UNIDAD III - VARIABLES ALEATORIAS DISCRETAS

COMO YA SE VIÓ EN LA UNIDAD ANTERIOR, LAS VARIABLES ALEATORIAS SE CLASIFICAN EN DISCRETAS (SI
SON NUMERABLES) Y EN CONTINUAS (NO NUMERABLES). EN LA PRESENTE UNIDAD ANALIZAREMOS AL
PRIMER GRUPO: LAS VARIBLES ALEATORIAS DISCRETAS. A MODO DE INTRODUCCIÓN DIREMOS QUE SE
DIVIDEN EN 5 TIPOS DE DISTRIBUCIONES:

DISCRETAS BERNOULLI
BINOMIAL
VARIABLES HIPERGEOMETRICA
ALEATORIAS
MULTINOMIAL
CONTINUAS
POISSON

DISTRIBUCIÓN BERNOULLI
La Variable Aleatoria solo toma los valores 0 ó 1, es por esto que hablamos de una prueba dicotómica, ya
que solamente existen dos posibles resultados y son excluyentes uno del otro.
Si la variable X toma el valor 1 su probabilidad asociada va a ser la del suceso favorable p. Si, en cambio,
toma el valor 0, la probabilidad asociada será la del no favorable definido como 1 – p, usualmente denotado
como q.

BERNOULLI FÓRMULA VARIABLE ALEATORIA

=1→ ( )=
PROBABILIDAD
=0→ =1− = X P(x)
ESPERANZA ( )= 0 1–P
1 P
VARIANZA ( )= ∗ (1 − ) ∑=1
DESVÍO ( )= ( )

DISTRIBUCIÓN BINOMIAL
Se dice que una Variable Aleatoria Discreta sigue una Distribución Binomial cuando se conforma de n
repeticiones independientes del experimento de Bernoulli.
Se busca, generalmente, la probabilidad de que determinado suceso ocurra un finito número k de veces en n
repeticiones independientes, para cada una de las cuales la probabilidad de que ocurra el suceso favorable
es p.

BINOMIAL FÓRMULA VARIABLE ALEATORIA

PROBABILIDAD ( = )= ; ∗ ∗ (1 − ) X P(x)
ESPERANZA ( )= ∗ 0 0,…
1 0,…
VARIANZA ( )= ∗ ∗ (1 − ) 2 0,…
… …
DESVÍO ( )= ( ) n 0,…
MODA [ ( )− ≤ ≤ ( )+ ] ∑=1
NOTA: El valor de la Moda es el valor entero que se encuentre entre ambos límites.

FACEBOOK: CLASES DE APOYO UBA – ESTADISTICA AVELLANEDA AUTOR: ALEJANDRO DUARTE

INSTAGRAM: CDAUBA_ESTADISTICAAVELLANEDA VERSION 2019/2
 DISTRIBUCIÓN HIPERGEOMÉTRICA
Al igual que en la distribución Binomial, se basa en la existencia de un universo dicotómico, pero a diferencia
de la anterior las repeticiones son dependientes unas de otras.
Es decir, luego de cada repetición la probabilidad del suceso favorable se va a ver alterada, a diferencia del
caso de la Binomial donde se mantiene constante a lo largo del experimento.
Podemos decir que si tenemos un número N total de elementos en una población finita, de manera tal que k
de estos elementos presenta una cierta característica en la modalidad A (suceso favorable), y N - k presenta
una cierta característica en la modalidad (suceso no favorable); si se toma una muestra aleatoria de la
población construida por n elementos, la probabilidad de que x elementos presenten la característica de A y
n-x la presenten de la modalidad es la siguiente:

k x
N n
N–k n–x
HIPERGEOMÉTRICA FÓRMULA VARIABLE ALEATORIA

; ∗ ;
PROBABILIDAD ( = )= X P(x)
; 0 0,…
1 0,…
ESPERANZA ( )= ∗ 2 0,…
3 0,…
− − … …
VARIANZA ( )= ∗ ∗ ∗
−1 n 0,…
DESVÍO ( )= ( ) ∑=1

DISTRIBUCIÓN MULTINOMIAL
El concepto y el razonamiento de los sucesos es el mismo que en la distribución Binomial, la diferencia es
que en Binomial se trabaja sobre un universo dicotómico donde las posibilidades son que, en las
repeticiones, se dé el suceso favorable o no, en cambio en este tipo de distribución hablamos de múltiples
sucesos simultáneos en las repeticiones.
Los parámetros definidos para cada variable en particular tienen la misma forma que en el caso de la
Binomial. Además podríamos afirmar que la distribución Binomial es el caso de la Multinomial con dos
posibilidades.

MULTINOMIAL FÓRMULA VARIABLE ALEATORIA

( = ; = ;…; = )=
PROBABILIDAD ! X P(x)
∗ ( ) ∗ ( ) ∗… ∗ ( ) A 0,…
!∗ ! ∗ …∗ !
B 0,…
ESPERANZA ( )= ∗ C 0,…
VARIANZA ( )= ∗ ∗ D 0,…
∑=1
DESVÍO ( )= ( )

FACEBOOK: CLASES DE APOYO UBA – ESTADISTICA AVELLANEDA AUTOR: ALEJANDRO DUARTE

INSTAGRAM: CDAUBA_ESTADISTICAAVELLANEDA VERSION 2019/2
 DISTRIBUCIÓN POISSON
En este tipo de distribución, si bien los sucesos son independientes y definidos de manera discreta, las
probabilidades están en términos continuos.
Se utiliza cuando un experimento se repite de forma independiente una cantidad lo suficientemente grande
de veces, la probabilidad asociada al suceso favorable es lo adecuadamente pequeña; y la cantidad de veces
de que se presente el suceso también es pequeña. En este tipo de distribución es muy común el uso de
promedios para definir al parámetro lambda (λ)

POISSON FÓRMULA VARIABLE ALEATORIA

PROBABILIDAD
∗ X P(x)
( = )=
! 0 0,…
1 0,…
ESPERANZA ( )= 2 0,…
VARIANZA ( )= … …
∞ 0,…
DESVÍO ( )= ( ) ∑=1

CUADRO COMPARATIVO ENTRE DISTRIBUCIONES

A continuación se expone un cuadro comparativo entre las 5 distribuciones para facilitar la elección de una u
otra a la hora de tener que resolver un ejercicio. En el cuadro, denominaremos “n” al número de veces que se
realiza el experimento y “N” al número total de elemento de una población finita.

DEPENDIENTE /
DISTRIBUCIÓN n DICOTOMIA INDEPENDIENTE N
BERNOULLI
X~Be(p) 1  - -
BINOMIAL
X~Bi(n,p) >1  INDEPENDIENTE ∞
HIPERGEOMETRICA
X~Hi(n,N,k) >1  DEPENDIENTE N
MULTINOMIAL
X~Mu(n,p1,p2,…,pn) >1 × INDEPENDIENTE ∞
POISSON
X~Po(λ) ∞  INDEPENDIENTE ∞

FACEBOOK: CLASES DE APOYO UBA – ESTADISTICA AVELLANEDA AUTOR: ALEJANDRO DUARTE

INSTAGRAM: CDAUBA_ESTADISTICAAVELLANEDA VERSION 2019/2