Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Distribuciones
Distribuciones
I. Distribuciones discretas
k = 0, 1, . . . , n y 0 < p < 1
E (X) = np
var (X) = np(1 p)
n
X (t) = 1 + p eit 1
si k = 1, 2, . . . y 0 < p < 1
1
p
1p
var (X) =
p2
E (X) =
k1 r
k = r, r + 1, . . . y 0 < p < 1
pX (k) =
p (1 p)kr
r1
r
p
r(1 p)
var (X) =
p2
E (X) =
k
e
k!
si k = 0, 1, 2, . . . y > 0
E (X) =
var (X) =
X (t) = e(exp(it)1)
1
N : total poblacional
r : cantidad de buenos en la poblacin
m : cantidad de elementos extra dos (tamao de la muestra)
r
N r
k mk
pX (k) =
si k es entero con max(r + m N, 0) k min (r, m)
N
m
r
N
r (N r) (N m)
var (X) = m
N
N
(N 1)
E (X) = m
2
1
2
fX (x) = e(x) /2
2
con > o
E (X) =
var (X) = 2
/2
0.3
0.2
0.1
-5
-2.5
2.5
5
x
Distribucin Gama (, )
fX (x) =
1 x
x e I(0,+) (x)
()
var (X) = 2
E (X) =
X (t) =
1 it
=
=
=
=
1
( 1) ( 1)
(n 1)!
para n = 1, 2, 3, ...
En el grfico siguiente figuran las funciones de densidad de la gama para distintos valores de
los parmetros: la funcin de la l nea fina corresponde a = 3, = 3, la de l nea slida
de grosor intermedio corresponde a = 2, = 12 , y la de l nea punteada corresponde a
= 5, = 1. Con l nea punteada estn las esperanzas en cada caso.
y
0.8
0.6
0.4
0.2
8
x
Densidad de la gama
Distribucin Exponencial Exp()
1
var (X) = 2
E (X) =
X (t) =
it
con > 0
y
0.175
0.15
0.1
0.075
0.05
0.025
5
0.125
10
15
20
25
x
(a + b) a1
x (1 x)b1 I(0,1) (x)
(a) (b)
E (X) =
var (X) =
con a, b > 0
a
a+b
ab
(a + b) (a + b + 1)
2
En el grfico siguiente figuran las funciones de densidad de la beta para distintos valores de
los parmetros: la funcin de la l nea fina corresponde a a = 3, b = 6, la de l nea slida
de grosor intermedio corresponde a a = 2, b = 2, y la de l nea punteada corresponde a
a = 10, b = 3. Con l nea punteada estn las esperanzas en cada caso.
y
3.5
3
2.5
2
1.5
1
0.5
0
0.25
0.5
0.75
Densidad de la beta
Distribucin Uniforme U [a, b]
f (x) =
1
I[a,b] (x)
ba
4
1
x
a+b
2
(b a)2
var (X) =
12
itb
e eita
X (t) =
i (b a) t
E (X) =
(n+1)/2
x2
((n + 1)/2)
1+
fX (x) =
n
(n/2) n
E (X) = 0 n 2
n
var (X) =
n>2
n2
Distribucin Chi cuadrado con n grados de libertad 2n = 2 (n) La distribucin
Chi
con n grados de libertad es un caso particular de la distribucin gama: 2n =
n cuadrado
2 , 12 (n N) .
E (X) = n
var (X) = 2n
n (n+m)/2
((m + n)/2) n n/2 (n/2)1
1+ x
x
I(0,) (x).
(n/2)(m/2) m
m
1
2
+ x2
X (t) = e|t|
fX (x) =
>0
R
La esperanza de esta distribucin no est definida pues +
|x| fX (x)dx = +. La
distribucin Cauchy C (0, 1) coincide con la distribucin T de Student de un grado de libertad,
C (0, 1) = t1 .
III. Propiedades
- X P
Bi(n, p), Y Bi(m, p) independientes X + Y Bi(n + m, p). Ms an
X = ni=1 Wi con Wi Bi(1, p) independientes.
- X Ge(p), Y Ge(p) independientes X + Y BN(2,
Ms an, si W
Pp).
r
BN(r, p) existen Wi Ge(p) independientes tales que W = i=1 Wi .
- X1 (1 , ) , X2 (2 , ) independientes Y1 = X1 + X2 (1 + 2 , ) y es
X1
independiente de Y2 =
(1 , 2 ) .
X1 + X2
- X (, ) , c R cX , c .
- X N (, 2 ) , a, b R aX + b N (a + b, a2 2 ) . En particular, 1 (X )
N (0, 1) . Esta transformacin se conoce como estandarizacin de la normal.
- X N (1 , 21 ) , Y N (2 , 22 ) independientes, a, b, c R aX + bY + c
N (a1 + b2 + c, a2 21 + b2 22 ) .
- Sea Z N(0, 1), X1 2 (n) y X2 2 (m), variables aleatorias independientes.
Entonces
Z
U = p
tn
X1 /n
X1 /n
Fn,m
V =
X2 /m
- Sea X 2 (n), entonces existen Z1 , . . . , Zn N (0, 1) independientes tales que X =
Z12 + + Zn2 . En particular, Z12 2 (1).
- Sean X1 N(0, 1) y X2 N(0, 1), variables aleatorias independientes. Entonces
V =
X1
t1 = C (0, 1)
X2