Está en la página 1de 3

Frmulas para el clculo de probabilidades 1) X es Bernoulli de parmetro (0 < < 1), si: si x = 1 PX (x , ) = 1 si x = 0 0 si x 0,1 E(X ) = y V(X ) = (1-).

(X ) = (1-). 2) X es geomtrica de parmetro p, entonces: 0 kN pX(k, p) = k 1 (1 p ) p k N 1 1 p E(X ) = X = . Probar que V(X ) = p p2 3) X es binomial negativa de parmetros r y p, entonces: k 1 r k r P(X = k) = k r y kN . p .(1 p ) r 1 r (1 p ) y V (X ) = E( X ) = r p p2 4) X es binomial de parmetros n y p, entonces: n pX(k ) = . p k .(1 p ) nk k {0, 1, 2, n} k 5) X tiene una distribucin hipergeomtrica de parmetros n, N , D, entonces: D N D x n x si max(0, n ( N D)) x min(n, D) p(x) = N n en otro caso 0
E ( X ) = n.

D N

V (X ) =

N n D D .n. 1 N 1 N N

6) Si X tiene distribucin de Poisson de parmetro , entonces: e . x x N0 pX (x) = x ! con > 0 0 x N0


E( X ) =

V (X ) =

7) Si X tiene una distribucin uniforme en el intervalo [A, B] entonces: ( B A) 2 B+ A y V (X ) = E( X ) = 2 12

8) Si X tiene distribucin normal de parmetros y 2 ( con R y > 0) si: 2 1 x ) 1 2( 2 f X ( x, , ) = e - < x < + 2 9) Si X se distribuye como una exponencial de parmetro > 0 si: f X ( x) = .e x . I 0,+ ) ( x)

x<0 0 FX ( x ) = x x0 1 e
E( X ) = 1

1 y V (X ) = 2

2 (chi cuadrado con grados 10) Si , se dice que X tiene una distribucin de libertad) si su funcin de densidad es: 1 ( ) 1 x f X ( x) = .x 2 .e 2 .I[0,+ ) ( x) 22 2 E ( X ) = y V ( X ) = 2

( )

11) Sea X una variable aleatoria no negativa. Decimos que X tiene una distribucin lognormal si la variable Y = ln(X) tiene una distribucin normal. La funcin de densidad de X cuando ln( X ) N ( , 2 ) es: 2 1 f ( x, , ) = exp (ln( x) ) 2 . I ( 0, + ) ( x ) 2 x 2
E( X ) = e
+ 2
2

y V ( X ) = e2 + e 1
2 2

)
1

12) La funcin ( ) = e x x 1 dx verifica las siguientes propiedades:


0

( ) = ( 1) ( 1)

Si N ( ) = ( 1) !

( 2) =

Si X~(, ) (gamma); cuando su funcin de densidad tiene la frmula: x 1 .x 1.e .I[0,+ ) ( x) entonces E ( X ) = . a) f X ( x) = y V ( X ) = 2 ( ) b) f X ( x) =

.x 1.e x .I[0,+ ) ( x) entonces E ( X ) = ( )

y V (X ) =

13) Distribucin multinomial: ( X 1 , X 2 ,..., X k ) M ( N , p1 , p2 ,..., pk ) si N! x2 p( X 1 = x1 ; X 2 = x2 ;...; X k = xk ) = p1x1 . p2 ... pkxk con x1 + x2 + ... + xk = N x1 !.x2 !...xk ! Si ( X 1 , X 2 ,..., X k ) M ( N , p1 , p2 ,..., pk ) X i Bi ( N , pi ) 1 i k. 14) Se dice que las variables X e Y tienen una distribucin normal bivariada si la funcin de densidad conjunta est dada por:

f ( x, y )

1 2 X Y 1 2

x 2 x X y Y 1 X 2 2 2(1 ) X X Y

2 y Y + Y

- < x, y < +

donde: = Corr(X, Y) ; X = E(X) ; Y = E(Y) ; X = Var ( X ) ; Y = Var (Y ) X X tiene distribucin normal con: E X = X + ( y Y ) Y=y Y=y Y Var X

Y=y

)=

2 X

(1 ) .
2

15) Si (X, Y) es un vector aleatorio con distribucin uniforme sobre una regin D 1 entonces: f XY ( x, y ) = I D ( x, y ) areaD 16) Si (X, Y) es un vector aleatorio: ( y) discreto: E Y = y. pY X =x X =x yR

continuo: E Y
E E Y

X =x

) = y. f
+

X =x

( y ) dy Var (X ) = E Var X + Var E X Y Y

( ( X )) = E( Y )

( )

( )

17) Desigualdad de Markov: Sea X una variable aleatoria no negativa, entonces para cualquier a>0 (aR) se verifica que: P(X a) E ( X ) a Var ( X ) Desigualdad de Chebychev: P( X > ) para cualquier >0 2 18) Si X 1 , X 2 ,..., X n son variables iid, con funcin de densidad f X ( x) y de distribucin acumulada FX ( x) entonces: Si U = Max { X 1 ; X 2 ;...; X n } entonces fU (u ) = n FX1 (u )

n 1

f X1 (u ) . f X1 (v ) .

Si V = Min { X 1 ; X 2 ;...; X n } entonces fV (v) = n 1 FX1 (v)

n 1