Distribucin Binomial Negativa en el anlisis de fenmenos recurrentes

Autores
Andrade Luzmila Moreno
Lpez Margarita Severiche
Pacheco Indira
Resumen
El objetivo del trabajo es exponer las aplicaciones que tiene la distribucin
binomial negativa en el clculo de probabilidades en sucesos recurrentes. 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. Es por tanto de gran utilidad para
aquellos muestreos que procedan de esta manera. Se resuelven diversos
problemas aplicados a este modelo para conceptualizar la teora y entender su
aplicabilidad en sucesos recurrentes. Se concluye finalmente 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.
Palabras Claves
Binomial Negativa, fenmenos recurrentes, Probabilidades, xito, fracaso,
geomtrica, Bernoulli.
Introduccin
Pretendemos con este trabajo, en primer lugar, presentar las caractersticas
esenciales del modelo de la distribucin binomial negativa, analizando algunos
fenmenos del mundo emprico que ofrecen tales caractersticas y sacar
conclusiones acerca la eficiencia de la distribucin Binomial negativa.
En el contexto de los fenmenos recurrentes, el anlisis mediante la regresin de
Poisson puede provocar sobredispersin o variancia extra-Poisson. Esto conduce

a la subestimacin de los errores estndares de los coeficientes, pudiendo derivar

en la significacin estadstica de factores que realmente no estn asociados con el
fenmeno. La binomial negativa puede captar parte de la variancia que no
identifica la regresin de Poisson.(A.Navarro, 2001).
En ese orden de ideas supongamos el fenmeno recurrente de las consultas
mdicas a cierta entidad de Salud, que verifican una secuencia infinita de intentos
del tipo de Bernoulli, es decir:
La secuencia de intentos es independiente.
Cada resultado del intento puede tomar nicamente dos resultados mutuamente
excluyentes, que denotaremos por EXITO (E) o FRACASO (F).
La probabilidad de xito (y por lo tanto la de fracaso) es constante en cada
intento.
Los intentos continan (se ejecutan) hasta que un total de r xitos se hayan
observado.
As cada intento, definiendo p = P (EXITO) y asignando el valor 0 cuando ocurre F
y el valor 1 cuando ocurre E, se puede describir como una distribucin de Bernoulli
de parmetro p. (Gonzales Ana)
Si el fenmeno que se estudia permite que un individuo presente el mismo
episodio ms de una vez (nmero de hospitalizaciones, consultas ambulatorias,
ataques de asma, etc.), ste es recurrente. Por lo tanto el objetivo de este estudio
consiste en exponer la posible problemtica que generan los fenmenos
recurrentes en la atencin medica de un paciente en una entidad de salud,
respecto el nmero de veces que un paciente debe ir a consulta para determinar
su enfermedad u anomala, el nmero de hospitalizaciones, etc. y presentar la
Binomial Negativa como una alternativa vlida y sencilla para analizar este tipo de
fenmeno.

Marco terico

Una variable aleatoria Binomial negativa representa el nmero de fracasos que

ocurren hasta obtener el n-simo xito en la realizacin de ensayos de Bernoulli
con probabilidad p de xito. As, el nmero de artculos examinados de un lote
hasta que aparece el n-simo defectuoso; el nmero de candidatos a entrevistar
cuando se quiere formar un equipo de n personas idneas para un puesto de
trabajo; el nmero de melocotones que un cliente exigente manipula antes de
conseguir un kilo de ellos que satisfagan sus criterios; etc. (Garcia Rafael)
Esta distribucin o modelo puede hacerse derivar de un proceso experimental
puro o de Bernoulli 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 r.

