Distribuciones discretas de probabilidad

Distribución de Probabilidad Bernoulli

Tenemos un experimento de Bernoulli si al realizar un ensayo sólo
son posibles dos resultados:
Ω
Exito Fracaso
P(éxito) = p P(fracaso) = 1-p

Los valores de la variable aleatoria X con una distribución de

Bernoulli son:
X = 1; éxito, P(X = 1) = p
X = 0; fracaso, P(X = 0 ) = q =1-p)
La función de cuantía de Bernoullí es:
f(x) = P (X = x) = px . q (1-x)
La función de distribución acumulada de Bernoullí es:
0 ; 𝑠𝑖 𝑥 <0
𝐹 𝑥 = ቐ 𝑞 ; 𝑠𝑖 0≤𝑥 <1
1; 𝑠𝑖 𝑥≥1

Características de la distribución de Bernoulli

A continuación se muestran las características más importantes de
la distribución de Bernoulli.
Ejemplo

Para ganar un juego, un jugador necesita lanzar un

dado y sacar un 2, en caso contrario, otro jugador
ganará la partida y, por tanto, se perderá el juego.
Calcula la probabilidad de éxito y de fracaso.
Ω={
 EL MODELO DE PROBABILIDAD BINOMIAL

Supongamos que un experimento aleatorio tiene sólo dos resultados posibles mutuamente
excluyentes y conjuntamente exhaustivos, "éxito" y "fracaso", y que p es la probabilidad de
obtener éxito en cada repetición.

Si se realizan n repeticiones independientes, la distribución del número de éxitos, X, resultante

se denomina distribución binomial.
 Distribución binomial
La distribución binomial aparece cuando estamos interesados
en el número de veces que un suceso A ocurre (éxitos) en
n intentos independientes de un experimento.
P. ej.: # de caras en n lanzamientos de una moneda.

Si A tiene probabilidad p (probabilidad de éxito) en un

intento, entonces 1-p es la probabilidad de que A no ocurra
(probabilidad de fracaso).
6
Supongamos que el experimento consta de n intentos y
definamos la variable aleatoria:

X = Número de veces que ocurre A.

En nuestro ejemplo: X = Número de veces que sale cara.

Entonces X puede tomar los valores 0, 1, 2, ... n.

7
La función de probabilidad P(X = x) = f(x), será;

𝒏 𝒙
𝑩(𝒏, 𝒑) = 𝒇(𝒙) = 𝒑 (𝟏 − 𝒑)𝒏−𝒙
𝒙
𝒏!
= 𝒑𝒙 (𝟏 − 𝒑)𝒏−𝒙
𝒙!(𝒏−𝒙)!

8
9
Ejercicio 1 binomial:
¿Cuál es la probabilidad de que en una familia de 4 hijos
exactamente 2 sean niñas?
Definimos X: f(x) =

𝑝 = 0.5; 𝑛 = 4; 𝑥 = 2
4
𝑓(2) = (0.5)2 (1 − 0.5)4−2
2

0,375 10
 6-21

EJEMPLO 2
• La Secretaría del Trabajo del estado de Alabama reporta que 20% de la
fuerza de trabajo en Mobile está desempleada.
• De una muestra de 15 trabajadores, calcule las siguientes
probabilidades:
a) tres están desempleados: P[X = 3] = f(3):
𝟏𝟓
X ~ B(15; 0.20); f(x) = 𝟎. 𝟐𝟎𝒙 𝟎. 𝟖𝟎𝟏𝟓−𝒙
𝒙

P[X = 3] = f(3) = C * .20 3*.8012 = 0.250

15 3
 6-22

EJEMPLO 2 continuación

• Nota: éstos también son ejemplos de distribuciones probabilísticas

acumulativas:
b) tres o más están desempleados:
P(x  3)= .250 +.188 +.103 +.043 +.014 +.003 +. 0006 + .0001= 0.602

