1

VARIABLES ALEATORIAS DISCRETAS

1. Distribucin Uniforme
2. Distribucin de Bernoulli
3. Distribucin Binomial
4. Distribucin Binomial Negativa
5. Distribucin Geomtrica
6. Distribucin Hipergeomtrica
a. Aproximacin de la Distribucin Hipergeomtrica con la Distribucin
Binomial
7. Distribucin de Poisson
a. Aproximacin de la Distribucin Binomial mediante la Distribucin de
Poisson
8. Distribucin Multinomial
Distribucin Uniforme
U
d
(n)
Una variable aleatoria tiene distribucin discreta uniforme si su espacio muestral tiene n
resultados y cada uno con igual probabilidad.
MEN
Distribucin Bernoulli
Ber(p)
Es aquel donde existen solamente dos resultados: xito o fracaso.
Ing. Vanessa Salazar V.
X: Variable aleatoria discreta
x=x
1
, x
2,
,,x
n.
los valores que puede tomar, con igual probabilidad.
La Distribucin de Probabilidad de X es:
1 2
1
, , ,...,
( )
0,
n
x x x x
f x
n
otro x

'

1
( )
2
n
E X
+

2
( 1)( 1)
( )
12
n n
V x
+

2
Demostracin:
( ) 0(1 ) 1( ) E X p p p +
2 2 2
( ) ( ) [ ( ) ] V X E X E X
p p p X E + ) ( 1 ) 1 ( 0 ) (
2 2 2
2 2
( ) ( ) V X p p
2
( ) (1 ) V X p p pq
MEN
Distribucin Binomial
B(n,p)
Tiene las mismas caractersticas de un experimento Bernoulli, cuando ste se repite n veces de
tal forma que las repeticiones sean independientes entre si y es de inters la variable aleatoria
relacionada con la cantidad de xitos que se obtienen del experimento, entonces tenemos una
distribucin binomial.
Caractersticas de un experimento Binomial
1. La cantidad de ensayos que se realizan es finita. Sea esta cantidad n.
2. Cada ensayo o prueba tiene nicamente 2 resultados posibles: xito o fracaso.
3. Todos los ensayos realizados son independientes.
4. La probabilidad de xito en cada ensayo permanece constante. Sea este valor p.
Ing. Vanessa Salazar V.
X: Variable aleatoria cuyos valores pueden ser 1: xito, 0: fracaso.
p: Valor de probabilidad de xito.
1-p=q: Valor de probabilidad de fracaso.
X~Ber(p)
La Distribucin de Probabilidad de X es:
, 1
( )
1 , 0
p x
f x
p x

'

x P(X=x)
1 p
0 1-p
( ) E X p
2
( ) . V X p q
3
Demostracin:
Los trminos de la distribucin binomial coinciden con el desarrollo del binomio:

0 1 1 0
0
( ) ...
0 1
n
n n n n x n x
x
n n n n
q p p q p q p q p q
n x

_ _ _ _
+ + + +

, , , ,

La funcin generadora de momentos para la distribucin binomial:

0 0 0
( ) ( ) ( ) ( )
n n n
tx tx tx x n x t x n x
x x x
n n
m t E e e f x e p q e p q
x x


_ _


, ,

Luego de la simplificacin algebraica se puede observar que la tima expresin tiene la misma
forma que la frmula del binomio sustituyendo p por e
t
p. Entonces se tiene ( ) ( )
t n
m t q e p +
MEN
PARAMETROS: Son valores que pertenecen a un problema particular. Por ejemplo, para la
distribucin binomial sus parmetros son n y p.
Para distinguir entre variables y parmetros, se puede usar la siguiente notacin:
( ; , ) (1 ) , 0,1, 2,...,
x n x
n
f x n p p p x n
x