Cada prueba 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.
Si, en estas circunstancias aleatorizamos de forma que la variable aleatoria
X sea El nmero de pruebas necesarias para conseguir r xitos o
resultados A ; entonces la variable aleatoria X seguir una distribucin
negativa con parmetros P y r . xBN(P,r)

Si X tiene la distribucin Binomial negativa con r (nmero de xitos) y p

(probabilidad de xito) que denotaremos por X BN(r, p) entonces la variable y =
X+r, que representa el nmero de pruebas para el xito r-simo, tiene una
distribucin relacionado con X por:

x1 p ( 1 p )
P=( y =k )=P ( X =K )= ( r1 )
r

kr

si k=r , r +1, r +2,

0 en el otro caso

La distribucin binomial negativa con r=1 es conocida por distribucin geomtrica

de parmetro p y mide el nmero de fracasos antes del primer xito
Propiedades:

E ( x )=

Media

Varianza

r 1
Var ( X )= ( 1)
p p

Desviacin Tpica

r
p

r 1
( 1)
p p

Fenmenos recurrentes
Como ejemplo, considere el uso de un medicamento que se sabe que es efectivo
en 60% de los casos en que se utiliza. El uso del medicamento se considerara un
xito si es efectivo al proporcionar algn grado de alivio al paciente. Nos interesa
encontrar la probabilidad de que el quinto paciente que experimente alivio sea el
sptimo paciente en recibir el medicamento en una semana dada. Designamos
xito con S y Fracaso con F, un orden posible para alcanzar el resultado que se
desea es SFSSSFS, que ocurre con probabilidad.
(0,6)(0,4)(0,6)(0,6)(0,6)(0,4)(0,6) = (0,6)5(0,4)2
Podramos listar todos los posibles ordenes mediante el reacomodo de la F y las S
excepto para el ultimo resultado, que dese ser el quinto xito. El nmero total de
ordenes posibles es igual al nmero de particiones de las primeras seis pruebas
en dos grupos con dos fracasos asignados a un grupo y los cuatro xitos

asignados al otro grupo. Esto se puede realizar de

(64 )=15

formas mutuamente

excluyentes.
De aqu, si X representa el resultado en el que ocurre el quinto xito, entonces.
2
5
P ( X=7 )= 6 0,6 ( 0,4 ) =0,1866
4

()

Ejemplo 1: Si la probabilidad de que un nio expuesto a una enfermedad

contagiosa la contraiga es 0,40, Cul es la probabilidad de que el dcimo nio
expuesto a la enfermedad sea el tercero en contraerla?
Solucin:
En este caso, X es el nmero de nios expuestos la enfermedad
x = 10 r = 3

P ( X=K ) = x1 p (1 p )
r 1

( )

kr

= 9 0,403 ( 10,40 )7 =0,0645

7

()

Estadstica matemtica con aplicaciones. By John E. Freund, Irwin Miller, Marylees

Miller (Ejemplo 5,3)

Ejemplo 2: Encuentre la probabilidad de que una persona que lanza tres monedas
obtenga solo caras o solo cruces por segunda vez en el quinto lanzamiento.
Solucin:
X = 5 , r = 2 , p = 0,25

P ( X=K ) = x1 p (1 p )
r 1

( )

kr

= 4 0,252 ( 10,25 )3=0,10

1

()

Probabilidad y estadstica para ingenieros. By Ronald E. Walpole, Raymond

H. Myers, Sharon L. ( Ejercicio 5,13)

Ejemplo 3: Los registros de una compaa constructora de pozos, indican que la

probabilidad de que uno de sus pozos nuevos, requiera de reparaciones en el
trmino de un ao es de 0.20. a)

Cul es la probabilidad de que el sexto pozo

construido por esta compaa en un ao dado sea el segundo en requerir

reparaciones en un ao?.
Solucin:
x = 6 pozos
r = 2 pozos que requieren reparaciones en un ao
p = p(pozo requiera reparaciones en un ao) = 0.20
q = p(pozo no requiera reparaciones en un ao) = 0.80

