UNIVERSIDAD DE LA COSTA, CUC

FACULTAD DE INGENIERÍA
LABORATORIO CONTROL DE CALIDAD
VI SEMESTRE

DISTRIBUCIÓN BINOMIAL

Gabriela Osorio Vergara, Alejandra García González, Edgar Toro Quintero,

Miguel Flórez Castro, Jerson Quintana Ibáñez.
Profesor Ing. Dionicio Neira Rodado. Grupo AD1 – Mesa 2. 27-08-2014
Laboratorio de Control de Calidad, Universidad de la Costa, Barranquilla

Resumen Por tanto, f (0; p)= 1-p y f (1; p)=p se

En esta actividad se realizaran (n) pruebas
idénticas que tienen dos resultados
posibles (éxito o fracaso) y la probabilidad
de éxito (p) permanece constante de
prueba en prueba. Las características
anteriores nos indicaron un experimento
binomial.
Palabras claves. Pruebas, Binomial, éxito,
Fracaso.
1. Introducción
En estadística, la distribución binomial es
una distribución de probabilidad discreta
que cuenta el número de éxitos en una
secuencia de n ensayos
de Bernoulli independientes entre sí, con
una probabilidad fija p de ocurrencia del
éxito entre los ensayos Existen muchos
casos donde el resultado de lo que se hace
posee dos únicos resultados posibles. En
términos conceptuales, estas experiencias
corresponden a un modelo conocido como
distribución binomial, y en algunos casos
muy particulares se aplica la distribución de
poisson. El siguiente informe lo que busca
es mostrar los pasos que se deben tomar al
momento de aplicar la ley binomial
teniendo en cuenta un número de los datos
q tomamos en la experiencia de las bolas
uñitas y las ocurrencias obtenidas de la
experimentación realizada.
2. Fundamentos Teóricos.
Si un experimento tiene dos resultados
posibles, éxitos y fracasos, y sus
probabilidades son, respectivamente, p y 1-
p, entonces el numero ,0 o 1, tiene una
distribución de bernoulli. Una variable
aleatoria x tiene una distribución de
bernoulli, y se conoce como variable
aleatoria de bernoulli, si y solo si su
distribución de probabilidad está dada por:
f(x, p)=px (1-p) 1-x para x = 0,1
combinan en una sola formula. Obsérvese
que se uso la notación f(x, p) para indicar
explícitamente que distribución de bernoulli
tiene el parámetro único p. Los ensayos de
bernoulli cumplen muy importante en
probabilidad y estadística, y se caracterizan
porque el numero de ensayos es fijo, el
parámetro p y es el mismo para cada
ensayo y además todos los ensayos son
independiente. Para lograr una formula de
probabilidad de obtener exactamente x
éxitos en n ensayos bajo las condiciones
indicadas, observe que la probabilidad de
obtener justamente x acierto y n-x fracasos
es de px (1-p) n-1. Existe un factor p para
cada éxito, un factor 1-p para cada fracaso;
y los x factores p y n-x y los 1-p se
multiplican a una secuencia cualquiera de n
ensayos en los que hay x aciertos y nx
fracasos, solo tenemos que contar cuantas
secuencias de este tipo hay y después
multiplicar px (1-p)n-x por ese número.
3. Desarrollo experimental
Este experimento se hace para reconocer
en la práctica las características de un
experimento, cuyo comportamiento se
ajustara a la distribución binomial, para así
analizar la probabilidad teórica con la
probabilidad experimental de un modelo
binomial y así conocer y aplicar el
procedimiento para el cálculo de
parámetros de una distribución binomial.
Con esto se agito una caja binomial con
100 bolitas y en ellas 15 de colores
diferentes, se agito en el lado de 10 y así
se hacia el conteo de cuantas bolitas de
color diferente salían en cada una de las 50
veces que se hizo el movimiento.
Materiales:
 Bolas de Colores
 Cajas Binomial
Y con esto se tomaron los siguientes
datos.

1
 UNIVERSIDAD DE LA COSTA, CUC
FACULTAD DE INGENIERÍA
LABORATORIO CONTROL DE CALIDAD
VI SEMESTRE

Tabla 1. Numero de bolas de color Tabla 5. Calculo de la media y desviación.

diferente en cada muestra. Frecuencia de total de grupos

Tabla 2. Resumen de resultados de los

grupos.

4. Cálculos y análisis De Resultados

Cálculos para hallar la probabilidad

Teórica.

Formula general 𝑝 = (𝑥 = 𝑘)

10!
𝑝= × 0,150 × (1 − 0,15)10−0
0! (10 − 0)!
𝑝 = 0,196
Tabla 3. Resumen de grupos números de 10!
bolas de color diferente en la muestra. 𝑝= × 0,151 × (1 − 0,15)10−1
1! (10 − 1)!
𝑝 = 0,347

10!
𝑝= × 0,152 × (1 − 0,15)10−2
2! ( 10 − 2)!
𝑝 = 0,275

10!
𝑝= × 0,153 × (1 − 0,15)10−3
3! ( 10 − 3)!
𝑝 = 0,129

10!
Tabla 4. Datos del grupo individual. 𝑝= × 0,154 × (1 − 0,15)10−4
Numero de bolas de color diferente en la 4! ( 10 − 4)!
muestra. 𝑝 = 0,040

