DISTRIBUCION BINOMIAL NEGATIVA

SANTIAGO ANDRES BARON CERON

JULIAN NICOLAS BARRERA NIÑO
JHON ALEXANDER PATIÑO RODRIGUEZ

UNIVERSIDAD PEDAGOGICA Y TEGNOLOGICA DE COLOMBIA

FACULTAD DE INGENIERIA
ELECTROMECANICA
DUITAMA
2019
DISTRIBUCION BINOMIAL NEGATIVA

1. Definición
2. Formula
3. Varianza
4. Simetría
5. Curtosis o apuntamiento
6. Aplicaciones
7. Grafica
8. Ejemplo
9. Ejercicio
DISTRIBUCION BINOMIAL NEGATIVA

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 éxitos, la variable aleatoria es binomial negativa.

El número de experimentos de Bernoulli de parámetro independientes

realizados hasta la consecución del k-ésimo éxito es una variable aleatoria
que tiene una distribución binomial negativa con parámetros k y .
La distribución geométrica es el caso concreto de la binomial negativa
cuando k = 1.
FORMULA

𝑥−1 𝑟
𝑓(𝑘) = 𝑝(𝑋 = 𝑘) = ( ) 𝑝 ∙ (1 − 𝑝)𝑥−𝑟
𝑟−1

Donde X es el número total de pruebas, r es el intento donde se consigue

el éxito y p la probabilidad que se encuentre la disconformidad.

VARIANZA

(1 − 𝑝)
𝐸 (𝑋) = 𝑟 ∗
𝑝2
Donde r es el intento donde se consigue el éxito y p la probabilidad de
disconformidad.

SIMETRIA

La fórmula para hallar la asimetría está dada por:

1+𝑞
𝛾1 =
√𝑟𝑞
Teniendo en cuenta que p es la probabilidad de conseguir el resultado A y
q el de no conseguir A
2−𝑝
√𝑟(1 − 𝑝)
 CURTOSIS

6 𝑝2
+
𝑟 𝑟(1 − 𝑝)
Donde r es el intento donde se consigue el éxito y p es la probabilidad que
se encuentre una disconformidad

GRAFICA

El siguiente es un ejemplo de grafica de la distribución binomial negativa:

Esta gráfica muestra una distribución binomial negativa que modela el

número total de ensayos y tiene una probabilidad de evento de 0.5 y 4
eventos.
0.18
P 0.16
R 0.14
O 0.12
B 0.1

A 0.08
0.06
B
0.04
I
0.02
L 0
I 0 5 10 15 20 25

D
NUMERO TOTAL DE PRUEBAS
A
D
APLICACIONES

Para lo que más se usa la distribución binomial negativa en el campo de la

ingeniería es para saber si el resultado de un proyecto será el adecuado,
ya que si la probabilidad de tener muchos fracasos es alta se podría
descartar el proyecto antes de tener que invertir en hacer pruebas, ya que
estas en el caso de la ingeniería pueden ser bastante complicadas y
costosas.
EJEMPLO

Un componente electrónico tiene una probabilidad de 0.90 de pasar un

control de calidad, (se asume independencia entre los resultados del
control de calidad de diferentes componentes electrónicos).
Calcule la probabilidad que sean necesarios revisar 5 componentes para
obtener que 3 pasen el control de calidad

SOLUCION:

Se sabe que P=0,9; r=3 y x = 5

Se sabe que la fórmula es:
𝑥−1 𝑟
𝑓(𝑥) = ( ) 𝑝 (1 − 𝑝)𝑥−𝑟
𝑟−1
Reemplazando
4
𝑃(𝑋 = 5) = ( ) ∗ 0.93 ∗ 0.1
2
Entonces
𝑃(𝑋 = 5) = 0.04374
EJERCICIO

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?
c)
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) =