Cuadro comparativo distribución binomial y poisson
•Descargar como PPTX, PDF•
0 recomendaciones•1,080 vistas
Este documento compara las distribuciones de Poisson y binomial. La distribución de Poisson se aplica a experimentos con un gran número de pruebas independientes y una probabilidad pequeña de éxito en cada prueba. La distribución binomial se aplica a experimentos con un número fijo de pruebas independientes y una probabilidad constante de éxito en cada prueba. El documento proporciona ejemplos de cómo modelar el número de eventos como variables aleatorias de Poisson o binomial y cita referencias sobre estos temas.
Denunciar
Compartir
Denunciar
Compartir
Recomendados
Cuadros comparativos de distribucion poisson y distribucion binomial
Este documento presenta una comparación entre las distribuciones binomial y Poisson. La distribución binomial describe experimentos con dos posibles resultados (éxito/fracaso) donde la probabilidad y el número de ensayos son constantes. La distribución de Poisson describe el número de eventos que ocurren en un intervalo de tiempo o área, donde la media de eventos es constante e independiente entre intervalos. El documento también incluye ejemplos y soluciones de problemas utilizando ambas distribuciones.
Aproximacion normal a la binomial
Este documento introduce la aproximación normal a la distribución binomial. Explica que cuando el tamaño de la muestra (n) es grande y la probabilidad de éxito (p) no está extremadamente cerca de 0 o 1, la distribución normal proporciona una buena aproximación. Presenta ejemplos para ilustrar cómo la distribución binomial se aproxima a la normal a medida que n aumenta o p se acerca a 1/2. También muestra cómo calcular probabilidades binomiales usando áreas bajo la curva normal.
Distribucion geometrica
Este documento describe la distribución geométrica y proporciona ejemplos de su aplicación. La distribución geométrica modela procesos de prueba repetitiva donde se busca el primer éxito. Se define mediante la probabilidad p de éxito y q de fracaso, siendo la probabilidad de x ensayos para el primer éxito q^(x-1)p. Se resuelven seis ejemplos calculando estas probabilidades para procesos como lanzar una moneda o inspeccionar productos.
2 distribución de probabilidad discreta
El documento describe conceptos básicos sobre distribuciones de probabilidad discretas y variables aleatorias. Explica que una variable aleatoria representa los posibles resultados de un experimento aleatorio y que su distribución de probabilidad especifica los valores que puede tomar y sus probabilidades asociadas. También introduce las distribuciones binomial y de Poisson como ejemplos de distribuciones discretas comúnmente usadas.
Variables aleatorias discretas y continuas
Una variable aleatoria es una variable estadística cuyos valores se obtienen de mediciones en algún tipo de experimento aleatorio. Formalmente, una variable aleatoria es una función, que asigna eventos. Por ejemplo, lanzar un dado o una moneda.
Gamma presentacion
Este documento describe la distribución gamma, incluyendo su definición, objetivo, origen, función, propiedades y aplicaciones. La distribución gamma modela variables aleatorias no negativas con una forma sesgada hacia la derecha. Se usa comúnmente para modelar procesos como precipitaciones y tiempos de espera.
Capítulo 06, Distribuciones discretas de probabilidad
Este documento presenta los conceptos básicos de las distribuciones de probabilidad discreta. Explica las características de las distribuciones binomial, hipergeométrica y de Poisson, incluyendo cómo calcular probabilidades usando estas distribuciones. También define términos como variable aleatoria, media, varianza y desviación estándar en el contexto de las distribuciones discretas. El documento concluye con ejemplos numéricos que ilustran los conceptos.
Chi cuadrado propiedades
El documento resume la distribución chi-cuadrada (χ2), incluyendo su definición, propiedades y usos principales. Explica que χ2 se usa para probar si las frecuencias observadas en un experimento se ajustan a las frecuencias esperadas, y provee ejemplos como las pruebas de Mendel y una prueba de bondad de ajuste a una distribución normal. También explica cómo usar χ2 para realizar pruebas de hipótesis sobre varianzas y desviaciones estándar, ilustrando con un ej
Recomendados
Cuadros comparativos de distribucion poisson y distribucion binomial
Este documento presenta una comparación entre las distribuciones binomial y Poisson. La distribución binomial describe experimentos con dos posibles resultados (éxito/fracaso) donde la probabilidad y el número de ensayos son constantes. La distribución de Poisson describe el número de eventos que ocurren en un intervalo de tiempo o área, donde la media de eventos es constante e independiente entre intervalos. El documento también incluye ejemplos y soluciones de problemas utilizando ambas distribuciones.
Aproximacion normal a la binomial
Este documento introduce la aproximación normal a la distribución binomial. Explica que cuando el tamaño de la muestra (n) es grande y la probabilidad de éxito (p) no está extremadamente cerca de 0 o 1, la distribución normal proporciona una buena aproximación. Presenta ejemplos para ilustrar cómo la distribución binomial se aproxima a la normal a medida que n aumenta o p se acerca a 1/2. También muestra cómo calcular probabilidades binomiales usando áreas bajo la curva normal.
Distribucion geometrica
Este documento describe la distribución geométrica y proporciona ejemplos de su aplicación. La distribución geométrica modela procesos de prueba repetitiva donde se busca el primer éxito. Se define mediante la probabilidad p de éxito y q de fracaso, siendo la probabilidad de x ensayos para el primer éxito q^(x-1)p. Se resuelven seis ejemplos calculando estas probabilidades para procesos como lanzar una moneda o inspeccionar productos.
2 distribución de probabilidad discreta
El documento describe conceptos básicos sobre distribuciones de probabilidad discretas y variables aleatorias. Explica que una variable aleatoria representa los posibles resultados de un experimento aleatorio y que su distribución de probabilidad especifica los valores que puede tomar y sus probabilidades asociadas. También introduce las distribuciones binomial y de Poisson como ejemplos de distribuciones discretas comúnmente usadas.
Variables aleatorias discretas y continuas
Una variable aleatoria es una variable estadística cuyos valores se obtienen de mediciones en algún tipo de experimento aleatorio. Formalmente, una variable aleatoria es una función, que asigna eventos. Por ejemplo, lanzar un dado o una moneda.
Gamma presentacion
Este documento describe la distribución gamma, incluyendo su definición, objetivo, origen, función, propiedades y aplicaciones. La distribución gamma modela variables aleatorias no negativas con una forma sesgada hacia la derecha. Se usa comúnmente para modelar procesos como precipitaciones y tiempos de espera.
