Aproximación de la distribución binomial a la normal en probabilidad
Respuesta rápida
Para aproximar una binomial B(n,p) a una normal, la muestra debe ser n≥25 y np≥5. La normal resultante tiene media μ=np y desviación σ=√(np(1-p)). Al calcular probabilidades, aplica corrección de continuidad sumando y restando 0,5 a los límites del intervalo.
Puntos clave
Condiciones de aproximación
n ≥ 25 y np ≥ 5 son requisitos mínimos para una aproximación válida
Fórmulas clave
Media μ = np y desviación σ = √(np(1-p))
Corrección de continuidad
Sumar y restar 0,5 a los límites al pasar de discreta a continua
Tipificación
Transformar a N(0,1) con Z = (X - μ) / σ
Limitación de p
El parámetro p no debe ser muy cercano a 0 ni a 1
Paso a paso
Verificar las condiciones de aproximación: n ≥ 25 y np ≥ 5 (también n(1-p) ≥ 5)
Calcular la media de la normal: μ = n × p
Calcular la desviación típica: σ = √(n × p × (1-p))
Aplicar la corrección de continuidad: restar 0,5 al límite inferior y sumar 0,5 al límite superior
Tipificar los valores: Z = (X - μ) / σ
Consultar la tabla de la normal N(0,1) y calcular la probabilidad final
Ejemplo resuelto
Problema Calcular la probabilidad de obtener entre 40 y 50 caras al lanzar una moneda 100 veces
Calcular la probabilidad de obtener entre 40 y 50 caras al lanzar una moneda 100 veces
Solución:
- 1Identificar parámetros: n = 100, p = 0,5 (probabilidad de cara)
- 2Verificar condiciones: n = 100 ≥ 25 ✓ y np = 50 ≥ 5 ✓
- 3Calcular media: μ = 100 × 0,5 = 50
- 4Calcular desviación: σ = √(100 × 0,5 × 0,5) = √25 = 5
- 5Aplicar corrección de continuidad: P(40 ≤ X ≤ 50) → P(39,5 ≤ X' ≤ 50,5)
- 6Tipificar límite inferior: Z₁ = (39,5 - 50) / 5 = -2,1
- 7Tipificar límite superior: Z₂ = (50,5 - 50) / 5 = 0,1
- 8Calcular probabilidad: P(-2,1 ≤ Z ≤ 0,1) = Φ(0,1) - Φ(-2,1)
- 9Consultar tabla: Φ(0,1) = 0,5398 y Φ(-2,1) = 0,0179
- 10Resultado: 0,5398 - 0,0179 = 0,5219
La probabilidad es aproximadamente 52,19%
Verificación: El resultado es coherente porque el intervalo [40,50] incluye la media (50), por lo que esperamos una probabilidad cercana al 50%
Aproximación de la Distribución Binomial a la Normal
Introducción: El Problema de los Cálculos Binomiales con Muestras Grandes
Cuando trabajamos con una distribución binomial que tiene un número elevado de repeticiones, calcular probabilidades directamente se convierte en una tarea prácticamente imposible. Imaginemos que queremos calcular la probabilidad de obtener exactamente 40 caras al lanzar una moneda 100 veces. La fórmula binomial nos exige calcular:
$$P(X = 40) = C(100, 40) \times 0,5^{40} \times 0,5^{60}$$
El número combinatorio C(100, 40) es un valor astronómico que ni siquiera las calculadoras científicas pueden manejar directamente. Aquí es donde entra en juego la aproximación de la binomial mediante una distribución normal, una técnica fundamental en estadística que permite simplificar estos cálculos complejos.
Fundamento Teórico de la Aproximación
La aproximación se basa en el Teorema Central del Límite, que establece que cuando el número de ensayos es suficientemente grande, la distribución binomial se aproxima a una distribución normal. Sin embargo, esta aproximación solo es válida bajo ciertas condiciones.
