Reseña del Capítulo 8 de la PARTE III del libro "Estadística para Dummies", de Deborah J. Rumsey

RESEÑA DEL CAPÍTULO 8 DE LA PARTE 3: DISTRIBUCIONES Y EL TEOREMA DEL LÍMITE CENTRAL

CAPÍTULO 8: Variables aleatorias y la distribución binomial

Jhon Alexánder Monsalve Flórez 

Esta reseña surge de conversaciones sobre el libro mantenidas con ChatGPT

El capítulo 8 del libro Estadística para Dummies de Deborah J. Rumsey introduce al lector en una de las bases de la probabilidad aplicada: la distribución binomial y el concepto de variable aleatoria. Con un estilo pedagógico, la autora busca conectar la teoría de la probabilidad con el razonamiento estadístico, aunque lo hace con un enfoque que, por momentos, privilegia lo técnico sobre lo conceptual.

Rumsey inicia definiendo qué es una variable aleatoria, distinguiendo entre las discretas y las continuas. Las primeras —que pueden contarse— se asocian con fenómenos como los lanzamientos de un dado o los resultados de encuestas de “sí” o “no”; las segundas —que se miden en escalas continuas— se vinculan con distribuciones como la normal. Esta distinción permite comprender que la distribución binomial pertenece al campo de las variables discretas, en contraste con la distribución normal, que describe comportamientos continuos (desarrollados por la autora en el Capítulo 9).

A partir de esa base, la autora explica que la distribución binomial se aplica a experimentos con solo dos resultados posibles —éxito o fracaso— y establece cuatro condiciones necesarias para su validez:

1. número fijo de intentos,
2. dos posibles resultados,
3. probabilidad constante de éxito, y
4. independencia entre los intentos.

Este planteamiento es claro y se ilustra con ejemplos sencillos, como el clásico de los semáforos: calcular la probabilidad de encontrar dos luces rojas al recorrer tres intersecciones.

Rumsey desarrolla la fórmula binomial:

 

explicando el papel de los factoriales y la lectura combinatoria del término . Aunque el formalismo matemático puede resultar denso para un lector principiante, el ejemplo de los semáforos logra concretar la idea de “formas posibles” de obtener un número de éxitos.

Uno de los aciertos del capítulo es la introducción de tablas binomiales en el apéndice, que facilitan el cálculo de probabilidades sin recurrir a factoriales. Rumsey muestra cómo esas tablas permiten estimar la probabilidad de obtener exactamente un número determinado de éxitos o un rango (por ejemplo, “entre uno y tres semáforos en rojo”). Esta herramienta didáctica reduce la carga aritmética y centra la atención en la interpretación de resultados.

No obstante, el capítulo presenta ciertos vacíos teóricos. Rumsey aborda la distribución binomial exclusivamente desde la probabilidad, sin establecer de manera explícita su puente con la estadística inferencial, donde los parámetros poblacionales se estiman a partir de muestras. Una lectura crítica permite entender que la binomial no solo describe la probabilidad de un suceso aislado, sino también la estabilidad de las proporciones cuando un experimento se repite bajo las mismas condiciones. En este sentido, habría sido útil que la autora ejemplificara cómo una encuesta con respuestas dicotómicas (“sí”/“no”) puede modelarse mediante una binomial para estimar la proporción de éxitos esperada en futuras aplicaciones.

Otro aspecto cuestionable es la traducción española realizada por Alfredo García Espada (2013), quien utiliza el término variancia en lugar de varianza. Si bien ambos son sinónimos, la segunda forma es la consagrada en la literatura estadística hispana y en los manuales académicos. Este detalle terminológico podría confundir a estudiantes que se inician en la disciplina.

Rumsey también afirma que, al lanzar un dado “mil millones de veces”, el promedio de los resultados sería 3,5. Aunque esta afirmación puede parecer tajante, su sentido es teórico: se refiere al valor esperado de una variable aleatoria uniforme discreta. En la práctica, el promedio se aproxima a 3,5 conforme aumenta el número de lanzamientos, lo cual conecta con la ley de los grandes números y anticipa los temas del Teorema del Límite Central que se desarrollarán en los capítulos posteriores.

El capítulo culmina con las fórmulas de la media y la desviación estándar de la distribución binomial:

Estas expresiones permiten cuantificar tanto el valor promedio de éxitos esperados como la dispersión de los resultados. Sin embargo, Rumsey no profundiza en su interpretación: el lector podría creer que la media representa un número exacto de éxitos observados, cuando en realidad se trata de un promedio teórico que describe el centro de la distribución.

En conjunto, el capítulo 8 cumple con los objetivos propuestos: identifica las condiciones de la distribución binomial, enseña a calcular probabilidades mediante fórmulas o tablas y explica cómo obtener la media y la varianza. Pese a su tono didáctico, la autora simplifica algunos vínculos con la estadística inferencial y pasa por alto la dimensión interpretativa de los parámetros. Con todo, el texto logra introducir al lector en la lógica de la probabilidad discreta y en la idea fundamental de que los fenómenos binarios —como ganar o perder, aprobar o reprobar, gustar o no gustar— pueden modelarse matemáticamente para anticipar patrones de comportamiento en el tiempo.