Capítulo 06, Distribuciones discretas de probabilidad
Este documento presenta los conceptos básicos de las distribuciones de probabilidad discreta. Explica las características de las distribuciones binomial, hipergeométrica y de Poisson, incluyendo cómo calcular probabilidades usando estas distribuciones. También define términos como variable aleatoria, media, varianza y desviación estándar en el contexto de las distribuciones discretas. El documento concluye con ejemplos numéricos que ilustran los conceptos.
Chi cuadrado propiedades
El documento resume la distribución chi-cuadrada (χ2), incluyendo su definición, propiedades y usos principales. Explica que χ2 se usa para probar si las frecuencias observadas en un experimento se ajustan a las frecuencias esperadas, y provee ejemplos como las pruebas de Mendel y una prueba de bondad de ajuste a una distribución normal. También explica cómo usar χ2 para realizar pruebas de hipótesis sobre varianzas y desviaciones estándar, ilustrando con un ej
Distribución Normal, Binomial y de Poisson
Este documento presenta información sobre diferentes distribuciones de probabilidad como la normal, binomial, de Poisson y sus características. Explica que la distribución normal es importante para modelar fenómenos naturales y que sigue la curva de Gauss. También describe las características de la distribución binomial como el número de ensayos n y la probabilidad de éxito p. Finalmente, indica que la distribución de Poisson se aplica cuando n es grande y p es pequeña en una distribución binomial.
Distribucion hipergeometrica
La distribución hipergeométrica se utiliza para calcular la probabilidad de una selección aleatoria de objetos sin repetición de una población. La distribución de Poisson se basa en el conteo de eventos dentro de un intervalo de tiempo, área o volumen. La distribución multinomial es una generalización de la binomial que permite más de dos posibles resultados en cada ensayo.
Teorema de bayes
El documento presenta información sobre el Teorema de Bayes, incluyendo su definición, fórmula y aplicaciones. El Teorema permite actualizar las probabilidades de posibles causas ante nueva evidencia, como en casos judiciales. Se proveen ejemplos numéricos para ilustrar cómo calcular probabilidades condicionales usando la fórmula de Bayes.
Estimacion puntual, propiedades de las estimaciones; estimacion por intervalo...
Estimacion puntual, propiedades de las estimaciones; estimacion por intervalo...Alexander Flores Valencia
Este documento presenta información sobre estimaciones puntuales y por intervalos para la media y la probabilidad de éxito binomial. Explica que una estimación puntual usa un solo valor de la muestra para estimar un parámetro poblacional, mientras que una estimación por intervalos provee un rango de valores que probablemente incluya al parámetro. También define intervalos de confianza y cómo se pueden calcular para la media cuando la desviación estándar poblacional es conocida o desconocida.Distribucion de poisson
La distribución de Poisson describe procesos aleatorios donde los eventos ocurren con baja probabilidad en intervalos de tiempo, área o volumen. Se utiliza para calcular la probabilidad de que ocurran k eventos dados los parámetros λ y n. La media y varianza de una distribución de Poisson son iguales a λ.
DISTRIBUCIÓN BERNOULLI Y DISTRIBUCIÓN BINOMIAL
Este documento describe las distribuciones de Bernoulli y binomial. La distribución de Bernoulli modela experimentos con dos resultados posibles (éxito o fracaso) con probabilidades p y q. La distribución binomial modela el número de éxitos en n ensayos independientes con probabilidad constante p de éxito en cada uno. Proporciona fórmulas para calcular las probabilidades de resultados específicos y explica cómo usar tablas binomiales para tales cálculos.
Problemas resueltos de distribución muestral
Este documento presenta la resolución de 5 preguntas sobre distribución muestral. La primera pregunta calcula la probabilidad de que la media de un muestra de 100 recién nacidos sea mayor a 3030 gramos. La segunda pregunta encuentra la probabilidad de que la vida promedio de una muestra de 16 focos sea menor a 775 horas. La tercera pregunta determina el número de medias muestrales que caen dentro de dos rangos dados para 200 muestras de 25 estudiantes.
EstimacióN Y Prueba De HipóTesis
Este documento explica conceptos clave de estimación de parámetros e intervalos de confianza, así como pruebas de hipótesis utilizando pruebas t de Student. Explica cómo calcular intervalos de confianza para estimar parámetros poblacionales a partir de datos muestrales. También describe los pasos para realizar pruebas de hipótesis, incluyendo establecer hipótesis nula e hipótesis alternativa, elegir nivel de significación, y calcular estadísticos de contraste para determinar si se rechaza o no
Diferencias y similitudes de la distribución de probabilidad de poisson y ber...
Este documento compara las distribuciones de probabilidad de Poisson y Bernoulli. La distribución binomial mide el número de éxitos en una secuencia fija de ensayos Bernoulli independientes con probabilidad constante de éxito, mientras que la distribución de Poisson mide el número de eventos que ocurren en un continuo de tiempo o espacio con densidad constante de eventos. Ambas distribuciones describen procesos estocásticos independientes, pero difieren en si los ensayos u observaciones son discretas o continuas.
Distribuciones De Probabilidad Discreta
El documento explica conceptos básicos de estadística como distribución de probabilidad, variables aleatorias, media y varianza. Define una distribución de probabilidad como una lista de todos los resultados posibles de un experimento junto con su probabilidad. Explica que la media es el valor promedio esperado de una variable y se calcula sumando cada resultado multiplicado por su probabilidad. Finalmente, la varianza mide el grado de dispersión en una distribución y se calcula restando la media a cada valor, elevando la diferencia al cuadrado y multiplicando por la probabilidad correspondiente.
5. regresión lineal multiple
Este documento describe el análisis de regresión múltiple, incluyendo la ecuación de regresión múltiple y el error estándar múltiple de estimación. También cubre el coeficiente múltiple de determinación, las hipótesis de normalidad, homocedasticidad e independencia de errores, y cómo detectar cuando estas hipótesis no se cumplen. Finalmente, explica cómo predecir valores utilizando un modelo de regresión múltiple.
Lista 2
La mayoría de los problemas en el documento involucran calcular probabilidades usando diferentes distribuciones de probabilidad como la binomial, Poisson, hipergeométrica y exponencial. Algunos problemas piden calcular la probabilidad de que ciertos eventos ocurran dado los parámetros de cada distribución, mientras que otros proveen datos estadísticos y piden calcular valores esperados y varianzas.
