CONVERGENCIA BINOMIAL-POISSON

Se puede probar que la distribución binomial tiende a converger a la distribución de

Poisson cuando el parámetro n tiende a infinito y el parámetro p tiende a ser cero, de
manera que el producto de n por p sea una cantidad constante. De ocurrir esto la
distribución binomial tiende a un modelo de Poisson de parámetro igual a n por p. este
resultado es importante a la hora del cálculo de probabilidades , o , incluso a la hora de
inferir características de la distribución binomial cuando el número de pruebas sea muy
grande y la probabilidad de éxito sea muy pequeña . El resultado se prueba,
comprobando como la función de cuantía de una distribución binomial con y tiende a
una función de cuantía de una distribución de Poisson con siempre que este producto
sea una cantidad constante.

MODELOS CONTINUOS

Los modelos continuos, son modelos de probabilidad de variable aleatoria continua.

Explican las variaciones en una variable específica a través de una transición
cuantitativa gradual que no presenta cambios ni discontinuidades abruptas. En cambio,
los modelos 'categóricos' proponen estados cualitativamente diferentes.

Los más importantes son, entre otros:

El modelo Uniforme. El modelo Exponencial. El modelo o distribución Normal.

DISTRIBUCIÓN UNIFORME

Es una distribución continua que modela un rango de valores con igual probabilidad. La
distribución uniforme se especifica mediante cotas inferior y superior. Por ejemplo, la
siguiente gráfica ilustra una distribución uniforme. Utilice la distribución uniforme para
describir variables continuas que tienen una probabilidad constante. Por ejemplo, una
población de partes varía de 0.5 a 0.6 cm de largo. Si cada valor entre 0.5 y 0.6 cm
tiene la misma probabilidad de ocurrir, estos datos siguen una distribución uniforme.

Resulta útil para muestrear distribuciones arbitrarias. Un método general es el método

de muestreo de transformación inversa, que utiliza la distribución de probabilidad (CDF)
de la variable aleatoria objetivo. Este método es muy útil en trabajos teóricos.

Ejemplo: