DISTRIBUCION DE BERNOULLI

En teoría de probabilidad y estadística, la distribución de Bernoulli (o distribución dicotómica),

nombrada así por el matemático y científico suizo Jakob Bernoulli, es una distribución de
probabilidad discreta, que toma valor 1 para la probabilidad de éxito (p) y valor 0 para la
probabilidad de fracaso (q = 1 − p).

Si X es una variable aleatoria que mide "número de éxitos", y se realiza un único experimento con
dos posibles resultados (éxito o fracaso), se dice que la variable aleatoria se distribuye como
una Bernoulli de parámetro .

La fórmula será:

Su función de probabilidad viene definida por:

Un experimento al cual se aplica la distribución de Bernoulli se conoce como Ensayo de Bernoulli o

simplemente ensayo, y la serie de esos experimentos como ensayos repetidos.

Supongamos un experimento consistente en observar elementos de una población, con las

siguientes características:

 Mediante esta observación los elementos sólo pueden clasificarse en dos categorías, que
generalmente se llamarán "éxito" al suceso de probabilidad p y "fracaso" al suceso de
probabilidad q=1-p
 La proporción de sucesos "éxito" y "fracaso" en la población es constante y no se modifica
cualquiera que sea la cantidad observada. Esto implica que los elementos se reemplazan
una vez observados en la población.

 Las observaciones son independientes, la probabilidad de "éxito" es siempre la misma, no

se modifica.

Diremos que una variable aleatoria X sigue una distribución de Bernoulli de parámetro p si su
distribución de probabilidad está dada por:

La variable aleatoria X quedará definida como:

Abreviadamente: ó

CARACTERÍSTICAS:

I. Función de
distribución:

II. Media:

III. Varianza:

IV. Función
generatriz de
momentos:

 Esperanza matemática:

 Varianza:

 Función generatriz de momentos:

  Función característica:

 Moda:

0 si q > p (hay más fracasos que éxitos)

1 si q < p (hay más éxitos que fracasos)
0 y 1 si q = p (los dos valores, pues hay igual número de fracasos que de
éxitos)

 Asimetría (Sesgo):

 Curtosis:

La Curtosis tiende a infinito para valores de p cercanos a 0 ó a 1, pero para la distribución de

Bernoulli tiene un valor de curtosis menor que el de cualquier otra distribución, igual a -2.

 EJEMPLO 1

"Lanzar una moneda, probabilidad de conseguir que salga cruz".

Se trata de un solo experimento, con dos resultados posibles: el éxito (p) se considerará
sacar cruz. Valdrá 0,5. El fracaso (q) que saliera cara, que vale

(1 - p) = 1 - 0,5 = 0,5.

La variable aleatoria X medirá "número de cruces que salen en un lanzamiento", y sólo

existirán dos resultados posibles: 0 (ninguna cruz, es decir, salir cara) y 1 (una cruz).

Por tanto, la variable .aleatoria . X se distribuirá como una Bernoulli, ya que cumple todos
los requisitos.
 X˜Be(0,5)

P(X = 0) = f(0) = 0,500,51 = 0,5

P(X = 1) = f(1) = 0,510,50 = 0,5

 EJEMPLO 2:

"Lanzar un dado y salir un 6".

Cuando lanzamos un dado tenemos 6 posibles resultados:

Ω = {1,2,3,4,5,6}

Estamos realizando un único experimento (lanzar el dado una sola vez).

Se considera éxito sacar un 6, por tanto, la probabilidad según el teorema de Laplace

(casos favorables dividido entre casos posibles) será 1/6.

p=1/6

Se considera fracaso no sacar un 6, por tanto, se considera fracaso sacar cualquier otro
resultado.

q=1−p=1−1/6=5/6

La variable aleatoria X medirá "número de veces que sale un 6", y solo existen dos valores
posibles, 0 (que no salga 6) y 1 (que salga un 6).

Por tanto, la variable aleatoria X se distribuye como una Bernoulli de parámetro

p = 1/6

X˜Be(1 / 6)

La probabilidad de que obtengamos un 6 viene definida como la probabilidad de que X sea

igual a 1.

P(X = 1) = f(1) = (1 / 6)1 * (5 / 6)0 = 1 / 6 = 0.1667

La probabilidad de que NO obtengamos un 6 viene definida como la probabilidad de que X

sea igual a 0.

P(X = 0) = f(0) = (1 / 6)0 * (5 / 6)1 = 5 / 6 = 0.8333