Condiciones Necesarias para la Aproximación
Para que la aproximación de una binomial B(n, p) a una normal sea válida, deben cumplirse las siguientes condiciones:
- Tamaño de muestra grande: n ≥ 25 (preferiblemente n ≥ 30)
- Regla del cinco:
- np ≥ 5
- n(1-p) ≥ 5
- Parámetro p no extremo: p no debe estar muy cercano a 0 ni a 1
Estas condiciones garantizan que la distribución binomial sea suficientemente simétrica para aproximarse bien a la campana de Gauss.
Fórmulas de Transformación
Cuando aproximamos una variable X ~ B(n, p) mediante una variable X' ~ N(μ, σ), los parámetros de la normal se calculan de la siguiente manera:
Media de la Normal Aproximada
$$\mu = n \times p$$
Desviación Típica de la Normal Aproximada
$$\sigma = \sqrt{n \times p \times (1-p)}$$
Estas fórmulas provienen directamente de las propiedades de la distribución binomial, donde la media es np y la varianza es np(1-p).
La Corrección de Continuidad: Un Paso Crucial
Uno de los aspectos más importantes (y frecuentemente olvidados) de esta aproximación es la corrección de continuidad. Este ajuste es necesario porque estamos aproximando una variable discreta (que solo toma valores enteros) mediante una variable continua (que puede tomar cualquier valor real).
¿Por Qué Es Necesaria?
En una distribución discreta como la binomial:
- P(X = 5) tiene un valor concreto y positivo
En una distribución continua como la normal:
- P(X = 5) = 0 siempre (la probabilidad de un punto exacto es cero)
Para compensar esta diferencia, representamos cada valor entero k como el intervalo [k - 0,5, k + 0,5].
Reglas de Aplicación
| Probabilidad Discreta | Probabilidad Continua |
|---|---|
| P(X = k) | P(k - 0,5 < X' < k + 0,5) |
| P(X ≤ k) | P(X' < k + 0,5) |
| P(X ≥ k) | P(X' > k - 0,5) |
| P(a ≤ X ≤ b) | P(a - 0,5 < X' < b + 0,5) |
Procedimiento Paso a Paso
Para aplicar correctamente la aproximación normal a una binomial, sigue estos pasos:
Paso 1: Verificar las Condiciones
Comprueba que n ≥ 25, np ≥ 5 y n(1-p) ≥ 5. Si alguna condición no se cumple, no uses esta aproximación.
Paso 2: Calcular la Media
Aplica la fórmula μ = n × p
Paso 3: Calcular la Desviación Típica
Aplica la fórmula σ = √(n × p × (1-p))
Paso 4: Aplicar la Corrección de Continuidad
Ajusta los límites del intervalo sumando y restando 0,5 según corresponda.
Paso 5: Tipificar
Transforma los valores a la normal estándar N(0,1) usando: $$Z = \frac{X - \mu}{\sigma}$$
Paso 6: Consultar la Tabla y Calcular
Usa la tabla de la normal estándar para obtener la probabilidad final.
Ejemplo Resuelto Completo
Enunciado
Calcular la probabilidad de obtener entre 40 y 50 caras al lanzar una moneda 100 veces.
Solución
Identificación de la variable: X = número de caras ~ B(100, 0,5)
Verificación de condiciones:
- n = 100 ≥ 25 ✓
- np = 100 × 0,5 = 50 ≥ 5 ✓
- n(1-p) = 100 × 0,5 = 50 ≥ 5 ✓
Cálculo de parámetros de la normal:
- μ = 100 × 0,5 = 50
- σ = √(100 × 0,5 × 0,5) = √25 = 5
Por tanto, X' ~ N(50, 5)
Aplicación de la corrección de continuidad: Queremos P(40 ≤ X ≤ 50), que se transforma en: P(39,5 < X' < 50,5)
Tipificación:
- Z₁ = (39,5 - 50) / 5 = -10,5 / 5 = -2,1
- Z₂ = (50,5 - 50) / 5 = 0,5 / 5 = 0,1
Cálculo de la probabilidad: P(-2,1 < Z < 0,1) = Φ(0,1) - Φ(-2,1)
Consultando la tabla de la normal estándar:
- Φ(0,1) = 0,5398
- Φ(-2,1) = 1 - Φ(2,1) = 1 - 0,9821 = 0,0179
P(-2,1 < Z < 0,1) = 0,5398 - 0,0179 = 0,5219
Interpretación
La probabilidad de obtener entre 40 y 50 caras al lanzar una moneda 100 veces es aproximadamente del 52,19%.