P(x  3)= 1 – P [X < 3] = 1 – P [X ≤ 2] = 1 – 0.398 = 0.602

c) al menos un trabajador está desempleado:
P(x  1) = 1 - P(x=0) =1 - .035 = .965
d) a lo más dos trabajadores están desempleados:
e) P(x  2)= 0,044 + 0,154 + 0,250
= 0,448
6-23

Media y varianza de la distribución binomial

• La media está dada por:

E[ X ] =  = n 
• La varianza está dada por:

 = n  (1 −  )
2

2
𝜎 = 𝑛 𝜋𝑞
 6-24

EJEMPLO 4
• Del EJEMPLO 3, recuerde que:

 = 0.20 y n= 15.

•Así, la media = n  = 15(0.20) = 3

•La varianza = n  (1 -  ) = (15)(.2)(.8) =2.4

 5.73

¿Qué hay para desayunar? Se lleva a cabo un experimento de empaque al colocar, uno junto a
los otros, dos diseños diferentes de paquete para desayuno en un estante de supermercado. El
objetivo del experimento es ver si los compradores indican una preferencia por uno de los dos
diseños del paquete. En un día determinado, 25 clientes compraron un paquete del supermercado.
Sea x igual al número de compradores que escogieron el segundo diseño de paquete.
a. Si no hay preferencia por alguno de los dos diseños, ¿cuál es el valor de p, la probabilidad de que
un comprador escoja el segundo diseño de paquete?
b. Si no hay preferencia, use los resultados del inciso a) para calcular la media y desviación
estándar de x.
c. Si 5 de los 25 clientes escogieron el diseño del primer paquete y 20 escogieron el segundo diseño,
¿qué concluiría usted acerca de la preferencia de los compradores por el segundo diseño de
paquete?
 5.73
¿Qué hay para desayunar? Se lleva a cabo un experimento de empaque al colocar, uno junto a los otros, dos diseños
diferentes de paquete para desayuno en un estante de supermercado. El objetivo del experimento es ver si los compradores
indican una preferencia por uno de los dos diseños del paquete. En un día determinado, 25 clientes compraron un paquete
del supermercado. Sea x igual al número de compradores que escogieron el segundo diseño de paquete.
a. Si no hay preferencia por alguno de los dos diseños, ¿cuál es el valor de p, la probabilidad de que un comprador escoja
el segundo diseño de paquete?
b. Si no hay preferencia, use los resultados del inciso a) para calcular la media y desviación estándar de x.
c. Si 5 de los 25 clientes escogieron el diseño del primer paquete y 20 escogieron el segundo diseño, ¿qué concluiría usted
acerca de la preferencia de los compradores por el segundo diseño de paquete?

a) 0.5; b) 12.5 - 2.5

c. Hay preferencia por el segundo diseño.
 5.63
Recolección de basura:El comisionado de un municipio dice que 80% de la población de la
ciudad está a favor de que la recolección de basura sea por contrato a una empresa privada
(en contraste a la recolección por empleados del municipio).
Para verificar la teoría de que la proporción de personas en la ciudad a favor de la
recolección privada es 0.8, usted muestrea al azar 25 personas y encuentra que x, el
número de personas que apoyan lo dicho por el comisionado, es 22.
a. ¿Cuál es la probabilidad de observar al menos 22 que apoyen lo dicho por el
comisionado si, en efecto, p=0.8?

b. ¿Cuál es la probabilidad de que x sea exactamente igual a 22?

c. Con base en los resultados del inciso a), ¿qué concluiría usted acerca de lo dicho que 80%
de todas las personas de la ciudad está a favor de la recolección privada?, Explique.
 5.63

Recolección de basura: El comisionado de un municipio dice que 80% de la población de la ciudad está a
favor de que la recolección de basura sea por contrato a una empresa privada (en contraste a la recolección
por empleados del municipio). Para verificar la teoría de que la proporción de personas en la ciudad a favor
de la recolección privada es 0.8, usted muestrea al azar 25 personas y encuentra que x, el número de
personas que apoyan lo dicho por el comisionado, es 22.
a. ¿Cuál es la probabilidad de observar al menos 22 que apoyen lo dicho por el comisionado si, en efecto,
p=0.8?

b. ¿Cuál es la probabilidad de que x sea exactamente igual a 22?

c. Con base en los resultados del inciso a), ¿qué concluiría usted acerca de lo dicho que 80% de todas las
personas de la ciudad está a favor de la recolección privada?, Explique.

a. .234 b. .136 c. Lo dicho no es improbable.

