Distribucin binomial

U n a di s t ri bu ci n binom ia l o de Bern oulli t iene las

sigu ien tes c ar acter st icas:

1. E n cada pr u eb a del ex per im ento s lo so n po s ib les do s

res ul t a dos : x i t o y fra ca s o .

2. L a proba bi l i da d de x ito es cons ta nte , es d ecir , que n o

v ar a de u n a pr u eb a a o tr a. Se r epr esenta po r p .

2. L a proba bi l i da d
r epr esen ta po r q ,

de

fra ca s o t am b in

es cons ta nte ,

Se

q = 1 p

3. E l res ul t a do o bte nido en cad a pr ueba es indep endi ent e d e

lo s r esu lt ado s o bten i do s anter io r m ente.

4. L a va ri a bl e a l ea t oria binom ia l , X , e x pr esa el n m ero d e

x itos obt eni dos e n la s n pr uebas. Por tanto , lo s v a lo r e s que

puede to m ar X so n : 0, 1, 2, 3, 4, . .. , n .

L a di s t ri bu ci n bi m om ia l se ex pr esa po r B( n, p)

Clculo de probabilidades en una distribucin binomial

n es el n m er o de pr uebas.

k es el n m er o de x ito s.

p es la pr o b abi l ida d de x ito .

q es la pr o b abi l ida d de f r acaso .

E l n m er o co m bin ato r io

E j em pl o

L a lt im a n o v e la de u n auto r ha ten ido u n gr an x ito , ha sta e l punto de qu e el 8 0% de lo s le cto r es y a l a han le ido . U n gr upo de 4 am igo s so n af ic io n ad o s a la lectur a:

1. Cu l es l a pr o b abi l ida d de que e l gr upo hay an le ido l a

no v ela 2 per so n a s?

n = 4

p = 0. 8

q = 0. 2

B( 4, 0. 8)

2. Y al m en o s 2?

Definicin: La distribucin de probabilidad de una variable aleatoria binomial negativa se llama una distribucin binomial negativa. Tambin es conocida como la distribucin de Pascal o la distribucin de Polya. Supongamos que lanzamos una moneda al aire repetidas veces y contar el nmero de cabezas (xitos). Si seguimos volteando la moneda hasta que ha aterrizado dos veces en la cabeza, estamos llevando a cabo un experimento binomial negativa. Formula: P (X = r) = n-1 C-1 r p r (1-p) n Cuando, n = Nmero de eventos. r = nmero de eventos exitosos. p = probabilidad de xito en un solo ensayo. n C-1 r-1 = ((n-1) / ((n-1) - (r-1))!) / (r-1)! 1-p = probabilidad de fracaso.

Ejemplo: Encontrar la probabilidad de que un hombre lanzando una moneda se la cuarta en la tapa de sesiones.

Paso 1: En este caso, Nmero de ensayos n = 9 (ya que lanza la moneda nueve veces). Nmero de xitos r = 4 (ya que define los jefes como un xito). Probabilidad de xito para cualquier moneda para p = 0,5 Paso 2: Encuentra n-1 y R-1. n-1 = 09/01 = 8 r-1 = 4-1 = 3

Paso 3: Para encontrar n-1 C r-1 Calcular ((n-1) - (r-1))! (N-1) - (r-1) = 03/08 = 5 ((N-1) - (r-1))! = 5! = 120 Paso 4: Buscar (n-1)! = 8! = 40320 Paso 5: Buscar (r-1)! = 3! = 6 Paso 6: Encontrar (n-1)! / ((N-1) - (r-1))! = 40320/120 = 336 Paso 7: Para resolver n-1 C r-1 se utiliza la frmula. = 336 / 6 = 56 Paso 8: Buscar p r. = 0.5 4 = 0.0625 Paso 9: Encontrar (1-p) n Calcular 1-p y n . 1-p = 1-0.5 = 0.5 nr = 9.4 = 5 Paso 10: Calcular (1-p) nr. = 0.5 5 = 0.03125 Paso 11: Calcular la distribucin binomial negativa. = 560.06250.03125 = 0.109375

La probabilidad de que la moneda caiga sobre las cabezas por cuarta vez en el noveno lanzamiento de moneda es 0,1094.

