Entonces se dice que la funcin de probabilidad o de densidad de probabilidad se ajusta al

modelo terico expresado en dicha frmula.

Una vez comprobado el ajuste al modelo, las propiedades del modelo concreto pueden
aplicarse a la variable estudiada, lo que desde el punto de vista prctico suele resumirse en
el manejo de tablas

Para variables discretas

Modelos de distribucin
de probabilidad
Para variables continuas

Modelos de distribucin de probabilidad para variables discretas

La distribucin uniforme

0,25

0,20

Por ejemplo, para un dado de seis

caras equiprobables
f(x)

0,15

f(x) = 1/6 = 0,167

0,10

0,05

0,00
1

4
x

Ejemplos en Psicologa en los que se asume una distribucin uniforme

Modelos de distribucin de probabilidad para variables discretas

La distribucin binomial
la distribucin binomial es la distribucin del nmero de xitos en una secuencia de n
experimentos independientes, con una probabilidad de xito, , constante en cada
repeticin.
En otras palabras, es el nmero de aciertos en una serie de ensayos de Bernoulli (la
distribucin de Bernoulli no es ms que una distribucin binomial con n = 1)
Necesitaremos:
1. Un experimento aleatorio con dos nicos desenlaces (xito/fracaso)*: una variable
dicotmica
2. Una serie predefinida de n repeticiones del experimento aleatorio
3. Que dichos experimentos sean independientes (el resultado de un experimento no
influye en los dems)
4. Que la probabilidad de xito, , se mantenga constante en cada repeticin
5. Una variable aleatoria, X, definida como el nmero de xitos
Si se cumplen las condiciones anteriores , la variable X, n de xitos, se ajusta al modelo
de distribucin binomial con parmetros n y , y se representa por:
X B(x, n, )
* Exito/Fracaso; acierto/error; etc. en general realizacin/no realizacin de una condicin

EJEMPLO1: De acuerdo con un estudio publicado por un grupo de socilogos de la

Universidad de Massachussets, aproximadamente el 60% de los consumidores de Valium
en dicho estado tomaron Valium por primera vez debido a problemas psicolgicos.
Encuentre la probabilidad de que entre los siguientes ocho consumidores entrevistados
en este estado:
a) tres comenzaron a tomar Valium por problemas psicolgicos.
b) al menos cinco comenzaron a consumir Valium por problemas que no fueron
psicolgicos
X B(x, n, )
X: (tomar Valium por razones psicolgicas) B (8, 0,6)
Ms adelante veremos como se resuelven los clculos para las preguntas
a) P (X = 3)
b) P (X 5)
EJEMPLO2: Si al tirar con arco tenemos una probabilidad constante de 0,30 de acertar
en el blanco, calcule cual es el nmero mnimo de flechas que hay que disparar para
tener una probabilidad mayor de 0,9 de que al menos una flecha d en la diana:
X B(x, n, )
X: (Acertar en la diana) B(n, 0,3) determinar n tal que P(X 1) > 0,9
Ms adelante veremos como se resuelven los clculos

Caractersticas de distribucin binomial B (x, n, )

Consideremos la secuencia de n experimentos independientes con probabilidad cte.
La variable binomial nmero de xitos X = X1 + X2 + X3 ++ Xn
Si damos el valor 1 a los xitos y 0 a los fracasos.
1. Los valores que puede tomar la variable binomial oscilan entre 0 (ningn xito) y
n (todos los ensayos son xitos)
2. Si representamos con 1 los xitos y con 0 los fracasos, el valor que adopta X es el
nmero de xitos (la suma de 1s y 0s)
3. Si la probabilidad de xito en cada realizacin es , el valor esperado de la variable
binomial ser n , es decir,
E (X) = = xi f(xi) = + + + (n veces) = n
4. Si la probabilidad de xito en cada realizacin es , la varianza en cada repeticin
ser (1 ) y la varianza de la variable binomial ser:
2 (X) = (1 ) + (1 ) +(n veces) = n (1 )

Caractersticas de distribucin binomial B (x, n, )

Consideremos la secuencia de n experimentos independientes con probabilidad cte.
La variable binomial nmero de xitos X = X1 + X2 + X3 ++ Xn
Si damos el valor 1 a los xitos y 0 a los fracasos.
5. La funcin de probabilidad de una variable binomial.
Si en la secuencia de n pruebas se producen x xitos y n x fracasos, la probabilidad
conjunta ser el producto de las probabilidades de de los x exitos y los n x fracasos,
es decir:
[ (x veces)][(1 ) (1 ) (1 )(n x veces)] = x (1 ) n - x
pero los x xitos se pueden producir de varias maneras diferentes. Concretamente el
nmero de maneras diferentes vendr dado por las combinaciones de n elementos
tomados de x en x:
n
n!
=
x x!(n x )!