5.67

Revistas para adolescentes Aun cuando las revistas para adolescentes Teen People, Hachette
Filipacche y Elle Girl dejaron de funcionar en 2006, 70% de las personas en una encuesta por
teléfono dijeron que los adolescentes todavía son un mercado viable para ellas, pero no desean títulos
que les digan que son adolescentes. Se selecciona una muestra al azar de n= 400.
a. ¿Cuál es el número promedio en la muestra que dijo que los adolescentes son todavía un mercado
viable para las revistas?
b. ¿Cuál es la desviación estándar de este número?
c. ¿Dentro de qué margen esperaría usted hallar el número de la muestra que dijeron que hay un
mercado viable de revistas para adolescentes?
d. Si sólo 225 en una muestra de 400 personas dijeron que los adolescentes aún son un mercado
viable para las revistas, ¿consideraría esto poco común? Explique. ¿Qué conclusiones se pueden
sacar de la información de esta muestra?
 5.67

Revistas para adolescentes Aun cuando las revistas para adolescentes Teen People, Hachette Filipacche y
Elle Girl dejaron de funcionar en 2006, 70% de las personas en una encuesta por teléfono dijeron que los
adolescentes todavía son un mercado viable para ellas, pero no desean títulos que les digan que son
adolescentes. Se selecciona una muestra al azar de n= 400.
a. ¿Cuál es el número promedio en la muestra que dijo que los adolescentes son todavía un mercado viable
para las revistas?
b. ¿Cuál es la desviación estándar de este número?
c. ¿Dentro de qué margen esperaría usted hallar el número de la muestra que dijeron que hay un mercado
viable de revistas para adolescentes?
d. Si sólo 225 en una muestra de 400 personas dijeron que los adolescentes aún son un mercado viable para
las revistas, ¿consideraría esto poco común? Explique. ¿Qué conclusiones se pueden sacar de la
información de esta muestra?

a. 280; b. 9.165; c. 261.67 a 298.33 d. sí; x = 225 está 6 desviaciones estándar debajo de la media.
 5.99

¿McDonald’s o Burger King? Suponga que 50% de todos los jóvenes adultos prefieren más a McDonald’s que a
Burger King cuando se les pide indicar una preferencia. Un grupo de 100 jóvenes adultos se seleccionaron al azar y se
registraron sus preferencias.
a. ¿Cuál es la probabilidad de que más de 60 prefirieron McDonald’s?

b. ¿Cuál es la probabilidad de que entre 40 y 60 (inclusive) prefirieron McDonald’s?

c. ¿Cuál es la probabilidad de que entre 40 y 60 (inclusive) prefirieron Burger King?

 5.99

¿McDonald’s o Burger King? Suponga que 50% de todos los jóvenes adultos prefieren más a McDonald’s que a
Burger King cuando se les pide indicar una preferencia. Un grupo de 100 jóvenes adultos se seleccionaron al azar y se
registraron sus preferencias.
a. ¿Cuál es la probabilidad de que más de 60 prefirieron McDonald’s?
b. ¿Cuál es la probabilidad de que entre 40 y 60 (inclusive) prefirieron McDonald’s?
c. ¿Cuál es la probabilidad de que entre 40 y 60 (inclusive) prefirieron Burger King?

a. .0176 b. .9648 c. .9648

 Elegir al azar con reemplazo
Elegir al azar con reemplazo significa que escogemos al azar un elemento
de un conjunto y lo regresamos para elegir de nuevo al azar. Esto garantiza
la independencia de las elecciones y nos lleva a una distribución
binomial.

