Qué hace esta calculadora
La Calculadora de media y varianza binomial negativa devuelve los dos primeros momentos de una distribución binomial negativa. En la parametrización estándar de "fallos antes de los éxitos", la variable aleatoria X cuenta el número de fallos que ocurren antes del r-ésimo éxito en una secuencia de ensayos de Bernoulli independientes, donde cada ensayo tiene éxito con probabilidad p. Introduce r y p, y la herramienta indica la media, la varianza y la desviación estándar de X.
Cómo funciona
Cada ensayo es un experimento independiente de éxito o fallo con una probabilidad de éxito constante p. Sigues muestreando hasta acumular r éxitos; X es el número de fallos observados por el camino. Como X puede escribirse como la suma de r variables geométricas independientes, cada una contando los fallos antes de un único éxito, su media y su varianza son exactamente r veces la media y la varianza de un término geométrico. Esto da lugar a expresiones en forma cerrada que dependen solo de r y p.
Fórmula
La media, la varianza y la desviación estándar de X son:
Aquí r es el número objetivo de éxitos y p es la probabilidad de éxito por ensayo, con 0 < p <= 1. Observa que la varianza siempre es mayor que la media por un factor de 1/p, por lo que la binomial negativa está sobredispersada respecto a la Poisson.
Ejemplo resuelto
Supón que necesitas r = 5 éxitos y que cada ensayo tiene éxito con probabilidad p = 0.5. El número medio de fallos antes del 5.º éxito es 5(1 - 0.5)/0.5 = 5. La varianza es 5(1 - 0.5)/0.5^2 = 2.5/0.25 = 10, por lo que la desviación estándar es sqrt(10), aproximadamente 3.16. En promedio esperas unos 5 fallos, con una dispersión típica de unos 3 fallos alrededor de esa media.
Preguntas frecuentes
¿Qué parametrización binomial negativa utiliza? Usa la convención estándar de "número de fallos antes del r-ésimo éxito", por lo que la media es r(1-p)/p. Si tu libro de texto cuenta el total de ensayos en lugar de los fallos, suma r a la media para pasar de una convención a la otra.
¿Tiene r que ser un número entero? Para la interpretación clásica de conteo, r es un entero positivo, pero las fórmulas de la media y la varianza siguen siendo válidas para cualquier r real > 0, que es el caso de la distribución binomial negativa generalizada (de Polya).
¿Qué ocurre cuando p se acerca a 1? Cuando p está cerca de 1 casi todos los ensayos tienen éxito, por lo que casi no hay fallos y tanto la media como la varianza tienden a 0. A medida que p se hace pequeño, los fallos se acumulan y ambos momentos crecen con rapidez.
Media y varianza binomial negativa para distintos valores de r y p
La tabla usa \(X\) = número de fallos antes del \(r\)-ésimo éxito como parametrización, con media \(\mu = r(1-p)/p\) y varianza \(\sigma^2 = r(1-p)/p^2\). La razón varianza-media se simplifica a \(1/p\).
| r | p | Media r(1-p)/p | Varianza r(1-p)/p² | Desviación estándar | Razón varianza-media 1/p |
|---|---|---|---|---|---|
| 1 | 0.5 | 1 | 2 | 1.4142 | 2 |
| 5 | 0.5 | 5 | 10 | 3.1623 | 2 |
| 5 | 0.2 | 20 | 100 | 10 | 5 |
| 10 | 0.8 | 2.5 | 3.125 | 1.7678 | 1.25 |
| 3 | 0.1 | 27 | 270 | 16.4317 | 10 |
Comprobación con ejemplo para r = 5, p = 0.2: \(\mu = 5(0.8)/0.2 = 4/0.2 = 20\), \(\sigma^2 = 5(0.8)/0.2^2 = 4/0.04 = 100\), \(\sigma = \sqrt{100} = 10\), y \(1/p = 5 = 100/20\).
Definiciones y glosario
- r: el número objetivo de éxitos; el proceso se detiene en el r-ésimo éxito. Es un entero positivo en la forma clásica (la distribución puede extenderse a valores reales positivos).
- p: la probabilidad de éxito en cada ensayo independiente, con 0 < p ≤ 1.
- X: el número de fallos observados antes del r-ésimo éxito, que toma los valores 0, 1, 2, …
- Media: el valor esperado de X, \(E[X] = r(1-p)/p\).
- Varianza: la desviación cuadrática esperada respecto a la media, \(\operatorname{Var}(X) = r(1-p)/p^2\).
- Desviación estándar: la raíz cuadrada de la varianza, \(\sqrt{r(1-p)}/p\).
- Sobredispersión: varianza mayor que la media. La binomial negativa presenta sobredispersión siempre que 0 < p < 1.
- Distribución geométrica: el caso especial r = 1, que cuenta los fallos antes del primer éxito, con media \((1-p)/p\) y varianza \((1-p)/p^2\).
- Parametrización por número total de ensayos: si Y = X + r cuenta todos los ensayos hasta el r-ésimo éxito inclusive, la media es \(r/p\) mientras que la varianza se mantiene en \(r(1-p)/p^2\), porque sumar la constante r desplaza la media pero no la dispersión.