Cuadro comparativo de distribución binomial y Poisson.
| Distribución Binomial | Distribución Poisson | |
|---|---|---|
| Definición | Modelo de probabilidad discreta para eventos que tienen dos posibles resultados y una probabilidad constante. | Modelo de probabilidad discreta para eventos que ocurren raramente en un intervalo de tiempo o espacio. |
| Variables | n (número de ensayos), p (probabilidad de éxito), x (número de éxitos) | λ (tasa de ocurrencia de eventos) |
| Probabilidad de éxito | Debe ser constante en todos los ensayos. | No hay una probabilidad de éxito constante. |
| Valores de x | De 0 a n. | De 0 a infinito. |
| Forma de la curva | Simétrica. | Asimétrica hacia la derecha. |
| Aplicaciones | Eventos discretos, como lanzar una moneda. | Eventos raros, como accidentes de tráfico. |
Este cuadro comparativo muestra las principales diferencias entre la distribución binomial y la distribución Poisson. La distribución binomial se utiliza para eventos discretos que tienen dos posibles resultados y una probabilidad constante, mientras que la distribución Poisson se utiliza para eventos raros que ocurren en un intervalo de tiempo o espacio.
En la distribución binomial, las variables incluyen el número de ensayos, la probabilidad de éxito y el número de éxitos. En la distribución Poisson, la variable principal es la tasa de ocurrencia de eventos. Además, mientras que en la distribución binomial la probabilidad de éxito debe ser constante en todos los ensayos, en la distribución Poisson no hay una probabilidad de éxito constante.
La forma de la curva también es diferente en ambas distribuciones. La distribución binomial es simétrica, mientras que la distribución Poisson es asimétrica hacia la derecha.
En cuanto a las aplicaciones, la distribución binomial se utiliza comúnmente para eventos discretos, como lanzar una moneda, mientras que la distribución Poisson se utiliza para eventos raros, como accidentes de tráfico.
En resumen, la elección de utilizar la distribución binomial o Poisson dependerá del tipo de evento que se esté modelando y de las variables involucradas. Este cuadro comparativo puede ser útil para seleccionar la distribución adecuada para cada caso.
Deja una respuesta