Saltar al contenido
Omnikalc

Distribución binomial negativa: ¿cuántos ensayos hacen falta para r éxitos?

Obtén la probabilidad de que el r-ésimo éxito llegue en el ensayo k, como mucho en el k o después, con la esperanza y la varianza del número de ensayos.

Actualizado el
Tus datos

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Resultados

P(X = k): r-ésimo éxito exactamente en el ensayo k

0,10451

P(X ≤ k): r éxitos en k ensayos como máximo

0,68461

P(X > k)
0,31539
Esperanza del número de ensayos r ÷ p
7,5
Varianza r(1 − p) ÷ p²
11,25
Número medio de fracasos antes del r-ésimo éxito
4,5

La distribución binomial negativa

La distribución binomial negativa, llamada también distribución de Pascal, generaliza la distribución geométrica: describe el número de pruebas independientes necesarias para obtener r éxitos, con la misma probabilidad de éxito p en cada prueba. ¿Cuántos tiros libres hasta la tercera canasta? ¿Cuántas llamadas para cerrar cinco ventas? ¿Cuántas perforaciones antes de tres pozos productivos?

Las fórmulas

Con X el número de pruebas necesarias para el r-ésimo éxito:

  • P(X = k) = C(k − 1, r − 1) × pʳ × (1 − p)^(k − r), para k ≥ r;
  • P(X ≤ k) = probabilidad de al menos r éxitos en k pruebas, calculada con la distribución binomial;
  • esperanza r ÷ p, varianza r(1 − p) ÷ p².

El término C(k − 1, r − 1) cuenta las formas de colocar los r − 1 primeros éxitos entre las k − 1 primeras pruebas, ya que la última debe ser el r-ésimo éxito.

Ejemplo

Queremos r = 3 éxitos, y cada prueba tiene éxito con probabilidad p = 0,4:

  • tercer éxito exactamente en la octava prueba: C(7, 2) × 0,4³ × 0,6⁵ = 21 × 0,064 × 0,0778 ≈ 0,105;
  • 3 éxitos en 8 pruebas como máximo: ≈ 0,685;
  • hacen falta más de 8 pruebas: ≈ 0,315;
  • esperanza de 7,5 pruebas, de ellas 4,5 fracasos de media, y varianza de 11,25.

Dos convenciones

Algunos manuales y programas cuentan el número de fracasos antes del r-ésimo éxito en lugar del número de pruebas. Ambos difieren en r: fracasos = pruebas − r. Comprueba la convención de tu fuente; en R, por ejemplo, dnbinom cuenta los fracasos.

Uso en estadística

Más allá de los tiempos de espera, la binomial negativa es el modelo de referencia de los datos de recuento sobredispersos, cuya varianza supera la media: número de consultas médicas por persona, de siniestros por asegurado, de insectos por planta. La distribución de Poisson impone una varianza igual a la media; la binomial negativa añade un parámetro de dispersión. Por eso la regresión binomial negativa se usa mucho en epidemiología, ecología y actuaría.

Distribuciones vecinas

  • Con r = 1, la binomial negativa se reduce a la distribución geométrica.
  • La distribución binomial fija el número de pruebas y cuenta los éxitos; la binomial negativa fija el número de éxitos y cuenta las pruebas.
  • La suma de r variables geométricas independientes con el mismo parámetro p sigue una distribución binomial negativa.

Preguntas frecuentes

¿Qué es la distribución binomial negativa?

Da la probabilidad de que el r-ésimo éxito se produzca en un ensayo dado, o tras un número dado de fracasos.

¿Qué relación tiene con la distribución geométrica?

La distribución geométrica es el caso particular r = 1.

¿Cuál es su esperanza?

r/p ensayos, es decir, r(1 − p)/p fracasos antes del r-ésimo éxito.

¿Dónde se utiliza?

Prospección comercial, control de calidad y datos de recuento más dispersos que una distribución de Poisson.

¿Te ha resultado útil esta calculadora?

¡Gracias por tu opinión!

Resultados orientativos con fines informativos. No sustituyen el consejo de un profesional.