competición es de 0,3. Queremos saber la probabilidad de que se seleccionen exactamente 4 estudiantes.
Paso 1: Identificar los parámetros de la distribución binomial.
– \( n = 10 \)
– \( p = 0.3 \)
Paso 2: Utilice la distribución binomial para calcular la probabilidad de \( X = 4 \).
\[ P(X = 4) = {10 \choose 4} (0.3)^4 (0.7)^6 \]
Calculando \( {10 \choose 4} \):
\[ {10 \choose 4} = \frac{10!}{4!(10-4)!} = \frac{10!}{4!6!} = 210 \]
Ahora calcula \( (0.3)^4 \) y \( (0.7)^6 \):
\[ (0.3)^4 = 0.0081 \]
\[ (0.7)^6 = 0.117649 \]
Entonces
\[ P(X = 4) = 210 \cdot 0.0081 \cdot 0.117649 \approx 0.20012 \]
Por lo tanto, la probabilidad de que se seleccionen exactamente 4 estudiantes es aproximadamente de 0.20012 o 20.012%.
Ejemplo 2: Probabilidad menor o igual a 2
Ahora, por ejemplo, se nos pregunta sobre la probabilidad de que se seleccionen dos o menos estudiantes.
Paso 1: Tenemos que calcular \( P(X = 0) \), \( P(X = 1) \) y \( P(X = 2) \).
– Para \( P(X = 0) \):
\[ P(X = 0) = {10 \choose 0} (0.3)^0 (0.7)^{10} \]
\[ {10 \choose 0} = 1 \]
\[ (0.7)^{10} = 0.0282475 \]
\[ P(X = 0) = 1 \cdot 1 \cdot 0.0282475 = 0.0282475 \]
– Para \( P(X = 1) \):
\[ P(X = 1) = {10 \choose 1} (0.3)^1 (0.7)^9 \]
\[ {10 \choose 1} = 10 \]
\[ (0.3) \cdot (0.7)^9 = 0.1210608 \]
\[ P(X = 1) = 10 \cdot 0.3 \cdot 0.1210608 = 0.3631824 \]
– Para \( P(X = 2) \):
\[ P(X = 2) = {10 \choose 2} (0.3)^2 (0.7)^8 \]
\[ {10 \choose 2} = 45 \]
\[ (0.3)^2 \cdot (0.7)^8 = 0.2334744 \]
\[ P(X = 2) = 45 \cdot 0.09 \cdot 0.2334744 = 0.2334744 \]
Paso 2: Sumar las probabilidades.
\[ P(X \leq 2) = P(X = 0) + P(X = 1) + P(X = 2) \]
\[ P(X \leq 2) = 0.0282475 + 0.3631824 + 0.3826372 = 0.7740671 \]
Por lo tanto, la probabilidad de que se seleccionen dos o menos estudiantes es aproximadamente 0.7740671 o 77.41%.
Ejemplo 3: Probabilidad de al menos 8
Si un experimento se realiza 12 veces y la probabilidad de éxito en cada ensayo es de 0.5, ¿cuál es la probabilidad de que se produzcan al menos 8 éxitos?
Paso 1: Establecer los parámetros binomiales: \( n = 12, p = 0.5 \).
Paso 2: Hallar la probabilidad de que \( X \geq 8 \).
Esto requiere calcular varias probabilidades individuales y sumarlas:
\[ P(X \geq 8) = P(X = 8) + P(X = 9) + P(X = 10) + P(X = 11) + P(X = 12) \]
Cuenten uno por uno:
– Para \( P(X = 8) \):
\[ P(X = 8) = {12 \choose 8} (0.5)^8 (0.5)^4 \]
\[ {12 \choose 8} = 495 \]
\[ (0.5)^{12} = 0.0002441406 \]
\[ P(X = 8) = 495 \cdot 0.0002441406 = 0.1208496 \]
– Para \( P(X = 9) \):
\[ P(X = 9) = {12 \choose 9} (0.5)^9 (0.5)^3 \]
\[ {12 \choose 9} = 220 \]
\[ P(X = 9) = 220 \cdot 0.0002441406 = 0.05371094 \]
– Para \( P(X = 10) \):
\[ P(X = 10) = {12 \choose 10} (0.5)^{10} (0.5)^2 \]
\[ {12 \choose 10} = 66 \]
\[ P(X = 10) = 66 \cdot 0.0002441406 = 0.01611328 \]
– Para \( P(X = 11) \):
\[ P(X = 11) = {12 \choose 11} (0.5)^{11} (0.5)^1 \]
\[ {12 \choose 11} = 12 \]
\[ P(X = 11) = 12 \cdot 0.0002441406 = 0.002929688 \]
– Para \( P(X = 12) \):
\[ P(X = 12) = {12 \choose 12} (0.5)^{12} \]
\[ {12 \choose 12} = 1 \]
\[ P(X = 12) = 1 \cdot 0.0002441406 = 0.0002441406 \]
Paso 3: Sumar todas las probabilidades.
\[ P(X \geq 8) = 0.1208496 + 0.05371094 + 0.01611328 + 0.002929688 + 0.0002441406 \approx 0.1938477 \]
Por lo tanto, la probabilidad de que se produzcan al menos 8 éxitos en 12 ensayos es aproximadamente de 0.1938477 o 19.38%.
conclusión
La distribución binomial es un concepto fundamental en estadística, crucial en numerosas aplicaciones prácticas. Al comprender cómo calcular probabilidades para diversos casos de la distribución binomial, como se muestra en los ejemplos anteriores, podemos aplicar este concepto en situaciones reales. Este ejercicio también refuerza nuestra comprensión del funcionamiento de las estructuras de probabilidad en un contexto claro y organizado.