Por tanto la funcin de probabilidad de la variable binomial vendr dada por la

expresin:
n
n x
f ( x) = x (1 )
x

Caractersticas de distribucin binomial B (x, n, )

El valor esperado E (X) = n
La varianza 2 (X) = n (1 )
n x
n x
La funcin de probabilidad: f ( x) = (1 )
x
EJEMPLO: Cmo podemos aplicar el modelo binomial al ejemplo de las tres ratas y el
laberinto en T?
La variable aleatoria X Salir por lado izquierdo, que se ajusta a un modelo binomial
con parmetros B(3, 0,5) y que puede tomar los valores 0, 1, 2 y 3
F(x)
E (X) = n = 3 0,5 = 1,5
1,000
2 (X) = n (1 ) = 3 0,5 0,5 = 0,75
0,875
0,500
0,125

Sea la variable X (n de aciertos al azar en un test de cuatro preguntas con dos respuestas
cada una)
X B(x, 4, 0,5)

Sea la variable X (n de aciertos al azar en un test de cuatro preguntas con dos respuestas
cada una)
X B(x, 4, 0,5)

Cul es la probabilidad de acertar 2 preguntas?

P(X=2) =0,375
Cul es la probabilidad de acertar como mximo 2 preguntas?
P(X 2) = P(X = 2) + P(X = 1) + P(X = 0) = 0,375 + 0,250 + 0,062 = 0,687
Cul es la probabilidad de acertar ms de 2 preguntas?
P(X > 2) = 1 P(X 2) = 1 0,687
Cul es la probabilidad de acertar entre 1 y 3 preguntas?
P(1 X 3) = P(X 3) P(X 1) = P(X = 3) + P(X = 2) = 0,250 + 0,375 = 0,535

N de repeticiones

Probabilidad xito

N de xitos

Sea la variable X (n de aciertos al azar en un test de cuatro preguntas con dos

respuestas cada una)
X B(x, 4, 0,5)
Cul es la probabilidad de acertar 2 preguntas?
P(X=2) =0,375
Cul es la probabilidad de acertar como mximo 2 preguntas?
P(X 2) = P(X = 2) + P(X = 1) + P(X = 0) = 0,375 + 0,250 + 0,062 = 0,687
Cul es la probabilidad de acertar ms de 2 preguntas? P(X > 2) = 1 P(X 2) = 1 0,687
Cul es la probabilidad de acertar entre 1 y 3 preguntas?
P(1 X 3) = P(X 3) P(X 1) = P(X = 3) + P(X = 2) = 0,250 + 0,375 = 0,535

EJEMPLO1: De acuerdo con un estudio publicado por un grupo de socilogos de la

Universidad de Massachussets, aproximadamente el 60% de los consumidores de Valium
en dicho estado tomaron Valium por primera vez debido a problemas psicolgicos.
Encuentre la probabilidad de que entre los siguientes ocho consumidores entrevistados en
este estado:
a) tres comenzaron a tomar Valium por problemas psicolgicos.
b) al menos cinco comenzaron a consumir Valium por problemas que no fueron
psicolgicos

X B(x, n, )
X: (tomar Valium por razones psicolgicas) B (8, 0,6)
En la tabla de la binomial buscar en el bloque n = 8 y la columna = 0,6
a) P (X = 3) En la fila x = 3 en el cruce aparece 124, luego P (X = 3) = 0,124
b) P (X 5) Es P(X = 5) + P(X = 6) + P(X = 7) + P(X = 8) Buscamos los cuatro valores
en la tabla 0,279; 0,209; 0,090 y 0,017 = 0,595

EJEMPLO2: Si al tirar con arco tenemos una probabilidad constante de 0,30 de acertar
en el blanco, calcule cual es el nmero mnimo de flechas que hay que disparar para
tener una probabilidad mayor de 0,9 de que al menos una flecha acierte en la diana:

X B(x, n, )
X: (Acertar en la diana) B(n, 0,3) determinar n tal que P(X 1) > 0,9
Buscaremos en la tabla de la binomial en la columna = 0,3 con valores crecientes de n.
Para cada valor de n calcularemos P(X 1). El menor valor de n que cumpla la condicin
P(X 1) > 0,9 es la respuesta buscada.
Para n = 2 P(X 1) = 0,420 + 0,090 = 0,510
Para n = 3 P(X 1) = 0,441 + 0,189 + 0,027 = 0,657
Para n = 4 P(X 1) = 0,412 + 0,265 + 0,076 + 0,008 = 0,761
Para n = 5 P(X 1) = 0,360 + 0,309 + 0,132 + 0,028 + 0,002 = 0,831
Para n = 6 P(X 1) = 0,303 + 0,324 + 0,185 + 0,060 + 0,010 + 0,001 = 0,883
Para n = 7 P(X 1) = 0,247 + 0,318 + 0,227 + 0,097 + 0,025 + 0,004 + 0,000+ = 0,918

Distribucin multinomial
Si cada ensayo tiene 3 ms posibles desenlaces (variable politmica) se utiliza el
modelo multinomial.
Se realizan n ensayos independientes e igualmente distribuidos en que cada uno
puede dar lugar a k resultados diferentes con probabilidades 1, 2, 3, k
respectivamente, de forma que 1 + 2 + 3 +k = 1.
La probabilidad de que el resultado sea X1 del 1er tipo, X2 del 2 tipo, X3 del 3er tipo y
Xk del ltimo tipo (siendo X1 + X2 + X3 ++ Xk = n