4.4.

Distribución binomial
negativa.
Imagina una persona que está jugando al baloncesto con sus amigos y que al
finalizar el partido comienza a lanzar tiros libres.

A uno de ellos, especialmente desacertado, se le ocurre comentar: ¡No pienso

irme de aquí hasta conseguir anotar cinco canastas!

Esta situación puede ilustrar bastante bien el problema que resuelve la

distribución binomial negativa.

Una distribución binomial negativa de parámetros "r" y "p" surge como

una secuencia infinita de intentos de tipo Bernoulli en los que:
 Cada secuencia es independiente de las otras.
 En cada intento solamente son posibles dos resultados (éxito o
fracaso).
 La probabilidad de éxito es constante en cada secuencia.
 Los intentos continúan hasta que se consigan r éxitos.

Si llamamos X = “número de experimentos realizados hasta obtener el

r-ésimo éxito”, diremos que la variable X sigue una distribución binomial
negativa de parámetros r, p.

Es fácil deducir que la función de probabilidad de esta variable será:

La fórmula anterior no es difícil de deducir. Piensa que para esta situación

estamos seguros de que el k-ésimo intento es un éxito y que en los k-1 intentos
anteriores se deben redistribuir los anteriores r-1 éxitos.
La distribución geométrica sería un caso particular de binomial negativa cuando
r = 1.
Los parámetros media, varianza y desviación típica asociados a esta distribución
serían:

EJEMPLO 1
Para tratar a un paciente de una afección de pulmón, han de ser operados en
operaciones independientes sus 5 lóbulos pulmonares. La técnica a utilizar es tal
que si todo va bien, lo que ocurre con probabilidad de 7/11, el lóbulo queda
definitivamente sano, pero si no es así se deberá esperar el tiempo suficiente
para intentarlo posteriormente de nuevo. Se practicará la cirugía hasta que 4 de
sus 5 lóbulos funcionen correctamente. ¿Cuál es el valor de intervenciones que
se espera que deba padecer el paciente? ¿Cuál es la probabilidad de que se
necesiten 10 intervenciones?

Este es un ejemplo claro de experimento aleatorio regido por una ley binomial
negativa, ya que se realizan intervenciones hasta que se obtengan 4 lóbulos
sanos, y éste es el criterio que se utiliza para detener el proceso. Identificando
los parámetros se tiene que si X= Número de operaciones hasta obtener r=4 con
resultado positivo,

EJEMPLO 2:
Se sabe que la probabilidad de que un niño expuesto a una enfermedad
contagiosa la contraiga es de 0,4. Calcula la probabilidad de que el décimo niño
estudiado sea el tercero en contraer la enfermedad.

Podemos enfocar el problema como una binomial negativa de parámetros X =

10, k=3 y p=0,4

En la siguiente escena puedes observar la función de probabilidad de la

distribución Binomial negativa. Puedes cambiar los diferentes parámetros que
configuran dicha distribución y observar como cambia esta función a medida que
se varía alguno de ellos. Extrae tus propias conclusiones. Así mismo, puedes
utilizar también la escena como calculadora directa que permite resolver
situaciones particulares que se puedan plantear en problemas concretos.

7. DISTRIBUCIÓN BINOMIAL NEGATIVA.

Esta también es un caso especial de la distribución 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 éxitos,
solo que el último de ellos debe ocurrir en el k-ésimo ensayo o repetición
del experimento que es el último.
Para encontrar una fórmula que nos permita calcular probabilidades
con esta distribución, partiremos de un ejemplo.

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.

Solución:
Sí trazamos un diagrama de árbol que nos represente los 8 lanzamientos
de la moneda, encontraremos que las ramas que nos interesan son
aquellas en donde aparecen 3 águilas y la última de ellas aparece en el
último lanzamiento; ejemplos de una rama que nos interesa sería;
SAASSSSA, SSASSSAA, ASSASSSA, etc., etc.

Entonces la probabilidad se puede determinar de la siguiente forma:

(Probabilidad de que aparezcan Tres águilas, donde la última de ellas aparece en el último lanzamiento de
la moneda)=(# de ramas del árbol en donde la tercera águila que aparece está en el octavo
lanzamiento)(probabilidad asociada a cada rama)

Luego, definiendo algunos términos a utilizar;

Y = k = número de lanzamientos necesarios para que se obtenga una

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) = 1/3

Luego, el número de ramas que nos interesan del árbol se podría

determinar de la siguiente forma:

# de ramas =

¿Cual es la razón de que se tomen k-1 ensayos y r-1 éxitos al momento

de calcular el número de ramas que nos interesan?

Lo anterior se debe a que en el último ensayo siempre va a haber un

éxito, por lo que como éste no se va a mover como lo hacen los éxitos
anteriores, entonces no se toma en cuenta para el cálculo de las ramas
que nos interesan.
Y la probabilidad asociada a cada rama sería;

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 fórmula a utilizar sería:

Donde:
P(Y=k) = probabilidad de que ocurran r éxitos en k ensayos y que el
último de ellos que es el r-ésimo, ocurra en el k-ésimo ensayo que es el
último.

r = número de éxitos
k = número de ensayos para obtener r éxitos
p = p(éxito) = p(aparezca águila)
q = p(fracaso) = p(aparezca sello) = 1-p

Ejemplos:
1. 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?.

Solución:
a) k = 6 dispositivos de medición
r = 3 dispositivos que muestran desviación excesiva
p = p(dispositivo muestre una desviación excesiva) = 0.05
q = p(dispositivo no muestre una desviación excesiva) = 0.95

p(Y = 6) =

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

2. 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?.

Solución:
a) k = 6 pozos
r = 2 pozos que requieren reparaciones en un año
p = p(pozo requiera reparaciones en un año) = 0.20
q = p(pozo no requiera reparaciones en un año) = 0.80

p(Y = 6) =

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

p(Y = 8) =