Resolveremos el siguiente problema, que después vamos a

generalizar:

Melina practica hacer tiro al aro con la

pelota de básquet.
Supongamos que en cada tiro, la
probabilidad de que Melina emboque la
pelota es 0.73.
Si Melina hace 6 tiros independientes,
¿cuál es la probabilidad de que
emboque la pelota exactamente 4
veces? 1
Queremos calcular la probabilidad de que Melina emboque 4
veces y falle 2 veces.

2
Queremos calcular la probabilidad de que Melina emboque 4
veces y falle 2 veces.
La probabilidad de embocar es 0.73, y entonces la de fallar
es…

3
Queremos calcular la probabilidad de que Melina emboque 4
veces y falle 2 veces.
La probabilidad de embocar es 0.73, y entonces la de fallar
es 1 - 0.73 = 0.27.

4
Queremos calcular la probabilidad de que Melina emboque 4
veces y falle 2 veces.
La probabilidad de embocar es 0.73, y entonces la de fallar
es 1 - 0.73 = 0.27.
Una posibilidad sería que Melina emboque en los 4 primeros
intentos y falle en los 2 últimos.

5
Queremos calcular la probabilidad de que Melina emboque 4
veces y falle 2 veces.
La probabilidad de embocar es 0.73, y entonces la de fallar
es 1 - 0.73 = 0.27.
Una posibilidad sería que Melina emboque en los 4 primeros
intentos y falle en los 2 últimos.
Esto lo escribimos así: EEEEFF

6
Queremos calcular la probabilidad de que Melina emboque 4
veces y falle 2 veces.
La probabilidad de embocar es 0.73, y entonces la de fallar
es 1 - 0.73 = 0.27.
Una posibilidad sería que Melina emboque en los 4 primeros
intentos y falle en los 2 últimos.
Esto lo escribimos así: EEEEFF
Como son eventos independientes, la probabilidad de que
ocurra este caso es…

7
Queremos calcular la probabilidad de que Melina emboque 4
veces y falle 2 veces.
La probabilidad de embocar es 0.73, y entonces la de fallar
es 1 - 0.73 = 0.27.
Una posibilidad sería que Melina emboque en los 4 primeros
intentos y falle en los 2 últimos.
Esto lo escribimos así: EEEEFF
Como son eventos independientes, la probabilidad de que
ocurra este caso es
0.73⁴ x 0.27²

8
EEEEFF ------> 0.73⁴ x 0.27²

Pero esta no es la única posibilidad.

9
EEEEFF ------> 0.73⁴ x 0.27²

Pero esta no es la única posibilidad.

Podría fallar en las primeras dos y embocar las últimas
cuatro, FFEEEE. En este caso, la probabilidad es,

10
EEEEFF ------> 0.73⁴ x 0.27²

Pero esta no es la única posibilidad.

Podría fallar en las primeras dos y embocar las últimas
cuatro, FFEEEE. En este caso, la probabilidad es,
nuevamente, 0.73⁴ x 0.27².

11
EEEEFF ------> 0.73⁴ x 0.27²

Pero esta no es la única posibilidad.

Podría fallar en las primeras dos y embocar las últimas
cuatro, FFEEEE. En este caso, la probabilidad es,
nuevamente, 0.73⁴ x 0.27².
Y lo mismo para EEFFEE, EFEEFE, etcétera.
Cada una de estas combinaciones tiene la misma
probabilidad de ocurrir.

12
EEEEFF ------> 0.73⁴ x 0.27²

Pero esta no es la única posibilidad.

