Laboratorio Calidad

UNIVERSIDAD DE LA COSTA
DEPARTAMENTO DE GESTIÓN INDUSTRIAL AGROINDUSTRIAL Y

OPERACIONES
LABORATORIO DE CONTROL DE CALIDAD
FACULTAD DE INGENIERÍA
DISTRIBUCIÓN BINOMIAL Y POISSON
Juan Fontalvo, Mauricio Restrepo, Alex Saltarín, Kevin Zambrano.

Ingeniería Industrial
Laboratorio de Control de calidad. Grupo: CN- 23 -08-19
Resumen
En el siguiente laboratorio se desarrollaron 2 experimentos con la intención de demostrar
la convergencia de distribución binomial a la distribución de poisson, donde con ayuda
de una caja binomial llena de 85 bolas de colores y 15 bolas blancas(unidades no
conforme) se pueda representar la distribución binomial, posteriormente, para el 2do
experimento se utilizaría la caja anterior con la misma cantidad total de bolas, solo que
esta vez será solo 2 canicas blancas y el resto de color, aun así, cada experimento tendrá
un tamaño de muestra diferente o se podría decir inversamente proporcional al tamaño de
unidades no conforme.
Palabras claves
Binomial, poisson, convergencia.
Abstract
In the following laboratory, 2 experiments were carried out with the intention of
demonstrating the convergence of binomial distribution to the poisson distribution, where
with the help of a binomial box full of 85 colored balls and 15 white balls (non-compliant
units) the Binomial distribution, later, for the 2nd experiment the previous box with the
same total amount of balls would be used, only this time it will be only 2 white marbles
and the rest of color, even so, each experiment will have a different sample size or I could
say inversely proportional to the size of nonconforming units.
Keywords
Binomial, poisson, convergence.
1
OPERACIONES
1. Introducción
Propiedades de la distribución
Cuando inferimos en el término de binomial
distribución de variables discretas en
estadística, llegamos a dos definiciones Para que una variable aleatoria se
como lo son la distribución binomial y la considere que sigue una distribución
distribución de poisson. Donde la binomial, tiene que cumplir las
distribución binomial es cuando se siguientes propiedades:
realizan n pruebas sucesivas e
independientes, en experimentos  En cada ensayo, experimento o
aleatorios que solo admiten dos prueba solo son posibles dos
resultados éxito o fracaso. por otro lado, resultados (éxito o fracaso).
se dice que una variable discreta tiene
una distribución de poisson cuando su  La probabilidad del éxito ha de
numero de muestra es grande o tiende a ser constante. Esta se representa
infinito y su probabilidad es muy mediante la letra p. La
pequeño o cercano a cero. probabilidad de que salga cara al
lanzar una moneda es 0,5 y esta
es constante dado que la moneda
2. Fundamentos Teóricos no cambia en cada experimento y
las probabilidades de sacar cara
Una distribución binomial es una es constate.
distribución de probabilidad discreta que
describe el número de éxitos al realizar n  La probabilidad de fracaso ha de
experimentos independientes entre sí, ser también constate. Esta se
acerca de una variable aleatoria. representa mediante la letra q =
1-p. Es importante fijarse que,
Existen una gran diversidad de mediante esa ecuación, sabiendo
experimentos o sucesos que pueden ser p o sabiendo q, podemos obtener
caracterizados bajo esta distribución de la que nos falte.
probabilidad. Imaginemos el
lanzamiento de una moneda en el que  El resultado obtenido en cada
definimos el suceso “sacar cara” como el experimento es independiente del
éxito. Si lanzamos 5 veces la moneda y anterior. Por lo tanto, lo que
contamos los éxitos (sacar cara) que ocurra en cada experimento no
obtenemos, nuestra distribución de afecta a los siguientes los sucesos
probabilidades se ajustaría a una son mutuamente excluyentes, es
distribución binomial. decir, no pueden ocurrir los 2 al
mismo tiempo. No se puede ser
Por lo tanto, la distribución binomial se hombre y mujer al mismo tiempo
entiende como una serie de pruebas o o que al lanzar una moneda salga
ensayos en la que solo podemos tener 2 cara y cruz al mismo tiempo.
resultados (éxito o fracaso), siendo el
éxito nuestra variable aleatoria.
2
OPERACIONES
 Los sucesos son colectivamente Imaginemos que un 80% de personas en

