La variable aleatoria discreta aparece cada vez que el resultado de un experimento se puede contar: caras al lanzar una moneda, alumnos que aprueban, llamadas recibidas o intentos necesarios hasta conseguir un éxito. Entenderla bien te ahorra errores muy comunes en probabilidad, sobre todo cuando toca construir tablas, sumar probabilidades o decidir si un ejercicio se resuelve con una distribución discreta o con una continua. Aquí lo verás con ejemplos claros, fórmulas básicas y atajos útiles para examen.
Lo esencial para entenderla sin rodeos
- Una variable discreta toma valores finitos o contables, no un continuo de infinitos puntos intermedios.
- Su distribución se describe con una función de masa de probabilidad, es decir, una tabla o lista de valores y probabilidades.
- La suma de todas las probabilidades debe dar 1.
- Los ejemplos típicos nacen de conteos: éxitos, fallos, personas, piezas defectuosas, lanzamientos, llegadas.
- La media, la varianza y la desviación estándar se calculan con sumas ponderadas, no con integrales.
- El error más común es confundirla con una variable continua solo porque sus valores parecen “numerosos”.
Qué significa que una variable sea discreta
Yo suelo explicarlo con una idea muy simple: si puedo enumerar los valores posibles de una variable, estoy ante un caso discreto. Esa lista puede ser corta, como 0, 1 o 2, o puede ser larga e incluso infinita, siempre que siga siendo contable. Por ejemplo, el número de hijos en una familia, el número de respuestas correctas en un test o el número de intentos hasta lograr un acierto son variables discretas.
Conviene no confundir “discreta” con “entera”. Muchas veces los valores son enteros, sí, pero lo que define el tipo de variable no es que sean enteros, sino que se puedan contar uno a uno. Incluso puede haber conjuntos de valores menos intuitivos, como una lista finita de puntuaciones o importes previamente fijados. Lo importante es el soporte, es decir, el conjunto de valores que la variable puede tomar.
Esta idea es la base de todo lo demás: si sabes cuál es el soporte, ya tienes medio ejercicio resuelto. A partir de ahí, lo siguiente es asignar probabilidades coherentes a cada valor.
Cómo se construye su distribución de probabilidad
La distribución de una variable discreta se organiza con una función de masa de probabilidad, que suele escribirse como p(x) = P(X = x). Dicho de forma práctica, para cada valor posible de X indicas qué probabilidad tiene de aparecer. Yo reviso siempre dos condiciones antes de dar el ejercicio por bueno:
- Cada probabilidad debe estar entre 0 y 1.
- La suma de todas las probabilidades debe ser 1.
Si alguna de esas dos reglas falla, la distribución no está bien construida. Ese chequeo es sencillo y evita la mayoría de los errores de examen.
| Valor de X | Probabilidad |
|---|---|
| 0 | 0,25 |
| 1 | 0,50 |
| 2 | 0,25 |
En una tabla como esta, la lectura correcta es directa: X puede valer 0, 1 o 2, y cada posibilidad tiene su peso. Si te piden calcular una probabilidad concreta, no inventas fórmulas raras: sumas los valores que correspondan. Si te piden una probabilidad acumulada, sumas todos los casos favorables dentro del soporte.
Con esto ya tienes el mecanismo, pero la teoría se entiende mucho mejor cuando la aplicas a situaciones reales. Ahí es donde se ve por qué algunos ejercicios son discretos y otros no.
Ejemplos que conviene dominar
En clase y en examen, los ejemplos más útiles suelen repetirse porque enseñan patrones. A mí me gusta ordenarlos por tipo de soporte, porque así se ve enseguida qué cambia y qué no.
| Situación | Valores posibles | Qué te enseña |
|---|---|---|
| Número de caras al lanzar dos monedas | 0, 1, 2 | Cómo contar casos y asignar probabilidades simples. |
| Suma de dos dados | 2, 3, 4, ..., 12 | Cómo construir una distribución a partir de combinaciones distintas. |
| Número de intentos hasta el primer éxito | 1, 2, 3, 4, ... | Que una variable discreta también puede tener un soporte infinito contable. |
El primer ejemplo es el más limpio para empezar: dos monedas solo pueden dar 0, 1 o 2 caras. El segundo ya obliga a contar de verdad, porque un mismo resultado global puede salir de varias combinaciones. El tercero es importante porque rompe una idea equivocada muy común: una variable discreta no tiene por qué tener pocos valores. Puede tener infinitos valores contables y seguir siendo discreta.
Ese último caso es el que aparece, por ejemplo, cuando modelas el número de llamadas hasta conseguir una cita o el número de lanzamientos hasta sacar cara. No es un detalle menor: en muchos problemas de probabilidad, entender que el soporte puede ser infinito te evita cerrar el ejercicio demasiado pronto.
Con los ejemplos en la cabeza, ya se entiende mejor la frontera entre este tipo de variables y las continuas, que es donde suelen nacer las confusiones.