Podría fallar en las primeras dos y embocar las últimas
cuatro, FFEEEE. En este caso, la probabilidad es,
nuevamente, 0.73⁴ x 0.27².
Y lo mismo para EEFFEE, EFEEFE, etcétera.
Cada una de estas combinaciones tiene la misma
probabilidad de ocurrir.
Entonces, sólo necesitamos saber cuántos de estos casos
hay.
13
Son 15: EEEEFF
EEEFEF
EEEFFE
EEFEEF
EEFEFE
EEFFEE
EFEEEF
EFEEFE
EFEFEE
EFFEEE
FEEEEF
FEEEFE
FEEFEE
FEFEEE
FFEEEE
14
Son 15: EEEEFF
EEEFEF
EEEFFE ¿Podíamos saberlo sin
EEFEEF contar una por una?
EEFEFE
EEFFEE
EFEEEF
EFEEFE
EFEFEE
EFFEEE
FEEEEF
FEEEFE
FEEFEE
FEFEEE
FFEEEE
15
Son 15: EEEEFF
EEEFEF
EEEFFE ¿Podíamos saberlo sin
EEFEEF contar una por una?
EEFEFE
EEFFEE
EFEEEF ¡Sí! Es lo mismo que la
EFEEFE cantidad de maneras de
EFEFEE elegir 4 lugares de un
EFFEEE
FEEEEF
total de 6 (para poner allí
FEEEFE las E), o sea,
FEEFEE
FEFEEE
FFEEEE
16
Son 15: EEEEFF
EEEFEF
EEEFFE ¿Podíamos saberlo sin
EEFEEF contar una por una?
EEFEFE
EEFFEE
EFEEEF ¡Sí! Es lo mismo que la
EFEEFE cantidad de maneras de
EFEFEE elegir 4 lugares de un
EFFEEE
FEEEEF
total de 6 (para poner allí
FEEEFE las E), o sea,
FEEFEE
FEFEEE
FFEEEE
17
Son 15: EEEEFF
EEEFEF
EEEFFE ¿Podíamos saberlo sin
EEFEEF contar una por una?
EEFEFE
EEFFEE
EFEEEF ¡Sí! Es lo mismo que la
EFEEFE cantidad de maneras de
EFEFEE elegir 4 lugares de un
EFFEEE
FEEEEF
total de 6 (para poner allí
FEEEFE las E), o sea,
FEEFEE
FEFEEE
FFEEEE
18
En conclusión, la probabilidad de que Melina emboque
exactamente 4 veces es:

x 0.73⁴ x 0.27² ≈ 0.3105

19
En conclusión, la probabilidad de que Melina emboque
exactamente 4 veces es:

x 0.73⁴ x 0.27² ≈ 0.3105

en cuáles de
los 6 tiros
emboca

20
En conclusión, la probabilidad de que Melina emboque
exactamente 4 veces es:

x 0.73⁴ x 0.27² ≈ 0.3105

embocar
4 veces
en cuáles de
los 6 tiros
emboca

21
En conclusión, la probabilidad de que Melina emboque
exactamente 4 veces es:

x 0.73⁴ x 0.27² ≈ 0.3105

embocar
4 veces fallar
en cuáles de 2 veces
los 6 tiros
emboca

22
En conclusión, la probabilidad de que Melina emboque
exactamente 4 veces es:

x 0.73⁴ x 0.27² ≈ 0.3105

embocar
4 veces fallar
en cuáles de 2 veces
los 6 tiros
emboca

Generalicemos…
23
Melina practica hacer tiro al aro con la
pelota de básquet.
Supongamos que en cada tiro, la
probabilidad de que Melina emboque la
pelota es 0.73.
Si Melina hace 6 tiros independientes,
¿cuál es la probabilidad de que
emboque la pelota exactamente 4
veces?

24
Melina practica hacer tiro al aro con la
pelota de básquet.
Supongamos que en cada tiro, la
probabilidad de que Melina emboque la
pelota es p.
Si Melina hace 6 tiros independientes,
¿cuál es la probabilidad de que
emboque la pelota exactamente 4
veces?

25
Melina practica hacer tiro al aro con la
pelota de básquet.
Supongamos que en cada tiro, la
probabilidad de que Melina emboque la
pelota es p.
Si Melina hace n tiros independientes,
¿cuál es la probabilidad de que
emboque la pelota exactamente 4
veces?

26
Melina practica hacer tiro al aro con la
pelota de básquet.
Supongamos que en cada tiro, la
probabilidad de que Melina emboque la
pelota es p.
Si Melina hace n tiros independientes,
¿cuál es la probabilidad de que
emboque la pelota exactamente k
veces?

27
Melina practica hacer tiro al aro con la
pelota de básquet.
Supongamos que en cada tiro, la
probabilidad de que Melina emboque la
pelota es p.
Si Melina hace n tiros independientes,
¿cuál es la probabilidad de que
emboque la pelota exactamente k
veces?

La rta para el caso general es:

28
Melina practica hacer tiro al aro con la
pelota de básquet.
Supongamos que en cada tiro, la
probabilidad de que Melina emboque la
pelota es p.
Si Melina hace n tiros independientes,
¿cuál es la probabilidad de que
emboque la pelota exactamente k
veces?

La rta para el caso general es:

29
Melina practica hacer tiro al aro con la
pelota de básquet.
Supongamos que en cada tiro, la
probabilidad de que Melina emboque la
pelota es p.
Si Melina hace n tiros independientes,
¿cuál es la probabilidad de que
emboque la pelota exactamente k
veces?