exhaustivos, es decir, al menos el mundo han visto el partido de la final
uno de los 2 ha de ocurrir. Si no del último mundial de futbol. Tras el
se es hombre, se es mujer y si se evento, 4 amigos se reúnen a conversar,
lanza una moneda, si no sale cara
ha de salir cruz. ¿Cuál es la probabilidad de que 3 de ellos
hayan visto?
 La variable aleatoria que sigue
una distribución binomial se Definamos las variables del
suele representar como X~(n,p). experimento:
n representa el número de
ensayos o experimentos y p la n = 4 (es el total de la muestra que
probabilidad de éxito. tenemos)
Formula de la distribución binomial x = número de éxitos, que en este caso

es igual a 3, dado que buscamos la
La fórmula para calcular la distribución probabilidad de que 3 de los 4 amigos lo
normal es: hayan visto.
p = probabilidad de éxito (0,8)
q = probabilidad de fracaso (0,2). Este

resultado se obtiene al restar 1-p.
Donde:
n = número de ensayos/experimentos Tras definir todas nuestras variables,
x = número de éxitos simplemente sustituimos en la formula.
p = probabilidad de éxito
q = probabilidad de fracaso (1-p)
Es importante resaltar que la expresión

entre corchetes no es una expresión
matricial, sino que es un resultado de una
combinatoria sin repetición. Este se Distribución de Poisson
obtiene con la siguiente formula:
Esta distribución es una de las más
importantes distribuciones de variable
discreta. Sus principales aplicaciones
hacen referencia a la modelización de
situaciones en las que nos interesa
El signo de exclamación en la expresión determinar el número de hechos de cierto
anterior representa el símbolo de tipo que se pueden producir en un
factorial. intervalo de tiempo o de espacio, bajo
presupuestos de aleatoriedad y ciertas
Ejemplo de distribución binomial circunstancias restrictivas. Otro de sus
usos frecuentes es la consideración
3
OPERACIONES
límite de procesos dicotómicos Esta distribución se puede hacer derivar

reiterados un gran número de veces si la de un proceso experimental de
probabilidad de obtener un éxito es muy observación en el que tengamos las
pequeña. siguientes características:
Características de la Distribución de  Se observa la realización de

Poisson: hechos de cierto tipo durante un
cierto periodo de tiempo o a lo
Un modelo de probabilidad de Poisson largo de un espacio de
tiene las siguientes características: observación.
 El espacio muestral se genera por  Los hechos a observar tienen

un número muy grande (puede naturaleza aleatoria; pueden
considerarse infinito) de producirse o no de una manera no
repeticiones de un experimento determinística.
cuyo modelo de probabilidad es
el de Bernoulli, con probabilidad
de éxito muy pequeña. Por esta
razón, a la distribución de  La probabilidad de que se
Poisson suele llamársele de produzcan un número x de éxitos
eventos raros. Las repeticiones en un intervalo de amplitud t no
del experimento de Bernoulli se depende del origen del intervalo
realizan en cada uno de los (Aunque, sí de su amplitud).
puntos de un intervalo de tiempo
o espacio.  La probabilidad de que ocurra un
hecho en un intervalo
 El número de éxitos en el infinitésimo es prácticamente
intervalo li es ajeno al número de proporcional a la amplitud del
éxitos en el intervalo lk, por lo intervalo.
que li Ç lk = f.
 La probabilidad de que se
 La probabilidad de que se tengan produzcan 2 o más hechos en un
dos o más éxitos en el mismo intervalo infinitésimo es un
punto del intervalo es cero. infinitésimo de orden superior a
dos.
 El número promedio de éxitos en
un intervalo es una constante l, En consecuencia, en un intervalo
que no cambia de intervalo a infinitésimo podrán producirse O ó 1
intervalo. hecho, pero nunca más de uno:
Proceso experimental del que se  Si en estas circunstancias

deriva: aleatorizamos de forma que la
variable aleatoria X signifique o
designe el "número de hechos
4
OPERACIONES
que se producen en un intervalo

de tiempo o de espacio", la
variable X se distribuye con una
distribución de parámetro.
 Así,
El parámetro de la distribución es, en

principio, el factor de proporcionalidad
para la probabilidad de un hecho en un Que sería:
intervalo infinitésimo. Se le suele
designar como parámetro de intensidad,
aunque más tarde veremos que se
corresponde con el número medio de
hechos que cabe esperar que se
produzcan en un intervalo unitario Obsérvense los valores próximos en la
(media de la distribución); y que también media y su forma parecida a la campana
coincide con la varianza de la de Gauss, en definitiva, a la distribución
distribución. normal.
Por otro lado, es evidente que se trata de
un modelo discreto y que el campo de La función de distribución vendrá dada
variación de la variable será el conjunto por:
del número natural, incluido el cero:
Función Generatriz de Momentos:

