ObjetivosLa distribución binomial negativa
Distribución de Polya-Eggenberger
Distribución binomial negativa y Polya-Eggenberger
Lorena RojasPedro SandovalJeisson Lombana
Universidad Distrital Francisco José de Caldas
.
ObjetivosLa distribución binomial negativa
Distribución de Polya-Eggenberger
Objetivo GeneralObjetivos Especi�cos
Objetivo General
Exponer la teoría y los conceptos que se involucran en ladistribución y binomial negativa y de Polya-Eggenberger
.
ObjetivosLa distribución binomial negativa
Distribución de Polya-Eggenberger
Objetivo GeneralObjetivos Especi�cos
Objetivos Especi�cos.
Analizar los diversos teoremas relacionados de la distribuciónbinomial negativa
Dar explicación a las caracteristícas fundamentales de ladistribución Polya-Eggenberger
.
ObjetivosLa distribución binomial negativa
Distribución de Polya-Eggenberger
Propiedades
Una de las caracteristícas mas importantes de esta distribución esque se encarga de generalizar en cierto sentido la distribucióngeométrica al analizar los fracasos en los experimentos antes dellegar al éxito para esto se recurre a lo que sigue:�los primeros k fracasos hasta obtener los m éxitos�
Con esto podemos decir que la suma de las diversas variablesaletorias con esa condición, nos conduce a una distribuciónbinomial de la siguiente forma
P(ym = k) = P(Sm+k−1 =m−1)P(Xm+k = 1)
.
ObjetivosLa distribución binomial negativa
Distribución de Polya-Eggenberger
=
(m+k−1
m−1
)pm−1qkp
=
(m+k−1
k
)pmqk
=
(−mk
)pm(−q)k
.
ObjetivosLa distribución binomial negativa
Distribución de Polya-Eggenberger
Sea:
P =1−p
p
q =1
p
La función caracteristíca está dada por
φ(t) = (Q−Pe it)−r
y la función generadora de momento está dada por:
M(t) = (etx) =∞
∑x=0
etx(x+ r −1
r −1
)pr (1−p)x
.
ObjetivosLa distribución binomial negativa
Distribución de Polya-Eggenberger
=∞
∑x=0
etx(−mk
)pm(−q)k
= pm∞
∑x=0
(−mk
)(−qet)x(1−r−x)
= pm(1−qet)−r
(p
1−qet
)r
.
ObjetivosLa distribución binomial negativa
Distribución de Polya-Eggenberger
ahora si se tiene que(Nn
)=(
NN−n
)M(t) = pr [1− (1−p)et ]−r
M ′(t) = pr (1−p)r [1− (1−p)et ]r−1et
M”(t) = (1−p)rpr (1− et +pet)r−2.(−1− etr + etpr)et
.
ObjetivosLa distribución binomial negativa
Distribución de Polya-Eggenberger
Con las respectivas derivadas de la función generadora demomentos podemos obtener la ezperanza y al varianza al evaluarlasen 0 por tanto:
µ′1 =M ′(0) =
rq
p
µ′2 =M”(0) =
rq
p2
.
ObjetivosLa distribución binomial negativa
Distribución de Polya-Eggenberger
De�nición
En los casos anteriores se analizó las distribuciones con la condiciónfundamental de que los eventos que ocurrían bajo la variablealeatoria fueran independientes,en esta distribución esta hipótesislos experimentos sufren de �contagio� es decir que un suceso puedein�uir en el siguiente; Para esta recurrimos al experimento conocidocomo �La urna de Polya�
.
ObjetivosLa distribución binomial negativa
Distribución de Polya-Eggenberger
Urna de Polya
Consideremos una urna que contenga α1 > 0 bolas de colores idonde i = 1,2, ....m sea m �nito; Cada vez que se extrae una bolase mira su color y se introduce de nuevo a la urna con las demásdel mismo color. Asumiendo que −nc ≤min(α1,α2, .....αm) laextracción es repetida n veces. Ahora sea vn
1= ni
nel número de
veces que la bola de color i es escogida en n selecciones; el vectorvn = [vn
1,vn
2, ......vnm] dada la distribución de Polya-Eggenberger la
probabilidad P(vn,q,c) está dada por:
P(vn,q,c) =n!