Si una caja contiene N bolas de las cuales A son rojas, entonces la

probabilidad de escoger al azar una bola roja es: p = A/N.

Si repetimos el experimento sacando n bolas con reemplazo la probabilidad

de que x sean rojas es:
n− x
 n  A 
x
 A
P( x) =    1 −  ( x = 0,1,....n)
 x  N   N
(Una distribución binomial) 24
 Distribución
Hipergeométrica
MUESTREO SIN REPOSICIÓN

Ω
n
x n-x

E F

E F

n = número de extracciones (tamaño de la muestra)

A = número de elementos que pertenecen a la clase de los éxitos en la población
N = tamaño de la población
x = número de éxitos en la muestra 𝐶𝑥𝐴 ∗ 𝐶𝑛−𝑥
𝑁−𝐴
𝑓 𝑥 =𝑃 𝑋=𝑥 =
𝐶
𝑁 𝑛
 Elegir al azar sin reemplazo

Elegir al azar sin reemplazo significa que no devolvemos

el elemento elegido al azar al conjunto. De modo que las
probabilidades de la siguiente elección dependen de las
anteriores.
Si repetimos el experimento anterior sacando n bolas sin
reemplazo, ¿cuál será ahora la probabilidad de que x sean
rojas?
N
Casos posibles =  
n
Para calcular los casos favorables observa que:
N = A + (N – A). De las A bolas rojas tomaremos x y de las N – A
bolas no rojas tomaremos n – x.
26
Distribución hipergeométrica

Fenómeno aleatorio:
El fenómeno aleatorio que define el modelo hipergeométrico, se
caracteriza:
a. Por ser un e.a., que consiste en efectuar n pruebas no
independientes de Bernoulli. (La probabilidad de éxito no se
mantiene constante a través de los n intentos, se modifica en cada
prueba ejecutada).
b. Por ser un e.a., que consiste en extraer una m. a., de tamaño n,
una a una, sin reposición, de una población finita de tamaño N,
particionada en dos clases, arbitrariamente llamadas la clase de
los éxitos (con A elementos) y la clase de los fracasos con N-A
elementos.

27
Distribución hipergeométrica
 A
  = diferentes formas de tomar x bolas rojas de A
 x
 N − A
  = diferentes formas de tomar n − x bolas no rojas de N − A
 n−x 
 A  N − A 
Casos favorables =   
 x  n − x 

 A  N − A 
  
 x  n − x 
H (n, N , A) = P ( x) = ( x = 0,1, ..., n)
N
 
n 28
Un producto industrial particular se envía en lotes de 20. Se hacen pruebas para
determinar si un artículo es defectuoso o costoso; por tanto, el fabricante muestrea la
producción en lugar de usar un plan de inspección del 100%. Un plan de muestreo
construido para reducir al mínimo el número de piezas defectuosas, enviadas a los clientes,
exige muestrear cinco artículos de entre cada lote y rechazar el lote si se observa más de
una pieza defectuosa. (Si el lote es rechazado, cada artículo del lote se prueba entonces.)
Si un lote contiene cuatro defectuosos, ¿cuál es la probabilidad de que sea aceptado?
X: número de piezas defectuosas en un lote de 20 ➔ f(x) =
Tenemos N = 20, A = 4, N - A = 16, n = 5
P(aceptar un lote) = P(X ≤ 1) = f(0) + f(1)

4C0 * 16C5 + 4C1 * 16C4

20 C 5 20 C 5

0.2817 + 0.4696 = 0.7513

 Distribución de Probabilidad de Poisson
Si n es muy grande y p muy pequeño, es conveniente utilizar la distribución de
Poisson, ya que se consigue una buena aproximación

• El número promedio de ocurrencias de un evento por unidad de medida

(tiempo, espacio o volumen) es un valor conocido como .
• Las ocurrencias de eventos en unidades de medida contiguas son
independientes.

