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
214 3. Distribuciones de probabilidad

éxitos y n ´ x fracasos en n ensayos Bernoulli es, preliminarmente,

po¨mo
lo p1 ´ pq ¨ ¨ ¨ p1 ´ pq “ px p1 ´ pqn´x ,
¨ ¨opn loooooooooomoooooooooon
x n´x

pero hemos colocado los x éxitos en los primeros ensayos, cuando ello no
ocurrirá necesariamente ası́. Las diferentes formas en que los x éxitos pue-
n ensayos está dada por el coeficiente binomial nx .
` ˘
den distribuirse en` los
n
˘
` n ˘ejemplo, hay n “ 1 manera de obtener n éxitos en n ensayos, hay
Por
n´1 “ n formas diferentes de obtener n ´ 1 éxitos en n ensayos, etcéte-
ra. Al hacer la multiplicación de este coeficiente binomial con el término
px p1 ´ pqn´x se obtiene la expresión de la función de probabilidad para esta
distribución.

La evaluación de la función f pxq puede representar un reto desde el punto

de vista numérico, pues se ven involucradas varias multiplicaciones, particu-
larmente cuando n es grande. En el paquete R, esta función de probabilidad
se obtiene usando el siguiente comando.

# dbinom(x,n,p) evalúa f pxq de la distribución binpn, pq

> dbinom(8,10,0.3)
r1s 0.001446701

Ejemplo 3.5 Cuando el número de ensayos es n “ 10 y la probabilidad de

éxito es p “0.3, se puede calcular, por ejemplo,
ˆ ˙
10
P pX “ 2q “ p0.3q2 p0.7q10´2 “ 0.2334 ,
2
y de manera análoga, el resto de las probabilidades. La gráfica de esta
función de probabilidad, con los parámetros n y p indicados, se muestra en
la Figura 3.3.
‚

La función de distribución F pxq se escribe, simplemente, como la suma de

los valores f puq para valores de u menores o iguales a x, pero esta fórmula
no tiene una expresión reducida y por ello no la escribiremos. Los valores
3.3 Distribución binomial 215

x f pxq
0 0.0282475
1 0.1210608
2 0.2334744 f pxq
3 0.2668279 0.3
4 0.2001209
5 0.1029193 0.2 n “ 10
6 0.0367569
p “ 0.3
7 0.0090016 0.1
8 0.0014467
9 0.0001377 x
10 0.0000059 1 2 3 4 5 6 7 8 9 10

Figura 3.3

de esta función se pueden obtener en R de la siguiente forma:

# pbinom(x,n,p) evalúa F pxq de la distribución binpn, pq

> pbinom(4,10,0.3)
r1s 0.8497317

Por otro lado, después de algunos cálculos puede demostrarse que para una
variable X con distribución binpn, pq,

a) EpXq “ np.

b) VarpXq “ npp1 ´ pq.

Es instructivo observar que cuando el parámetro n en la distribución binpn, pq

toma el valor 1 se obtiene la distribución Berppq. El siguiente resultado es
muy útil y se puede demostrar por separado o bien considerarse como una
consecuencia de la forma en la que se ha definido la distribución binomial.
216 3. Distribuciones de probabilidad

Proposición 3.1 Sean X1 , . . . , Xn variables aleatorias independientes,

cada una con distribución Berppq. Entonces

X1 ` ¨ ¨ ¨ ` Xn „ binpn, pq. (3.1)

Recı́procamente, toda v.a. con distribución binpn, pq puede ser expresada

como una suma de la forma anterior.

Ası́, cada sumando toma el valor 1 o 0, dependiendo si el ensayo correspon-

diente fue éxito o fracaso, y la suma indica el número total de éxitos en los
n ensayos. Aplicando las propiedades de la esperanza y la varianza en esta
suma de variables aleatorias se pueden encontrar de forma más directa la
esperanza y la varianza de la distribución binomial.

Simulación 3.4 La expresión (3.1) sugiere un mecanismo para generar va-

lores al azar de la distribución binpn, pq. Si se generan de manera indepen-
diente n valores al azar de la distribución Berppq y se suman estos valores,
se obtiene un valor al azar de la distribución binpn, pq. ‚

Simulación 3.5 En el paquete R se pueden obtener valores al azar de la

distribución binpn, pq usando el comando que se muestra en el siguiente
recuadro. Asigne valores a los parámetros correspondientes y genere tantos
valores al azar como desee. Calcule el promedio aritmético de los valores
obtenidos y compare con el valor de np. ¿Son parecidos?

