Fórmula de Probabilidad Binomial
La probabilidad de obtener exactamente \( k \) éxitos en \( n \) ensayos es:
\[
P(k \text{ éxitos}) = \binom{n}{k} p^k (1-p)^{n-k}
\]
donde el coeficiente binomial es:
\[
\binom{n}{k} = \frac{n!}{k!(n-k)!}
\]
y \( n! = 1 \times 2 \times 3 \times \cdots \times n \).
Ejemplo 1: Derivación del Lanzamiento de Moneda
Se lanza una moneda justa 3 veces. Calcula la probabilidad de obtener exactamente 2 caras.
Solución
Espacio muestral para 3 lanzamientos:
Evento \( E \) = {HHT, HTH, THH} tiene 3 resultados favorables.
Para cada resultado con 2 caras y 1 cruz:
\[
P(\text{HHT}) = p \cdot p \cdot (1-p) = p^2(1-p)
\]
Dado que \( p = 0.5 \) para una moneda justa:
\[
P(E) = 3 \times (0.5)^2(0.5) = 3 \times 0.125 = 0.375
\]
El coeficiente 3 viene de las combinaciones: \(\binom{3}{2} = 3\).
Ejemplos Resueltos
Ejemplo 2: Probabilidad con Moneda
Una moneda justa se lanza 5 veces. ¿Cuál es la probabilidad de exactamente 3 caras?
Solución
Aquí \( n = 5 \), \( k = 3 \), \( p = 0.5 \):
\[
\begin{aligned}
P(3 \text{ caras}) &= \binom{5}{3} (0.5)^3 (0.5)^2 \\
&= 10 \times 0.125 \times 0.25 \\
&= 0.3125
\end{aligned}
\]
Ejemplo 3: Probabilidad con Dados
Un dado justo se lanza 7 veces. Halla la probabilidad de exactamente 5 seises.
Solución
Aquí \( n = 7 \), \( k = 5 \), \( p = \frac{1}{6} \):
\[
P(5 \text{ seises}) = \binom{7}{5} \left(\frac{1}{6}\right)^5 \left(\frac{5}{6}\right)^2 = 21 \times 0.0001286 \times 0.6944 \approx 0.00187
\]
Ejemplo 4: Control de Calidad
Una fábrica produce herramientas con 98% de confiabilidad. En muestras de 1000 herramientas:
- Halla el número medio de herramientas que funcionan
- Halla la desviación estándar
Solución
Aquí \( n = 1000 \), \( p = 0.98 \):
- Media: \(\mu = 1000 \times 0.98 = 980\) herramientas
- Desviación estándar: \(\sigma = \sqrt{1000 \times 0.98 \times 0.02} \approx 4.43\)
Ejemplo 5: Probabilidad de "Al Menos"
Una moneda justa se lanza 7 veces. Halla la probabilidad de al menos 5 caras.
Solución
"Al menos 5" significa 5, 6 o 7 caras:
\[
\begin{aligned}
P(\geq 5) &= P(5) + P(6) + P(7) \\
&= \binom{7}{5}(0.5)^5(0.5)^2 + \binom{7}{6}(0.5)^6(0.5)^1 + \binom{7}{7}(0.5)^7(0.5)^0 \\
&= 0.16406 + 0.05469 + 0.00781 \\
&= 0.22656
\end{aligned}
\]
Ejemplo 6: Examen de Opción Múltiple
Un examen tiene 20 preguntas con 4 opciones cada una. ¿Cuál es la probabilidad de aprobar (≥10 correctas) adivinando?
Solución
Aquí \( n = 20 \), \( p = 0.25 \):
\[
\begin{aligned}
P(\geq 10) &= \sum_{k=10}^{20} \binom{20}{k} (0.25)^k (0.75)^{20-k} \\
&\approx 0.00992 + 0.00301 + 0.00075 + \cdots \\
&\approx 0.01386 \quad (\text{aproximadamente 1.4%})
\end{aligned}
\]
Conclusión: Adivinar al azar es ineficaz para aprobar.
Ejemplo 7: Eventos Complementarios
Una caja tiene 3 bolas rojas, 4 blancas y 3 negras. Se extraen 6 bolas con reemplazo. Halla la probabilidad de al menos 2 bolas rojas.
Solución
Probabilidad de roja en una extracción: \( p = \frac{3}{10} = 0.3 \)
Usa la regla del complemento:
\[
\begin{aligned}
P(\geq 2) &= 1 - [P(0) + P(1)] \\
&= 1 - \left[\binom{6}{0}(0.3)^0(0.7)^6 + \binom{6}{1}(0.3)^1(0.7)^5\right] \\
&= 1 - [0.11765 + 0.30253] \\
&= 0.57982
\end{aligned}
\]
Ejemplo 8: Aplicación en Seguros
El 80% de las personas en una ciudad tienen seguro con "MiSeguro".
- Si se seleccionan 10 personas al azar, halla la probabilidad de que al menos 8 tengan seguro con "MiSeguro"
- En una muestra aleatoria de 500 personas, ¿cuántas se espera que tengan este seguro?
Solución
-
\( n = 10 \), \( p = 0.8 \):
\[
\begin{aligned}
P(\geq 8) &= P(8) + P(9) + P(10) \\
&= \binom{10}{8}(0.8)^8(0.2)^2 + \binom{10}{9}(0.8)^9(0.2)^1 + \binom{10}{10}(0.8)^{10}(0.2)^0 \\
&= 0.30199 + 0.26843 + 0.10737 \\
&= 0.67779
\end{aligned}
\]
- Valor esperado: \(\mu = 500 \times 0.8 = 400\) personas