Comparación con el Método Binomial Directo
Si intentáramos calcular esta probabilidad directamente con la fórmula binomial, tendríamos que sumar:
$$P(40 \leq X \leq 50) = \sum_{k=40}^{50} C(100, k) \times 0,5^{100}$$
Esto implica calcular 11 números combinatorios enormes (C(100,40), C(100,41), ..., C(100,50)) y realizar las multiplicaciones correspondientes. Claramente, la aproximación normal es mucho más práctica.
Limitaciones de la Aproximación
Aunque la aproximación normal es muy útil, tiene sus limitaciones:
- No es exacta: Es una aproximación, no un cálculo exacto
- Requiere condiciones: Si no se cumplen las condiciones, los resultados pueden ser muy imprecisos
- Peor para p extremos: Cuando p está cerca de 0 o 1, la binomial es muy asimétrica y la aproximación normal es pobre
Conclusiones
La aproximación de la distribución binomial a la normal es una herramienta fundamental en estadística que permite:
- Simplificar cálculos complejos con muestras grandes
- Evitar el cálculo de números combinatorios enormes
- Obtener resultados suficientemente precisos para la mayoría de aplicaciones prácticas
Recuerda siempre verificar las condiciones de validez y aplicar la corrección de continuidad para obtener los mejores resultados posibles.
Errores comunes
No verificar las condiciones de aproximación antes de aplicarla
Si n < 25 o np < 5 o n(1-p) < 5, la aproximación no es válida
Siempre comprobar las tres condiciones antes de proceder con la aproximación
Olvidar la corrección de continuidad
Usar directamente los valores enteros sin ajustar ±0,5
Recordar que al pasar de discreta a continua: P(X = k) → P(k-0,5 < X < k+0,5)
Usar p muy cercano a 0 o a 1
Valores de p como 0,01 o 0,99 generan distribuciones muy asimétricas
La p debe estar en un rango intermedio para que la aproximación sea precisa
Confundir la fórmula de la desviación típica
Usar np en lugar de √(np(1-p))
La desviación es la RAÍZ CUADRADA de n × p × (1-p)
Glosario
- Distribución binomial
- Distribución de probabilidad discreta que modela el número de éxitos en n ensayos independientes con probabilidad de éxito p
- Distribución normal
- Distribución de probabilidad continua simétrica en forma de campana, caracterizada por su media μ y desviación típica σ
- Corrección de continuidad
- Ajuste de ±0,5 que se aplica al aproximar una variable discreta mediante una continua para mejorar la precisión
- Tipificación
- Proceso de transformar una variable normal N(μ,σ) en la normal estándar N(0,1) mediante Z = (X - μ) / σ
- Variable discreta
- Variable aleatoria que solo puede tomar valores aislados (enteros), como el número de caras al lanzar monedas
- Variable continua
- Variable aleatoria que puede tomar cualquier valor dentro de un intervalo
- Regla del cinco
- Condición que establece que tanto np como n(1-p) deben ser mayores o iguales a 5 para validar la aproximación
- Número combinatorio
- Valor C(n,k) que representa las formas de elegir k elementos de un conjunto de n, usado en la fórmula binomial
Preguntas frecuentes
¿Por qué no puedo calcular directamente la probabilidad binomial cuando n es grande?
Porque los números combinatorios como C(100,40) son extremadamente grandes y difíciles de calcular incluso con calculadora.
Al calcular P(X=k) en una binomial, necesitas el número combinatorio C(n,k), que para valores como n=100 implica calcular factoriales enormes. Por ejemplo, 100! tiene 158 dígitos. La aproximación normal evita estos cálculos complejos.
