You are on page 1of 15

Distribucin binomial negativa

Distribucin binomial negativa


Parmetros

(real)
(real)

Dominio

Funcin de probabilidad(fp)

Funcin de distribucin(cdf)

es la funcin beta incompleta


regularizada

Media

Moda

Varianza

Coeficiente de simetra

Curtosis

Funcin generadora de
momentos(mgf)

Funcin caracterstica

[editar datos en Wikidata]

En estadstica la distribucin binomial negativa es una distribucin de probabilidad discreta


que incluye a la distribucin de Pascal.
El nmero de experimentos de Bernoulli de parmetro independientes realizados hasta la
consecucin del k-simo xito es una variable aleatoria que tiene una distribucin binomial
negativa con parmetros k y .
La distribucin geomtrica es el caso concreto de la binomial negativa cuando k = 1.

Propiedades[editar]
Su funcin de probabilidad es
para enteros x mayores o iguales que k, donde
.
Su media es
si se piensa en el nmero de fracasos nicamente y
si se cuentan tambin los k-1 xitos.
Su varianza es
en ambos casos.

Ejemplos[editar]
Si la probabilidad de que un nio expuesto a una enfermedad contagiosa la contraiga es 0,40,
Cul es la probabilidad de que el dcimo nio expuesto a la enfermedad sea el tercero en
contraerla? En este caso, X es el nmero de nios expuestos la enfermedad y
La solucin es:
En un proceso de manufactura se sabe que un promedio de 1 en cada 10 productos es
defectuoso, cual es la probabilidad que el quinto (5) artculo examinado sea el primero (1) en
estar defectuoso?. La solucin es: X= artculos defectuosos P= 1/10 = 0,1 q= 1- 0,1 = 0,9 x= 5
ensayos K= 1 f_b(5;1,0.1)=(5-1\1-1)(0.1)^1*(0.9)^5-1= b*(5;1,0.1)= 6.6% de probabilidad que
el quinto elemento extrado sea el primero en estar defectuoso.

Enlaces externos[editar]

Calculadora Distribucin binomial negativa

[1] Clculo de la probabilidad de una distribucin binomial negativa con R (lenguaje de


programacin)
Categora:
Distribuciones discretas

DISTRIBUCIN BINOMIAL NEGATIVA.

Esta distribucin puede considerarse como una extensin o ampliacin


de la distribucin geomtrica . La distribucin binomial negativa es un
modelo adecuado para tratar aquellos procesos en los que se repite un
determinado ensayo o prueba hasta conseguir un nmero determinado de

resultados favorables (por vez primera) .Es por tanto de gran utilidad para
aquellos muestreos que procedan de esta manera. Si el nmero de
resultados favorables buscados fuera 1 estaramos en el caso de la
distribucin geomtrica . Est implicada tambin la existencia de una
dicotoma de resultados posibles en cada prueba y la independencia de
cada prueba o ensayo, o la reposicin de los individuos muestreados.
Proceso experimental del que puede hacerse derivar
Esta distribucin o modelo puede hacerse derivar de un proceso
experimental puro o de Bernouilli en el que se presenten las siguientes
condiciones
El proceso consta de un nmero no definido de pruebas separadas o
separables . El proceso concluir cuando se obtenga un determinado
nmero de resultados favorables K
Cada prueba puede dar dos resultados posibles mutuamente
excluyentes A y no A
La probabilidad de obtener un resultado A en cada una de las
pruebas es p siendo la probabilidad de no A , q . Lo que nos lleva a
que p+q=1
Las probabilidades p y q son constantes en todas las pruebas. Todas
las pruebas son independientes. Si se trata de un experimento de
extraccin ste se llevar cabo con devolucin del individuo extrado, a no
ser que se trate de una poblacin en la que el nmero de individuos tenga
de carcter infinito.
(Derivacin de la distribucin) Si, en estas circunstancias
aleatorizamos de forma que la variable aleatoria x sea "el nmero de
pruebas necesarias para conseguir K xitos o resultados A " ; entonces
la variable aleatoria x seguir una distribucin binomial negativa con
parmetros p y k
ser entonces
La variable aleatoria x podr tomar slo valores superiores a

k
El suceso del que se trata podra verse como:

o lo que es lo mismo

dado que las pruebas son independientes y conocemos que P(A)= p y P(no
A)= q

que sera la probabilidad de x si el suceso fuera precisamente con los


resultados en ese orden. Dado que pueden darse otros rdenes , en
concreto
formas u rdenes distintos . La funcin de cuanta de la
distribucin binomial negativa quedar como :