Se determina la definicin de distribucin binomial negativa como extensin de la distribucin geomtrica, en donde se analizan varios eventos antes de lograr un nmero determinado de xitos En este video tutorial se explica la distribucin binomial negativa a partir de la relacin con la distribucin geomtrica. Para poder comprender la distribucin binomial negativa debe entenderse que esta es a la distribucin geomtrica lo mismo que la distribucin binomial es a la distribucin de Bernoulli. Se recomienda estudiar los videos anteriores en los que se explica la distribucin de Bernoulli, distribucin binomial y distribucin geomtrica. Se menciona la relacin anterior como elemento introductorio ya que la distribucin de Bernoulli busca analizar un evento, mientras la distribucin binomial busca analizar varios eventos; la distribucin geomtrica busca analizar los eventos necesarios antes de obtener un xito, y la distribucin binomial negativa no busca slo un xito sino varios. Lo que hace la distribucin binomial negativa es arrojar valores mltiples para procesos predictivos, es decir, se est buscando aplicar la distribucin de una progresin geomtrica para eventos diferentes. La distribucin binomial negativa es muy prctica para modelar situaciones en las que se requiere determinar un nmero de ensayos de Bernoulli para poder obtener determinado nmero de xitos, por lo que se convierte e una continuacin de la distribucin geomtrica. La distribucin binomial negativa cumple con las siguientes condiciones: presenta un nmero no definido de pruebas separadas o separables, es decir, independientes; cada prueba debe arrojar dos resultados mutuamente excluyentes; la probabilidad de que el evento se d se conoce como P, y la probabilidad de fracaso se conoce como q, que es igual a 1-p; las probabilidades p y q son constantes en todas las pruebas; se busca un nmero k de xitos. Cuando tenemos estos elementos podemos decir que la variable x se comporta segn una distribucin binomial negativa con parmetros p y k, que son la probabilidad de xito y el nmero de xito respectivamente. Cuando contamos con dicha informacin se puede definir la probabilidad de que se d la variable x, y se aclara que como todas las distribuciones de carcter discreto tiene una configuracin similar a la distribucin de Bernoulli y el elemento de combinacin es similar al de la distribucin binomial.

La distribucin Binomial negativa

Puede definirse como una generalizacin del modelo Geomtrico o de Pascal. As, dado un suceso A y su complementario Ac, cuando X representa el nmero de veces que se da Ac (ausencias, fallos, etc.) hasta que se produce r veces el suceso A, en una serie de repeticiones de la experiencia aleatoria en condiciones independientes,decimos que X sigue la distribucin

Binomial negativa. Ntese que, cuando r = 1, tenemos exactamente el modelo geomtrico. Este modelo queda definido por dos parmetros p (la probabilidad de A: p = P(A)) y r (el nmero de veces que debe producirse A para que detengamos la experiencia). La funcin de densidad viene dada por:

donde q representa el complementario de p: q = 1 p. Propiedades del modelo Binomial negativo 1) Esperanza: E(X) = r q/p 2) Varianza: V(X) = r q/p2 3) Se cumplen las siguientes propiedades respecto la funcin de densidad:

4) Este modelo se ajusta bien a contajes (nmeros de individuos por unidad de superficie) cuando se produce una distribucin contagiosa (los individuos tienden a agruparse). 5) La distribucin Binomial negativa puede definirse con mayor generalidad si tomamos r como un nmero real positivo cualquiera (no necesariamente entero). Pero, en dicho caso, se pierde el carcter intuitivo del modelo y se complican ligeramente los clculos. Por dichas razones, se ha excluido dicha posibilidad en esta presentacin.

DISTRIBUCIN BINOMIAL NEGATIVA

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. 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.

FORMULA

Teniendo en cuenta que:

P(X=x) = funcin de densidad de la variable aleatoria binomial negativa. p = probabilidad de xito q = probabilidad de fracaso K = cantidad de xitos x = cantidad de fracasos

RESOLVIENDO EL PROBLEMA

En una fabrica, la probabilidad de que una persona la acepten para trabajar es de el 20 %. De 10 personas que no salieron seleccionadas. Calcular probabilidad de que antes 3 hayan sido seleccionadas.

Aqui el primer paso es checar los datos que nos proporcioan Tenemos que: p= .20 q=.40 k=10 x=3 El siguiente paso ser distribuir los datos en la formula dada.

Este tipo de distribucin es muy sencilla ya que tienes los datos muy claros en los problemas. An as, si sigues teniendo dudas te invito a checar el link que viene abajo. Ah encontrars ms problemas con el procedimiento dado.