La rta para el caso general es:

30
Melina practica hacer tiro al aro con la
pelota de básquet.
Supongamos que en cada tiro, la
probabilidad de que Melina emboque la
pelota es p.
Si Melina hace n tiros independientes,
¿cuál es la probabilidad de que
emboque la pelota exactamente k
veces?

La rta para el caso general es:

31
¿Y las variables aleatorias?

32
¿Y las variables aleatorias?
En la situación anterior, podríamos considerar la variable
aleatoria X = “cantidad de veces que emboca”

33
¿Y las variables aleatorias?
En la situación anterior, podríamos considerar la variable
aleatoria X = “cantidad de veces que emboca”

El rango de esta variable es {0, 1, 2, …, n}.

34
¿Y las variables aleatorias?
En la situación anterior, podríamos considerar la variable
aleatoria X = “cantidad de veces que emboca”

El rango de esta variable es {0, 1, 2, …, n}.

Lo que calculamos antes fue la probabilidad de que X

sea igual a k, es decir, tenemos una fórmula para la
función de probabilidad puntual de X:

35
¿Y las variables aleatorias?
En la situación anterior, podríamos considerar la variable
aleatoria X = “cantidad de veces que emboca”

El rango de esta variable es {0, 1, 2, …, n}.

Lo que calculamos antes fue la probabilidad de que X

sea igual a k, es decir, tenemos una fórmula para la
función de probabilidad puntual de X:

36
Distribución Binomial
Se tiene un experimento aleatorio con 2 resultados posibles
que llamamos éxito y fracaso. Este experimento se repite de
forma independiente n veces, siendo p la probabilidad de éxito
en cada repetición.
La variable aleatoria X = # éxitos obtenidos tiene
distribución Binomial de parámetros n y p.
Se escribe:

Su función de probabilidad puntual tiene la fórmula

para k = 0, 1, 2, …, n
37
Ejemplo
Si tiramos un dado 20 veces, ¿cuál es la probabilidad de
que exactamente 7 veces salga un 5?

38
Ejemplo
Si tiramos un dado 20 veces, ¿cuál es la probabilidad de
que exactamente 7 veces salga un 5?
Definimos la variable aleatoria
Y = # veces que sale un 5,
entonces

39
Ejemplo
Si tiramos un dado 20 veces, ¿cuál es la probabilidad de
que exactamente 7 veces salga un 5?
Definimos la variable aleatoria
Y = # veces que sale un 5,
entonces

y por lo tanto

40
Ejemplo
Si tiramos un dado 20 veces, ¿cuál es la probabilidad de
que exactamente 7 veces salga un 5?
Definimos la variable aleatoria
Y = # veces que sale un 5,
entonces

y por lo tanto

41
Otra situación
Volvamos al ejemplo de tirar la pelota al aro.
Esta vez, no sabemos cuántos tiros hace Melina, sino
que tira hasta embocar por primera vez.
Consideramos la v.a.
X = # intentos hasta embocar por primera vez

42
Otra situación
Volvamos al ejemplo de tirar la pelota al aro.
Esta vez, no sabemos cuántos tiros hace Melina, sino
que tira hasta embocar por primera vez.
Consideramos la v.a.
X = # intentos hasta embocar por primera vez
El rango de esta variable son todos los números
naturales: 1, 2, 3, 4, ……

43
Otra situación
Volvamos al ejemplo de tirar la pelota al aro.
Esta vez, no sabemos cuántos tiros hace Melina, sino
que tira hasta embocar por primera vez.
Consideramos la v.a.
X = # intentos hasta embocar por primera vez
El rango de esta variable son todos los números
naturales: 1, 2, 3, 4, ……
Intentemos calcular la función de probabilidad puntual
de X.
44
Función de probabilidad puntual
X = # intentos hasta embocar por primera vez

45
Función de probabilidad puntual
X = # intentos hasta embocar por primera vez

P(embocar el primer tiro)

46
Función de probabilidad puntual
X = # intentos hasta embocar por primera vez

P(embocar el primer tiro)

47
Función de probabilidad puntual
X = # intentos hasta embocar por primera vez

P(embocar el primer tiro)

48
Función de probabilidad puntual
X = # intentos hasta embocar por primera vez

P(embocar el primer tiro)

P(fallar el primer tiro y

embocar el segundo)

49
Función de probabilidad puntual
X = # intentos hasta embocar por primera vez

P(embocar el primer tiro)