Función de cuantía:
Su expresión será:
A partir de las hipótesis del proceso, se
obtiene una ecuación diferencial de
definición de este que puede integrarse
con facilidad para obtener la función de
cuantía de la variable "número de hechos
que ocurren en un intervalo unitario de
tiempo o espacio"
Dado que:
5
OPERACIONES
Así se observa que media y varianza

Tendremos que: coinciden con el parámetro del modelo
siendo, en cuanto a la moda del modelo
tendremos que será el valor de la variable
Luego, que tenga mayor probabilidad, por tanto,
si Mo es el valor modal se cumplirá que:
Para la obtención de la media y la

varianza aplicaríamos la F.G.M.; Y en particular:
derivándola sucesivamente e igualando t
a cero (0).
A partir de estas dos desigualdades, es

muy sencillo probar que la moda tiene
Así: que verificar:
De manera que la moda será la parte

entera del parámetro o, dicho de otra
forma, la parte entera de la media.
Una vez obtenida la media, Podemos observar como el intervalo al
obtendríamos la varianza en base a: que debe pertenecer la moda tiene una
amplitud de una unidad, de manera que
la única posibilidad de que una
distribución tenga dos modas será que
los extremos de este intervalo sean
números naturales, o lo que es lo mismo
que el parámetro sea entero, en cuyo caso
las dos modas serán -1 y 1.
Teorema de adición:
Haciendo t = 0
La distribución de Poisson verifica el

teorema de adición para el parámetro.
“La variable suma de dos o más variables
Por lo que:
6
OPERACIONES
independientes que tengan una

distribución de poisson de distintos
parámetros (de distintas medias) se
distribuirá, también con una distribución
de Poisson con parámetro la suma de los Convergencia de la distribución
parámetros (con media, la suma de las binomial a la Poisson.
medias).
En efecto: Sean x e y dos variables Se puede probar que la distribución
aleatorias que se distribuyen con dos binomial tiende a converger a la
distribuciones de Poisson de distinto distribución de Poisson cuando el
parámetros siendo además x e y parámetro n tiende a infinito y el
independientes. parámetro p tiende a ser cero, de manera
que el producto de n por p sea una
Así: cantidad constante. De ocurrir esto la
distribución binomial tiende a un modelo
E de Poisson de parámetro igual a n por p.
Este resultado es importante a la hora del
Debemos probar que la variable Z = x + cálculo de probabilidades, o, incluso a la
y seguirá una Poisson con parámetro hora de inferir características de la
igual a la suma de los de ambas: distribución binomial cuando el número
de pruebas sea muy grande
En base a las F.G.M. para x: Y la probabilidad de éxito sea muy

pequeña
Para y:
El resultado se prueba, comprobando
como la función de cuantía de una
distribución binomial con
De manera que la función generatriz de
momentos Z será el producto de ambas
ya que son independientes. Y
Tiende a una función de cuantía de una

distribución de Poisson con
Siendo la F.G.M. de una Poisson: Siempre que este producto sea una
cantidad constante (un valor finito). En
7
OPERACIONES
efecto la función de la cuantía binomial unidades no conformes (bolas

es blancas) en la tabla 1.
Número de repeticiones que se
hicieron: 50. El número de bolas
blancas dentro de la caja tenía
Y llamamos una proporción de 0.15 con
respecto a la población (85 bolas
de color / 15 bolas blancas).
Tendremos que:
2) Con una fracción de no
conformidad de p = 0.02 (tiende
a cero), se tomaron muestras de
tamaño 10 y se anotó el número
de unidades no conformes en la
tabla 2. Número de repeticiones:
Realizando 100. El número de bolas blancas
dentro de la caja tenía una
proporción de 0.02 con respecto
a la población (98 bolas de color
/ 2 bolas blancas).
Que es la función de cuantía de una
distribución de Poisson.
4. Análisis y Resultados
Equipos
1. A qué razones obedece las
 Canicas de colores y blancas
diferencias entre la probabilidad
 Caja binomial (caja con apertura
teórica y la probabilidad
de vidrio en los laterales)
experimental resultante.
2. Desarrollo experimental A medida que nuestra n sea más