Ejercicios resueltos
Este documento presenta varios problemas resueltos relacionados con distribuciones de probabilidad como la distribución de Bernoulli, binomial, Poisson y otros. Se explican conceptos básicos de cada distribución y se resuelven ejercicios prácticos calculando probabilidades para diferentes variables aleatorias discretas.
Teoria de la probabilidad
Este documento introduce conceptos básicos de la teoría de probabilidad e inferencia estadística. Explica que la probabilidad es una medida cuantitativa del grado de certeza o incertidumbre de un evento. Define términos como experimento, resultado, evento y espacio muestral. También describe reglas para calcular probabilidades como la regla de adición y complemento. Finalmente, presenta axiomas fundamentales de la probabilidad.
Distribuciones de variables aleatorias discretas y continuas
El documento define conceptos básicos relacionados con variables aleatorias, incluyendo la diferencia entre variables aleatorias discretas y continuas. Explica cómo calcular la función de probabilidad, función de distribución, esperanza matemática, varianza y desviación típica para variables aleatorias discretas y cómo definir la función de densidad de probabilidad para variables continuas. También presenta ejemplos comunes de distribuciones de probabilidad como la uniforme, normal y exponencial.
la distribucion de poisson
Este documento describe la distribución de Poisson. Explica que se usa para eventos aleatorios con resultados discretos y baja probabilidad. Detalla las propiedades como que la probabilidad de éxito es constante y eventos son independientes. Proporciona ejemplos como llegada de clientes o accidentes. Finalmente, compara la distribución de Poisson con la binomial cuando la muestra es grande y probabilidad baja.
Distribución gamma
El documento discute diferentes distribuciones de probabilidad como la Gamma, Erlang y exponencial. La distribución Gamma depende de dos parámetros λ y k y generaliza la distribución exponencial. La distribución Erlang se usa para modelar sistemas de servicio masivo como líneas telefónicas. También presenta fórmulas para calcular la media y varianza de la distribución Gamma.
Distribucion Binomial
Este documento explica la distribución binomial, incluyendo su función de probabilidad, características y ejemplos. La distribución binomial cuenta el número de éxitos en una secuencia de ensayos de Bernoulli independientes. Se utiliza para problemas con dos resultados posibles, como lanzar una moneda múltiples veces. El documento también proporciona ejemplos numéricos y resume las propiedades de la distribución binomial.
Distribucion de probabilidades
Este documento presenta diferentes distribuciones de probabilidad discretas. Explica la distribución binomial cuando hay dos resultados posibles, una probabilidad constante y pruebas independientes. Luego describe la distribución hipergeométrica cuando las pruebas no son independientes. Finalmente, introduce la distribución multinomial para más de dos resultados posibles y la distribución de Poisson.
Distribucion binomial
La distribución binomial describe experimentos con dos posibles resultados (éxito o fracaso) que se repiten un número fijo de veces (n). La probabilidad de éxito es la misma para cada repetición y las repeticiones son independientes. La distribución binomial se caracteriza por el número de repeticiones n, el número de éxitos x, y la probabilidad de éxito p en cada repetición. Se usa para modelar muchos fenómenos del mundo real como encuestas de opinión o pruebas clínicas.
Distribucion Binomial y de Poisson
La distribución binomial describe experimentos con dos resultados posibles (éxito/fracaso) donde la probabilidad de éxito es constante en cada prueba. Se representa como B(n, p) donde n es el número de pruebas e p la probabilidad de éxito. La distribución de Poisson modela el número de eventos aleatorios en un intervalo, como defectos por metro cuadrado o llamadas por minuto, cuando la probabilidad de cada evento es pequeña. Ambas distribuciones se usan para calcular la probabilidad de resultados discretos cuando los sucesos son independientes.
alumnos
1. El documento presenta nueve ejercicios resueltos sobre probabilidades y variables aleatorias. En el primer ejercicio, se calculan las probabilidades de que entre 10 unidades dos o a lo sumo dos sean defectuosas, y que por lo menos una lo sea. En el segundo, la probabilidad de que todas las personas con reserva obtengan mesa en un restaurante con 20 mesas y 25 reservas. En el tercer ejercicio, se calculan probabilidades relacionadas con una distribución de Poisson.
Más contenido relacionado
La actualidad más candente
Distribución Normal, Binomial y de Poisson
Este documento presenta información sobre diferentes distribuciones de probabilidad como la normal, binomial, de Poisson y sus características. Explica que la distribución normal es importante para modelar fenómenos naturales y que sigue la curva de Gauss. También describe las características de la distribución binomial como el número de ensayos n y la probabilidad de éxito p. Finalmente, indica que la distribución de Poisson se aplica cuando n es grande y p es pequeña en una distribución binomial.
Distribucion hipergeometrica
La distribución hipergeométrica se utiliza para calcular la probabilidad de una selección aleatoria de objetos sin repetición de una población. La distribución de Poisson se basa en el conteo de eventos dentro de un intervalo de tiempo, área o volumen. La distribución multinomial es una generalización de la binomial que permite más de dos posibles resultados en cada ensayo.
Teorema de bayes
El documento presenta información sobre el Teorema de Bayes, incluyendo su definición, fórmula y aplicaciones. El Teorema permite actualizar las probabilidades de posibles causas ante nueva evidencia, como en casos judiciales. Se proveen ejemplos numéricos para ilustrar cómo calcular probabilidades condicionales usando la fórmula de Bayes.
Estimacion puntual, propiedades de las estimaciones; estimacion por intervalo...
Estimacion puntual, propiedades de las estimaciones; estimacion por intervalo...Alexander Flores Valencia
Este documento presenta información sobre estimaciones puntuales y por intervalos para la media y la probabilidad de éxito binomial. Explica que una estimación puntual usa un solo valor de la muestra para estimar un parámetro poblacional, mientras que una estimación por intervalos provee un rango de valores que probablemente incluya al parámetro. También define intervalos de confianza y cómo se pueden calcular para la media cuando la desviación estándar poblacional es conocida o desconocida.Distribucion de poisson
La distribución de Poisson describe procesos aleatorios donde los eventos ocurren con baja probabilidad en intervalos de tiempo, área o volumen. Se utiliza para calcular la probabilidad de que ocurran k eventos dados los parámetros λ y n. La media y varianza de una distribución de Poisson son iguales a λ.
