Distribución

binomial

Herramientas
Matemáticas III
Estadística I

1
Variable aleatoria discreta
Por variable numérica, se entiende una variable que produce respuestas
numéricas ante una medición o un conteo. Así, podemos citar como
ejemplos: identificar cuántos varones existen en un determinado curso de la
universidad (conteo) o bien la frecuencia de arribo de los colectivos
interurbanos a determinado lugar (medición).
Podemos clasificar a las variables numéricas en discretas y continuas.
Cuando se desea recabar datos de un evento y este proceso implica una
medición, estamos tratando con una variable numérica continua.
En cambio, si al recabar los datos, el proceso surgen de un conteo entonces
la variable es una variable numérica discreta.

Valor esperado de una variable aleatoria. Esperanza

matemática

Si consideramos que los parámetros de la distribución son n y p y la media

de la distribución

μ = n.p,

Donde
n = es el número de ensayos;
p = probabilidad de aciertos;

Entonces definiremos la esperanza matemática o valor esperado de una

variable aleatoria como la media de la distribución:

E(x) = n.p.

Es una media aritmética ponderada de los resultados esperados.

Para encontrar el valor esperado de una variable aleatoria discreta,
realizamos el producto entre cada valor que la variable puede tomar y la
probabilidad de ocurrencia de ese valor y, posteriormente, sumamos dichos
productos. El valor esperado le da un valor a cada resultado posible según la
frecuencia con que se manifiesta. Por lo tanto, los más frecuentes tienen
asignado un peso mayor.

2
Distribuciones de variable aleatoria discreta
Para realizar un estudio de distribución de variable aleatoria, debemos
considerar todos los casos posibles en los que se puede presentar el evento;
son mutuamente excluyentes y exhaustivos.
Tendremos que tener en cuenta también que, en muchos casos, el evento
aleatorio puede tomar valores no numéricos.
En este caso, la distribucion de probabilidad es una lista mutuamente
excluyente de todos los resultados numéricos posibles; de tal manera que
cada probabilidad de ocurrencia se asocia con un resultado.
Hemos visto, en el punto anterior, la expresión de la media, μ:

𝜇 = 𝐸(𝑥) = ∑ 𝑋𝑖. 𝑃(𝑥𝑖) .

𝑖=1

𝑋𝑖 = 𝑖 − ésimo resultado de la variable aleatoria discreta 𝑋;

𝑃(𝑥𝑖) = probabilidad de ocurrencia del 𝑖 − ésimo resultado de 𝑋.

Varianza de una variable aleatoria discreta

Se calcula como la sumatoria de los productos entre el cuadrado de la

diferencia entre cada valor que adopta la variable y la media de la
distribución, y la probabilidad de que la variable adquiera ese valor.

𝑁
2 2
𝜎 = ∑[𝑋𝑖 − 𝐸(𝑥𝑖) ] . 𝑃(𝑥𝑖) .
𝑖=1

Desviación estándar de una variable aleatoria discreta

Hemos visto que la desviación estándar de la distribución está dada por la

raíz cuadrada de la varianza de dicha distribución.

Por lo tanto:

𝑁
2
𝜎= √𝜎 2 = √∑[𝑋𝑖 − 𝐸(𝑥𝑖) ] . 𝑃(𝑥𝑖) =
𝑖=1

3
Distribución binomial

Parámetros

Condiciones que debe cumplir una distribución para responder al modelo

binomial
Debe estar formada la distribución por n ensayos idénticos.

1) Cada resultado del ensayo puede lograr solo dos resultados, si a uno lo
denominamos acierto o éxito, el otro se denominará desacierto o fracaso.
2) Si a la probabilidad del éxito la llamamos P(acierto) = p, la probabilidad
del fracaso P(desacierto) = q; por lo tanto, q = 1- p.
3) Los eventos son independientes entre sí. Esto indica que el resultado
obtenido por cada ensayo es independiente del resultado de ensayos
anteriores.
4) La probabilidad del acierto se considera constante; esto significa que la
población es muy grande o infinita, o que los ensayos se realizan sin
reposición.

Expresión general

En este tipo de distribución, las probabilidades del número posible de

aciertos en n ensayos quedan determinadas por el desarrollo de la potencia
del binomio (q + p)n, donde el exponente n es el número de ensayos. El
desarrollo de dicha potencia se expresa como sigue:

(𝑞 + 𝑝)𝑛 = 𝑎0 . 𝑞 𝑛 . 𝑝0 + 𝑎1 . 𝑞 𝑛−1 𝑝1 + ⋯ + 𝑎𝑛 . 𝑞 0 . 𝑝𝑛 .

Los coeficientes ao, a1, . . ., an surgen de las combinaciones de n elementos

tomados de x en x.
De esta manera, la probabilidad de que, en n ensayos, se tengan x aciertos
está dada por la expresión:

𝑃(𝑥) = 𝑛. 𝐶𝑥 . 𝑞 𝑛−𝑥 . 𝑝 𝑥 .

Indica la cantidad de aciertos en n ensayos donde p es la probabilidad del

acierto y q = 1- p corresponde con la probabilidad del desacierto.

Características de la distribución binomial

4
Media

Como hemos visto, los parámetros de esta distribución son n y p, y su media

de la distribución es:
𝜇 = 𝑛. 𝑝.

Por lo tanto, si la esperanza matemática o valor esperado de una variable

aleatoria es igual que la media de la distribución, esto implica que:

E(x) = n.p.

Varianza

Podemos considerar la varianza como:

Var(x) = n.p.q.

Desvío estándar

Y a la desviación estándar, como:

𝜎 = √𝑉𝑎𝑟𝑥 = √𝑛. 𝑝. 𝑞.

Además, debe cumplirse que:

∑ 𝑃(𝑥𝑖) = 1.

Para todo i desde 0 a n.

5
Bibliografía de referencias
Levin, R. I., y Rubin, D. S. (2004). Estadística para administración y economía
(7.a ed.). México: Pearson Educación.