P(fallar el primer tiro y

embocar el segundo)

50
Función de probabilidad puntual
X = # intentos hasta embocar por primera vez

P(embocar el primer tiro)

P(fallar el primer tiro y

embocar el segundo)

51
Función de probabilidad puntual
X = # intentos hasta embocar por primera vez

P(embocar el primer tiro)

P(fallar el primer tiro y

embocar el segundo)

P(fallar los primeros dos

tiros y embocar el tercero)

52
Función de probabilidad puntual
X = # intentos hasta embocar por primera vez

P(embocar el primer tiro)

P(fallar el primer tiro y

embocar el segundo)

P(fallar los primeros dos

tiros y embocar el tercero)

53
Función de probabilidad puntual
X = # intentos hasta embocar por primera vez

P(embocar el primer tiro)

P(fallar el primer tiro y

embocar el segundo)

P(fallar los primeros dos

tiros y embocar el tercero)

En general:
54
Función de probabilidad puntual
X = # intentos hasta embocar por primera vez

P(embocar el primer tiro)

P(fallar el primer tiro y

embocar el segundo)

P(fallar los primeros dos

tiros y embocar el tercero)

En general:
55
Distribución Geométrica
Se tiene un experimento aleatorio con 2 resultados posibles
que llamamos éxito y fracaso, que se repite de forma
independiente, siendo p la probabilidad de éxito en cada
repetición.
La variable aleatoria X = # repeticiones hasta el primer éxito
tiene distribución Geométrica de parámetro p.
Se escribe:

Su función de probabilidad puntual tiene la fórmula

para k = 1, 2, 3, 4, ……
56
Acumulada de la geométrica
Si , podemos obtener una fórmula sencilla
para su función de distribución acumulada.

57
Acumulada de la geométrica
Si , podemos obtener una fórmula sencilla
para su función de distribución acumulada.
Para un número natural k,

58
Acumulada de la geométrica
Si , podemos obtener una fórmula sencilla
para su función de distribución acumulada.
Para un número natural k,

= P(el primer éxito ocurre en alguno de los primeros k intentos)

59
Acumulada de la geométrica
Si , podemos obtener una fórmula sencilla
para su función de distribución acumulada.
Para un número natural k,

= P(el primer éxito ocurre en alguno de los primeros k intentos)

= 1 - P(los primeros k intentos son fracasos)

60
Acumulada de la geométrica
Si , podemos obtener una fórmula sencilla
para su función de distribución acumulada.
Para un número natural k,

= P(el primer éxito ocurre en alguno de los primeros k intentos)

= 1 - P(los primeros k intentos son fracasos)

61
Acumulada de la geométrica
Si , podemos obtener una fórmula sencilla
para su función de distribución acumulada.
Para un número natural k,

= P(el primer éxito ocurre en alguno de los primeros k intentos)

= 1 - P(los primeros k intentos son fracasos)

62
Ejemplo
Si tiramos muchas veces un dado,
a) ¿Cuál es la probabilidad de que la primera vez que salga
un 5 sea en la séptima tirada?
b) ¿Cuál es la probabilidad de que se necesiten menos de
10 tiradas para obtener el primer 5?

63
Ejemplo
Si tiramos muchas veces un dado,
a) ¿Cuál es la probabilidad de que la primera vez que salga
un 5 sea en la séptima tirada?
b) ¿Cuál es la probabilidad de que se necesiten menos de
10 tiradas para obtener el primer 5?

Definimos la variable aleatoria

Y = # tiradas hasta el primer 5,
entonces

64
Ejemplo
Si tiramos muchas veces un dado,
a) ¿Cuál es la probabilidad de que la primera vez que salga
un 5 sea en la séptima tirada?
b) ¿Cuál es la probabilidad de que se necesiten menos de
10 tiradas para obtener el primer 5?

Definimos la variable aleatoria

Y = # tiradas hasta el primer 5,
entonces

65
Ejemplo
Si tiramos muchas veces un dado,
a) ¿Cuál es la probabilidad de que la primera vez que salga
un 5 sea en la séptima tirada?
b) ¿Cuál es la probabilidad de que se necesiten menos de
10 tiradas para obtener el primer 5?