10!
𝑝= × 0,155 × (1 − 0,15)10−5
(
5! 10 − 5)!
𝑝 = 8,49𝑥10−3

10!
𝑝= × 0,156 × (1 − 0,15)10−6
6! ( 10 − 6)!
𝑝 = 1,24𝑥10−4

10!
𝑝= × 0,157 × (1 − 0,15)10−7
7! ( 10 − 7)!
𝑝 = 1,25𝑥10−4

2
 UNIVERSIDAD DE LA COSTA, CUC
FACULTAD DE INGENIERÍA
LABORATORIO CONTROL DE CALIDAD
VI SEMESTRE

10! 𝐹𝑒 = 0,347 × 50 = 17,35

𝑝= × 0,158 × (1 − 0,15)10−8
8! ( 10 − 8)! 𝐹𝑒 = 0,275 × 50 = 13,75
𝑝 = 8,33𝑥10−6 𝐹𝑒 = 0,129 × 50 = 6,45
𝐹𝑒 = 0,040 × 50 = 2
10!
𝑝= × 0,159 × (1 − 0,15)10−9 𝐹𝑒 = 8,49 × 50 = 0,4245
9! ( 10 − 9)!
𝐹𝑒 = 1,24 × 10−3 × 50 = 0,062
𝑝 = 3,26𝑥10−7
𝐹𝑒 = 1,25 × 10−4 × 50 = 6,25 × 10−3
10! 𝐹𝑒 = 8,33 × 10−6 × 50 = 4,16 × 10−4
𝑝= × 0,1510 × (1 − 0,15)0 𝐹𝑒 = 3,26 × 10−7 × 50 = 1,63 × 10−5
10! ( 10 − 10)!
𝑝 = 5,76𝑥10−9 𝐹𝑒 = 5,75 × 10−9 × 50 = 2,87 × 10−7

Cálculos para hallar la probabilidad  Para resumen de grupos:

experimental.
 Para datos de grupo individual:
𝐹𝑒 = 0,196 × 200 = 39,2
8 𝐹𝑒 = 0,347 × 200 = 69,4
𝑃𝑡 = = 0,16 𝐹𝑒 = 0,275 × 200 = 55
50
𝐹𝑒 = 0,129 × 200 = 25,8
𝐹𝑒 = 0,040 × 200 = 8
26
𝑃𝑡 = = 0,52 𝐹𝑒 = 8,49 × 200 = 1,698
50 𝐹𝑒 = 1,24 × 10−3 × 200 = 0,248
𝐹𝑒 = 1,25 × 10−4 × 200 = 0,025
11 𝐹𝑒 = 8,33 × 10−6 × 200 = 1,66 × 10−3
𝑃𝑡 = = 0,22
50 𝐹𝑒 = 3,26 × 10−7 × 200 = 6,52 × 10−5
𝐹𝑒 = 5,75 × 10−9 × 200 = 1,15 × 10−6
5
𝑃𝑡 = = 0,1
50
Cálculos para de media y desviación.
 Para resumen de grupos:
Formula de media experimental, 𝑋̅ =
36 ∑ 𝐹𝑥
𝑃𝑡 = = 0,18
50 ∑𝐹

74
𝑃𝑡 = = 0,37 ∑ 299
50 𝑋̅ = = 1,495
∑ 200
53
𝑃𝑡 = = 0,265 Fórmula de desviación experimental,
50
29 (∑ 𝐹 ×)2
𝑃𝑡 = = 0,145 ∑ 𝐹 ×2 −
50 ∑𝐹
𝜎2 =
8 ∑𝐹
𝑃𝑡 = = 0,04 675 − (1,495)2
50 𝜎2 = = 3,363
200
Cálculos para hallar la frecuencia
Formula de media teórica,
esperada.
𝑥̅ = (𝑛)(𝑝)
 Para datos de grupo individual: 𝑥̅ = (100)(0,015) = 1,5
𝐹𝑒 = 0,196 × 50 = 9,8

3
 UNIVERSIDAD DE LA COSTA, CUC
FACULTAD DE INGENIERÍA
LABORATORIO CONTROL DE CALIDAD
VI SEMESTRE

Bibliografía
Fórmula de desviación experimental,
1. Control estadístico de la calidad,
𝜎 2 = 𝑛𝑝(1 − 𝑝) tercera edición, de Douglas C.
𝜎 2 = (100)(0,015)(0,985) = 1,47 Montgomery. Libros Virtuales.

2. Control estadístico de calidad y seis

sigma Humberto Gutiérrez
5. Conclusiones Pulido, Román de la Vara Salazar.
Libros Virtuales.
El modelo de distribución Binomial define
experimentos consistentes en realizar
ensayos repetidos e independientes como
pudimos ver en el laboratorio. Cada uno de
estos experimentos presenta dos posibles
resultados que denominamos éxito o
fracaso, cuya probabilidad se mantiene
constante en las diferentes pruebas.
En este experimento nos pudimos dar
cuenta también que el valor de q es el
complemento de p y se obtiene con 1-p. La
determinación binomial se da mediante el
uso de la función binomial donde también
se forman una serie de experimentos de
bernoulli.