5 ejemplos de la vida real de la distribución binomial

Actualizado el 17 de julio de 2024, por Luis Benites.

La distribución binomial es una distribución de probabilidad que se utiliza para modelar la probabilidad de que ocurra un cierto número de «éxitos» durante un cierto número de intentos.

En este artículo compartimos 5 ejemplos de cómo se usa la distribución Binomial en el mundo real.

Ejemplo 1: Número de efectos secundarios de los medicamentos

Los profesionales médicos utilizan la distribución binomial para modelar la probabilidad de que un cierto número de pacientes experimente efectos secundarios como resultado de tomar nuevos medicamentos.

Por ejemplo, suponga que se sabe que el 5% de los adultos que toman un determinado medicamento experimentan efectos secundarios negativos. Podemos usar una calculadora de distribución binomial para encontrar la probabilidad de que más de un cierto número de pacientes en una muestra aleatoria de 100 experimenten efectos secundarios negativos.

• P (X> 5 pacientes experimentan efectos secundarios) = 0.38400
• P (X> 10 pacientes experimentan efectos secundarios) = 0.01147
• P (X> 15 pacientes experimentan efectos secundarios) = 0,0004

Y así.

Esto les da a los profesionales médicos una idea de la probabilidad de que más de un cierto número de pacientes experimenten efectos secundarios negativos.

Ejemplo 2: Número de transacciones fraudulentas

Los bancos utilizan la distribución binomial para modelar la probabilidad de que una determinada cantidad de transacciones con tarjeta de crédito sean fraudulentas.

Por ejemplo, suponga que se sabe que el 2% de todas las transacciones con tarjeta de crédito en una determinada región son fraudulentas. Si hay 50 transacciones por día en una región determinada, podemos usar una Calculadora de distribución binomial para encontrar la probabilidad de que ocurran más de un cierto número de transacciones fraudulentas en un día determinado:

• P (X> 1 transacción fraudulenta) = 0,26423
• P (X> 2 transacciones fraudulentas) = 0.07843
• P (X> 3 transacciones fraudulentas) = 0.01776

Y así.

Esto les da a los bancos una idea de la probabilidad de que ocurran más de un cierto número de transacciones fraudulentas en un día determinado.

Ejemplo 3: número de correos electrónicos no deseados por día

Las empresas de correo electrónico utilizan la distribución binomial para modelar la probabilidad de que una cierta cantidad de correos electrónicos no deseados lleguen a una bandeja de entrada por día.

Por ejemplo, suponga que se sabe que el 4% de todos los correos electrónicos son spam. Si una cuenta recibe 20 correos electrónicos en un día determinado, podemos usar una Calculadora de distribución binomial para encontrar la probabilidad de que una cierta cantidad de esos correos electrónicos sean spam:

• P (X = 0 correos electrónicos no deseados) = 0,44200
• P (X = 1 correo electrónico no deseado) = 0,36834
• P (X = 2 correos electrónicos no deseados) = 0,14580

Y así.

Ejemplo 4: Número de desbordes de ríos

Los sistemas de parques utilizan la distribución binomial para modelar la probabilidad de que los ríos se desborden un cierto número de veces al año debido a la lluvia excesiva.

Por ejemplo, suponga que se sabe que un río determinado se desborda durante el 5% de todas las tormentas. Si hay 20 tormentas en un año determinado, podemos usar una Calculadora de distribución binomial para encontrar la probabilidad de que el río se desborde un cierto número de veces:

• P (X = 0 desbordamientos) = 0.35849
• P (X = 1 desbordamiento) = 0.37735
• P (X = 2 desbordamientos) = 0,18868

Y así.

Esto les da a los departamentos de parques una idea de cuántas veces pueden necesitar prepararse para los desbordamientos durante el año.

Ejemplo 5: devoluciones de compras por semana

Las tiendas minoristas utilizan la distribución binomial para modelar la probabilidad de que reciban un cierto número de devoluciones de compras cada semana.

Por ejemplo, suponga que se sabe que el 10% de todos los pedidos se devuelven en una determinada tienda cada semana. Si hay 50 pedidos esa semana, podemos usar una Calculadora de distribución binomial para encontrar la probabilidad de que la tienda reciba más de un cierto número de devoluciones esa semana:

• P (X> 5 retornos) = 0.18492
• P (X> 10 devoluciones) = 0,00935
• P (X> 15 devoluciones) = 0,00002

Y así.

Esto le da a la tienda una idea de cuántos representantes de servicio al cliente necesitan tener en la tienda esa semana para manejar las devoluciones.

Recursos adicionales

6 ejemplos de la vida real de la distribución normal
5 ejemplos de la vida real de la distribución de Poisson

• https://r-project.org
• https://www.python.org/
• https://www.stata.com/