Distirbuciones Discretas

Media, Varianza y desviación estándar Distribución de probabilidad Binomial Distribución de probabilidad Hipergeométrica Distribucion de probabilidad de Po
Probabilidad y Estadística Fundamental

Distribuciones especiales de variables aleatorias discretas
Martín Macías1
1 Becario Docente
Departamento de Estadística
23 de octubre de 2019
Martín Macías Universidad Nacional de Colombia Distribuciones discretas 23 de octubre de 2019 1 / 21

Contenido
1 Media, Varianza y desviación estándar
2 Distribución de probabilidad Binomial
3 Distribución de probabilidad Hipergeométrica
4 Distribucion de probabilidad de Poisson
5 Aproximación de la Poisson a la Binomial

Media, Varianza y Desviación estándar de una distribución de

probabilidad discreta
Media
La media constituye un valor tipico para representar la posición central de una
distribución de probabilidad. También es el valor promedio a la larga de la variable
aleatoria. La media de una distribución de probabilidad también recibe el nombre de
valor esperado. Se trata de un promedio ponderado en el que los posibles valores de
una variable aleatoria se ponderan con sus correspondientes probabilidades de ocurrir.
Media de una distribución de probabilidad

X
µ= [xP(x)]
aquí P(x) es la probabilidad de un valor particular x. En otras palabras, se multiplica

cada valor x por la probabilidad de que ocurra y en seguida se suman los productos.

Media, Varianza y Desviación estándar de una distribución de

probabilidad discreta
Varianza
Como se observó, la media constituye un valor tipico para resumir una distribución de
probabilidad discreta. Sin embargo, no describe el grado de dispersión (variación) en
una distribución. La varianza si lo hace. La fórmula de la varianza de una distribución
de probabilidad es :
Varianza de una distribución de probabilidad

X
σ2 = [(x − µ)2 P(x)]
Cálculo
Los pasos para el cálculo son los siguientes :
1 La media se resta de cada valor y la diferencia se eleva al cuadrado.
2 Cada diferencia al cuadrado se multiplica por su probabilidad.
3 Se suman los productos que resultan para obtener la varianza.
√
La desviación estándar, σ, se calcula así : σ = σ2
Ejemplo
James Rodríguez vende automóviles nuevos en Casa Toro. Por lo general, James
vende la mayor cantidad de automóviles el sábado. Desarrolló la siguiente distribución
de probabilidades de la cantidad de automóviles que espera vender un sábado
determinado.
Cantidad de automóviles Probabilidad

vendidos (x) (P(x))
0 0.1
1 0.2
2 0.3
3 0.3
4 0.1
Total 1.0
1 ¿De qué tipo de distribución se trata ?

2 ¿Cuántos automóviles espera vender James un sábado normal ?
3 ¿Cuál es la varianza de la distribución ?

Ejemplo
1 Se trata de una distribución de probabilidad discreta de la variable aleatoria denominada número de

automóviles vendidos. Observe que James sólo espera vender cierto rango de automóviles ; no espera
vender 5 automóviles ni 50. Además, no puede vender medio vehículo. Solo puede vender 0, 1, 2, 3 o 4
automóviles. Asimismo, los resultados son mutuamente excluyentes : no puede vender un total de 3 y 4
automóviles el mismo sábado.
2
X
µ= [xP(x)]
= 0(0.1) + 1(0.2) + 2(0.3) + 3(0.3) + 4(0.1)

= 2.1
Este valor indica que, a lo largo de una gran cantidad de sábados, James Rodríguez espera vender un
promedio de 2.1 automóviles por día.
Cantidad de automóviles Probabilidad

(x − µ)2 (x − µ)2 P(x)
vendidos (x) P(x)
0 0.1 4.41 0.441
3 1 0.2 1.21 0.242
2 0.3 0.01 0.003
3 0.3 0.81 0.243
4 0.1 3.61 0.361
σ 2 =1.290
√ √
La desviación estándar es σ = σ 2 = 1.290 = 1.136 automóviles. Si el vendedor Juan Quintero tiene un
promedio de ventas igual y la desviación estándar de sus ventas fue de 1.91 automóviles, concluiría que hay más
variabilidad en las ventas sabatinas de Quintero que en las de Rodríguez (pues 1.91 >1.136).
Distribución de probabilidad Binomial
Experimento de probabilidad Binomial
1 El resultado de cada ensayo de un experimento se clasifica en una de dos categorías

mutuamente excluyentes : éxito o fracaso.
2 La variable aleatoria permite contar el número de éxitos en una cantidad fija de ensayos.
3 La probabilidad de éxito y fracaso es la misma en cada ensayo.
4 Los ensayos son independientes, lo cual significa que el resultado de un ensayo no influye en
el resultado del otro.
¿Cómo se calcula una probabilidad Binomial ?