grande nuestro valor
experimental se aleja del teórico.
Se realizaron dos experimentos:
1) Con una fracción de no 2. Si el valor de (p) en el universo

conformidad de p = 0.15, se que es objeto de experimento,
realizó una muestra de tamaño 10 variase a 0,3 como variaran los
y se anotaron el número de resultado obtenidos.
8
OPERACIONES
Cuando la probabilidad varia a a) ¿Cuál es la probabilidad de

0,3 la probabilidad de exito sera que, a lo más, tres autos por año
de 30%. En la distribución sufran catástrofe?
binomial y en el caso de la
distribución de poisson no se P(X≤3l λ=5) 0,2650
cumplira las condiciones ya que
p no sera tan pequeña.
b) ¿Cuál es la probabilidad de
que más de un auto por año
3. Qué conclusiones y
experimente una catástrofe?
recomendaciones se pueden
hacer de la experiencia.
P1 1-P1
Se podria deducir que nuestros P(X>1l λ=5) 0,0404 0,9596
valores experimentales más
cercanos a lo teórico son los de 2. El número de clientes que llega
distribución binomial, donde, por hora a ciertas instalaciones
estos se podrian convertir en de servicio automotriz se
valores de punto de partida de supone que sigue una
una proyeccion, sin embargo, no distribución de Poisson con
todos los problemas de la vida media λ =7
real se puede proyeccionar a
futuro con esta distribución ya a) Calcule la probabilidad de
que debe de cumplira una serie de
que más de 10 clientes lleguen
condiciones.
en un periodo de 2 horas
Ejercicios
P1 1-P1
1. Un fabricante de automóviles se P(X>10l λ=14) 0,1757 0,8243
preocupa por una falla en el
mecanismo de freno de un
b) Cuál es el número medio de
modelo particular. La falla puede
llegadas durante un periodo de
causar en raras ocasiones una
2 horas.
catástrofe a alta velocidad.
Suponga que la distribución del λt=14
número de autos por año que
experimentará la falla es una 5. conclusión
variable aleatoria de Poisson con
λ= 5 Finalmente, se logró deducir, que, en
experimentos aleatorios independientes,
la probabilidad de que ocurra algún
9
OPERACIONES
evento vario en forma del fenómeno que

se esté estudiando, en cambio, en la
dependiente su probabilidad va arraigada
con el porcentaje o cantidad de
combinaciones que tenga dicho
experimento, siempre y cuando no se
tenga en cuenta el orden de cada evento.
6. Bibliografía
[1] SanJuan, F. J. M. (s.f.). Distribución

binomial. Recuperado de
https://economipedia.com/definiciones/
distribucion-binomial.html
[2]
Distribución Poisson. (s.f.). Recuperado
de
https://www.uv.es/ceaces/base/modelos
%20de%20probabilidad/poisson.htm
10
DEPARTAMENTO DE GESTIÓN INDUSTRIAL AGROINDUSTRIAL Y OPERACIONES
7. Anexos
Exp 1
11
12
Exp 2
13
14
15
OPERACIONES
Aplicabilidad de probabilidad
binomial y Poisson en el Control de
Calidad
16
OPERACIONES
cuya función de frecuencia es la

