Cumple las siguientes condiciones:

El experimento consiste una secuencia de ensayos independientes. Cada ensayo puede dar por resultado un xito (S) o una falla (F). La probabilidad de xito es constante de un ensayo otro, por lo tanto P(S en el ensayo i)=p con i=1,2,3,.

El experimento contina (se realizan ensayos) hasta que un total de r xitos hayan sido observados, donde r es un entero positivo especificado.

La variable aleatoria X = es el numero de fallas que preceden al xito r-simo

Los posibles valores de X son 0,1,2, Sea nb(x; r , p) la funcin de masa de probabilidad de X.

NOTA: La diferencia entre la variable aleatoria binomial y la binomial negativa es que en la primera el numero de xitos es fijo y el numero de ensayos es aleatorio

La funcin de masa de probabilidad de la variable aleatoria Binomial negativa X con los parmetros r= nmeros de xitos (S) y p=P(S) es x + (x; r , p)= x Con x=0,1,2,
Para calcular la esperanza y la varianza de una variable aleatoria binomial negativa: (X)=
V(X)=

Un pediatra desea reclutar 5 parejas, cada una de las cuales espera a su primer hijo, para participar en un nuevo rgimen de alumbramiento natural. Sea p=P(una pareja seleccionada al azar est de acuerdo en participar) .Si p=0.2, Cul es la probabilidad de que 15 parejas tengan que ser entrevistadas antes de encontrar 5 que estn de acuerdo en participar ? Es decir, con S= , Cul es la probabilidad de que ocurran 10 fallas antes del quinto xito?

Tenemos que: r= xito p=probabilidad de que una pareja seleccionada al azar est de acuerdo en participar x= Nmero de fallas que preceden al xito Tenemos: r=5 p=0.2 x=10
x + x 10 + (10; 5 , 0.2)= . . 10 (x; r , p)=

(10; 5 , 0.2)=

14 . (. )10 = .

La probabilidad de que cuando mucho se observen 10 fallas (cuando mucho 15 parejas entrevistadas) es (X

10)= x=

x; , . = . x=

x + (. )x = .

DEFINICION
Sea x una variable aleatoria que toma los valores posibles 0,1,2,3,,n, si:
P(x=k)= , !

k=0,1,2,,n,

Decimos 1que x tiene una distribucin de poisson con parmetro >

TEOREMA 1:
Si x tiene una distribucin de poisson con parmetro E(X)= = TEOREMA 2: Sea x una variable aleatoria discreta distribuida binomial mente con parmetro p(con base n repeticiones del experimento ). Esto es :

 P(x=k)= Supngase que cuando n , = ; Cuando n , Bajo estas condiciones tememos

= =

EJEMPLO
En una concurrida interseccin de trafico la probabilidad p de que un automvil tenga un accidente es muy escasa digamos p=0.0001. Sin embargo durante cierta parte del da entre las 4pm y las 6pm ,un gran numero de automviles , pasa por la interseccin, digamos 1000. bajo dichas condiciones Cules la probabilidad de que dos o mas accidentes ocurran durante ese periodo ?

hiptesis
Suponemos que el valor de p es el mismo para cada automvil Supongamos que si un automvil tiene o no accidentes , no depende de lo que suceda a cualquier otro automvil X es el numero de accidentes entre los 1000 automviles que llegan , entonces x tiene una distribucin binomial p=0.0001

Y n es el numero de automviles que pasan entrte las 4 y las 6 pm

Por lo tanto podemos obtener el valor exacto de la probabilidad buscada P(x ) = ( = ) ( = ) = .

(. ) .

La evaluacin de los valores anteriores da origen a una dificultad considerable. Puesto que n es grande y p es pequeo, as aplicado el teorema 2 obtenemos la expresin siguiente :
. . P(x=k)= !

Por lo tanto P(x )= . +. = .