# rbinom(k,n,p) genera k valores al azar de la distribución

# binpn, pq
> rbinom(25,10,0.3)
r1s 3 4 6 3 0 1 1 2 4 4 4 4 5 1 2 4 2 1 2 4 5 7 2 4 3

‚
3.3 Distribución binomial 217

Ejemplo 3.6 Un examen tiene diez preguntas y cada una tiene tres op-
ciones como respuesta, siendo solamente una de ellas la correcta. Si un
estudiante contesta cada pregunta al azar, ¿cuál es la probabilidad de que
apruebe el examen?

Solución. Si X denota el número de preguntas contestadas correctamente,

entonces X tiene distribución binpn, pq con n “ 10 y p “ 1{3. Suponiendo
que la calificación mı́nima aprobatoria es 6, entonces la respuesta es
10 ˆ ˙
ÿ 10
P pX ě 6q “ p1{3qx p2{3q10´x “ 0.07656353 .
x“6
x

Esta probabilidad es sorprendentemente pequeña y por lo tanto la estrategia

seguida por el estudiante para contestar el examen no parece ser la mejor.
‚

Ejercicios
293. Demuestre que la función de probabilidad de la distribución binpn, pq
es, efectivamente, una función de probabilidad.
294. Sea X una variable aleatoria con distribución binpn, pq. Encuentre los
valores de los parámetros n y p cuando:
a) EpXq “ 6 y VarpXq “ 3.
b) EpXq “ 12 y EpX 2 q “ 150.
295. Moda. Sea f pxq la función de probabilidad de la distribución binpn, pq,
en donde 0 ă p ă 1. Demuestre que:
a) Fórmula iterativa: para x entero tal que 0 ď x ď n,
p pn ´ xq
f px ` 1q “ f pxq.
p1 ´ pq px ` 1q
b) f pxq es creciente de x a x ` 1, es decir, f pxq ď f px ` 1q para
valores enteros no negativos de x en el intervalo r0, pn ` 1qp ´ 1s.
Cuando este intervalo es vacı́o no se presenta este comportamien-
to creciente y la función de probabilidad es siempre decreciente.
218 3. Distribuciones de probabilidad

c) f pxq es decreciente de x a x ` 1, es decir, f pxq ě f px ` 1q para

valores enteros no negativos de x en el intervalo rpn`1qp´1, n´1s.
Nuevamente, existe la posibilidad de que no haya ningún valor
de x para el que se cumpla este comportamiento decreciente, por
ejemplo, cuando el intervalo mencionado es vacı́o, y por lo tanto
la función es siempre creciente.
d ) si pn ` 1qp ´ 1 no es un entero, entonces f pxq tiene un único
máximo en x˚ definido como el entero más pequeño mayor o
igual a pn ` 1qp ´ 1, es decir,

x˚ “ rpn ` 1qp ´ 1s.

En este caso, x˚ es la moda de la distribución y es única. Este

valor se puede escribir también en la forma

x˚ “ tpn ` 1qpu.

e) si pn`1qp´1 es alguno de los enteros 0, 1, . . . , n´1, entonces f pxq

alcanza su valor máximo en los puntos x˚ y x˚ ` 1 “ pn ` 1qp, y
la distribución es por lo tanto bimodal.

296. Usando directamente la definición de esperanza, demuestre que si X

tiene distribución binpn, pq, entonces:

a) EpXq “ np.
b) EpX 2 q “ npp1 ´ p ` npq.
c) VarpXq “ npp1 ´ pq.

297. Sea X una v.a. con distribución binpn, pq. Suponiendo n constante,
encuentre el valor de p que maximiza la varianza de X.

298. f.g.p. Sea X una v.a. con distribución binpn, pq. Demuestre que la
f.g.p. de X está dada por la expresión que aparece abajo. A través de
esta función encuentre nuevamente la esperanza y la varianza de esta
distribución.
Gptq “ p1 ´ p ` ptqn .
3.3 Distribución binomial 219

299. f.g.m. Sea X una v.a. con distribución binpn, pq. Demuestre que la
f.g.m. de X está dada por la expresión que aparece abajo. A través de
esta función encuentre nuevamente la esperanza y la varianza de esta
distribución.
M ptq “ p1 ´ p ` pet qn .