P ( X=K ) = x1 p (1 p )
r 1

( )

kr

= 5 0,202 ( 10,20 )4 =0, 0 81

1

()

http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/08DISTRI
BUCION%20BINOMIAL%20NEGATIVA.htm (Ejercicio 2)
Discusin
Si consideramos el caso especial de la distribucin binomial negativa donde r = 1 ,
tenemos una distribucin de probabilidad para el nmero de pruebas que se tiene
para un solo xito. Un ejemplo seria lanzar una moneda hasta que salga cara. No

podemos interesar en la probabilidad de que ocurra la primera cara en el cuarto

lanzamiento. Se acostumbra a este caso especial como Distribucin geomtrica.
Entonces las reas de aplicacin para las distribuciones Binomial negativa y
geomtrica difieren, en el caso de la geomtrica las pruebas ocurren antes de que
un xito represente un costo, muy lejano a la realidad. Las aplicaciones de la
binomial negativa son similares en naturaleza. Los intentos son costosos en algn
sentido y ocurren en sucesin.
Diversos autores han propuesto otras interesantes aplicaciones de la distribucin
binomial negativa y otros han comparado su eficiencia con otras distribuciones.
(Prieto Eugenio) Aplico la distribucin binomial negativa a una aseguradora, su
estudio demostr que el acaecimiento de los accidentes de automviles a las
plizas aseguradas en una cierta entidad aseguradora presentan diferentes
grados de propensin al accidente, concretados en diferentes valores de , en una
distribucin de Poisson, demostr que si se distribuye segn una ley de Pearson
de tipo III, la distribucin del nmero de accidentes para el total de la cartera de la
entidad sigue el modelo de la distribucin binomial negativa. El autor estudia con
cierto detalle la distribucin binomial negativa desde el punto de vista de las
aplicaciones actuariales, analizando las diversas formas de generarse este
modelo. (Prieto Eugenio)
(A.Navarro, 2001) expone en su artculo titulado La distribucin binomial negativa
frente a la de Poisson en el anlisis de fenmenos recurrentes . En el contexto
de los fenmenos recurrentes, el anlisis mediante la regresin de Poisson puede
provocar sobredispersin o variancia extra-Poisson. Esto conduce a la
subestimacin de los errores estndares de los coeficientes, pudiendo derivar en
la significacin estadstica de factores que realmente no estn asociados con el
fenmeno. La binomial negativa puede captar parte de la variancia que no
identifica la regresin de Poisson. Y concluye, la existencia de sobredispersin es
frecuente en fenmenos recurrentes. Cuando esto sucede, el uso de la binomial
negativa es ms apropiado que el de la regresin de Poisson. (A.Navarro, 2001).
Conclusiones

En este trabajo 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 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 en una continuacin de la distribucin geomtrica.
Bibliografa
Estadstica matemtica con aplicaciones (Sexta Edicin). By John E. Freund, Irwin
Miller, Marylees Miller (2000).
Probabilidad y estadstica para ingenieros. (Sexta edicin) By Ronald E. Walpole,
Raymond H. Myers, Sharon L. (1999)
Distribucion

Binomial

negativa

http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/08DISTRI
BUCION%20BINOMIAL%20NEGATIVA.htm
Distribucion

Binomial

negativa

(Para

Variables

aleatorias

discretas)

https://aula.tareasplus.com/Marcela-Gomez/Probabilidad-yEstadistica/Distribucion-binomial-negativa-para-variables-aleatorias-discretas
Articulo: Aplicaciones al seguro de la distribucin binomial negativa Por EUGENIO
PRIETO PEREZ

Articulo: La distribucin binomial negativa frente a la de Poisson en el anlisis de

fenmenos recurrentes por A. Navarro (2001)
Principales

Distribuciones

discretas

http://anapg.webs.uvigo.es/Tema2Discretasmodif.pdf
Modelos de probabilidad 2. J lejarza & I.lejarza
variables Aleatorias Discretas . Rafael Garcia Marin

(Gonzales

Ana).