En qué se diferencia de una variable continua
No conviene pensar que una variable continua es “una discreta con más decimales”. La diferencia real está en el tipo de conjunto que forman sus valores posibles. Una variable discreta se puede listar; una continua ocupa un intervalo y no se puede enumerar punto por punto.
| Aspecto | Discreta | Continua |
|---|---|---|
| Valores posibles | Finito o contable | Infinitos no contables, normalmente en intervalos |
| Probabilidad de un valor exacto | Puede ser mayor que 0 | Es 0 para un valor exacto |
| Forma habitual de describirla | Tabla o función de masa | Función de densidad |
| Ejemplos típicos | Número de alumnos, goles, llamadas, éxitos | Altura, tiempo, peso, temperatura |
La diferencia práctica más útil es esta: en una discreta, tiene sentido preguntar por P(X = 3); en una continua, lo normal es trabajar con intervalos, como P(a < X < b). Si estás resolviendo ejercicios y no sabes por dónde empezar, pregúntate qué tipo de magnitud estás midiendo: contar o medir. Esa sola pregunta suele aclarar el camino.
Una vez distinguido el tipo de variable, ya puedes entrar en los cálculos que más aparecen en estadística básica: media, varianza y desviación estándar.Qué significan la media, la varianza y la desviación estándar
Cuando la variable es discreta, la media no se calcula como en una lista sin más, sino como un promedio ponderado. La fórmula habitual es E(X) = Σ x · p(x), donde cada valor se multiplica por su probabilidad. No es un valor “más probable”; es el valor esperado a largo plazo si repitieras el experimento muchas veces.
La varianza mide la dispersión respecto a esa media, y la desviación estándar traduce esa dispersión a las mismas unidades de la variable. Se suelen escribir así:
- Var(X) = Σ (x - μ)² · p(x)
- σ = √Var(X)
Si quieres una lectura rápida: la media te dice dónde se concentra el centro del comportamiento, la varianza te dice cuánto se aleja, y la desviación estándar te permite interpretar ese alejamiento con más intuición. En problemas de examen, yo recomiendo no saltarse esta interpretación, porque muchas veces te piden algo más que una cuenta mecánica.
También hay un detalle que se olvida con frecuencia: si la distribución está mal cerrada y las probabilidades no suman 1, cualquier media o varianza que saques ya nace incorrecta. Primero se valida la tabla, después se calculan las medidas.
Con eso claro, ya solo falta esquivar los tropiezos más habituales, que son los que realmente bajan nota cuando el tema parece sencillo.
Errores habituales al trabajar con este tema
Hay fallos que se repiten tanto que casi siempre merecen una revisión aparte. Los resumo porque suelen costar puntos en ejercicios cortos, precisamente los que parecen más fáciles.
- Confundir discreta con entera: no toda variable discreta tiene que ser entera; lo discreto es que sus valores sean contables.
- Olvidar comprobar la suma total: si las probabilidades no suman 1, la distribución no está bien.
- Usar una integral donde toca una suma: en una discreta se trabaja con sumas ponderadas, no con áreas bajo una curva.
- Mezclar la variable con el evento: no es lo mismo definir “X = número de caras” que preguntar por “al menos una cara”.
- No escribir el soporte completo: si no sabes qué valores puede tomar X, es fácil dejarte casos fuera.
- Creer que un valor con poca probabilidad no cuenta: si forma parte del soporte, cuenta igual en la distribución.
Mi consejo aquí es muy simple: antes de calcular nada, escribe qué mide la variable, qué valores puede tomar y cómo se reparten las probabilidades. Esa rutina evita improvisaciones y te ordena la cabeza, sobre todo en pruebas con tiempo limitado.
Cuando esa secuencia se automatiza, el tema deja de parecer teórico y se convierte en un procedimiento bastante estable. Eso es justo lo que conviene llevarse al estudiar.
La forma más rápida de resolver ejercicios sin perderte
Si tuviera que resumir el trabajo con este tema en una sola secuencia, usaría cuatro pasos: definir, listar, comprobar y calcular. Primero defines la variable con una frase precisa. Después listás sus valores posibles. Luego compruebas que las probabilidades sean válidas y sumen 1. Por último, resuelves lo que te piden: una probabilidad concreta, una acumulada, la media o la dispersión.
Para estudiar mejor, yo me quedaría con estas ideas prácticas:
- Si el ejercicio habla de conteos, casi seguro estás en terreno discreto.
- Si puedes escribir todos los valores posibles uno a uno, ya tienes el soporte.
- Si te piden una probabilidad exacta, busca el valor o valores concretos de X.
- Si te piden “al menos”, “como máximo” o “entre”, suma los casos que entren en ese rango.
- Si aparece una media o una varianza, recuerda que se calculan con la distribución, no con intuiciones.
La parte realmente útil no es memorizar una definición, sino reconocer el patrón del ejercicio. Cuando identificas que la variable es contable, todo lo demás encaja: soporte, distribución, sumas, media y dispersión. Ese es el punto en el que el tema empieza a rendir de verdad en exámenes de estadística y probabilidad.