Esta distribución se emplea para describir sucesos discretos que

ocurren con poca frecuencia en el tiempo o en el espacio; por ello a
veces recibe el nombre de distribución de sucesos raros.
 Distribución de Probabilidad de Poisson
La función de Probabilidad P(x) se obtiene mediante:
−
 e x
P[ X = x] =  x = 0,1, 2,
x!
La esperanza es E(X) =  y la varianza es V(X) =  .
La función de distribución probabilidad es:

x e − 
F ( x ) = P[ X  x ] = 
x =0 x!
Ejemplo D. Poisson
En el tablero conmutador de la central telefónica de una institución pública se registran
2 llamadas cada 3 minutos.
a)¿Cuál es la probabilidad que ocurran 5 o más llamadas en el lapso de 9 minutos?
b)¿Cuál es la probabilidad que no registren llamadas en 9 minutos?
Solución a) .-
Definimos como variable aleatoria a
X = { Número de llamadas en 9 minutos }
RX = { 0, 1, 2, ... }
Si se registran en promedio  = 2 llamadas cada 3 minutos, luego cada 9 minutos se registrarán
en promedio  = 6 llamadas:
 Ejemplo

P [ X  5  = 6 ] = 1 − P[ X  5  = 6 ] =
6x e−6

4
= 1− =
x=0 x!
 60 e − 6 6 e −6
6 2 −6
e 6 3 −6
e 6 4 −6 
e 
= 1−  + + + + =
 0! 1! 2! 3! 4! 

= 1 − (0 ,0025 + 0 ,0149 + 0 ,0446 + 0 ,0892 + 0 ,1339) =
= 0 ,7149
Solución b) .-
6 0 e −6
P[ X = 0  = 6 ] = = 0 ,0025
0!
Ejemplo.- Se ha observado que los six-pack de cervezas se toman de los estantes
de un supermercado a razón de 10 por cada hora, durante el periodo de
mayor afluencia de público.
a)¿Cuál es la probabilidad que se saquen al menos un six-pack en los primeros 6 minutos
del periodo de mayor afluencia de público.
b)¿Cuál es la probabilidad que se saquen al menos un six-pack cada 6 minutos en la hora
de mayor afluencia de público?

Solución a) .- Definimos como variable aleatoria X

X = { Número de six-pack que se toman de los estantes en los primeros 6 minutos
del periodo de mayor afluencia de público }
RX = { 0, 1, 2, ... }
Si se toman en promedio  = 10 six-pack cada hora, luego cada 6 minutos se
tomarán en promedio  = 1 six-pack.
a)¿Cuál es la probabilidad que se saquen al menos un six-pack en los primeros 6
minutos del periodo de mayor afluencia de público.

Solución a) .-

P( X ≥ 1 )

P [ X  1  = 1] = 1 − P [ X  1  = 1 ] =
 10 e − 1 
= 1− =
 0! 
 
= 1 − 0 , 3679 = 0 ,6321
b) ¿Cuál es la probabilidad que se saquen al menos un six-pack cada 6 minutos en la
hora de mayor afluencia de público?

Solución b) .-

Si se observa cada 6 minutos en la hora de mayor afluencia de público.

Se estaría observando 10 veces.

( P[X  1  = 1] )10 = (0 ,6321)10 = 0 ,0102

 Ejemplo
Determinar la cantidad de personas de una población de 10000
que se involucra en un accidente vehicular cada año, si se sabe
que la probabilidad de tener un accidente es de 0.024%.
El número de personas implicadas sería la siguiente la cual
también es la varianza:

 = np
= (10000)(0.00024)
= 2 .4
La probabilidad de que nadie en esta población tenga un
accidente en un año en particular es
−2.4 0
e ( 2 .4 )
P ( X = 0) =
0!
= 0.091

La probabilidad de que exactamente una persona

tenga un accidentes es de

e −2.4 ( 2.4)1
P ( X = 1) =
1!
= 0.218
 De manera análoga,
e −2.4 ( 2.4) 2
P ( X = 2) =
2!
= 0.261

Debido a que los resultados de X son mutuamente

excluyentes y exhaustivos

P(X ≥7) =
= 1 – P (X≤ 6)
= 0.012
 Distribución multinomial
Cuando hay más de dos acontecimientos posibles (A1, A2, A3 ...) con
probabilidades p1 , p2 , p3 ... constantes y tales que:

 pi = 1
i
n! x1 x2 x3
p( x1 , x2 , x3 ...) = p1 . p2 . p3 ....
x1! x2 ! x3!..

