Distribución de Bernoulli

De Wikipedia, la enciclopedia libre
Saltar a: navegación, búsqueda
Bernoulli
Parámetros 0<p<1, p\in\R
Dominio k=\{0,1\}\,
Función de probabilidad (fp) 
    \begin{matrix}
    q=(1-p) & \mbox{para }k=0 \\p~~ & \mbox{para }k=1
    \end{matrix}
Función de distribución (cdf) 
    \begin{matrix}
    0 & \mbox{para }k<0 \\q & \mbox{para }0\leq k<1\\1 & \mbox{para }k\geq 1
    \end{matrix}
Media p\,
Mediana N/A
Moda \begin{matrix}
0 & \mbox{si } q > p\\
0 y 1 & \mbox{si } q=p\\
1 & \mbox{si } q < p
\end{matrix}
Varianza pq\,
Coeficiente de simetría \frac{q-p}{\sqrt{pq}}
Curtosis \frac{6p^2-6p+1}{p(1-p)}
Entropía -q\ln(q)-p\ln(p)\,
Función generadora de momentos (mgf) q+pe^t\,
Función característica q+pe^{it}\,
[editar datos en Wikidata]

En teoría de probabilidad y estadística, la distribución de Bernoulli (o distribución dicotómica), nombrada así por el matemático y científico suizo Jakob Bernoulli, es una distribución de probabilidad discreta, que toma valor 1 para la probabilidad de éxito (p) y valor 0 para la probabilidad de fracaso (q=1-p).

Si X es una variable aleatoria que mide el "número de éxitos", y se realiza un único experimento con dos posibles resultados (éxito o fracaso), se dice que la variable aleatoria X \, se distribuye como una Bernoulli de parámetro p \,.

X \sim Be(p) \,

Su función de probabilidad viene definida por:

f(x) = p^x(1-p)^{1-x} \, \qquad \text{ con } \, x = \{0, 1\} \,

La fórmula será:

 f\left(x;p\right) = \left\{\begin{matrix} p & \mbox {si }x=1, \\
q & \mbox {si }x=0, \\
0 & \mbox {en cualquier otro caso}\end{matrix}\right.

Un experimento al cual se aplica la distribución de Bernoulli se conoce como Ensayo de Bernoulli o simplemente ensayo, y la serie de esos experimentos como ensayos repetidos.

Propiedades características[editar]

Esperanza matemática:

 E\left[X\right] = p = u

Varianza:

 var\left[X\right] = p  \left(1 - p\right) = p  q

Función generatriz de momentos:

 \left( q + p e^{t} \right)

Función característica:

 \left( q + p e^{i t} \right)

Moda:

0 si q > p (hay más fracasos que éxitos)
1 si q < p (hay más éxitos que fracasos)
0 y 1 si q = p (los dos valores, pues hay igual número de fracasos que de éxitos)


Asimetría (Sesgo):


   \gamma_1 = \frac{q - p}{ \sqrt{q p} }

Curtosis:


   \gamma_2 = \frac{6p^2-6p+1}{p(1-p)}

La Curtosis tiende a infinito para valores de p cercanos a 0 ó a 1, pero para p=\frac{1}{2} la distribución de Bernoulli tiene un valor de curtosis menor que el de cualquier otra distribución, igual a -2.


Caracterización por la bonimial:

X \sim Be(p) \Longleftrightarrow X \sim B(1,p)\, ; donde  B(1,p)\, es una distribución binomial.


Distribuciones Relacionadas[editar]

  • Si X_1, X_2, X_3, \dots ,X_n son  n variables aleatorias identicamente distribuidas con la distribución de Bernoulli con la misma probabilidad de éxito p en todas, entonces la variable aleatoria  X = X_1 + X_2 + \dots + X_n presenta una distribución binomial de probabilidad.

X \sim B(n, p)

Ejemplo[editar]

"Lanzar una moneda, probabilidad de conseguir que salga cruz".

Se trata de un solo experimento, con dos resultados posibles: el éxito (p) se considerará sacar cruz. Valdrá 0,5. El fracaso (q) que saliera cara, que vale (1 - p) = 1 - 0,5 = 0,5.

La variable aleatoria X medirá "número de cruces que salen en un lanzamiento", y sólo existirán dos resultados posibles: 0 (ninguna cruz, es decir, salir cara) y 1 (una cruz).

Por tanto, la v.a. X se distribuirá como una Bernoulli, ya que cumple todos los requisitos.

X \sim Be(0,5)

P(X = 0) = f(0) = 0,5^0 0,5^1 = 0,5

P(X = 1) = f(1) = 0,5^1 0,5^0 = 0,5


Ejemplo:

"Lanzar un dado y salir un 6".

Cuando lanzamos un dado tenemos 6 posibles resultados:

\Omega = \{1, 2, 3, 4, 5, 6\}

Estamos realizando un único experimento (lanzar el dado una sola vez).

Se considera éxito sacar un 6, por tanto, la probabilidad según la Regla de Laplace (casos favorables dividido entre casos posibles) será 1/6.

p = 1/6

Se considera fracaso no sacar un 6, por tanto, se considera fracaso sacar cualquier otro resultado.

q = 1 - p = 1- 1/6 = 5/6

La variable aleatoria X medirá "número de veces que sale un 6", y solo existen dos valores posibles, 0 (que no salga 6) y 1 (que salga un 6).

Por tanto, la variable aleatoria X se distribuye como una Bernoulli de parámetro p = 1/6

X \sim Be(1/6)

La probabilidad de que obtengamos un 6 viene definida como la probabilidad de que X sea igual a 1.

P(X = 1) = f(1) = (1/6)^1 * (5/6)^0 = 1/6 =  0.1667

La probabilidad de que NO obtengamos un 6 viene definida como la probabilidad de que X sea igual a 0.

P(X = 0) = f(0) = (1/6)^0 * (5/6)^1 = 5/6 = 0.8333

Véase también[editar]