Calculadora de media y varianza binomial negativa

Calculadora de media y varianza binomial negativa

Emergente AI Skill PRO

Ingresar cálculo

Resultados

Media (fracasos esperados antes de r éxitos)
20
Éxitos (r) 5
Probabilidad de éxito (p) 0,2
Varianza (σ²) 100
Desviación estándar (σ) 10

Fórmula

IQR=Q3−Q1\text{IQR} = Q_3 - Q_1
Estadísticas de uso

Publicidad

Informar de un error en esta página

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.

Diagrama de caja que muestra las posiciones del mínimo, Q1, la mediana, Q3 y el máximo sobre una recta numérica
Un diagrama de caja que muestra los cuartiles: el RIC es el ancho de la caja entre Q1 y Q3.

Fórmula

La media, la varianza y la desviación estándar de X son:

Publicidad
$$\mu = \frac{r(1-p)}{p}$$ $$\sigma^2 = \frac{r(1-p)}{p^2}$$ $$\sigma = \sqrt{r(1-p)}\,/\,p$$

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.

Recta numérica que divide los datos ordenados en cuatro cuartos iguales en Q1, la mediana y Q3
Los cuartiles dividen los datos ordenados en cuatro partes iguales; el RIC abarca las dos centrales.

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.

Publicidad

¿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.
Última actualización:

Lo más popular en Matemáticas y Estadísticas

Ver todas las calculadoras de Matemáticas y Estadísticas