Está en la página 1de 2

DISTRIBUCIONES DISCRETAS

Distribución

 

Parámetros

Función de probabilidad

 

Media

 

Varianza

 
 

x

= 1, si se obtiene

= probabilidad de éxito.

0<p<1

p

 

=

p q

x

1

x

     
   

0

,

 

1

 

Bernoulli

un tiene éxito en un ensayo.

 

(

x

)

x =

       

= 0, si se obtiene fracaso en un ensayo.

x

------------------

q

= 1-p

p

0

c. o. c.

 

p

 

pq

   

n

= número de

       

Binomial

x

éxitos en n ensayos

de Bernoulli,

los ensayos son

= número de

ensayos

= probabilidad de éxito.

------------------

p

(

p x

)

=

⎧ ⎛ n

x

⎟ ⎟ p q

x

n x

 

x

=

0, 1, 2,

 

,n

 

np

   

npq

 

independientes

(con reemplazo)

0<p<1

0

c. o. c.

     
   

p

= probabilidad de

 

=

pq

x 1

     

Geométrica

x

ensayos necesarios para obtener el primer éxito

= número de

éxito.

0<p<1

p

(

x

)

x

=

1

,

2

,

3

,

 

1/p

   

q/p 2

 

------------------

q

= 1-p

 

0

c. o. c.

   
   

= probabilidad de éxito.

p

     
 

1

 

Pascal

(Binomial

negativa)

= número de

ensayos

independientes

requeridos para obtener k éxitos.

x

k

k>0

0<p<1

------------------

= 1, 2, 3,

p

(

x

) =

x

k

1

k

p q

x

k

 

x

=

 

k, k

+

1

, k

 

+

2

,

 

k/p

   

kq/p 2

 

q

= 1-p

 

0

c. o. c.

     
 

x

éxitos en n ensayos de Bernoulli, los ensayos se realizan sin reemplazo sobre una población finita de tamaño N.

= número de

= tamaño de la

N

población

k

= número

 

⎧ ⎛ k ⎛ −

⎝ ⎠ ⎝

x

⎟ ⎟ ⎜ ⎜

N

k

n x

 

x =

k

0 1 2

,

,

,

,n

   

elementos en la

población que

=

N

   

x

 

,

(n-x)

(N-k)

 

k

k ⎞ ⎛ ⎜

1

k ⎞ ⎛ −

N

n

Hipergeométrica

tienen una

característica en

particular.

= número de ensayos.

n

p

(

x

)

n

0

⎟ ⎟ ⎠

N

,

n

,

k

enteros positivos

c.o.c.

n

N

n

⎝ ⎠ ⎝

N

N

N

1

 

X

= número de

λ= número

 

     

eventos aleatorios

promedio de

e

λ

x

λ

=

0

 

1

 

2

 

λ

>

0

 

Poisson

independientes que ocurren a una rapidez constante sobre el tiempo o el

espacio

ocurrencias por

unidad de

tiempo.

λ> 0

p

(

x

)

=

x !

o

x

,

,

,

c. o. c.

 

;

 

λ

   

λ

DISTRIBUCIONES CONTINUAS

FormDistribucionesComunes.doc- IPVA-061018

Preparado por Irene Valdez

Distribución

Parámetros

Función de densidad de probabilidad

Media

 
     

1

a

x

b

   

a, b

=

b a

 

a + b

 

Uniforme

f

(

)

 

b>a

 

x

0

c. o. c

   

2

 

λ

 

λ

e

λx

 

x > 0

   

1

Exponencial

f

(

x

)

=

   
 

λ >0

 

0

c. o. c

   

λ

 
 

2

   

Normal

μ, σ

 
2 1 ⎛ X − μ ⎞ 1 − ⎜ ⎟ 2 σ e ⎝
2
1 ⎛
X
μ
1
2
σ
e
σ π
2
 

f

(

x

) =

 

-

x

∞< <∞

   

μ

 
 

2 >0

σ

     
     

Γ

(

α β

+

)

α

1

(1

x

)

β

1

0

< x <

1

 

α , β

Γ

(

α β

)

Γ

(

)

x

   

αβ

,

> 0

 

α

Beta

α >0, β >0

f

(

x

)

=

0

 

c. o. c.

 

+

α β

 
     

1

α

1

x

/

θ

x > 0

   

Gamma

α , θ

f

(

x

)

=

⎪ Γ (

α

αθ

)

x

e

 

,

αθ

> 0

   

αθ

 

α >0, θ >0

 

0

c. o. c.

   
     

=

α

α

1

(

x

/

θ

)

α

x > 0

   

Weibull

α , θ

α

θ

x

e

 

,

αθ

> 0

 

θ

Γ 1

1

α >0, θ >0

f

(

x

)

0

c. o. c.

 

+ α

Varianza

(

a + b

) 2

12

1

2

λ

2

σ

αβ

θ 2

(

2

α+β α+β+

) (

1)

⎣ ⎝

Γ 1

2

αθ

2

1 ⎞ ⎤

+ α

α

−Γ 1 +

2

Nota: Γ(n) se conoce como función Gamma del argumento n, y es una extensión de la definición de factorial de un número para cuando a pertenece a los números reales.

La función Gamma se define como:

Algunas de sus propiedades son:

Γ

Γ(n + 1) = n! si n es un entero positivo.

(n)

=

0

u

n

1

e

u

du,

n

>

0

Γ(n + 1) = nΓ(n), Γ ⎛ ⎜ 1 ⎞ ⎟ = π ⎝ ⎠
Γ(n
+ 1) = nΓ(n),
Γ
⎛ ⎜ 1 ⎞ ⎟
= π
⎝ ⎠
2

n > 0

FormDistribucionesComunes.doc- IPVA-061018

Preparado por Irene Valdez