siguiente:
La probabilidad es una medida de
la certidumbre asociada a un suceso o
evento futuro y suele expresarse como Donde (n y p) son parámetros de la
un número entre 0 y 1 (o entre 0 % y distribución en estas variables. Para
100 %), siendo de gran uso en diferentes realizar y analizar el control de calidad
área del estudio como lo para el lote de producción, se utiliza una
son la estadística, la física, densidad de probabilidad discreta, que se
la matemática entre otros, este término usa frecuentemente en los procesos de
guarda una gran relación con la control de calidad.
probabilidad binomial ya que por medio La distribución más utilizada es la
de esta se es posible hallar la distribución binomial, ampliamente
probabilidad de exactamente x éxitos empleada en procesos de control de
en n intentos repetidos en un calidad en situaciones cuya solución
experimento que tiene dos resultados tiene dos posibles resultados, éxito o
posibles (comúnmente llamado un fracaso, de un parámetro de un conjunto
experimento binomial), también se de muestras establecido, en la actualidad
puede interpretar como una distribución las industrias de manufactura o
de probabilidad discreta que mide el producción realizan actividades de
número de éxitos o de aciertos de control de calidad donde se espera
variables aleatorias discretas. detectar que ocurra o no un evento
Esta distribución fue desarrollada por específico. Este evento puede ser de
Jakob Bernoulli y es utilizada para éxito o fracaso, sin que haya un punto
variables que solo pueden tomar dos intermedio de decisión. Cuando se
posibles resultados. Un experimento realiza la producción de un componente
binomial tiene las siguientes o artículo, se ejecutan procedimientos de
características: verificación para determinar si este
 El experimento consta de (n) cumple o no con unas características
pruebas idénticas. previamente definidas, para estas
 Cada prueba tiene 2 resultados situaciones se utiliza la distribución
posibles (éxito o fracaso). Binomial.
 La probabilidad debe tener éxito
en una sola prueba que es (p) y Además, todo esto guarda relación con la
permanece constante de prueba distribución de Poisson (descubierta
en prueba. La probabilidad de por Simeón-Denis Poisson, en 1838), la
fracaso (q) es igual a: q = 1-p. cual es una distribución de probabilidad
 Las pruebas son independientes. discreta que se aplica a las ocurrencias de
 La variable aleatoria bajo estudio algún suceso durante un intervalo
es x´ = Número de éxitos. determinado. Nuestra variable
Cuando se cumplen estas condiciones se aleatoria x representará el número de
dice que x´ es una variable con ocurrencias de un suceso en un intervalo
distribución Binomial o de Bernoulli determinado, el cual podrá ser tiempo,
17
OPERACIONES
distancia, área, volumen o alguna otra Una de sus aplicaciones en el control de

unidad similar o derivada de éstas. calidad es la detección de errores o
La distribución de Poisson es aplicable defectos en los productos a inspeccionar
cuando se presentan las siguientes ya que el número defectos pueden ser
condiciones: representados por una variable en la
 Tamaño de la muestra grande formula, la cual se interpreta como una
(n ∞) variable aleatoria discreta que puede
 (p) es muy pequeño (n 0) tomar n valores, donde la probabilidad
 (np) permanece constante de la variable puede ser calculada por la
distribución de Poisson, debido a que
Representada por: dicha distribución tiene una propiedad
cuyas consecuencias son muy
importantes para el Control de calidad.
Cuando x’ es una variable aleatoria con

distribución de Poisson y parámetro (np) Ejemplo de distribución de Poisson
se puede decir que:
1. Un proveedor suministra una
X Poisson (np) gran cantidad del articulo CXB-
12, y en el pasado se ha
Esta distribución puede ser considerada observado que el 1 por 100 es
como el límite al cual tiende una defectuoso. Si se inspecciona una
distribución binomial cuando el número muestra de 100 unidades de
de elementos analizados es muy grande, CXB-12, ¿Cuál es la
es decir, tiende a infinito con una probabilidad de que se
probabilidad muy pequeña, esto es encuentren exactamente 3
cómodo en ocasiones cuando el cálculo defectuosos?
con la distribución binomial se hace
dificultoso, por tal motivo, se hace la
aproximación a la distribución de
Poisson al no tener elementos más
sofisticados como la calculadora o un
computador.
2. Una empresa de alimentos hace
La distribución de Poisson se aplica en en promedio 2.2 toneladas de
los casos en que la probabilidad de harina cada mes. ¿Cuál es la
realización de un suceso en un ensayo es probabilidad de que en el
muy pequeña y se quiere predecir la próximo mes realice 4 toneladas?
realización de los sucesos en un número
muy elevado de observaciones. Se
aplica, en algunos casos particulares del
control de calidad.
18
OPERACIONES
La siguiente tabla muestra las