DISTRIBUCIÓN BERNOULLI Y DISTRIBUCIÓN BINOMIAL
Este documento describe las distribuciones de Bernoulli y binomial. La distribución de Bernoulli modela experimentos con dos resultados posibles (éxito o fracaso) con probabilidades p y q. La distribución binomial modela el número de éxitos en n ensayos independientes con probabilidad constante p de éxito en cada uno. Proporciona fórmulas para calcular las probabilidades de resultados específicos y explica cómo usar tablas binomiales para tales cálculos.
Problemas resueltos de distribución muestral
Este documento presenta la resolución de 5 preguntas sobre distribución muestral. La primera pregunta calcula la probabilidad de que la media de un muestra de 100 recién nacidos sea mayor a 3030 gramos. La segunda pregunta encuentra la probabilidad de que la vida promedio de una muestra de 16 focos sea menor a 775 horas. La tercera pregunta determina el número de medias muestrales que caen dentro de dos rangos dados para 200 muestras de 25 estudiantes.
EstimacióN Y Prueba De HipóTesis
Este documento explica conceptos clave de estimación de parámetros e intervalos de confianza, así como pruebas de hipótesis utilizando pruebas t de Student. Explica cómo calcular intervalos de confianza para estimar parámetros poblacionales a partir de datos muestrales. También describe los pasos para realizar pruebas de hipótesis, incluyendo establecer hipótesis nula e hipótesis alternativa, elegir nivel de significación, y calcular estadísticos de contraste para determinar si se rechaza o no
Diferencias y similitudes de la distribución de probabilidad de poisson y ber...
Este documento compara las distribuciones de probabilidad de Poisson y Bernoulli. La distribución binomial mide el número de éxitos en una secuencia fija de ensayos Bernoulli independientes con probabilidad constante de éxito, mientras que la distribución de Poisson mide el número de eventos que ocurren en un continuo de tiempo o espacio con densidad constante de eventos. Ambas distribuciones describen procesos estocásticos independientes, pero difieren en si los ensayos u observaciones son discretas o continuas.
Distribuciones De Probabilidad Discreta
El documento explica conceptos básicos de estadística como distribución de probabilidad, variables aleatorias, media y varianza. Define una distribución de probabilidad como una lista de todos los resultados posibles de un experimento junto con su probabilidad. Explica que la media es el valor promedio esperado de una variable y se calcula sumando cada resultado multiplicado por su probabilidad. Finalmente, la varianza mide el grado de dispersión en una distribución y se calcula restando la media a cada valor, elevando la diferencia al cuadrado y multiplicando por la probabilidad correspondiente.
5. regresión lineal multiple
Este documento describe el análisis de regresión múltiple, incluyendo la ecuación de regresión múltiple y el error estándar múltiple de estimación. También cubre el coeficiente múltiple de determinación, las hipótesis de normalidad, homocedasticidad e independencia de errores, y cómo detectar cuando estas hipótesis no se cumplen. Finalmente, explica cómo predecir valores utilizando un modelo de regresión múltiple.
Lista 2
La mayoría de los problemas en el documento involucran calcular probabilidades usando diferentes distribuciones de probabilidad como la binomial, Poisson, hipergeométrica y exponencial. Algunos problemas piden calcular la probabilidad de que ciertos eventos ocurran dado los parámetros de cada distribución, mientras que otros proveen datos estadísticos y piden calcular valores esperados y varianzas.
Ejercicios resueltos
Este documento presenta varios problemas resueltos relacionados con distribuciones de probabilidad como la distribución de Bernoulli, binomial, Poisson y otros. Se explican conceptos básicos de cada distribución y se resuelven ejercicios prácticos calculando probabilidades para diferentes variables aleatorias discretas.
Teoria de la probabilidad
Este documento introduce conceptos básicos de la teoría de probabilidad e inferencia estadística. Explica que la probabilidad es una medida cuantitativa del grado de certeza o incertidumbre de un evento. Define términos como experimento, resultado, evento y espacio muestral. También describe reglas para calcular probabilidades como la regla de adición y complemento. Finalmente, presenta axiomas fundamentales de la probabilidad.
Distribuciones de variables aleatorias discretas y continuas
El documento define conceptos básicos relacionados con variables aleatorias, incluyendo la diferencia entre variables aleatorias discretas y continuas. Explica cómo calcular la función de probabilidad, función de distribución, esperanza matemática, varianza y desviación típica para variables aleatorias discretas y cómo definir la función de densidad de probabilidad para variables continuas. También presenta ejemplos comunes de distribuciones de probabilidad como la uniforme, normal y exponencial.
la distribucion de poisson
Este documento describe la distribución de Poisson. Explica que se usa para eventos aleatorios con resultados discretos y baja probabilidad. Detalla las propiedades como que la probabilidad de éxito es constante y eventos son independientes. Proporciona ejemplos como llegada de clientes o accidentes. Finalmente, compara la distribución de Poisson con la binomial cuando la muestra es grande y probabilidad baja.
Distribución gamma
El documento discute diferentes distribuciones de probabilidad como la Gamma, Erlang y exponencial. La distribución Gamma depende de dos parámetros λ y k y generaliza la distribución exponencial. La distribución Erlang se usa para modelar sistemas de servicio masivo como líneas telefónicas. También presenta fórmulas para calcular la media y varianza de la distribución Gamma.
Distribucion Binomial
Este documento explica la distribución binomial, incluyendo su función de probabilidad, características y ejemplos. La distribución binomial cuenta el número de éxitos en una secuencia de ensayos de Bernoulli independientes. Se utiliza para problemas con dos resultados posibles, como lanzar una moneda múltiples veces. El documento también proporciona ejemplos numéricos y resume las propiedades de la distribución binomial.
Distribucion de probabilidades
Este documento presenta diferentes distribuciones de probabilidad discretas. Explica la distribución binomial cuando hay dos resultados posibles, una probabilidad constante y pruebas independientes. Luego describe la distribución hipergeométrica cuando las pruebas no son independientes. Finalmente, introduce la distribución multinomial para más de dos resultados posibles y la distribución de Poisson.
Distribucion binomial
La distribución binomial describe experimentos con dos posibles resultados (éxito o fracaso) que se repiten un número fijo de veces (n). La probabilidad de éxito es la misma para cada repetición y las repeticiones son independientes. La distribución binomial se caracteriza por el número de repeticiones n, el número de éxitos x, y la probabilidad de éxito p en cada repetición. Se usa para modelar muchos fenómenos del mundo real como encuestas de opinión o pruebas clínicas.