n
x n−x
p (1 − p)
f (x) =
x
donde n es el número de ensayos, x es la variable aleatoria definida como el número de éxitos y p
es la probabilidad de éxito en cada ensayo.
Valor esperado y Varianza de una distribución Binomial
Valor esperado : E(X ) = np

Varianza : Var (X ) = np(1 − p)

Ejemplo
US Airways tiene cinco vuelos diarios de Pittsburgh al Aeropuerto Regional de Bradford, Pennsylvania. Suponga
que la probabilidad de que cualquier vuelo llegue tarde sea de 0.20. ¿Cuál es la probabilidad de que ninguno de los
vuelos llegue tarde hoy ? ¿Cuál es la probabilidad de que exactamente uno de los vuelos llegue tarde hoy ?

Ejemplo
US Airways tiene cinco vuelos diarios de Pittsburgh al Aeropuerto Regional de Bradford, Pennsylvania. Suponga
que la probabilidad de que cualquier vuelo llegue tarde sea de 0.20. ¿Cuál es la probabilidad de que ninguno de los
vuelos llegue tarde hoy ? ¿Cuál es la probabilidad de que exactamente uno de los vuelos llegue tarde hoy ?
La probabilidad de que un vuelo llegue tarde es de 0.20, asi p = 0.20. Hay cinco vuelos, por lo que n = 5, y x, la
variable aleatoria, se refiere al número de éxitos. En este caso un éxito consiste en que un avión llegue tarde.
Como no hay demoras en las llegadas, x = 0
n x 5

n−x 0 5−0
P(X = 0) = p (1 − p) = (0.2) (1 − 0.2) = 0.3277
k 0
La probabilidad de que exactamente uno de los cinco vuelos llegue tarde hoy se calcula de la siguiente manera :
n x 5

n−x 1 5−1
P(X = 1) = p (1 − p) = (0.2) (1 − 0.2) = 0.4096
x 1

Ejemplo
Por ejemplo, respecto del número de vuelos retrasados, recuerde que p = 0.20 y
n = 5. Por lo tanto, el valor esperado y la varianza serán :
E(X ) = np = (5)(0.20) = 1.0
Var (X ) = np(1 − p) = 5(0.2)(1 − 0.2) = 0.8

Distribución de probabilidad binomial acumulada
Tal vez desee conocer la probabilidad de adivinar la respuesta a 6 o más preguntas de

verdadero o falso de un total de 10. O quizás esté interesado en la probabilidad de
seleccionar, en forma aleatoria, menos de dos artículos defectuosos en la producción
de la hora anterior. En estos casos necesita una distribución de frecuencia acumulada.
El siguiente ejemplo ilustra este hecho.
Ejemplo
Un estudio del Departamento de Transporte de Illinois concluyó que 76.2% de quienes
ocupaban los asientos delanteros de los vehículos utilizaba cinturón de seguridad. Es
decir, que los dos ocupantes de la parte delantera utilizaban cinturones de seguridad.
Suponga que decide comparar la información con el uso actual que se da al cinturón
de seguridad. Seleccione una muestra de 12 vehículos.
1 ¿Cuál es la probabilidad que los ocupantes de la parte delantera en exactamente
7 de los 12 vehículos seleccionados utilicen cinturones de seguridad ?
2 ¿Cuál es la probabilidad que los ocupantes de la parte delantera de por lo menos
7 de los 12 vehículos utilicen cinturón de seguridad ?