Como ejemplo la representacin grfica de una

variable
sera la siguiente

Como en el
caso de la geomtrica ,
algunos autores
aleatorizan de distinta
manera el mismo
proceso . As X sera el
nmero de fracasos (k)
necesarios antes de
conseguir el r-simo xito
. En este caso el nmero de pruebas sera k + r ( lo que nosotros hemos
llamado x) y r lo que nosotros hemos denominado k.
Para este tipo de aleatorizacin la funcin
de cuanta sera:

que como se observa es la misma si se realizan los


antes nombrados cambios
La funcin generatriz de momentos ser (segn nuestra aleatorizacin)
para una BN(k,p).

Aplicando el teorema de los momentos hallamos media y varianza que


resultan ser:

No parece necesario recordar que si nos encontramos con una


distribucin BN( k=1,p) realmente se trata de una distribucin geomtrica.

La distribucin Binomial negativa


Puede definirse como una generalizacin del modelo Geomtrico o de Pascal.
As, dado un suceso A y su complementario Ac, cuando X representa el nmero
de veces que se da Ac(ausencias, fallos, etc.) hasta que se produce r veces el
suceso A, en una serie de repeticiones de la experiencia aleatoria en
condiciones independientes, decimos que X sigue la distribucin Binomial
negativa. Ntese que, cuando r = 1, tenemos exactamente el modelo geomtrico.
Este modelo queda definido por dos parmetros p (la probabilidad
de A: p = P(A)) y r (el nmero de veces que debe producirse A para que
detengamos la experiencia).
La funcin de densidad viene dada por:

donde q representa el complementario de p: q = 1 p.

Propiedades del modelo Binomial negativo


1) Esperanza: E(X) = r q/p
2) Varianza: V(X) = r q/p2
3) Se cumplen las siguientes propiedades respecto la funcin de densidad:

4) Este modelo se ajusta bien a contajes (nmeros de individuos por unidad de


superficie) cuando se produce una distribucin contagiosa (los individuos
tienden a agruparse).
5) La distribucin Binomial negativa puede definirse con mayor generalidad si
tomamos r como un nmero real positivo cualquiera (no necesariamente entero).
Pero, en dicho caso, se pierde el carcter intuitivo del modelo y se complican
ligeramente los clculos. Por dichas razones, se ha excluido dicha posibilidad en
esta presentacin.

DISTRIBUCIN BINOMIAL NEGATIVA


DISTRIBUCIN BINOMIAL NEGATIVA

Esta distribucin puede considerarse como una extensin o ampliacin de la distribucin


geomtrica . La distribucin binomial negativa es un modelo adecuado para tratar aquellos
procesos en los que se repite un determinado ensayo o prueba hasta conseguir un nmero
determinado de resultados favorables (por vez primera) .Es por tanto de gran utilidad para aquellos
muestreos que procedan de esta manera. Si el nmero de resultados favorables buscados fuera 1
estaramos en el caso de la distribucin geomtrica . Est implicada tambin la existencia de una
dicotoma de resultados posibles en cada prueba y la independencia de cada prueba o ensayo, o la
reposicin de los individuos muestreados.
Esta distribucin o modelo puede hacerse derivar de un proceso experimental puro o de Bernouilli
en el que se presenten las siguientes condiciones
El proceso consta de un nmero no definido de pruebas separadas o separables . El
proceso concluir cuando se obtenga un determinado nmero de resultados favorables K
Cada prueba puede dar dos resultados posibles mutuamente excluyentes A y no A

La probabilidad de obtener un resultado A en cada una de las pruebas es p siendo la


probabilidad de no A , q . Lo que nos lleva a que p+q=1

Las probabilidades p y q son constantes en todas las pruebas. Todas las pruebas son
independientes. Si se trata de un experimento de extraccin ste se llevar cabo con devolucin
del individuo extrado, a no ser que se trate de una poblacin en la que el nmero de individuos
tenga de carcter infinito.

(Derivacin de la distribucin) Si, en estas circunstancias aleatorizamos de forma que la


variable aleatoria x sea "el nmero de pruebas necesarias para conseguir K xitos o
resultados A " ; entonces la variable aleatoria x seguir una distribucin binomial negativa
con parmetros p y k.

