DISTRIBUCION BINOMIAL

Un experimento sigue el modelo de la distribucin binomial o

de Bernoulli
1. En cada prueba del experimento slo son posibles dos
resultados: el suceso A (xito) y su contrario

2. La probabilidad del suceso A es constante , es decir, que no

vara de una prueba a otra. Se representa por p.
3. El resultado obtenido en cada prueba es independiente de los
resultados obtenidos anteriormente.
La distribucin binomial se suele representar por B(n, p).
n es el nmero de pruebas de que consta el experimento.
p es la probabilidad de xito .
La probabilidad de

es 1 p, y la representamos por q

Ejemplo
Se lanza una moneda cuatro veces. Calcular la probabilidad de
que salgan ms caras que cruces
B(4, 0.5) p = 0.5q = 0.5

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

siguiente

sera la

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).

DISTRIBUCIN BINOMIAL GEOMETRICA

La distribucin de probabilidad geomtrica Se recordar que en un experimento

binomial se tiene una serie de eventos idnticos e independientes, y que cada uno
origina un xito E o un fracaso F, con p(E) = p y p(F) = 1- p = q. Si se interesa el
nmero x de pruebas hasta la observacin del primer xito, entonces x posee una
distribucin de probabilidad geomtrica.

la distribucin de probabilidad del nmero X del ensayo de

Bernoulli necesaria para obtener un xito, contenido en el conjunto { 1, 2, 3,...}
o

la distribucin de probabilidad del nmero Y = X 1 de fallos antes del

primer xito, contenido en el conjunto { 0, 1, 2, 3,... }.

Cul de stas es la que uno llama "la" distribucin geomtrica, es una cuestin de
convencin y conveniencia.
Si la probabilidad de xito en cada ensayo es p, entonces la probabilidad de
que x ensayos sean necesarios para obtener un xito es

para x = 1, 2, 3,.... Equivalentemente, la probabilidad de que haya x fallos

antes del primer xito es

para x = 0, 1, 2, 3,....
En ambos casos, la secuencia de probabilidades es una progresin
geomtrica.
El valor esperado de una variable aleatoria X distribuida geomtricamente es

y dado que Y = X-1,

En ambos casos, la varianza es