208 3.

Distribuciones de probabilidad

c) a sea mayor a b ` 1.
d ) a y b difieran en por lo menos 2 unidades.

280. Un juego de ruleta consiste de 36 números. Un jugador apuesta, re-

petidas veces, a que el resultado será un número entre el 1 y el 12
inclusive, es decir, no apuesta por un número particular sino por el
conjunto de estos números. Calcule la probabilidad de que el jugador

a) pierda sus primeras cinco apuestas.

b) gane por primera vez en su cuarta apuesta.
c) gane k de n apuestas p1 ď k ď nq.

281. Sea X una v.a. con distribución uniforme en el conjunto t1, 2, 3, 4, 5u.
¿Cuál es la probabilidad de que el área del rectángulo de lados X y
6 ´ X sea mayor o igual a 8?

282. Sean m y n dos números naturales tales que m ď n y sea X una

variable aleatoria con distribución unift1, . . . , nu. Encuentre la función
de probabilidad de la variable aleatoria:

a) U “ mı́n tX, mu.

b) V “ máx tX, mu.

3.2. Distribución Bernoulli

Un ensayo Bernoulli1 se define como aquel experimento aleatorio con úni-
camente dos posibles resultados, llamados genéricamente: éxito y fracaso.
Supondremos que las probabilidades de estos resultados son p y 1 ´ p, res-
pectivamente. Si se define la variable aleatoria X como aquella función que
lleva el resultado éxito al número 1 y el resultado fracaso al número 0, enton-
ces decimos que X tiene una distribución Bernoulli con parámetro p P p0, 1q
y escribimos X „ Berppq. La función de probabilidad se puede escribir de
1
Jacob (James o Jacques) Bernoulli (1654-1705), matemático suizo.
3.2 Distribución Bernoulli 209

la siguiente forma.
$
& 1 ´ p si x “ 0,
’
f pxq “ p si x “ 1,
’
0 en otro caso.
%

O bien de manera compacta,

#
px p1 ´ pq1´x si x “ 0, 1,
f pxq “
0 en otro caso.

La gráfica de esta función de probabilidad para p “ 0.7 aparece en la Figu-

ra 3.2 junto con la correspondiente función de distribución, la cual tiene la
siguiente forma: $
& 0
’ si x ă 0,
F pxq “ 1 ´ p si 0 ď x ă 1,
’
1 si x ě 1.
%

La función de probabilidad f pxq puede obtenerse en el paquete R usando

el comando dbinom(x,n,p), como se muestra en el recuadro de abajo, en
donde x es el valor en donde se desea evaluar la función, n se substituye
por el valor 1 y p es el parámetro de la distribución. El nombre asignado a
este comando y sus argumentos serán justificados una vez que estudiemos la
distribución binomial, pues resulta que la distribución Bernoulli es un caso
particular de la distribución binomial.

# dbinom(x,1,p) evalúa f pxq de la distribución Berppq

> dbinom(0,1,0.7)
r1s 0.3

Para la función de distribución F pxq se usa el siguiente comando.

# pbinom(x,1,p) evalúa F pxq de la distribución Berppq

> pbinom(0.2,1,0.7)
r1s 0.3

Para la distribución Bernoulli de parámetro p es inmediato verificar que:

210 3. Distribuciones de probabilidad

a) EpXq “ p.

b) VarpXq “ pp1 ´ pq.

f pxq F pxq
1 1
0.7

0.3 0.3
x x
0 1 0 1

Figura 3.2

En la realización de todo experimento aleatorio siempre es posible pregun-

tarse por la ocurrencia o no ocurrencia de un evento cualquiera. Este es el
esquema general donde surge esta distribución de probabilidad. La distri-
bución Bernoulli es sencilla, pero de muy amplia aplicación, como veremos
más adelante.

Ejemplo 3.3 Sea Ω el espacio muestral de un experimento aleatorio y sea

A un evento con probabilidad p ą 0. Sea X la variable aleatoria dada por
#
1 si ω P A,
Xpωq “
0 si ω R A.

Entonces X tiene distribución Berppq. A esta variable aleatoria X se le llama

la función indicadora del evento A y se le denota también por 1A pωq. Ası́, al
efectuar un ensayo del experimento aleatorio, la función indicadora señala
la ocurrencia del evento A tomando el valor 1, e indica que no ha ocurrido
dicho evento tomando el valor 0. ‚
3.2 Distribución Bernoulli 211

Ejemplo 3.4 Considere el experimento aleatorio de lanzar una moneda al

aire. Suponga que ω0 y ω1 son los dos resultados posibles, con probabilidades
1 ´ p y p, respectivamente. Sea X la variable aleatoria dada por

Xpω0 q “ 0,
y Xpω1 q “ 1.