FORMULA

Teniendo en cuenta que:

P(X=x) = funcin de densidad de la variable aleatoria binomial negativa.


p = probabilidad de xito
q = probabilidad de fracaso
K = cantidad de xitos
x = cantidad de fracasos

RESOLVIENDO EL PROBLEMA

En una fabrica, la probabilidad de que una persona la acepten para trabajar es de el 20


%. De 10 personas que no salieron seleccionadas. Calcular probabilidad de que antes 3
hayan sido seleccionadas.

Aqui el primer paso es checar los datos que nos proporcioan


Tenemos que:
p= .20
q=.40
k=10
x=3
El siguiente paso ser distribuir los datos en la formula dada.

Este tipo de distribucin es muy sencilla ya que tienes los datos muy claros en los
problemas. An as, si sigues teniendo dudas te invito a checar el link que viene abajo.
Ah encontrars ms problemas con el procedimiento dado.

BINOMIAL NEGATIVO
DISTRIBUCION BINOMIAL NEGATIVA

En la distribucin geomtrica, la variable aleatoria estaba definida como el nmero


de ensayos Bernoulli necesarios para obtener elprimer xito. Suponga ahora que
se desea conocer el nmero de ensayos hasta obtener r xitos; en este caso la
variable aleatoria es denominada binomial negativa.

Algunos autores denotan esta distribucin como b= (x.p.r)Observe que en el caso


especial donde, la variable aleatoria binomial negativa se convierte en una variable
aleatoria geomtrica.

La tabla siguiente expresa la diferencia entre una variable aleatoria binomial y una
variable aleatoria binomial negativa. En este sentido, la variable aleatoria binomial
negativa se considera como el opuesto, o el negativo, de una variable aleatoria
binomial.

La media y la varianza de una variable aleatoria binomial negativa X con


Parmetros p y r son:

Suponga otra vez el caso del jugador de ftbol del ejemplo Cul es la
Probabilidad de que el quinto tiro que lanza sea precisamente su tercer gol?
Sea X el nmero de tiros libres hechos por un futbolista para obtener tres goles.
Observe que X es una variable aleatoria binomial negativa con p = 0.7 y r = 3.

La probabilidad pedida es:

la distribucion binomia negativa acumulada se expresa como


supongamos que X es una variable aleatoria binomial negativa con p=0,2 y r=4 Calcule:

Si X es igual al Numero de fracasos antes de obtener K xitos, entonces la variable


aleatoria X tiene por funcin de densidad:

P(X=x) = funcin de densidad de la variable aleatoria binomial negativa.


p = probabilidad de xito
q = probabilidad de fracaso
K = cantidad de xitos
x = cantidad de fracasos
La probabilidad que un alumno que no entienda binomial negativa repruebe el examen es
de 75% si se pide seleccionar 5 alumnos reprobados al azar calcular la probabilidad de
haber tomado 3 alumnos aprobados antes de los 5 reprobados
p = 0.75
q = 0.25
K=5
x=3

En el saln hay 12 mujeres y 17 hombres si extraemos alumno tras alumno hasta


acompletar 7
mujeres Calcular probabilidad de que hayan salido 2 hombres?
p = 12/29
q = 17/29
P(X=x)=2
k=7
x=2

La probabilidad de que una persona la acepten para trabajar en una fabrica es de el 20 %


de 10 personas no salieron seleccionadas Calcular probabilidad de que antes 3 hayan
sido seleccionadas?
p = 0.80
q = 0.20
k= 10
x=3

En una caja hay 8 canicas rojas, 10 verdes, 5 negras, si extraemos 6 canicas rojas al azar
Calcular probabilidad de que ya hayan salido 2 canicas verdes ?
p = 8 / 13 = 0.347826
q = 15 / 23 = 0.6521739
k=6
x=2