300. Demuestre la primera parte de la Proposición 3.1 de la página 216

usando

a) la f.g.m.
b) la f.g.p.

301. Suma. Sean X y Y dos variables aleatorias independientes con dis-

tribución binpn, pq y binpm, pq, respectivamente. Demuestre que la va-
riable X ` Y tiene distribución binpn ` m, pq siguiendo los siguientes
tres métodos:

a) Calculando directamente P pX ` Y “ kq para k “ 0, 1, . . . , n ` m.

b) Usando la f.g.p.
c) Usando la f.g.m.

302. Demuestre que si X tiene distribución binpn, pq, entonces

n ´ X „ binpn, 1 ´ pq.

303. Considere que se tiene un experimento aleatorio cualquiera y que A

es un evento con probabilidad estrictamente positiva. Suponga que se
realizan n ensayos independientes del experimento aleatorio y que Xn
denota el número de veces que se observa la ocurrencia del evento A
en estos n ensayos. Demuestre que para cualquier entero fijo k ě 1,

lı́m P pXn ą kq “ 1.
nÑ8

304. Regularidades estadı́sticas. Escriba un programa de cómputo que

efectúe lo siguiente:

a) Asigne un valor natural al parámetro n y una probabilidad al

parámetro p con 0 ă p ă 1.
220 3. Distribuciones de probabilidad

b) Genere 200 valores independientes al azar, x1 , . . . , x200 , de la dis-

tribución binpn, pq y calcule los promedios parciales
m
1 ÿ
sm “ xk , para m “ 1, 2, . . . , 200.
m k“1

c) Grafique la función m ÞÑ sm y una los puntos con lı́neas rectas.

Grafique también la lı́nea horizontal y “ np.

¿Qué puede decir del comportamiento de sm ? Esta regularidad se

presenta siempre para cualquier distribución con esperanza finita y
se llama ley de los grandes números. Estudiaremos este resultado en
la última parte de este texto.

305. Un productor de semillas conoce por experiencia que el 10 % de un

gran lote de semillas no germina. El productor vende sus semillas en
paquetes de 20 semillas garantizando que por lo menos 18 de ellas
germinarán. Calcule el porcentaje de paquetes que no cumplirán la
garantı́a.

306. Se conoce que en una cierta población el 15 % de las personas tiene un

tipo especı́fico de accidente en un año dado cualquiera. Encuentre la
probabilidad de que una compañı́a aseguradora tenga que indemnizar
a más de 5 personas de los 10 asegurados que componen su cartera
para este tipo de accidentes en un año.

307. Se realizan 10 lanzamientos sucesivos e independientes de un dado

equilibrado y se nos informa que han aparecido por lo menos k unos,
1 ď k ď 9. Calcule la probabilidad de que

a) exactamente k unos se hayan obtenido.

b) por lo menos k ` 1 unos se hayan obtenido.
c) a lo sumo k ` 1 unos se hayan obtenido.
d ) todos hayan sido unos.

308. El tablero de Galton. Considere el tablero vertical que se muestra

en la Figura 3.4, en donde se han colocado 5 filas de clavos en forma
triangular. Una bola que se deja caer desde la parte superior choca
3.4 Distribución geométrica 221

contra el primer clavo y baja al clavo inferior izquierdo con proba-

bilidad 1{2 o baja al clavo inferior derecho con probabilidad 1{2, y
ası́ sucesivamente hasta caer en alguna de las 6 urnas que se encuen-
tran en la parte inferior.

0 1 2 3 4 5

Figura 3.4

a) Determine el número total de trayectorias distintas que la bola

puede tomar. ¿Son igualmente probables estas trayectorias?
b) Determine el número de trayectorias que llevan a cada una de las
urnas.
c) Calcule la probabilidad de que la bola caiga en cada una de las
urnas. ¿Qué distribución de probabilidad es esta?
d ) Resuelva los tres incisos anteriores cuando se tienen n filas de
clavos y por lo tanto n ` 1 urnas, y la probabilidad de que la bola
caiga a la izquierda es 1 ´ p y de que caiga a la derecha es p.

3.4. Distribución geométrica

Supongamos ahora que tenemos una sucesión infinita de ensayos indepen-
dientes Bernoulli, en cada uno de los cuales la probabilidad de éxito es p.