probabilidades de la empresa ejecute n De manera análoga, las probabilidades
cantidad de toneladas en el próximo mes: de obtener 1, 2 y 3 defectuosos, están
dadas, por:
P (X = 1) = 3 C1 p1 (1 - p)3 – 1 = 3 x 0.41
x (1 – 0.4)2 = 0.432 = 43.2%
P (X = 2) = 3 C2 p2 (1 - p)3 – 2 = 3 x 0.42
x (1 – 0.4)1 = 0.288 = 28.8%
P (X = 3) = 3 C3 p3 (1 - p)3 – 3 = 1 x 0.43
x (1 – 0.4)0 = 0.064 = 6.4%
Referencias
i. La función de distribución de
Poisson. (s.f.). Recuperado 21
Ejemplo de distribución binomial agosto, 2019, de
https://www.matematicasypoesi
1. Un lote de 10 pernos contiene 4 a.com.es/Estadist/ManualCPE04
defectuosos. Considere el p4.htm
experimento de elegir un perno al ii. Arturo Robirosa, A. R. AR.
azar del lote y luego de observar (2013, 7 noviembre). Relación
si es o no defectuoso se regresa al entre la Distribución Binomial,
lote. ¿Cuál es la probabilidad de Poisson y Normal. Recuperado
que en tres repeticiones de este 21 agosto, 2019, de
experimento se obtengan 0 https://prezi.com/gkcwwipu0xup
defectuosos? /relacion-entre-la-distribucion-
binomial-poisson-y-normal/
Este experimento tiene dos resultados iii. Camilo Ernesto Pardo Beainy, C.
posibles mutuamente excluyentes, esto E. P. B. (1970, 1 enero).
es, el perno o es defectuoso o es no Distribución binomial aplicada a
defectuoso (bueno) y la probabilidad de un sistema de clasificación de
que sea defectuoso es 4/10 en cada una piezas con tratamiento digital de
de las tres repeticiones. Por lo tanto, el imágenes. Recuperado 21 agosto,
experimento es binomial y la variable 2019, de
aleatoria X, definida como el número de https://dialnet.unirioja.es/servlet/
pernos defectuosos obtenidos en las tres articulo?codigo=4991587
repeticiones, se distribuye binomial con iv. Probabilidad binomial. (s.f.).
parámetros n = 3 y p = 0.4 (X  b(3; Recuperado 21 agosto, 2019, de
0.4)). https://www.varsitytutors.com/h
otmath/hotmath_help/spanish/to
En consecuencia, la probabilidad de pics/binomial-probability
obtener 0 defectuosos, es:
P (X = 0) = 3C0 p0 (1 - p)3 – 0 = 1 x 1 x (1
– 0.4)3 = 0.216 = 21.6%
19
OPERACIONES
v. http://materconstrucc.revistas.csi
c.es/index.php/materconstrucc/ar
ticle/download/1746/2143
Imágenes
Canicas de colores y blancas
Caja binomial
20
21
22

Laboratorio Calidad

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Laboratorio Calidad

Загружено:

Авторское право:

Доступные форматы

UNIVERSIDAD DE LA COSTA

DEPARTAMENTO DE GESTIÓN INDUSTRIAL AGROINDUSTRIAL Y

DISTRIBUCIÓN BINOMIAL Y POISSON

Juan Fontalvo, Mauricio Restrepo, Alex Saltarín, Kevin Zambrano.

 Los sucesos son colectivamente Imaginemos que un 80% de personas en

Formula de la distribución binomial x = número de éxitos, que en este caso

p = probabilidad de éxito (0,8)

q = probabilidad de fracaso (0,2). Este

Es importante resaltar que la expresión

límite de procesos dicotómicos Esta distribución se puede hacer derivar

Características de la Distribución de  Se observa la realización de

 El espacio muestral se genera por  Los hechos a observar tienen

Proceso experimental del que se  Si en estas circunstancias

que se producen en un intervalo

El parámetro de la distribución es, en

Función Generatriz de Momentos:

Así se observa que media y varianza

Para la obtención de la media y la

A partir de estas dos desigualdades, es

De manera que la moda será la parte

La distribución de Poisson verifica el

independientes que tengan una

En base a las F.G.M. para x: Y la probabilidad de éxito sea muy

Tiende a una función de cuantía de una

efecto la función de la cuantía binomial unidades no conformes (bolas

2. Desarrollo experimental A medida que nuestra n sea más

1) Con una fracción de no 2. Si el valor de (p) en el universo

Cuando la probabilidad varia a a) ¿Cuál es la probabilidad de

evento vario en forma del fenómeno que

[1] SanJuan, F. J. M. (s.f.). Distribución

cuya función de frecuencia es la

distancia, área, volumen o alguna otra Una de sus aplicaciones en el control de

Cuando x’ es una variable aleatoria con

La siguiente tabla muestra las

Canicas de colores y blancas

Вам также может понравиться