∏mi=1 ni !
∏mi=1 αi (αi + c)....(αi +(ni −1))c
N(N+ c)....(N+(n−1)c)
Donde N = ∑mi=1 αi el vector q = αi
Ni = 1,2, ....m
.
ObjetivosLa distribución binomial negativa
Distribución de Polya-Eggenberger
Ahora con la anterior información si el vector q = 1 tenemos que laanterior probabilidad se simpli�ca a la siguiente forma; pretendiendopues, hallar la P(X = r) sabiendo que para la extracción de bola decierto tipo (en este caso la bola color 1) es como sigue
primera extracción aN
Segunda extracción a+cN+c
(pues se habrá reintroducido la bolaanterioirmente extraída supuestamente del tipo 1 con las otras desu clase por lo tanto el número de bolas en la urna será N+ c
siendo de tipo 1 a+ c)
Tercera extracción a+2cN+2c
.
ObjetivosLa distribución binomial negativa
Distribución de Polya-Eggenberger
En la rnextracción a+(r−1)cN+(r−1)c
Supuesto que lo pretendemos hallar, precisamente, la probabilidadde que en la n extracciones que realicemos sean exactamente r lasbolas del tipo 1 obtenidas , aún habrían de producirse n− r
extracciones más; Para que el suceso mencionado tenga sentido, ysupuesta la extracción de la bola blanca en cada una de las rextracciones, en las n− r restantes deberá aparecer la bola del tipo2; Consecuencia de esto la probabilidad de estas n− r extraccionesestá dada por:
En la r +1 extracción bN+rc
En la r +2 extracción b+cN+(r+1)c
.
ObjetivosLa distribución binomial negativa
Distribución de Polya-Eggenberger
En la nsextracción b+(s−1)cN+(n−1)c
Siendo s = n− r el número de bolas del tipo 2 dentro de las n bolasque en el conjunto de las n extracciones aparecerán; así pues laprobabilidad � de que en n extracciones habidas aparezcan r bolasdel tipo 1 precisamente en los r primeras y por ello las otras s bolasdel tipo 2 en las s últimas (r + s = n) será como sigue :
a
N.a+ c
N+ c.a+2c
N+2c.......
a+(r −1)c
N+(r −1)c.
b
N+ rc.
b+ c
N+(r +1)c.....
b+(s−1)c
N+(n−1)c
.
ObjetivosLa distribución binomial negativa
Distribución de Polya-Eggenberger
Pero como la extracción de las bolas de la urna no depende delorden de como se extraigan y además la tasa de contagio es lamisma para todos los casos (ya sea una bola del tipo 1 o del tipo2), tenemos �nalmente:
P(X = r)=
(n
r
)a
N.a+ c
N+ c.a+2c
N+2c.......
a+(r −1)c
N+(r −1)c.
b
N+ rc.
b+ c
N+(r +1)c.....
b+(s−1)c
N+(n−1)c
Ahora se requiere simpli�car esta expresión, de esta maneradividimos numerador y denominador por c
P(X = r)=
(n
r
) ac( ac+1)...( a
c+ r −1) b
c(bc+1) ....(b
c+ s−1)
Nc(Nc+1)....(N
c+ r −1)(N
c+ r)(N
c+ r +1)...(N
c+n−1)
.
ObjetivosLa distribución binomial negativa
Distribución de Polya-Eggenberger
Recordemos que:
a
c(a
c+1)...(
a
c+ r −1) =
( ac+ r −1).....( a
c+1) a
c( ac−1)( a
c−2)..,3,2,1
( ac−1)( a
c−2)..,3,2,1
=
( ac+ r −1)!
( ac−1)!
.
ObjetivosLa distribución binomial negativa
Distribución de Polya-Eggenberger
b
c(b
c+1)...(
b
c+ s−1) =
(bc+ s−1).....(b
c+1) b
c(bc−1)(b
c−2)..,3,2,1
(bc−1)(b
c−2)..,3,2,1
=
(bc+ s−1)!