Esta situacion satisface los requisitos binomiales :

En un vehículo en particular, ambos ocupantes de la parte delantera utilizan
cinturón de seguridad o no lo hacen. Sólo hay dos posibles resultados.
Existe una cantidad fija de ensayos, 12 en este caso, pues se verifican 12
vehículos.
La probabilidad de un éxito (los ocupantes utilizan cinturón de seguridad) es la
misma de un vehículo al siguiente : 76.2%.
Los ensayos son independientes. Si, en el cuarto vehículo seleccionado, todos los
ocupantes utilizan cinturón de seguridad, esto no influye en los resultados del
quinto o décimo vehículos.
Para determinar la probabilidad de que los ocupantes de exactamente 7 vehículos de
la muestra utilicen cinturón de seguridad, aplique la fórmula. En este caso, n = 12 y
p = 0.762.
12
P(x = 7|n = 12, p = 0.762) = (0.762)7 (1 − 0.762)12−7 = 0.0902
7
De esta manera, se concluye que la probabilidad de que los ocupantes de
exactamente 7 de los 12 vehículos de la muestra utilicen cinturones de seguridad es
de aproximadamente 9%
Para determinar la probabilidad de que los ocupantes de 7 o más de los vehículos

utilicen su cinturón de seguridad, aplique la fórmula binomial, así como la regla
especial de la adición.
P(x ≥ 7|n = 12, p = 0.762)

= P(x = 7) + P(x = 8) + P(x = 9) + P(x = 10) + P(x = 11) + P(x = 12)
= 0.902 + 0.1805 + 0.2569 + 0.2467 + 0.1436 + 0.0383
= 0.9562

Distribución de probabilidad Hipergeométrica

Distribución de probabilidad hipergeométrica
Los resultados de cada ensayo del experimento se ubican en dos categorías : éxito o fracaso.
La variable aleatoria es el número de éxitos de un número fijo de ensayos.
Los ensayos no son independientes.
Los muestreos se realizan con una población finita sin reemplazo. Por lo tanto, la probabilidad
de éxito cambia en cada ensayo.
Distribución Hipergeométrica
S N−S
x n−x
P(x) = N
n
donde :
N representa el tamaño de la población, S es el número de éxitos en la población, x es el número
de éxitos en la muestra ; éste puede asumir los valores 0, 1, 2, 3..., n es el tamaño de la muestra o
el número de ensayos.
Valor esperado y Varianza de una distribución Hipergeométrica
nS
Valor Esperado : E(X ) = N
Varianza : n × NS × N−S N × N−n

N−1
Ejemplo
Play Time Toys, Inc., tiene 50 empleados en el departamento de ensamblado. Sólo cuarenta de
ellos pertenecen al sindicato. Se eligen al azar cinco empleados para formar un comité que hablará
con la empresa sobre los horarios de inicio de los turnos. ¿Cuál es la probabilidad de que cuatro
de los cinco empleados elegidos para formar parte del comité pertenezcan a un sindicato ?

Ejemplo
Play Time Toys, Inc., tiene 50 empleados en el departamento de ensamblado. Sólo cuarenta de
ellos pertenecen al sindicato. Se eligen al azar cinco empleados para formar un comité que hablará
con la empresa sobre los horarios de inicio de los turnos. ¿Cuál es la probabilidad de que cuatro
de los cinco empleados elegidos para formar parte del comité pertenezcan a un sindicato ?
En este caso, la población consiste en los 50 empleados del departamento de ensamblado. Sólo
se puede elegir una vez a un empleado para formar parte del comité. De ahí que el muestreo se
lleve a cabo sin reemplazo. Por lo tanto, en cada ensayo cambia la probabilidad de elegir a un
empleado sindicalizado. La distribución hipergeométrica es adecuada para determinar la
probabilidad. En este problema,
Se desea calcular la probabilidad de que 4 de los 5 miembros del comité sean sindicalizados.
40 50−40
4 5−4 (91390)(10)
P(x = 4) = 50
= = 0.431
5
2118760
N es igual a 50, el número de empleados.

S tiene un valor de 40, el número de empleados sindicalizados.
x es igual a 4, el número de empleados sindicalizados elegidos.
n vale 5, el número de empleados elegidos.

Distribución de probabilidad de Poisson

Experimento de probabilidad de Poisson
La variable aleatoria es el número de veces que ocurre un evento durante un intervalo

definido.
La probabilidad de que ocurra el evento es proporcional al tamaño del intervalo.
Los intervalos no se superponen y son independientes.
Distribución de Poisson
−λ λx
f (x) = e
x!
donde :
λ es la media de la cantidad de veces (éxitos) que se presenta un evento en un intervalo particular.
e es el número de Euler, es decir, la constante 2.71828 (base del sistema de logaritmos
neperianos)
x es el número de veces que se presenta un evento.
f (x) es la probabilidad de un valor específico de x
Media y Varianza de una distribución de Poisson
Valor esperado : E(X ) = λ = np

Varianza = Media

Ejemplo
Suponga que pocas veces se pierde equipaje en Delta Airlines. En la mayoría de los
vuelos no se pierden maletas ; en algunos se pierde una ; en unos cuantos se pierden
dos ; pocas veces se pierden tres, etc. Suponga que una muestra aleatoria de 1000
vuelos arroja un total de 300 maletas perdidas.

