CANALES ESPINOSA LUIS ANTONIO

PALACIO MEZA DAVID ALBERTO

4AM2

Aproximación de la Distribución Binomial a la

Distribución de Poisson

Para ayudarnos a encontrar una respuesta a esta interrogante, haremos uso de estas tres gráficas.

Gráfica 1. Distribución Binomial y de Poisson con p=0.5

Gráfica 2. Distribución Binomial y de Poisson con p=0.25

Gráfica 3. Distribución Binomial y de Poisson con p=0.10

 CANALES ESPINOSA LUIS ANTONIO
PALACIO MEZA DAVID ALBERTO
4AM2

En las tres gráficas, el trío de par de curvas pertenece a n=10, n=20 y n=40, en ese orden, de
izquierda a derecha. También cabe aclarar que las curvas que presentan mayor grado de kurtosis
representan la distribución binomial.

En el caso de la primera gráfica, dado que p se aleja significativamente de 0.1, la diferencia entre
ambas curvas (y distribuciones) es notoria, aun cuando aumenta el número de pruebas (n), por lo
que no representa una buena aproximación una de otra.

Lo mismo, pero en menor medida, se presenta con una p=0.25 (segunda gráfica), aun cuando la n
es mayor a 30 (siguiendo el par de curvas de n=40).

La aproximación ya es notoria con una p=0.1 (tercera gráfica), ya que ambas distribuciones arrojan
valores de probabilidad muy similares una de otra. Para el caso de n=40(tercer par de curvas),
podemos ver que las distribuciones son casi idénticas.

Aproximación de la Distribución
Hipergeométrica a la Distribución Binomial

La diferencia entre estas distribuciones es que, mientras que en la hipergeométrica la probabilidad

de éxito es variable, en la binomial es constante. Una forma de convertir un experimento de
probabilidad variable a probabilidad constante es realizarlo sin reposición, para el primer caso, y
con reposición en el segundo caso.

La esperanza matemática de la cantidad de éxitos a obtener repitiendo el experimento n veces en

la distribución binomial es: E(x)=np, mientras que en la hipergeométrica es E(x)=n (Np/N). Como
Np representa la cantidad de elementos en la población que cumple con los requisitos de éxito y N
es la cantidad total de individuos en la población, surge que el cociente entre ambos es la
probabilidad de éxito al realizar el primer experimento, que es igual a p si los experimentos se
realizan con reposición. Por eso, la esperanza matemática de ambos modelos coincide.

En el caso de las desviaciones estándar de cada distribución, vemos una diferencia notoria por un
cociente, que llamaremos H, que radica en el hecho de trabajar sin reposición.

Esto quiere decir que ambas distribuciones poseen la misma esperanza matemática, pero la
dispersión será mayor en el caso de la binomial.

Sin embargo, cuanto menor sea n en proporción a N, más cercano a uno será H, por lo que el
desvío estándar de la distribución hipergeométrica tenderá a igualar al de la binomial. En términos
prácticos puede considerarse que esto sucede cuando n/N<0.05, es decir, cuando el tamaño de la
muestra (o la cantidad de experimentos) es inferior al 5% de la población.