Distribuciones de

probabilidad discreta
Estadística 1
Variables aleatorias discretas
 El objetivo de esta clase es realizar el estudio de algunas
distribuciones de probabilidad de variables aleatorias
discretas, concretamente las siguientes distribuciones:
 Distribución Uniforme
 Distribución Binomial
 Distribución Multinomial
Distribución uniforme discreta

 Decimos que una variable aleatoria discreta (X)

tiene distribución uniforme cuando la
probabilidad en todos los puntos de masa
probabilística es la misma; es decir, cuando todos
los posibles valores que puede adoptar la variable
(x1, x2,...,xk) tienen la misma probabilidad.
Distribución uniforme discreta

 CARACTERISTICAS

 En la distribucion de probabilidad uniforme discreta, la variable aleatoria

toma cada uno de sus valores con idéntica probabilidad.
 El parámetro de la distribucion de probabilidad uniforme discreta, viene dado
por la inversa de los valores que puede tomar la variable aleatoria.
 La variable aleatoria que describe el numero de caras obtenidas al lanzar dos
monedas legales sigue una probabilidad de distribución uniforme.
 La media de una variable aleatoria discreta uniforme, f(x;k), siempre
coincide con uno de los valores de la misma observados en el experimento.
 La varianza de una variable aleatoria discreta uniforme, f(x;k), no depende
del numero de valores que pueda tomar la variable.
Distribución uniforme discreta

 Ejemplo 1: El útil caso del lanzamiento de un dado. Si

definimos una variable aleatoria (X) como el número
resultante tras su lanzamiento, los valores que puede
tomar esa variable aleatoria son {1, 2, 3, 4, 5, 6}. Pues
bien, esa variable aleatoria tiene distribución uniforme si,
como es el caso, la probabilidad es la misma para cada
uno de los resultados posibles.
Distribución uniforme discreta

 En nuestro sencillo ejemplo del lanzamiento de un dado, la función de

cuantía, es decir, la probabilidad de que salga un resultado determinado será:
Distribución uniforme discreta

 Suponga que el dado se lanza 120 veces y que se registra cada resultado.
Teoricamente, si el dado esta balanceado, esperaríamos que cada cara
ocurriera 20 veces. Los resultados se presentan en la tabla:
 Es una función que nos indica la probabilidad de que la variable aleatoria
X tome valores menores o iguales al x dado. La función de distribución vendrá
dada por:

 El valor esperado o esperanza matemática de una variable aleatoria discreta

es un promedio de los valores que ésta puede asumir y se calcula como la
suma de cada valor que toma la variable aleatoria multiplicada por su
respectiva probabilidad. Se puede comprobar que la media será:
 Varianza
Ejemplo 2:
 El temario para un examen consta de 35 temas, de los cuales se elegirá uno al
azar. Si un alumno no ha estudiado los 10 últimos temas ¿Cuál es la
probabilidad de que el alumno sepa el tema elegido para el examen? Hallar la
media y varianza.
 Solución: Sea X la variable aleatoria que representa el número de tema
seleccionado para el examen, como todos los temas tienen la misma
probabilidad de ser seleccionado, X sigue una distribución uniforme de
parámetros a=1 y b=35.
Ejemplo 3
Distribución Binomial
 Una distribución binomial es una distribución de probabilidad discreta que
describe el número de éxitos al realizar n experimentos independientes
entre sí, acerca de una variable aleatoria.

 Existen una gran diversidad de experimentos o sucesos que pueden ser

caracterizados bajo esta distribución de probabilidad.

 Imaginemos el lanzamiento de una moneda en el que definimos el suceso

“sacar cara” como el éxito. Si lanzamos 5 veces la moneda y contamos los
éxitos (sacar cara) que obtenemos, nuestra distribución de probabilidades se
ajustaría a una distribución binomial.
Distribución Binomial
 Porlo tanto, la distribución binomial
se entiende como una serie de pruebas
o ensayos en la que solo podemos
tener 2 resultados (éxito o fracaso),
siendo el éxito nuestra variable
aleatoria.
Propiedades de la distribución binomial

 En cada ensayo, experimento o prueba solo son posibles dos resultados (éxito
o fracaso).

 La probabilidad del éxito ha de ser constante. Esta se representa mediante la

letra p. La probabilidad de que salga cara al lanzar una moneda es 0,5 y esta
es constante dado que la moneda no cambia en cada experimento y las
probabilidades de sacar cara es constate.

 La probabilidad de fracaso ha de ser también constate. Esta se representa

mediante la letra q = 1-p. Es importante fijarse que mediante esa ecuación,
sabiendo p o sabiendo q, podemos obtener la que nos falte.

 El resultado obtenido en cada experimento es independiente del anterior. Por

lo tanto lo que ocurra en cada experimento no afecta a los siguientes.
Propiedades de la distribución
binomial
 Los sucesos son mutuamente excluyentes, es decir, no pueden ocurrir los 2 al
mismo tiempo. No se puede ser hombre y mujer al mismo tiempo o que al
lanzar una moneda salga cara y cruz al mismo tiempo.

 Los sucesos son colectivamente exhaustivos, es decir, al menos uno de los 2

ha de ocurrir. Si no se es hombre, se es mujer y si se lanza una moneda, si no
sale cara ha de salir cruz.

 La variable aleatoria que sigue una distribución binomial se suele representar

como X~(n,p). n representa el número de ensayos o experimentos y p la
probabilidad de éxito.
Formula de la distribución binomial

 Donde:
 n = número de ensayos/experimentos
 x = número de éxitos
 p = probabilidad de éxito
 q = probabilidad de fracaso (1-p)
 Es importante resaltar que la expresión entre corchetes no es una expresión
matricial, sino que es un resultado de una combinatoria sin repetición. Este
se obtiene con la siguiente formula:
Ejemplo
 Imaginemos que un 80% de personas en el mundo han visto el partido de la
final del último mundial de futbol. Tras el evento, 4 amigos se reúnen a
conversar, ¿Cuál es la probabilidad de que 3 de ellos hayan visto?
Distribución Multinomial
Distribución Multinomial

 Ladistribución multinomial es similar a la

distribución binomial, con la diferencia de
que en lugar de dos posibles resultados en
cada ensayo, puede haber múltiples
resultados.
Distribución Multinomial
 Si un ensayo dado puede tener como consecuencia cualquiera de los k
resultados posibles El, E2, ..., Ek con probabilidades pl, p2, ... , pk, la
distribución multinomial dara la probabilidad de que El ocurra xl veces, E2
ocurra x2 veces... y Ek ocurra xk veces en n ensayos independientes, donde:

 Denotaremos esta distribución de probabilidad conjunta como

 Salta a la vista que pl + p2 + ・・・ + pk = 1, pues el resultado de cada

ensayo debe ser uno de los k resultados posibles.
Distribución Multinomial
Distribución Multinomial
Función de probabilidad
Ejemplo 1
TAREA