Ejemplo
300
Para calcular la media λ = 1000 = 0.3, así, por ejemplo, la probabilidad de que no se
pierda ninguna maleta es la siguiente :

Ejemplo
300
Para calcular la media λ = 1000 = 0.3, así, por ejemplo, la probabilidad de que no se
pierda ninguna maleta es la siguiente :
(0.3)0
P(X = 0) = e−0.3 = 0.7408
0!
En otras palabras, en 74% de los vuelos no habrá maletas perdidas. La probabilidad
de que se pierda exactamente una maleta es :
(0.3)1
P(X = 1) = e−0.3 = 0.2222
1!
Por consiguiente, se espera que se pierda exactamente una maleta en 22% de los
vuelos

Aproximación de la Poisson a la Binomial
Si n es grande y p es pequeño tenemos la siguiente aproximación :

n (np)x
px (1 − p)n−x ≈ e−np
x x!

Ejemplo
Coastal Insurance Company asegura propiedades frente a la playa a lo largo de Virginia, Carolina
del Norte y del Sur, y las costas de Georgia ; el calculo aproximado es que, cualquier año, la
probabilidad de que un huracán de categoría III (vientos sostenidos de más de 110 millas por hora)
o más intenso azote una región de la costa (la isla de St. Simons, Georgia, por ejemplo) es de
0.05. Si un dueño de casa obtiene un crédito hipotecario de 30 años por una propiedad recién
comprada en St. Simons, ¿cuáles son las posibilidades de que experimente por lo menos un
huracán durante el periodo del crédito ?

Ejemplo
Coastal Insurance Company asegura propiedades frente a la playa a lo largo de Virginia, Carolina
del Norte y del Sur, y las costas de Georgia ; el calculo aproximado es que, cualquier año, la
probabilidad de que un huracán de categoría III (vientos sostenidos de más de 110 millas por hora)
o más intenso azote una región de la costa (la isla de St. Simons, Georgia, por ejemplo) es de
0.05. Si un dueño de casa obtiene un crédito hipotecario de 30 años por una propiedad recién
comprada en St. Simons, ¿cuáles son las posibilidades de que experimente por lo menos un
huracán durante el periodo del crédito ?
Para aplicar la distribución de probabilidad de Poisson, se comienza por determinar la media o

número esperado de tormentas que se ajustan al criterio y que azotan St. Simons durante el
periodo de 30 años. Es decir,
λ = np = 30(0.05) = 1.5
Donde :
n es el número de años, 30 en este caso.
p es la probabilidad de que toque tierra un huracán que se ajuste al criterio.
λ la media o número esperado de tormentas en un periodo de 30 años.

Ejemplo
Para determinar la probabilidad de que por lo menos una tormenta azote la isla de St. Simons, Georgia, primero
calcule la probabilidad de que ninguna tormenta azote la costa y reste dicho valor de 1.
−1.5 λ0
P(x ≥ 1) = 1 − P(x = 0) = 1 − e = 0.7769
0!
Así, se concluye que las posibilidades de que un huracán de ese tipo azote la propiedad frente a la playa en St.
Simons, durante el periodo de 30 años, mientras el crédito se encuentra vigente, son de 0.7769. En otras palabras,
la probabilidad de que St. Simons sufra el azote de un huracán categoría III o más alta durante el periodo de 30
años es de un poco más de 75 por ciento.
Se debe insistir en que el intervalo, como antes se explicó, aún existe. Es decir, se espera que haya 1.5 tormentas
que azoten la costa cada periodo de 30 años. El intervalo es el periodo de 30 años.
En el caso anterior se utilizó la distribución de Poisson como aproximación de la binomial. Note que se cumplió con
las condiciones binomiales anotadas anteriormente.
Sólo hay dos posibles resultados : un huracán azota el área de St. Simons o no lo hace.
Hay una cantidad fija de ensayos, en este caso, 30 años.
Existe una probabilidad constante de éxito ; es decir, la probabilidad de que un huracán azote la zona es de
0.05 cada año.
Los años son independientes. Esto significa que si una tormenta importante azota en el quinto año, esto no
influye en ningún otro año.
Para calcular la probabilidad de que por lo menos una tormenta azote el área en un periodo de 30 años aplique la
distribución binomial :
30

