DISTRIBUCIÓN BINOMIAL NEGATIVA O PASCALINA

En estadística la distribución binomial negativa es una distribución de probabilidad

discreta que incluye a la distribución de Pascal. Es una ampliación de las distribuciones
geométricas, utilizada en procesos en los cuales se ve necesaria la repetición de
ensayos hasta conseguir un número de casos favorables (primer éxito).

La distribución Binomial es una distribución de probabilidad discreta que mide el número

de éxitos en una secuencia de n ensayos de Bernoulli independientes entre sí, con una
probabilidad p de ocurrencia de éxitos en los ensayos.

Un experimento de Bernoulli se caracteriza por ser dicotómico, es decir, sólo son

posibles dos resultados( A y no A).

La variable aleatoria es el número de ensayos Bernoulli necesarios para obtener el

primer éxito. Si deseamos conocer el número de estos para conseguir n exitos, la
variable aleatoria es binomial negativa.

Derivación (Explicación) Formula

Derivación de la distribución si en estas circunstancia aleatorizamos de forma que la
variable aleatoria r sea “el número de pruebas necesarias para conseguir k éxitos o
resultados A”; entonces la variable aleatoria x seguirá una distribución binomial negativa
con parámetros p y k.
𝑥−> 𝐵𝑁(𝑝; 𝑘)

Derivación
K=ciertos éxitos, o el objeto de un dicho problema.
R= El número de pruebas necesarias para conseguir k.
P=total de éxitos en la muestra tomados de los éxitos de población.
Q= total de fracasos en la muestra del total de fracasos en la población.
Formula
Dado que pueden darse otros órdenes, en concreto k-1 C r-1 formas u órdenes distintos
La función de cuantía de la distribución binomial negativa quedara como:
Esperanza
El parámetro r es el número de éxitos que desea tener y p es la probabilidad de obtener
un éxito. A esta variable a esta aleatoria se le nota como x-BN(r, p)
E (x)=r/p

Varianza
Var ( X ) = r *( ( 1 - p ) / ( p^2 ) )
Esta distribución 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 número no definido de pruebas separadas o separables

. El proceso concluirá cuando se obtenga un determinado número 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 extracción éste se llevará
cabo con devolución del individuo extraído, a no ser que se trate de una
población en la que el número de individuos tenga de carácter infinito.

 (Derivación de la distribución) Si, en estas circunstancias aleatorizamos de

forma que la variable aleatoria x sea "el número de pruebas necesarias para
conseguir K éxitos o resultados A " ; entonces la variable aleatoria x seguirá una
distribución binomial negativa con parámetros p y k, será entonces:

La variable aleatoria x podrá tomar sólo valores superiores a k

El suceso del que se trata podría 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 sería la probabilidad de x si el suceso fuera

precisamente con los resultados en ese orden. Dado que pueden darse otros órdenes ,

en concreto formas u órdenes distintos. La función de cuantía de la distribución

binomial negativa quedará como:

Como ejemplo la representación gráfica de una variable sería la

siguiente:
Como en el caso de la geométrica , algunos autores aleatorizan de distinta manera el
mismo proceso . Así X sería el número de fracasos (k) necesarios antes de conseguir el
r-ésimo éxito . En este caso el número de pruebas sería k + r ( lo que nosotros hemos
llamado x) y r lo que nosotros hemos denominado k.

Para este tipo de aleatorización la función de cuantía sería:

que como se observa es la misma si se realizan los antes nombrados cambios

La función generatriz de momentos será (según nuestra aleatorización) 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 distribución BN( k=1,p)
realmente se trata de una distribución geométrica.
EJEMPLO

Se lanza al aire una moneda cargada 8 veces, de tal manera que la probabilidad de que
aparezca águila es de 2/3, mientras que la probabilidad de que aparezca sello es de 1/3,
Determine la probabilidad de que aparezcan tres águilas, y la última que aparezca sea
en el último lanzamiento.

Y=k= número de lanzamientos necesarios para que se obtenga un águila por r-ésima
vez = 8 lanzamientos
r= número de veces que aparece un éxito = 3 águilas
p=probabilidad de éxito = p(aparezca águila) = 2/3
q=probabilidad de fracaso = p(aparezca sello) = (1-p)=1/3

P(y=8)=(8-1)C(3-1)x(2/3)3x(1/3)8-3
P(y=8)=0,026

Var ( X ) = r *( ( 1 - p ) / ( p^2 ) )

FÓRMULA

Dado que pueden darse otros órdenes, en concreto k-1 C r-1 formas u órdenes
distintos. La función de cuantía de la distribución binomial negativa quedará como:
Derivación

k =ciertos éxitos, o el objetivo de un dicho problema

r =El número de pruebas necesarias para conseguir k.
p =total de éxitos en la muestra tomados de los éxitos de la población.
q =total de fracasos en la muestra del total de fracasos en la población.

Una maquina que está dañada, envasa latas de conserva de una en una y b de una
manera independiente. Se considera que el 5% de lo envasado resulta defectuoso. Si
la máquina se detiene a penas produce el terder defectuoso:

a)¿Cuál es el número de latas producidas hasta que se detiene la máquina?

b)¿Cuál es la probabilidad de que la máquina se detenga en la novena lata producida?
c)¿Cuál es la probabilidad de que se detenga sin producir ninguna lata buena?
a) E ( X ) = r / p = 3 / 0.05 = 60

b) P(y=9) = (9-1) C (3-1) x (0.05)^3 x (1 - 0.05)^9-3

P(y=9) = 0,00257

c) P(y=3) = (3-1) C (3-1) x (0.05)^3 x (1 - 0.05)^3-3

P(y=3) = 0,000125
Una aeronave tiene 3 computadoras idénticas. Sólo una de ellas se emplea para controlar la nave,
las otras 2 son de reserva, redundantes, por si falla la primera. Durante una hora de operación
la probabilidad de fallo es 0.0005.

a.- ¿Cuál es el tiempo promedio de fallo de las tres computadoras?

b.- ¿Cuál es la probabilidad de que las 3 fallen durante un vuelo de 5 horas?

Sí la probabilidad de que un cierto dispositivo de medición muestre una desviación excesiva es

de 0.05, ¿cuál es la probabilidad de que; a) el sexto de estos dispositivos de medición sometidos
a prueba sea el tercero en mostrar una desviación excesiva?, b) el séptimo de estos dispositivos
de medición sometidos a prueba, sea el cuarto que no muestre una desviación excesiva.
Los registros de una compañía constructora de pozos, indican que la probabilidad de que uno
de sus pozos nuevos, requiera de reparaciones en el término de un año es de 0.20.
a) ¿Cuál es la probabilidad de que el sexto pozo construido por esta compañía en un año
dado sea el segundo en requerir reparaciones en un año?

b) ¿Cuál es la probabilidad de que el octavo pozo construido por esta compañía en

un año dado sea el tercero en requerir reparaciones en un año?