La actualidad más candente (20)
Estimacion puntual, propiedades de las estimaciones; estimacion por intervalo...
Estimacion puntual, propiedades de las estimaciones; estimacion por intervalo...
Diferencias y similitudes de la distribución de probabilidad de poisson y ber...
Diferencias y similitudes de la distribución de probabilidad de poisson y ber...
Distribuciones de variables aleatorias discretas y continuas
Distribuciones de variables aleatorias discretas y continuas
Similar a Cuadro comparativo distribución binomial y poisson
Distribucion Binomial y de Poisson
La distribución binomial describe experimentos con dos resultados posibles (éxito/fracaso) donde la probabilidad de éxito es constante en cada prueba. Se representa como B(n, p) donde n es el número de pruebas e p la probabilidad de éxito. La distribución de Poisson modela el número de eventos aleatorios en un intervalo, como defectos por metro cuadrado o llamadas por minuto, cuando la probabilidad de cada evento es pequeña. Ambas distribuciones se usan para calcular la probabilidad de resultados discretos cuando los sucesos son independientes.
alumnos
1. El documento presenta nueve ejercicios resueltos sobre probabilidades y variables aleatorias. En el primer ejercicio, se calculan las probabilidades de que entre 10 unidades dos o a lo sumo dos sean defectuosas, y que por lo menos una lo sea. En el segundo, la probabilidad de que todas las personas con reserva obtengan mesa en un restaurante con 20 mesas y 25 reservas. En el tercer ejercicio, se calculan probabilidades relacionadas con una distribución de Poisson.
Ejercicios Resueltos: Probabilidades y Variables Aleatorias
1. El documento presenta nueve ejercicios resueltos sobre probabilidades y variables aleatorias. En el primer ejercicio, se calculan las probabilidades de que entre 10 unidades dos o a lo sumo dos sean defectuosas, y que por lo menos una lo sea. En el segundo, la probabilidad de que todas las personas con reserva obtengan mesa en un restaurante con 20 mesas y 25 reservas. En el tercer ejercicio, se calculan probabilidades relacionadas con fallos de componentes siguiendo una distribución de Poisson.
T4 alumnos
1. El documento presenta nueve ejercicios resueltos sobre probabilidades y variables aleatorias. Los ejercicios involucran conceptos como distribuciones binomiales, de Poisson y hipergeométricas. Se calculan probabilidades para diferentes escenarios como líneas de ensamblaje, reservas en restaurantes y número de imperfecciones en alambres.
2. El noveno ejercicio calcula la probabilidad de 2 y 10 imperfecciones en diferentes longitudes de alambre, asumiendo que el número de imperfecciones sigue una distribución de Poisson.
3. El document
Distribuciones discretas/ ESTADISTICA GENERAL
Este documento resume tres distribuciones de probabilidad discretas: la distribución binomial, la hipergeométrica y la de Poisson. Explica que la distribución binomial modela experimentos con dos resultados posibles, la hipergeométrica experimentos de muestreo sin reposición de una población finita dividida en dos clases, y la de Poisson eventos aleatorios en el tiempo. Además, proporciona ejemplos y fórmulas para calcular probabilidades usando cada distribución.
5 ejemplos de las distribuciones
Este documento presenta 5 ejemplos para ilustrar la aplicación de las distribuciones de Bernoulli, binomial, Poisson y normal. Explica conceptos como probabilidad de éxito, probabilidad de fracaso, variables aleatorias y parámetros asociados a cada distribución. Los ejemplos incluyen lanzar monedas, dados y otros experimentos aleatorios para calcular probabilidades bajo cada distribución.
Distribucin de-poisson2
La distribución de Poisson es una distribución de probabilidad discreta que modela el número de eventos que ocurren en un intervalo de tiempo o espacio cuando dichos eventos son aleatorios e independientes. Se aplica a fenómenos como el número de autos que pasan por un punto, errores ortográficos en una página, o llamadas telefónicas por minuto. La distribución depende de un parámetro λ que representa la tasa promedio de ocurrencia de eventos.
Distribuciones de probabilidad
El documento describe varias distribuciones de probabilidad como la binomial, Poisson y normal. La distribución binomial modela experimentos con una sucesión de pruebas de Bernoulli independientes. La distribución de Poisson modela el número de eventos aleatorios que ocurren en un intervalo de tiempo o espacio. La distribución normal es una de las más importantes y describe muchas cantidades físicas.
Variables Aleatorias Ejercicios
Este documento presenta 18 ejercicios de estadística relacionados con variables aleatorias discretas y continuas. Los ejercicios cubren temas como espacios muestrales, distribuciones de probabilidad, funciones de densidad, medias, varianzas y probabilidades. Los estudiantes deben resolver cada ejercicio calculando valores estadísticos y distribuciones requeridos.
DefinicióN Variable Aleatoria Discreta
1) Una variable aleatoria discreta toma valores específicos con probabilidades asignadas y suma de probabilidades igual a 1.
2) La distribución binomial describe experimentos con éxito/fracaso, mientras la hipergeométrica considera más de dos resultados posibles.
3) La distribución de Poisson modela fenómenos con arribos aleatorios independientes en intervalos de tiempo.
Ejercicios de variable aleatoria
1. El documento presenta varios problemas de probabilidad resueltos relacionados con variables aleatorias discretas y continuas como la binomial, Poisson y hipergeométrica. Incluye cálculos de probabilidades de sucesos como el número de unidades defectuosas entre 10, el número de personas que puedan ser asignadas a una mesa en un restaurante, y el número de componentes que fallen en cierto período.
2. Explica conceptos como ensayos independientes, parámetros de distribuciones y uso de funciones de probabilidad para resolver los problemas planteados.
3.
Distribuciones
Este documento presenta información sobre diferentes tipos de distribuciones de probabilidad, incluyendo Bernoulli, binomial, Poisson, log-normal, gamma y T de Student. Explica las características y fórmulas de cada distribución y proporciona ejemplos numéricos para ilustrar su aplicación.
Variables aleatorias y continuas
Este documento describe diferentes tipos de variables aleatorias discretas y continuas. Explica que una variable aleatoria puede ser discreta, tomando valores numéricos finitos, o continua, tomando valores en un intervalo infinito. Luego define distribuciones de probabilidad como binomial, Poisson, normal y otras, y proporciona ejemplos de cómo modelar diferentes procesos aleatorios usando estas distribuciones. Finalmente, discute aproximaciones entre distribuciones discretas y continuas.