0 3
P(x ≥ 1) = 1 − P(x = 0) = 1 − (0.05) (0.95) 0 = 0.7854
0
La probabilidad
Martín Macías de quede
Universidad Nacional por lo menos
Colombia un huracánDistribuciones
azote el área de St. Simons durante el periodo23
discretas dede30 añosde
octubre con la
2019 19 / 21
Ejercicios
1 Se ha estimado que un 5% de los tornillos que produce una máquina automática

de alta velocidad se encuentra defectuosos. ¿Cuál es la probabilidad de que, en 5
tornillos seleccionados, ninguno se encuentre defectuoso ? ¿Exactamente uno ?
¿Exactamente dos ? ¿Exactamente tres ? ¿Exactamente cuatro ? ¿Exactamente
cinco ? ¿Exactamente seis de seis ?
2 Tenga en cuenta las decisiones de comprar de los siguientes tres clientes que
lleguen a la tienda de ropa Arturo Calle. Según la experiencia, el gerente de la
tienda estima que la probabilidad de que un cliente realice una compra es 0.30.
¿Cuál es la probabilidad de que dos de los próximos tres clientes realicen una
compra ?
3 Una empresa manufactura bombillos que empaca en cajas de 12 unidades.
Asuma que un inspector selecciona aleatoriamente tres de los 12 bombillos de
una caja para inspeccionarlos. Si la caja contiene exactamente cinco bombillos
defectuosos, ¿cuál es la probabilidad de que el inspector encuentre que uno de
los tres bombillos esta defectuoso ?. Suponga que desea conocer la probabilidad
de hallar por lo menos un fusible defectuoso.

Quiz
1 Una encuesta de Harris Interactive para InterContinental Hotel and Resorts
preguntó : “Cuando viaja al extranjero, ¿suele aventurarse usted solo para
conocer la cultura o prefiere permanecer con el grupo de su tour y apegarse al
itinerario ?”. Se encontró que 23% prefiere permanecer con el grupo de tour.
1 ¿Cuál es la probabilidad de que en una muestra de seis viajeros, dos prefieran
permanecer con su grupo ?
2 ¿Cuál es la probabilidad de que en una muestra de 6 viajeros, por lo menos dos
prefieran permanecer con su grupo ?
3 ¿Cuál es la probabilidad de que en una muestra de 10 viajeros, ninguno prefiera
permanecer con su grupo ?
2 En San Francisco, 30% de los trabajadores emplean el transporte público.
1 ¿Cuál es la probabilidad de que en una muestra de 10 trabajadores exactamente tres
empleen el transporte público ?
2 ¿Cuál es la probabilidad de que en una muestra de 10 trabajadores por lo menos tres
empleen el transporte público ?
3 Los radares militares y los sistemas de detección de misiles están diseñados para
advertir a un país de ataques enemigos. Una cuestión de confiabilidad tiene que
ver con la capacidad del sistema de detección para identificar un ataque y emitir
la advertencia. Suponga que un sistema de detección particular tiene una
probabilidad de 0.90 de detectar un ataque con misiles.
1 ¿Cuál es la probabilidad de que un sistema de detección detecte un ataque ?
2 Si se instalan 2 sistemas de detección en la misma área y operan en forma
independiente, ¿cuál es la probabilidad de que al menos uno de los sistemas detecte el
ataque ?
3 Si se instalan 3 sistemas, ¿cuál es la probabilidad de que al menos uno de los sistemas
detecte el ataque ?