Los Ai son resultados mutuamente excluyentes y colectivamente exclusivos

෍ 𝒏𝒊 = 𝒏
40
𝒊
Un método de diagnóstico tiene 3 resultados posibles: positivo (P),
negativo (N) y dudoso (D). Se sabe que, en la población, el 10% de los
sujetos son positivos, el 70% negativos y el resto dudosos. ¿Qué
probabilidad hay de, en una muestra de 5 individuos, obtener
exactamente 1 positivo, 1 negativo y 3 dudosos?

5!
p(1,3,1) = 0.1  0.7  0.2 = 0.0112
1 1 3

1!.3!.1!

42
Según una encuesta preliminar acerca del voto que los ciudadanos darán
por los candidatos para gobernador regional se ha detectado que
aproximadamente un 52% votará por el partido verde, un 40% por el
partido azul y un 8% por los partidos restantes, si se seleccionan
aleatoriamente 6 personas con edad de votar, determine la probabilidad
de que:
a) 2 voten por el verde, 1 por el azul y 3 por el resto de los partidos
b) 2 voten por el partido verde y 4 por el azul
6!
𝑝(2,1,3; 𝑛 = 6) = 0.522 × 0. 41 × 0. 083 = 0,0033226
2! .1! .3!
6!
𝑝(2, 4, 0; 𝑛 = 6) = 0.522 × 0. 44 × 0. 080 = 0,103834
2! .4! .0!

44
Las probabilidades son de 0.40, 0.20, 0.30 y 0.10 respectivamente, de que
un delegado llegue por aire a una cierta convención, llegue en autobús, en
automóvil o en tren. ¿Cuál es la probabilidad de que entre 9 delegados
seleccionados aleatoriamente en es convención, 3 hayan llegado por aire,
3 en autobús, 1 en auto y 2 en tren?

9!
𝑝 3,3,1,2; 𝑛 = 9 = 0.43 × 0. 23 × 0. 31 × 0. 12 =
3! .3! .1! .2!
0,0077414

45
 Distribución Geométrica
Consideremos el siguiente experimento:
Partimos de un experimento de Bernoulli donde la probabilidad de que ocurra
un suceso es p (éxito) y la probabilidad de que no ocurra: q = (1- p) (fracaso).
Repetimos nuestro experimento hasta conseguir el primer éxito. Definimos la
variable aleatoria X, como el número de ensayos hasta que se obtiene el
primer éxito. Entonces:
Rx = {1, 2, 3, ………..}
El espacio muestral tiene la siguiente forma:
Ω = {E, FE, FFE, FFFE, FFFFE, . . . . . .}
El número de ensayos no es fijo 46
 Distribución Geométrica
Repetimos nuestro experimento hasta conseguir el primer
éxito. Definimos la variable aleatoria X, como el número de
ensayos hasta que se obtiene el primer éxito. Entonces:

f ( x) = P ( X = x) = p (1 − p ) ,
x −1

x = 1, 2 , 3, . . .

47
 p(x)
f ( x) = P( X = x) = p (1 − p )
x −1
,
x = 1, 2, ...