Distribuciones de probabilidad para variables aleatorias continuas
El documento describe diferentes distribuciones de probabilidad para variables aleatorias continuas, incluyendo la distribución uniforme, exponencial, de Weibull y normal. Proporciona la definición matemática de cada distribución junto con ejemplos numéricos para ilustrar cómo calcular probabilidades bajo cada distribución.
Tema 6, DISTRIBUCIONES DE PROBABILIDAD
El documento describe diferentes distribuciones de probabilidad discretas y continuas como la binomial, Poisson, normal y exponencial. Define conceptos como variable aleatoria, función de probabilidad y valor esperado, y presenta ejemplos para ilustrar el cálculo de probabilidades usando estas distribuciones.
Clase modelos de probabilidad
Este documento presenta diferentes modelos de distribuciones de probabilidad, incluyendo distribuciones discretas como la binomial, de Poisson y hipergeométrica, y distribuciones continuas como la uniforme, exponencial y normal. Describe las características clave de cada modelo, como su función de probabilidad, media, varianza y notación. También incluye ejemplos ilustrativos de cómo aplicar estos modelos a diferentes situaciones.
Variables aleatorias. estadistica 1
El documento describe varias distribuciones de probabilidad discretas, incluyendo la binomial, geométrica, hipergeométrica y de Poisson. La distribución binomial modela el número de éxitos en una secuencia de ensayos de Bernoulli independientes. La distribución geométrica modela el número de ensayos necesarios para obtener el primer éxito. La distribución hipergeométrica se aplica a muestreos aleatorios sin reemplazo. Finalmente, la distribución de Poisson modela el número de eventos que ocurren en un intervalo de tiempo dado una t
Distribucioones discretas
Este documento describe las distribuciones de probabilidad discreta binomial y de Poisson. La distribución binomial modela experimentos con dos resultados posibles (éxito/fracaso) y probabilidades constantes. La distribución de Poisson modela el número de eventos que ocurren en intervalos de tiempo o espacio, donde la probabilidad de un evento es proporcional al intervalo y los eventos son independientes. Ambas distribuciones tienen propiedades como la media y varianza que pueden usarse para calcular probabilidades.
Distribuciones de probabilidad.pptx
Este documento trata sobre distribuciones de probabilidad. Introduce conceptos como variable aleatoria, función de probabilidad, función de distribución y parámetros como media, varianza y desviación típica. Explica en detalle la distribución binomial, incluyendo su función de probabilidad, parámetros y cómo determinar si una variable sigue esta distribución o no.
Distribuciones...
Este documento describe diferentes distribuciones de probabilidad como la distribución de Bernoulli, binomial, Poisson y exponencial. Explica que la distribución de Bernoulli modela ensayos con dos resultados posibles, éxito o fracaso. La distribución binomial se usa para contar el número de éxitos en múltiples ensayos de Bernoulli independientes. La distribución de Poisson modela el número de eventos que ocurren en un intervalo de tiempo, y la distribución exponencial modela el tiempo entre eventos. Cada distribución se ilustra con ejemplos numéricos.
Similar a Cuadro comparativo distribución binomial y poisson (20)
Ejercicios Resueltos: Probabilidades y Variables Aleatorias
Ejercicios Resueltos: Probabilidades y Variables Aleatorias
Distribuciones de probabilidad para variables aleatorias continuas
Distribuciones de probabilidad para variables aleatorias continuas
Más de AnaGabrielaMiranda
Fuentes alternativas de energia a los paneles solares
El documento describe varias fuentes alternativas de energía a los paneles solares, incluyendo la energía solar por concentración que usa heliostatos para concentrar la luz solar en un receptor central, y la biomasa que puede usarse para generar energía eléctrica mediante la quema de biomasa en una caldera o para aplicaciones térmicas industriales y domésticas. También se proporciona un glosario de términos relacionados.
Comentarios de trabajo de campo
Este documento presenta los resultados de un experimento de campo que midió las propiedades térmicas de los materiales de construcción en 9 equipos. Se encontró que 3 equipos compartieron valores similares de espesor (0.1 m) y conductividad térmica (0.13 W/m °C) para el Material 1. Solo 2 equipos tuvieron el mismo espesor (0.06 m) y conductividad térmica (0.04 W/m °C) para el Material 2. Cuatro equipos tuvieron valores de reflectividad (0.3) y radiación directa
Comentarios de trabajo de campo
Este documento presenta los resultados de un experimento de campo que midió las propiedades térmicas de los materiales de construcción en 9 equipos. Se encontró que 3 equipos tenían paredes de 0.1 m de espesor y una conductividad térmica de 0.13 W/m°C. Cuatro equipos tuvieron una reflectividad de 0.3. Cuatro equipos también tuvieron una radiación directa de 0.3 W. Las temperaturas medidas en las caras de las paredes estuvieron entre 23.4°C y 42°C.
Ejemplo de prueba anova de dos factores.
Este documento presenta los pasos para realizar un ANOVA de dos factores. Incluye una tabla de datos de ejemplo con 45 observaciones distribuidas en 9 tratamientos cruzando 3 niveles de un factor A (zona: alta, media, deprimida) y 3 niveles de un factor B (duración del curso: 5, 10, 15 horas). Se describen los pasos para obtener sumatorias, medias, varianzas, sumas de cuadrados totales, de error y de cada factor, así como los grados de libertad y valores F, concluyendo que los efectos
Superficies de aletas
Este documento describe diferentes tipos de superficies extendidas (aletas) y sus ecuaciones para calcular la transferencia de calor. Las aletas aumentan el área de convección o radiación para mejorar la transferencia de calor. Las aletas pueden tener secciones transversales variables u constantes, y la conducción y convección transfieren el calor de la aleta a su superficie. Las ecuaciones presentadas calculan el calor disipado por aletas rectangulares, circulares y triangulares.
Prueba anova
Este documento explica la prueba de ANOVA, un método estadístico utilizado para determinar si hay diferencias significativas entre las medias de tres o más grupos. Describe los pasos para realizar la prueba ANOVA, incluyendo el cálculo de sumas de cuadrados, grados de libertad, cuadrados medios, el estadístico F y el coeficiente de determinación. Finalmente, concluye que la prueba ANOVA puede usarse para comparar los resultados obtenidos por diferentes analistas.