Distirbuciones Discretas

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Distirbuciones Discretas

Cargado por

Copyright:

Formatos disponibles

Media, Varianza y desviación estándar Distribución de probabilidad Binomial Distribución de probabilidad Hipergeométrica Distribucion de probabilidad de Po

Probabilidad y Estadística Fundamental

Martín Macías Universidad Nacional de Colombia Distribuciones discretas 23 de octubre de 2019 1 / 21

1 Media, Varianza y desviación estándar

2 Distribución de probabilidad Binomial

3 Distribución de probabilidad Hipergeométrica

4 Distribucion de probabilidad de Poisson

5 Aproximación de la Poisson a la Binomial

Martín Macías Universidad Nacional de Colombia Distribuciones discretas 23 de octubre de 2019 2 / 21

Media, Varianza y Desviación estándar de una distribución de

Media de una distribución de probabilidad

aquí P(x) es la probabilidad de un valor particular x. En otras palabras, se multiplica

Martín Macías Universidad Nacional de Colombia Distribuciones discretas 23 de octubre de 2019 3 / 21

Media, Varianza y Desviación estándar de una distribución de

Varianza de una distribución de probabilidad

Cantidad de automóviles Probabilidad

1 ¿De qué tipo de distribución se trata ?

Martín Macías Universidad Nacional de Colombia Distribuciones discretas 23 de octubre de 2019 5 / 21

1 Se trata de una distribución de probabilidad discreta de la variable aleatoria denominada número de

= 0(0.1) + 1(0.2) + 2(0.3) + 3(0.3) + 4(0.1)

Cantidad de automóviles Probabilidad

Distribución de probabilidad Binomial

Experimento de probabilidad Binomial

1 El resultado de cada ensayo de un experimento se clasifica en una de dos categorías

¿Cómo se calcula una probabilidad Binomial ?

Valor esperado y Varianza de una distribución Binomial

Valor esperado : E(X ) = np

Martín Macías Universidad Nacional de Colombia Distribuciones discretas 23 de octubre de 2019 7 / 21

Martín Macías Universidad Nacional de Colombia Distribuciones discretas 23 de octubre de 2019 8 / 21

Martín Macías Universidad Nacional de Colombia Distribuciones discretas 23 de octubre de 2019 8 / 21

E(X ) = np = (5)(0.20) = 1.0

Var (X ) = np(1 − p) = 5(0.2)(1 − 0.2) = 0.8

Martín Macías Universidad Nacional de Colombia Distribuciones discretas 23 de octubre de 2019 9 / 21

Distribución de probabilidad binomial acumulada

Tal vez desee conocer la probabilidad de adivinar la respuesta a 6 o más preguntas de

Martín Macías Universidad Nacional de Colombia Distribuciones discretas 23 de octubre de 2019 10 / 21

Distribución de probabilidad binomial acumulada

Esta situacion satisface los requisitos binomiales :

Distribución de probabilidad binomial acumulada

Para determinar la probabilidad de que los ocupantes de 7 o más de los vehículos

P(x ≥ 7|n = 12, p = 0.762)

Martín Macías Universidad Nacional de Colombia Distribuciones discretas 23 de octubre de 2019 12 / 21

Distribución de probabilidad Hipergeométrica

Valor esperado y Varianza de una distribución Hipergeométrica

Varianza : n × NS × N−S N × N−n

Martín Macías Universidad Nacional de Colombia Distribuciones discretas 23 de octubre de 2019 14 / 21

N es igual a 50, el número de empleados.

Martín Macías Universidad Nacional de Colombia Distribuciones discretas 23 de octubre de 2019 14 / 21

Distribución de probabilidad de Poisson

La variable aleatoria es el número de veces que ocurre un evento durante un intervalo

Media y Varianza de una distribución de Poisson

Valor esperado : E(X ) = λ = np

Martín Macías Universidad Nacional de Colombia Distribuciones discretas 23 de octubre de 2019 15 / 21

Martín Macías Universidad Nacional de Colombia Distribuciones discretas 23 de octubre de 2019 16 / 21

Martín Macías Universidad Nacional de Colombia Distribuciones discretas 23 de octubre de 2019 16 / 21

Martín Macías Universidad Nacional de Colombia Distribuciones discretas 23 de octubre de 2019 16 / 21

Aproximación de la Poisson a la Binomial

Si n es grande y p es pequeño tenemos la siguiente aproximación :

Martín Macías Universidad Nacional de Colombia Distribuciones discretas 23 de octubre de 2019 17 / 21

Martín Macías Universidad Nacional de Colombia Distribuciones discretas 23 de octubre de 2019 18 / 21

Para aplicar la distribución de probabilidad de Poisson, se comienza por determinar la media o

Martín Macías Universidad Nacional de Colombia Distribuciones discretas 23 de octubre de 2019 18 / 21

1 Se ha estimado que un 5% de los tornillos que produce una máquina automática