_


,
Distribucin Acumulada
( ) ( ) (1 ) , 0
t n t
t x
n
F x P X x p p x
t

_


,

Distribucin Binomial Negativa
BN(k, p)
Ing. Vanessa Salazar V.
X: Variable aleatoria discreta con distribucin binomial.
(Nmero de xitos obtenidos en una serie de n ensayos realizados).
p: Valor de probabilidad de xito.
X~B(n, p)
La Distribucin de Probabilidad de X es:
( ) (1 ) , 0,1, 2,...,
x n x
n
f x p p x n
x

_


,
( ) . E X n p
2
( ) . .(1 ) V X n p p
( ) ( )
t n
m t q e p +
4
Los experimentos estadsticos con este modelo de probabilidad tienen caractersticas similares a
los experimentos binomiales. La diferencia es que en este nuevo modelo la variable de inters
se refiere a la cantidad de ensayos que se realizan hasta obtener una cantidad requerida de
xitos: k
MEN
Distribucin de Probabilidad Geomtrica
Ge(p)
Es un caso especial de la distribucin Binomial Negativa, cuando k=1. Es decir, interesa
conocer la probabilidad respecto a la cantidad de ensayos que se realizan hasta obtener el
primer xito.
Ing. Vanessa Salazar V.
X: Variable aleatoria con distribucin binomial negativa.
(Cantidad de ensayos realizados hasta obtener k xitos)
p: Valor de probabilidad de xito.
x= k, k+1, k+2, (valores que puede tomar la variable X)
X~BN(k, p)
La Distribucin de Probabilidad de X es:
1
( ) (1 ) , , 1, 2,...
1
k x k
x
f x p p x k k k
k

_
+ +

,
( )
k
E X
p

2
( )
k q
V X
p p

_


,
( )
1 (1 )
k
t
t
pe
m t
p e
_

,
X: Variable aleatoria discreta con distribucin geomtrica.
(Cantidad de ensayos realizados hasta obtener el primer xito.).
p: Valor de probabilidad de xito.
x= 1, 2, 3, (valores que puede tomar la variable X)
X~Ge(p)
La Distribucin de Probabilidad de X es:
1
( ) (1 ) , 1, 2, 3,...
x
f x p p x

1
( ) E X
p

2
2
( )
q
V X
p

( )
1 (1 )
t
t
pe
m t
p e

5
MEN
Distribucin Hipergeomtrica
H(N, K, n)
Esta distribucin se refiere a los experimentos estadsticos que consisten en tomar una muestra
sin reemplazo, de un conjunto finito el cual contiene algunos elementos considerados xitos y
los restantes son considerados fracasos.
Tomar una muestra sin reemplazo significa que los elementos son tomados uno a uno, sin
devolverlos. Podemos concluir entonces que los ensayos ya no pueden ser considerados
independientes porque la probabilidad de xito al tomar cada elemento es afectada por el
resultado de los ensayos anteriores debido a que la cantidad de elementos de la poblacin est
cambiando.
MEN
Ing. Vanessa Salazar V.
X: Variable aleatoria discreta con distribucin hipergeomtrica
(Cantidad de resultados considerados xitos que se obtienen en la muestra)
N: Cantidad de elementos del conjunto del que se toma la muestra
K: Cantidad de elementos existentes que se consideran xitos
n: Tamao de la muestra
x=0,1,2,3,,n (valores que puede tomar X)
X~H(N, K, n)
La Distribucin de probabilidad de X es:
( ) , 0,1, 2,...
K N K
x n x
f x x n
N
n
_ _

, ,

_

,
( )
K
E X n
N

2
( ) 1
1
nk K N n
V X
N N N

_ _

, ,
6
Aproximacin de la Distribucin Hipergeomtrica
con la Distribucin Binomial
Si el tamao de la muestra n es muy pequeo con respecto a N, entonces podemos considerar
que los ensayos son aproximadamente independientes.
Ejemplo:
Si N=1000 y n=10 y hay 200 elementos considerados xitos, entonces la probabilidad de
xito del primer ensayo ser 200/10000=0.2, la probabilidad de xito del segundo ensayo
ser 199/999=0.1992 o 200/999=0.2002 dependiendo si el primer resultado fue o no un xito.
Ambos valores son muy parecidos.
En esta situacin se puede considerar que el modelo hipergeomtrico es aproximadamente
Binomial y se puede usar la frmula de la distribucin con p=K/N.
Por algunos estudios con respecto a este tema, se establece que esta aproximacin es aceptable
si n<5% de N.
MEN
Ing. Vanessa Salazar V.
Sea H: distribucin hipergeomtrica
B: distribucin binomial
Si n<5%N, entonces H(x; N, K, n) = B(x; n, K/N)

7
Distribucin de Poisson
P( )
La distribucin de Poisson es un modelo que puede usarse para calcular la probabilidad
correspondiente al nmero xitos que ocurren en una regin o en intervalo de tiempo
especificados, si se conoce el nmero promedio de xitos que ocurren.
Este modelo requiere que se cumplan las siguientes suposiciones:
a) El nmero de xitos que ocurren en la regin o intervalo es independiente de lo que
ocurre en otra regin o intervalo.
b) La probabilidad de que un resultado ocurra en una regin o intervalo muy pequeo, es
igual para todos los intervalos o regiones de igual tamao y es proporcional al tamao
de la regin o intervalo.
c) La probabilidad de que ms de un resultado ocurra en una regin o intervalo muy
pequeo no es significativa.
MEN
Aproximacin de la Distribucin Binomial
mediante la Distribucin de Poisson
Ing. Vanessa Salazar V.
X: Variable aleatoria discreta con distribucin de Poisson
(Cantidad de xitos en una regin o intervalo especificados)
x= 0, 1, 2,

(valores posibles para la variable X)
: Cantidad promedio de xitos en la regin o intervalo especificados-
X~ P( )
La Distribucin de probabilidad de X es:
( ) , 0,1, 2,...,
!
x
e
f x x
x

e=2.71828
( ) E X
2
( ) V X
( 1)
( )
t
e
m t e

8
En la distribucin binomial cuando n es grande, no es prctico usar su frmula.
Ejemplo:
Suponga que m=200, p=0.05 y se quiere calcular la probabilidad que la variable aleatoria X
tome el valor 5:
5 200 5
200
( 5) (5) (1 ) 0.05 0.95
5
x n x
n
P X f p p
x

_ _


, ,
El clculo aritmtico puede presentar alguna dificultad.
En esta situacin se puede calcular la probabilidad mediante un modelo aproximado que se
obtiene del lmite al que tiende la distribucin binomial:
Este modelo corresponde a la distribucin de Poisson con =np.
Algunos estudios con respecto a este tema indican que esta aproximacin es aceptable para la
distribucin binomial
20 y 0.05. n p
Otro criterio establece que la aproximacin es muy buena si
100 y 10. n np
MEN
Ing. Vanessa Salazar V.
( ; , ) , 0,1, 2,..., , cuando y 0.
!
x np
e
f x n p x n p
x

9
Distribucin Multinomial
En esta distribucin cada ensayo puede tener ms de dos resultados posibles. Consideramos el
caso en el que hay n ensayos independientes, cada uno de los cuales permite k resultados
mutuamente excluyentes, cuyas respectivas probabilidades son
1 2 i
1
, ,..., (con p 1)
k
k
i
p p p

.
MEN
Ing. Vanessa Salazar V.
X: Variable aleatoria discreta con distribucin multinomial.
n: Cantidad de ensayos
x= 1, 2, 3, (valores que puede tomar la variable X)
La Distribucin de Probabilidad de X es:
1 2
1 2 1 2
1
1 2
!
( , ,..., ) , ,..., , 0,1,..., ;
! !... !
k
k
x x x
k k i i
i
k
n
f x x x p p p x n x n
x x x