(bc−1)!
.
ObjetivosLa distribución binomial negativa
Distribución de Polya-Eggenberger
N
c(N
c+1)...(
N
c+ r −1)(
N
c+ r +1)...(
N
c+n−1) =
(Nc+n−1).....(N
c+ r)(N
c+1)N
c(Nc−1)..,3,2,1
(Nc−1)..,3,2,1
=
(Nc+n−1)!
(Nc−1)!
.
ObjetivosLa distribución binomial negativa
Distribución de Polya-Eggenberger
Ahora sustituyendo en la expresión original P(X ) = r
P(X = r) =
(n
r
)( ac+ r −1)!(b
c+ s−1)!
( ac−1)!(b
c−1)!
=
1(Nc +n−1)!(Nc −1)!
Como(nr
)= n!
r !s! podemos escribir:
P(X = r) =( ac+ r −1)!(b
c+ s−1)!
r ! ( ac−1)!s! (b
c−1)!
=1
(Nc +n−1)!n!(Nc −1)!
.
ObjetivosLa distribución binomial negativa
Distribución de Polya-Eggenberger
=
( ac+r−1
r
)( bc+s−1
s
)(Nc +n−1
n
)Renombrando los términos, llamando la probabilidad inicial deobtener la bola de tipo 1 como: p = a
N, para la bola de tipo 2
q = bN
y la tasa de contagio inicial δ = cN, podemos hacer estas
igualdades:
p+q = 1
b
c=
q
δ
a
c=
p
δ.
ObjetivosLa distribución binomial negativa
Distribución de Polya-Eggenberger
b
c=
q
δ
N
c=
1
δ
Sustituyendo �nalmente obtenemos:
P(X = r) =
( pδ+r−1r
)( qδ+s−1s
)( 1δ+n−1n
)
.
ObjetivosLa distribución binomial negativa
Distribución de Polya-Eggenberger
Proposición
Sea X una v.a. con distribución de Polya de parametros p,δ .Entonces se veri�ca la siguiente formula recurrente:
pk = P(X = k) =
( pδ+k−1
k
)s+1(qδ+ s) P(X = k−1)
donde s = n−k
p0 = P(X = 0) =
( qδ+n−1n
)( 1δ+n−1n
)
.
ObjetivosLa distribución binomial negativa
Distribución de Polya-Eggenberger
Demostración:
( pδ+k−1
k
)s+1(qδ+ s) P(X = k−1)=
( pδ+k−1
k
)s+1(qδ+ s) ( pδ +k−2
k−1)( q
δ+s
s+1
)( 1δ+n−1n
)
=
( pδ+k−1
k
)s+1(qδ+ s)
( pδ+k−2)!
(k−1)!( pδ−1)!
( qδ +s)!(s+1)!( qδ −1)!( 1
δ+n−1n
)
.
ObjetivosLa distribución binomial negativa
Distribución de Polya-Eggenberger
Reagrupando terminos tenemos:
=
( pδ +k−1)( pδ +k−2)!k(k−1)!( p
δ−1)!
( qδ +s)!( qδ +s)( qδ −1)!
s+1
(s+1)!( 1δ+n−1n
)
=
( pδ +k−1)!k!( p
δ−1)!
( qδ +s−1)!s!( qδ −1)!( 1
δ+n−1n
)
=
( pδ+k−1k
)( qδ+s−1s
)( 1δ+n−1n
) = P(X = k)
.
Bibliografía
Ademas se tiene que:
E (X ) = np
V (X ) = npq1+nδ
1+δ
Es decir el efecto contagio, modelizado en esta distribución produceuna media independiente de dicho efecto, e igual a la media en unadistribución binomial, en la que el contagio es nulo. Sin embargo lavarianza aumenta a medida que aumenta la probabilidad decontagio.
.
Bibliografía
Bibliografía
http://arxiv.org/pdf/cond-mat/0612697v1.pdf
http://pouyanne.perso.math.cnrs.fr/barcelona.pdf
[López Cachero, 1996] López Cachero, M. (1996). Estadísticapara actuarios. Fundación Mapfre Estudios, Madrid.
.