7. DISTRIBUCIN BINOMIAL NEGATIVA.

Esta tambin es un caso especial de la distribucin Binomial, ya que en


este caso se trata de que al llevar a efecto varias veces un experimento
binomial, se desea determinar la probabilidad de que ocurran r xitos,
solo que el ltimo de ellos debe ocurrir en el k-simo ensayo o repeticin
del experimento que es el ltimo.
Para encontrar una frmula que nos permita calcular probabilidades con
esta distribucin, partiremos de un ejemplo.
Ejemplo:
Se lanza al aire una moneda cargada 8 veces, de tal manera que la
probabilidad de que aparezca guila es de 2/3, mientras que la
probabilidad de que aparezca sello es de 1/3, Determine la probabilidad
de que aparezcan tres guilas, y la ltima que aparezca sea en el ltimo
lanzamiento.
Solucin:
S trazamos un diagrama de rbol que nos represente los 8 lanzamientos
de la moneda, encontraremos que las ramas que nos interesan son
aquellas en donde aparecen 3 guilas y la ltima de ellas aparece en el
ltimo lanzamiento; ejemplos de una rama que nos interesa sera;
SAASSSSA, SSASSSAA, ASSASSSA, etc., etc.
Entonces la probabilidad se puede determinar de la siguiente forma:
(Probabilidad de que aparezcan Tres guilas, donde la ltima de ellas aparece en el ltimo lanzamiento de la
moneda)=(# de ramas del rbol en donde la tercera guila que aparece est en el octavo lanzamiento)
(probabilidad asociada a cada rama)

Luego, definiendo algunos trminos a utilizar;


Y = k = nmero de lanzamientos necesarios para que se obtenga una
guila por r-sima vez = 8 lanzamientos
r = nmero de veces que aparece un xito = 3 guilas
p = probabilidad de xito = p(aparezca guila) = 2/3
q = probabilidad de fracaso = p(aparezca sello) = 1/3

Luego, el nmero de ramas que nos interesan del rbol se podra


determinar de la siguiente forma:
# de ramas =
Cual es la razn de que se tomen k-1 ensayos y r-1 xitos al momento de
calcular el nmero de ramas que nos interesan?
Lo anterior se debe a que en el ltimo ensayo siempre va a haber un
xito, por lo que como ste no se va a mover como lo hacen los xitos
anteriores, entonces no se toma en cuenta para el clculo de las ramas
que nos interesan.
Y la probabilidad asociada a cada rama sera;
Probabilidad asociada a cada rama = p(S)*p(A)*p(A)*p(S)*p(S)*p(S)*p(S)*p(A)=
= q*p*p*q*q*q*q*p =

Por lo tanto, la frmula a utilizar sera:

Donde:
P(Y=k) = probabilidad de que ocurran r xitos en k ensayos y que el
ltimo de ellos que es el r-simo, ocurra en el k-simo ensayo que es el
ltimo.
r = nmero de xitos
k = nmero de ensayos para obtener r xitos
p = p(xito) = p(aparezca guila)
q = p(fracaso) = p(aparezca sello) = 1-p
Ejemplos:
1. S la probabilidad de que un cierto dispositivo de medicin muestre
una desviacin excesiva es de 0.05, cul es la probabilidad de que; a) el
sexto de estos dispositivos de medicin sometidos a prueba sea el tercero
en mostrar una desviacin excesiva?, b) el sptimo de estos dispositivos

de medicin sometidos a prueba, sea el cuarto que no muestre una


desviacin excesiva?.
Solucin:
a) k = 6 dispositivos de medicin
r = 3 dispositivos que muestran desviacin excesiva
p = p(dispositivo muestre una desviacin excesiva) = 0.05
q = p(dispositivo no muestre una desviacin excesiva) = 0.95

p(Y = 6) =
b) k = 7 dispositivos de medicin
r = 4 dispositivos que no muestran una desviacin excesiva
p = p(dispositivo no muestre una desviacin excesiva) = 0.95
q = p(dispositivo muestre una desviacin excesiva) = 0.05

p(Y = 7) =

2. Los registros de una compaa constructora de pozos, indican que la


probabilidad de que uno de sus pozos nuevos, requiera de reparaciones
en el trmino de un ao es de 0.20. a) Cul es la probabilidad de que el
sexto pozo construido por esta compaa en un ao dado sea el segundo
en requerir reparaciones en un ao?.
b) Cul es la probabilidad de que el octavo pozo construido por esta
compaa en un ao dado sea el tercero en requerir reparaciones en un
ao?.
Solucin:
a) k = 6 pozos
r = 2 pozos que requieren reparaciones en un ao
p = p(pozo requiera reparaciones en un ao) = 0.20
q = p(pozo no requiera reparaciones en un ao) = 0.80

p(Y = 6) =

b) k = 8 pozos
r = 3 pozos que requieren reparaciones en un ao
p = p(pozo requiera reparaciones en un ao) = 0.20
q = p(pozo no requiera reparaciones en un ao) = 0.80

p(Y = 8) =