¿Qué pasa si no cumplo las condiciones de aproximación?
La aproximación será imprecisa y el resultado no será fiable.
Si n < 25 o np < 5, la distribución binomial no es suficientemente simétrica para parecerse a una normal. En estos casos, debes usar la fórmula binomial directa o métodos computacionales.
¿Por qué hay que sumar y restar 0,5 en la corrección de continuidad?
Porque al pasar de discreta a continua, cada valor entero k se convierte en el intervalo [k-0,5, k+0,5].
En una variable discreta, P(X=5) tiene un valor concreto. En una continua, P(X=5) = 0 siempre. Para compensar, representamos el valor discreto 5 como el intervalo continuo [4,5 ; 5,5], capturando así toda la probabilidad asociada.
¿La media de la normal aproximada es siempre igual a np?
Sí, la media de la normal aproximada coincide exactamente con la media de la binomial original, que es μ = np.
¿Cómo sé si p es demasiado extremo para la aproximación?
Si p está muy cerca de 0 o de 1 (por ejemplo, 0,01 o 0,99), la aproximación será mala.
La regla práctica es verificar que tanto np ≥ 5 como n(1-p) ≥ 5. Si p = 0,01 y n = 100, entonces np = 1 < 5, por lo que no se cumple la condición.
¿Cuál es la diferencia entre σ y σ² en este contexto?
σ² = np(1-p) es la varianza, mientras que σ = √(np(1-p)) es la desviación típica que usamos en la normal.
La varianza de la binomial es np(1-p). Para obtener la desviación típica de la normal aproximada, debes calcular la raíz cuadrada de la varianza.
¿El resultado de la aproximación es exacto?
No, es una aproximación. El resultado real con la binomial sería ligeramente diferente, pero muy cercano si se cumplen las condiciones.
La aproximación normal es precisamente eso: una aproximación. Cuanto mayor sea n y más cercano a 0,5 esté p, mejor será la aproximación. Para el ejemplo de las 100 monedas, la diferencia con el valor exacto binomial es mínima.
¿Cómo aplico la corrección de continuidad si quiero P(X ≥ 40)?
Para P(X ≥ 40), usa P(X' > 39,5) en la normal, restando 0,5 al límite.
Cuando el intervalo es abierto por un lado: P(X ≥ k) → P(X' > k-0,5) y P(X ≤ k) → P(X' < k+0,5). Cuando es P(X > k), usa P(X' > k+0,5).
Artículos relacionados
Distribución normal y tipificación: cómo transformar a N(0,1)
Guía completa para tipificar variables normales y calcular probabilidades usando la tabla de la normal estándar N(0,1).
Intervalos de confianza para medias poblacionales y proporciones grandes
Repaso de intervalos de confianza para medias poblacionales con muestras y aproximación de binomiales a normales cuando las proporciones son grandes.
Variables aleatorias discretas: función de probabilidad y distribución
Guía completa sobre variables aleatorias discretas: definición, función de probabilidad, función de distribución y ejemplos prácticos con Bernoulli y Binomial.
Distribución binomial: ejemplos prácticos de probabilidad discreta
Guía completa sobre la variable aleatoria binomial con ejemplos resueltos de inspección de lotes, seguros de vida, lanzamiento de monedas y probabilidad de infracciones.
Intervalos de confianza en la distribución normal: cálculo y aplicación
Domina el cálculo de intervalos de confianza en la distribución normal: desde la tipificación hasta la interpretación de resultados con ejemplos prácticos.
Variables aleatorias continuas: función de densidad y distribución normal
Guía completa sobre variables aleatorias continuas: definición, función de densidad, función de distribución y la variable aleatoria normal con sus parámetros μ y σ².
¿Quieres aprender más sobre este tema?
Este contenido es parte del curso Matemáticas Ciencias Sociales | Selectividad de Acceso a la Universidad Ucademy. Contacta con nosotros para más información o descarga este artículo en PDF.