Entonces X tiene distribución Berppq. ¿Puede usted encontrar la distribu-

ción de la variable Y “ 1 ´ X? ‚

Simulación 3.3 En el paquete R se pueden generar k valores al azar de la

distribución Berppq usando el comando que aparece en el siguiente recuadro.
Como un ejercicio de simulación, modifique los valores de los parámetros y
obtenga tantos valores al azar de esta distribución como desee. ¿Cuál es la
frecuencia relativa con la que aparecen los dos valores en su simulación?

# rbinompk, 1, pq genera k valores al azar de la distribución Berppq

> rbinom(25,1,0.7)
r1s 1 0 1 1 1 1 1 1 0 1 1 0 0 1 1 1 0 0 0 1 1 1 0 0 1

Ejercicios
283. Sea X una v.a. con distribución Berppq y sea n un número natural.
Encuentre la distribución de:

a) X n .
b) p1 ´ Xqn .
c) |X ´ 1|n .

284. Sea X una v.a. con distribución Berppq y sean a y b dos constantes
con a ‰ 0. Defina la variable aleatoria Y “ aX ` b. Encuentre

a) la función de probabilidad de Y .
212 3. Distribuciones de probabilidad

b) EpY q.
c) VarpXq.
d ) EpY n q para n “ 1, 2, . . .

285. Momentos. Sea X una v.a. con distribución Berppq. Demuestre que
el n-ésimo momento de X es constante,

EpX n q “ p.

286. Sea X una v.a. con distribución Berppq. Encuentre el valor del paráme-
tro p que maximiza la varianza de X.

287. Cuartiles. Encuentre todos los cuartiles de la distribución Berppq con

p “ 1{2.

288. f.g.p. Sea X una v.a. con distribución Berppq. Demuestre que la f.g.p.
de X está dada por la expresión que aparece abajo. A través de es-
ta función encuentre nuevamente la esperanza y la varianza de esta
distribución.
Gptq “ 1 ´ p ` pt.

289. f.g.m. Sea X una v.a. con distribución Berppq. Demuestre que la f.g.m.
de X está dada por la expresión que aparece abajo. A través de es-
ta función encuentre nuevamente la esperanza y la varianza de esta
distribución.
M ptq “ 1 ´ p ` pet .

290. Simulación. Este es un mecanismo para generar valores al azar de

una v.a. con distribución Berppq a partir de valores de una v.a. con dis-
tribución unifp0, 1q. Sea u un valor al azar con distribución unifp0, 1q.
Demuestre que la variable aleatoria X, definida a continuación, tiene
distribución Berppq.
#
0 si 0 ă u ď 1 ´ p,
X“
1 si 1 ´ p ă u ă 1.

291. Sean X y Y dos v.a.s independientes con idéntica distribución Berppq.

Encuentre la distribución de:
3.3 Distribución binomial 213

a) X ` Y . d ) Xp1 ´ Y q.
b) X ´ Y . e) Xp1 ´ Xq.
c) X Y . f ) X ` Y ´ 1.

292. Sean X1 , . . . , Xn v.a.i.i.d. con distribución Berppq. Encuentre la dis-

tribución de la variable aleatoria producto

X 1 ¨ ¨ ¨ Xn .

3.3. Distribución binomial

Supongamos que efectuamos una serie de n ensayos independientes Bernoulli
en donde la probabilidad de éxito en cada ensayo es p. Si denotamos por E
el resultado éxito y por F el resultado fracaso, entonces el espacio muestral
de este experimento consiste de todas las posibles sucesiones de longitud n
de caracteres E y F . Ası́, el espacio muestral consiste de 2n elementos. Si
ahora definimos la variable aleatoria X como aquella función que indica el
número de éxitos en cada una de estas sucesiones, esto es,

XpEE ¨ ¨ ¨ EEq “ n,
XpF E ¨ ¨ ¨ EEq “ n ´ 1,
..
.
XpF F ¨ ¨ ¨ F F q “ 0,

entonces tenemos que X puede tomar los valores 0, 1, 2, . . . , n, con las pro-
babilidades dadas por la función de probabilidad:
$ ˆ ˙
& n px p1 ´ pqn´x si x “ 0, 1, . . . , n,
f pxq “ x
0 en otro caso.
%

Decimos entonces que X tiene una distribución binomial con parámetros n

y p, y escribimos X „ binpn, pq. Esta expresión para la función de proba-
bilidad puede obtenerse de la siguiente forma: la probabilidad de obtener x