Definicion de h
Este documento describe los mecanismos de transferencia de calor por convección, incluyendo la definición del coeficiente de transferencia de calor h y cómo depende de factores como el tipo de fluido, su velocidad y viscosidad. También introduce números adimensionales como el número de Nusselt, Reynolds y Prandtl que pueden describir el fenómeno de la convección relacionando la transferencia de calor, cantidad de movimiento y difusión térmica. Finalmente, proporciona referencias bibliográficas sobre el tema.
Constante k
El documento explica los conceptos de transferencia de calor, incluyendo la constante K que representa la cantidad de calor transferida a través de un área determinada con una diferencia de temperatura de 1°C. Se define la ecuación para calcular la transferencia de calor en función de K, el área y la diferencia de temperaturas. Finalmente, se explica que K depende de factores como el espesor del material y los coeficientes de transferencia térmica superficial interior y exterior.
Problema 3, pagina 443
El documento explica la diferencia entre pruebas estadísticas de una y dos colas. Indica que para una prueba de una cola, el p-valor es 0.010, mientras que para una prueba de dos colas es 0.020, el cual se obtiene sumando dos veces el valor alfa de una sola cola. También presenta el resultado de una prueba F con cinco grados de libertad en el numerador y siete en el denominador, cuya estadístico de prueba fue de 7.46.
Problema 2 pagina 436
El documento presenta los resultados de la medición del diámetro de rodillos producidos por 3 maquinistas. Se establece la hipótesis nula de que las proporciones de rodillos en cada categoría (bien, volver a pulir, desechar) son iguales entre los maquinistas. Los valores observados y esperados son calculados y el estadístico Ji cuadrada resulta en 0.13, con un P-valor mayor a 0.0995. Por lo tanto, se acepta la hipótesis nula de que las proporciones son iguales entre los ma
Problema 2 pagina 436
El documento presenta los resultados de la medición del diámetro de rodillos producidos por 3 maquinistas. Se establece la hipótesis nula de que las proporciones de rodillos en cada categoría (bien, volver a pulir, desechar) son iguales entre los maquinistas. Los valores observados y esperados son presentados en tablas. El cálculo de la estadística Ji cuadrada da un valor de 0.13, con un P-valor mayor a 0.0995, por lo que no se rechaza la hipótesis nula. Se con
Problema 6.21 pagina 431
El documento presenta datos observados y esperados de cuatro máquinas que fabrican alfileres. Los datos incluyen el número de alfileres de cada máquina que estaban bien, eran angostos o gruesos. También incluye el cálculo de chi cuadrada para comparar los valores observados con los esperados. El valor de chi cuadrada es 0.0553322.
Vientos solares
El viento solar se puede considerar materia ya que consiste en partículas cargadas como electrones y protones que son expulsadas desde la atmósfera superior del Sol. Estas partículas escapan la gravedad del Sol debido a su alta energía cinética y temperatura. El viento solar puede afectar la Tierra causando tormentas solares y auroras cuando las partículas interactúan con el campo magnético terrestre. El Sol pierde aproximadamente 800 kg de materia por segundo en forma de viento solar.
Vientos solares
El documento describe el viento solar, que consiste principalmente en electrones y protones expulsados desde la atmósfera superior del Sol. El viento solar puede escapar la gravedad del Sol debido a su alta energía cinética y temperatura. El viento solar puede tener efectos en la Tierra como provocar auroras cuando interacciona con el campo magnético terrestre. Se considera materia debido a que posee masa y está compuesto de partículas.
Equivalente mecanico de calor
Este documento describe los mecanismos de transferencia de calor y el equivalente mecánico del calor. Explica que el calor y el trabajo mecánico son equivalentes y que la relación entre ellos es de 4.18 J/cal. También presenta la fórmula para calcular la energía transferida mediante calor Q = m * ΔT * Cp y realiza un ejemplo numérico para ilustrar su uso.
Cuestionario unidad 4
Los tres mecanismos principales de transferencia de calor son la conducción, la convección y la radiación. La conducción ocurre a través del contacto directo entre objetos, la convección requiere un fluido en movimiento, y la radiación implica la emisión y absorción de ondas electromagnéticas. La energía del sol no llega a la Tierra por conducción o convección, sino por radiación.
Cuestionario unidad 4
Este documento resume los tres mecanismos principales de transferencia de calor: conducción, convección y radiación. Explica que la conducción ocurre a través del contacto directo entre moléculas, la convección requiere el movimiento de un fluido, y la radiación es la propagación de energía a través de ondas electromagnéticas. También distingue cómo funciona cada mecanismo y cuál es el responsable de transferir calor del sol a la Tierra.
Cuestionario unidad 4
Este documento resume los tres mecanismos principales de transferencia de calor: conducción, convección y radiación. Explica que la conducción ocurre a través del contacto directo entre moléculas, la convección requiere el movimiento de un fluido, y la radiación es la propagación de energía a través de ondas electromagnéticas. También discute brevemente las diferencias entre conducción y convección, y cómo la radiación solar llega a la Tierra.
Examen problema de ji cuadrada
El resumen analiza los datos de calidad de soldaduras de camiones en tres turnos diferentes utilizando la prueba de Ji cuadrada. Los pasos incluyen calcular valores esperados, Ji cuadrada para cada celda, sumar Ji cuadradas, determinar grados de libertad, y encontrar el p-valor en una tabla. El p-valor es menor a 0.005, por lo que se rechaza la hipótesis nula de que la calidad no varía entre turnos, concluyendo que la calidad sí varía entre turnos.
Más de AnaGabrielaMiranda (20)
Fuentes alternativas de energia a los paneles solares
Fuentes alternativas de energia a los paneles solares
Último
Mapa Mental documentos que rigen el sistema de evaluación
APORTES DE LOS DOCUMENTOS QUE RIGEN EL SISTEMA DE EVALUACIÓN.
CINE COMO RECURSO DIDÁCTICO para utilizar en TUTORÍA
Dos cortos y ocho películas para tratar en el aula.
Soluciones Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinar...
Criterios de corrección y soluciones al examen de Geografía de Selectividad (EvAU) Junio de 2024 en Castilla La Mancha.
Soluciones al examen.
Convocatoria Ordinaria.
