F.

Kaliman_UTN FRBA

Distribución Bernoulli
Se llama experimento Bernoulli a cualquier experimento que tenga dos resultados
posibles. Por ejemplo:
• Se tira una monedad y se observa si sale cara o ceca.
• Se tira un dado y se observa si sale un as o no sale un as.
• Se observa cierto día si llueve o no llueve a las 7.00 am.
A uno de esos resultados se le llama éxito y al otro se le llama fracaso. En general
se llama éxito al resultado que me interesa testear, por ejemplo, tiro un dado y me
interesa que salga el 1, entonces llamo éxito a ese resultado.
Estos resultados se codifican de la siguiente manera:
1_ éxito
2_fracaso
Entonces podemos decir que tenemos una VA Bernoulli que toma dos valores {0,1}.
Donde llamamos 𝑃(𝑋 = 1) = 𝑃(é𝑥𝑖𝑡𝑜) = 𝑝, entonces la función de probabilidad será:

X p(x)
0 1-p
1 p

A la probabilidad de fracaso se le llama también 𝑞 = 1 − 𝑝

Vamos a encontrar la esperanza y la varianza de la distribución Bernoulli.
𝐸 (𝑋) = 0. (1 − 𝑝) + 1. 𝑝 = 𝑝

Entonces
𝑬(𝑿) = 𝒑

Page 1 of 4
 F. Kaliman_UTN FRBA

Para encontrar la varianza necesitamos primero encontrar 𝐸 (𝑋 2 ):

𝐸 (𝑋 2 ) = 0. (1 − 𝑝) + 1. 𝑝 = 𝑝
Entonces:
𝑉𝑎𝑟(𝑋) = 𝐸 (𝑋 2 ) − [𝐸 (𝑋)]2 = 𝑝 − 𝑝2 = 𝑝(1 − 𝑝)

𝑽𝒂𝒓(𝑿) = 𝒑(𝟏 − 𝒑)

Ya conocemos la función de probabilidad, la esperanza y la varianza de una VA con

distribución Bernoulli. Observemos que vamos a identificar cada distribución
particular si conocemos la probabilidad de éxito “p”, y ese será el parámetro.
Entonces, usando la notación que hemos usado para la distribución
hipergeométrica escribiremos así:
𝑿~𝑩𝒆(𝒑)

Page 2 of 4
 F. Kaliman_UTN FRBA

Distribución Binomial
Sea un experimento Bernoulli que cumple dos propiedades:
1) Estabilidad: la probabilidad de éxito “p” se mantiene constante para todas
las veces que se necesite realizar el experimento.
2) Independencia: el resultado de un experimento Bernoulli no influye en el
resultado de los siguientes experimentos Bernoulli.
Entonces, si se cumplen estas condiciones, se puede definir una variable con
distribución binomial de la siguiente manera:
X: cantidad de éxitos en “n” ensayos Bernoulli
O sea, se realiza el experimento n veces y se cuenta cuántos éxitos ocurrieron.
Entonces:
𝑹𝒆𝒄(𝑿) = {𝟎, 𝟏, 𝟐, … , 𝒏}

La función de probabilidad es:

𝒏
𝒑(𝒙) = ( ) 𝒑𝒙 (𝟏 − 𝒑)𝒏−𝒙
𝒙

Vamos a buscar la esperanza y varianza de una variable con distribución Binomial.

Para ello vamos a considerar la variable Bernoulli que corresponde a cada
experimento Bernoulli de los n que se realizan:

1 𝑠𝑖 𝑠𝑒 𝑜𝑏𝑡𝑖𝑒𝑛𝑒 é𝑥𝑖𝑡𝑜
𝑌𝑖 = { con 𝑖 = 1,2,3 … . , 𝑛
0 𝑠𝑖 𝑠𝑒 𝑜𝑏𝑡𝑖𝑒𝑛𝑒 𝑓𝑟𝑎𝑐𝑎𝑠𝑜

Entonces podemos decir que:

𝑛

𝑋 = ∑ 𝑌𝑖 (∗)
𝑖=1

Page 3 of 4
 F. Kaliman_UTN FRBA

Cada una de las 𝑌𝑖 puede valer 0 ó 1. Cada vez que sale un fracaso toma el valor 0,
y cada vez que se obtiene un éxito toma el valor 1. Entonces, estamos sumando
ceros y unos. Por lo tanto, el resultado de la suma será la cantidad de unos, y eso
es lo mismo que la cantidad de éxitos en los n ensayos Bernoulli, que es lo que
cuenta la Binomial.
A partir de (*) vamos a encontrar la E(X) y V(X).
𝑛 (1) 𝑛 (2) 𝑛
𝐸 (𝑋) = 𝐸 [∑ 𝑌𝑖 ] =
⏞ ∑ 𝐸 (𝑌𝑖 ) =
⏞ ∑ 𝑝 = 𝑛𝑝
𝑖=1 𝑖=1 𝑖=1

Entonces
𝑬(𝑿) = 𝒏𝒑

(1) Por propiedad de la esperanza

(2) Las 𝑌𝑖 tienen toda la misma distribución Bernoulli de parámetro p, entonces 𝐸(𝑌𝑖 ) =
𝑝 𝑐𝑜𝑛 𝑖 = 1,2, … . , 𝑛

𝑛 (3) 𝑛 (4) 𝑛
𝑉 (𝑋) = 𝑉 [∑ 𝑌𝑖 ] =
⏞ ∑ 𝑉 (𝑌𝑖 ) =
⏞ ∑ 𝑝 (1 − 𝑝) = 𝑛𝑝(1 − 𝑝)
𝑖=1 𝑖=1 𝑖=1

𝑽(𝑿) = 𝒏𝒑(𝟏 − 𝒑)
(3) Porque las 𝑌𝑖 son independientes
(4) Las 𝑌𝑖 tienen toda la misma distribución Bernoulli de parámetro p, entonces 𝑉(𝑌𝑖 ) =
𝑝(1 − 𝑝) 𝑐𝑜𝑛 𝑖 = 1,2, … . , 𝑛

¿Cuáles son las constantes que caracterizan cada distribución binomial particular?
O sea, ¿cuáles con los valores constantes que necesitamos conocer de cada
distribución binomial particular para poder hacer cálculos de probabilidades,
encontrar su esperanza, su varianza? Es decir, ¿cuáles son los parámetros de una
distribución binomial?
𝑿~𝑩𝒊(𝒏, 𝒑)

Page 4 of 4