Definimos la variable aleatoria

Y = # tiradas hasta el primer 5,
entonces

a) Hay que calcular:

66
Ejemplo
b) ¿Cuál es la probabilidad de que se necesiten menos de
10 tiradas para obtener el primer 5?

67
Ejemplo
b) ¿Cuál es la probabilidad de que se necesiten menos de
10 tiradas para obtener el primer 5?

Esto es:

68
Ejemplo
b) ¿Cuál es la probabilidad de que se necesiten menos de
10 tiradas para obtener el primer 5?

Esto es:

69
Ejemplo
b) ¿Cuál es la probabilidad de que se necesiten menos de
10 tiradas para obtener el primer 5?

Esto es:

70
Ejemplo
b) ¿Cuál es la probabilidad de que se necesiten menos de
10 tiradas para obtener el primer 5?

Esto es:

Reemplazamos en la fórmula:

71
Una generalización más…
En la geométrica, contábamos la cantidad de
repeticiones hasta el primer éxito.

72
Una generalización más…
En la geométrica, contábamos la cantidad de
repeticiones hasta el primer éxito.
¿Qué pasa si en cambio consideramos
X = # repeticiones hasta el cuarto éxito?

73
Una generalización más…
En la geométrica, contábamos la cantidad de
repeticiones hasta el primer éxito.
¿Qué pasa si en cambio consideramos
X = # repeticiones hasta el cuarto éxito?
El rango de la variable es

74
Una generalización más…
En la geométrica, contábamos la cantidad de
repeticiones hasta el primer éxito.
¿Qué pasa si en cambio consideramos
X = # repeticiones hasta el cuarto éxito?
El rango de la variable es {4, 5, 6, 7, …}
(hay que hacer al menos 4 intentos para tener 4 éxitos).

75
Una generalización más…
En la geométrica, contábamos la cantidad de
repeticiones hasta el primer éxito.
¿Qué pasa si en cambio consideramos
X = # repeticiones hasta el cuarto éxito?
El rango de la variable es {4, 5, 6, 7, …}
(hay que hacer al menos 4 intentos para tener 4 éxitos).
De nuevo, vamos a calcular la función de probabilidad
puntual de esta variable.

76
Función de probabilidad puntual
X = # repeticiones hasta el cuarto éxito
Supongamos que queremos calcular la probabilidad de
que X = 10, es decir, la probabilidad de que el cuarto
éxito sea en el décimo intento.

77
Función de probabilidad puntual
X = # repeticiones hasta el cuarto éxito
Supongamos que queremos calcular la probabilidad de
que X = 10, es decir, la probabilidad de que el cuarto
éxito sea en el décimo intento.
Entonces, el décimo intento tiene que ser sí o sí un
éxito, y entre los otros 9 tenemos que repartir

78
Función de probabilidad puntual
X = # repeticiones hasta el cuarto éxito
Supongamos que queremos calcular la probabilidad de
que X = 10, es decir, la probabilidad de que el cuarto
éxito sea en el décimo intento.
Entonces, el décimo intento tiene que ser sí o sí un
éxito, y entre los otros 9 tenemos que repartir
3 éxitos y 6 fracasos