Examen resuelto de Geografía
conocer el examen de geografía de julio 2024 en:
https://blogdegeografiadejuan.blogspot.com/2024/06/soluciones-examen-de-selectividad.html
http://blogdegeografiadejuan.blogspot.com/
Gracias papá voz mujer_letra y acordes de guitarra.pdf
Puedes encontrar el video y el archivo para descargar en mi blog:
https://labitacoradeann.blogspot.com/2024/06/gracias-papa.html
Mi Comunidad En El Sector Monterrey-Poste Blanco
Está Diapositiva, Está Hecha Para Las Personas Que Quieran Conocer Un Poco De Mi Espacio Personal
Presentación de la historia de PowerPoint y sus características más relevantes.
Aquí se evidencia datos importantes sobre PowerPoint.
Este documento contiene, el programa completo de un acto para realizar la pro...
acto promesa de lealtad a la bandera
DESARROLLO DE LAS RELACIONES CON LOS STAKEHOLDERS.pdf
DESARROLLO DE LAS RELACIONES CON LOS STAKEHOLDERS
MATERIAL ESCOLAR 2024-2025 3 AÑOS CEIP SAN CRISTÓBAL
MATERIAL ESCOLAR 2024-2025 3 AÑOS CEIP SAN CRISTÓBAL
Lecciones 11 Esc. Sabática. El conflicto inminente docx
El conflicto en el fin del tiempo será sobre la adoración.
Business Plan -rAIces - Agro Business Tech
Innovación y transparencia se unen en un nuevo modelo de negocio para transformar la economia popular agraria en una agroindustria. Facilitamos el acceso a recursos crediticios, mejoramos la calidad de los productos y cultivamos un futuro agrícola eficiente y sostenible con tecnología inteligente.
Último (20)
Mapa Mental documentos que rigen el sistema de evaluación
Mapa Mental documentos que rigen el sistema de evaluación
CINE COMO RECURSO DIDÁCTICO para utilizar en TUTORÍA
CINE COMO RECURSO DIDÁCTICO para utilizar en TUTORÍA
Cronica-de-una-Muerte-Anunciada - Gabriel Garcia Marquez.pdf
Cronica-de-una-Muerte-Anunciada - Gabriel Garcia Marquez.pdf
Soluciones Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinar...
Soluciones Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinar...
Gracias papá voz mujer_letra y acordes de guitarra.pdf
Gracias papá voz mujer_letra y acordes de guitarra.pdf
Presentación de la historia de PowerPoint y sus características más relevantes.
Presentación de la historia de PowerPoint y sus características más relevantes.
Este documento contiene, el programa completo de un acto para realizar la pro...
Este documento contiene, el programa completo de un acto para realizar la pro...
DESARROLLO DE LAS RELACIONES CON LOS STAKEHOLDERS.pdf
DESARROLLO DE LAS RELACIONES CON LOS STAKEHOLDERS.pdf
MATERIAL ESCOLAR 2024-2025 3 AÑOS CEIP SAN CRISTÓBAL
MATERIAL ESCOLAR 2024-2025 3 AÑOS CEIP SAN CRISTÓBAL
Lecciones 11 Esc. Sabática. El conflicto inminente docx
Lecciones 11 Esc. Sabática. El conflicto inminente docx
Evaluacion-Formativa-Nueva Escuela Mexicana NEM-ok.pdf
Evaluacion-Formativa-Nueva Escuela Mexicana NEM-ok.pdf
Presentación de proyecto en acuarela moderna verde.pdf
Presentación de proyecto en acuarela moderna verde.pdf
Cuadro comparativo distribución binomial y poisson
- 1. CUADRO COMPARATIVO ENTRE DISTRIBUCION POISSON Y BINOMIAL Comparaciones Distribución Poisson Distribución Binomial Formula Características 1) El espacio maestral se genera por un numero muy grande de repeticiones de un experimento con modelo de probabilidad de Bernoulli, con poca probabilidad de éxito. 2) El numero de éxitos en el intervalo es ajeno: Li ⌒ lk = ᶲ 3) La probabilidad de que se tengan dos ó mas más éxitos en el mismo punto es igual cero. 4) El resultado de cada prueba es independiente a los resultado de cada prueba anterior. 5) La variable aleatoria binomial , X, expresa el numero de éxitos obtenidos en las n pruebas. Por tanto, los valores que puede tomar x son: 0, 1, 2, 3, 4,….n. 1) En la prueba del experimento solo son posibles dos resultados: éxito y fracaso. 2) La probabilidad de éxito es representada por p y es constante. 3) La probabilidad de fracaso es representada por q y también es constante. 4) El numero promedio de éxitos en un intervalo es una constante I que no cambia de intervalo a intervalo. 5) El número de ensayos n y la probabilidad de éxito p son diferentes, pero el numero promedio de éxitos , que es igual al producto np, es el mismo. Casos Numero de aviones que aterrizan en un aeropuerto por día, minuto, hora, etc. Numero de bacteria por cm ² de cultivo. Numero de embarcaciones a un puerto por día, mes, etc.etc. Se lanza un dado diez veces y se cuenta el número X de tres obtenidos: Entonces X ~ B(10, 1/6) Se lanza una moneda dos veces y se cuenta el número X de caras obtenidas: Entonces X ~ B(2, 1/2) Ejemplos Una masa contiene 5000 átomos y cada uno de estos tiene la probabilidad de 0.0004 de decaer en un intervalo de una minuto. Sea Y el número de átomos de esta masa que decae en un minuto. Y ~ Bin (5 000, 0.0004) y µy = (5 000)(0.0004) = 2 La probabilidad de que un artículo producido por una fabrica sea defectuoso es 0.02. Se envió un cargamento de 10.000 artículos a unos almacenes. Hallar el número esperado de artículos defectuosos, la varianza y la desviación típica. Media: µ = n*p µ = 10.000*0.02=200 Varianza: σ ² = n*p*q σ ² = 10.00 0*0.02 * 0.98 = 196 Desviación Típica : σ = √ σ² σ = √ 196 =14
- 2. Referencias • Estadística para ingenieros y científicos, Navidi Wiliam, primera edicion , 2006, paginas: 206. • http://www.itch.edu.mx/academic/industrial/sabaticorita/_private/05Distr%20Poisson.htm • http://www.ditutor.com/distribucion_binomial/distribucion_binomial.html • Estadística para ingenieros y científicos, Navidi Wiliam, primera edicion , 2006, paginas: 206. • http://es.wikipedia.org/wiki/Distribuci%C3%B3n_binomial