1 2 3 4 5 6 7 8 x

Función de distribución:

0 ; x<1
F(x) =
1–qx ; x ≥ 1
48
Esperanza y Varianza - Distribución Geométrica

1
E [ x] = µ =  
 p

 q 
Var [ x] =  2 
 p 
49
Propiedades de la distribución geométrica

•La distribución geométrica es decreciente;

P(X) < P(X-1)
•La distribución geométrica, no tiene memoria:

P[X > (x + r) / X > r] = P[ X > x];

la distribución geométrica es la única
distribución discreta con esta propiedad.
50
 Ejemplo
• Considere una sucesión de lanzamientos independientes de dos
dados. Si x representa el número de lanzamientos hasta encontrar
suma 7, determinar el número esperado de lanzamientos hasta
conseguir suma 7
X: N° de lanzamientos hasta obtener suma 7 al lanzar 2 dados.

p = 6/36 = ⅙ q=⅚ P[X=x] = f(x) = (⅙) (⅚)x-1

𝟏 𝟏
𝑬𝒙 =µ= = 𝟏ൗ = 6
𝒑 𝟔

51
Los dos tercios de los niños de un colegio están ausentes por causa de una epidemia. En una
clase de 25 estudiantes, el profesor pasa lista. Defina X como el número de estudiantes
llamados hasta que uno responda.
a. ¿Cuál es la probabilidad que el décimo niño llamado sea el primero que responda
presente?
b. Calcular P[X ≤ 2 ] , P[X ≥ 2 ]
c. Determine E[X] y desviación estándar de X
Definimos X: número de estudiantes llamados hasta que uno responda

P[E] = p = ⅓; P[F] = q = ⅔
P(X = x) = f(x) = ⅓ * ⅔ (x-1)
P(X = 10) = f(x) = ⅓ * (⅔) (10-1) 512/59049 =

1 = 3
P[X ≤ 2 ] = E[X] = 1Τ
3
2Τ
P[X ≥ 2 ] = V[X] = 3
1Τ 2
=6
3
Un acontecimiento ocurre, en la población, en el 10% de los casos.
¿Qué tamaño de muestra debo tomar para tener una probabilidad del
95% de obtener al menos un éxito ?

n
q −1
n
0.95 =  pq x −1
= p.
x =1 q −1

0.9n − 1
0.95 = 0.1.  0.95 = −(0.9n − 1)  0.95 = −0.9n + 1
0.9 − 1
ln 0.05
− 0.05 = −0.9  ln 0.05 = n ln 0.9  n =
n
= 28.4  29
ln 0.9

53
Distribución binomial negativa
(de Pascal o de Pólya)

Consideremos el siguiente experimento:

Partimos de un experimento de Bernoulli donde la probabilidad de que ocurra un suceso es p
(éxito) y la probabilidad de que no ocurra q = 1- p (fracaso). Repetimos nuestro experimento
hasta conseguir el r-ésimo éxito.
Definimos la variable aleatoria X, como el número de fracasos x hasta que se obtiene el r-
ésimo éxito. Entonces:
El último tiene que ser un éxito.

 x + r − 1 r
BN (r , p) = P( X = x) =   p (1 − p ) ,
x

 x 
x = 0,1, 2, ...
Se denomina binomial negativa porque los coeficiente provienen de
la serie binomial negativa: p -x = ( 1-q)-x 54
 Distribución binomial negativa
(de Pascal o de Pólya)

La distribución binomial negativa también se puede definir como el

número de pruebas x hasta la aparición de r éxitos. Como el número de
pruebas x, en este caso, contabiliza tanto los éxitos como los fracasos se
tendría según ésta definición que:

 x − 1 r
 p (1 − p ) ,
x−r
BN (r , p ) = P ( X = x) = 
 r − 1
x = r, r + 1, r + 2, ...

55
 Distribución binomial negativa
(de Pascal o de Pólya)

La media y la varianza de la variable aleatoria binomial negativa son:

𝑟 𝑟∗𝑞
𝐸𝑋 = y, 𝑉𝑋 =
𝑝 𝑝2

56
Disponemos de una moneda trucada con probabilidad de cara igual a
p=0.25. La lanzamos hasta que obtenemos 2 caras. La distribución del
número de lanzamientos x será:

 x − 1
0.25 (1 − 0.25) ,
x−2
BN (r = 2, p = 0.25) = P( X = x) =  2

 2 − 1
x = 2,3, 4, ...

P(x)

x 57