79
Función de probabilidad puntual
X = # repeticiones hasta el cuarto éxito
Supongamos que queremos calcular la probabilidad de
que X = 10, es decir, la probabilidad de que el cuarto
éxito sea en el décimo intento.
Entonces, el décimo intento tiene que ser sí o sí un
éxito, y entre los otros 9 tenemos que repartir
3 éxitos y 6 fracasos
Razonando igual que como hicimos para la Binomial,
vemos que
80
Función de probabilidad puntual
X = # repeticiones hasta el cuarto éxito
Supongamos que queremos calcular la probabilidad de
que X = 10, es decir, la probabilidad de que el cuarto
éxito sea en el décimo intento.
Entonces, el décimo intento tiene que ser sí o sí un
éxito, y entre los otros 9 tenemos que repartir
3 éxitos y 6 fracasos
Razonando igual que como hicimos para la Binomial,
vemos que
81
Función de probabilidad puntual
X = # repeticiones hasta el r-ésimo éxito
Supongamos que queremos calcular la probabilidad de
que X = 10, es decir, la probabilidad de que el cuarto
éxito sea en el décimo intento.
Entonces, el décimo intento tiene que ser sí o sí un
éxito, y entre los otros 9 tenemos que repartir
3 éxitos y 6 fracasos
Razonando igual que como hicimos para la Binomial,
vemos que
82
Función de probabilidad puntual
X = # repeticiones hasta el r-ésimo éxito
Supongamos que queremos calcular la probabilidad de
que X = k, es decir, la probabilidad de que el cuarto éxito
sea en el décimo intento.
Entonces, el décimo intento tiene que ser sí o sí un
éxito, y entre los otros 9 tenemos que repartir
3 éxitos y 6 fracasos
Razonando igual que como hicimos para la Binomial,
vemos que
83
Función de probabilidad puntual
X = # repeticiones hasta el r-ésimo éxito
Supongamos que queremos calcular la probabilidad de
que X = k, es decir, la probabilidad de que el r-ésimo
éxito sea en el k-ésimo intento.
Entonces, el décimo intento tiene que ser sí o sí un
éxito, y entre los otros 9 tenemos que repartir
3 éxitos y 6 fracasos
Razonando igual que como hicimos para la Binomial,
vemos que
84
Función de probabilidad puntual
X = # repeticiones hasta el r-ésimo éxito
Supongamos que queremos calcular la probabilidad de
que X = k, es decir, la probabilidad de que el r-ésimo
éxito sea en el k-ésimo intento.
Entonces, el k-ésimo intento tiene que ser sí o sí un
éxito, y entre los otros 9 tenemos que repartir
3 éxitos y 6 fracasos
Razonando igual que como hicimos para la Binomial,
vemos que
85
Función de probabilidad puntual
X = # repeticiones hasta el r-ésimo éxito
Supongamos que queremos calcular la probabilidad de
que X = k, es decir, la probabilidad de que el r-ésimo
éxito sea en el k-ésimo intento.
Entonces, el k-ésimo intento tiene que ser sí o sí un
éxito, y entre los otros k - 1 tenemos que repartir
3 éxitos y 6 fracasos
Razonando igual que como hicimos para la Binomial,
vemos que
86
Función de probabilidad puntual
X = # repeticiones hasta el r-ésimo éxito
Supongamos que queremos calcular la probabilidad de
que X = k, es decir, la probabilidad de que el r-ésimo
éxito sea en el k-ésimo intento.
Entonces, el k-ésimo intento tiene que ser sí o sí un
éxito, y entre los otros k - 1 tenemos que repartir
r - 1 éxitos y 6 fracasos
Razonando igual que como hicimos para la Binomial,
vemos que
87
Función de probabilidad puntual
X = # repeticiones hasta el r-ésimo éxito
Supongamos que queremos calcular la probabilidad de
que X = k, es decir, la probabilidad de que el r-ésimo
éxito sea en el k-ésimo intento.
Entonces, el k-ésimo intento tiene que ser sí o sí un
éxito, y entre los otros k - 1 tenemos que repartir
r - 1 éxitos y k - r fracasos
Razonando igual que como hicimos para la Binomial,
vemos que
88
Función de probabilidad puntual
X = # repeticiones hasta el r-ésimo éxito
Supongamos que queremos calcular la probabilidad de
que X = k, es decir, la probabilidad de que el r-ésimo
éxito sea en el k-ésimo intento.
Entonces, el k-ésimo intento tiene que ser sí o sí un
éxito, y entre los otros k - 1 tenemos que repartir
r - 1 éxitos y k - r fracasos
Razonando igual que como hicimos para la Binomial,
vemos que
89
Distribución Binomial Negativa
Se tiene un experimento aleatorio con 2 resultados posibles
que llamamos éxito y fracaso, que se repite de forma
independiente, siendo p la probabilidad de éxito en cada
repetición.
La variable aleatoria X = # repeticiones hasta el r-ésimo éxito
tiene distribución Binomial Negativa de parámetros r y p.
Se escribe:

Su función de probabilidad puntual tiene la fórmula

para k ≥ r
90
Últimos comentarios

91
Últimos comentarios
● La geométrica es un caso particular de la binomial
negativa, con r = 1. Es decir:
BN(1,p) = Ge(p)

92
Últimos comentarios
● La geométrica es un caso particular de la binomial
negativa, con r = 1. Es decir:
BN(1,p) = Ge(p)
● ¿Por qué se llama binomial negativa?

93
Últimos comentarios
● La geométrica es un caso particular de la binomial
negativa, con r = 1. Es decir:
BN(1,p) = Ge(p)
● ¿Por qué se llama binomial negativa?

Binomial:
Cantidad de intentos fija
Contamos cantidad de éxitos

94
Últimos comentarios
● La geométrica es un caso particular de la binomial
negativa, con r = 1. Es decir:
BN(1,p) = Ge(p)
● ¿Por qué se llama binomial negativa?

Binomial: Binomial negativa:

Cantidad de intentos fija Cantidad de éxitos fija
Contamos cantidad de éxitos Contamos cantidad de intentos

95