Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Semestre 2013-I
Prof: Act. Jaime Vazquez Alamilla Ayudte: Eduardo Selim Martnez-Mayorga
1. Uniforme discreta
Denici on: Se dice que X variable aleatoria discreta tiene distribucion uniforme discreta en el
conjunto {1, 2, . . . , N}, se denota X Unif(N), si su funcion de densidad esta dada por
f
X
(x) = P(X = x) =
1
N
I
{1,2,...,N}
(x)
PROPOSICI
_
1 p si x = 0
p si x = 1
0 e.o.c
= p
x
(1 p)
1x
I
{0,1}
(x)
PROPOSICI
ON: f
X
(x) =
_
n
x
_
p
x
(1 p)
nx
es creciente si x < (n + 1)p y es decreciente si
x > (n + 1)p.
4. Poisson
Denici on: Se dice que X variable aleatoria discreta tiene distribucion Poisson con parametro
> 0, se denota X Poisson(), si su funcion de densidad de probabilidad esta dada por
f
X
(x) = P(X = x) =
e
x
x!
I
{0,1,2,...}
(x)
PROPOSICI
(d) E(X
2
) =
+1
2
(e) V ar(X) =
1
2
11. Distribuci on Gamma
Se dene la funcion gamma, (), de la siguiente manera
(t) =
_
0
x
t1
e
x
dx
La funcion gamma satisface algunas propiedades:
(i) (n + 1) = n(n + 1) con n R
+
. En particular si n Z
+
, entonces (n + 1) = n!
(ii) (p)(1p) =
sen(p)
con p (0, 1). En particular con p =
1
2
, (
1
2
)(
1
2
) =
sen(
2
)
= , es decir
((
1
2
))
2
= (
1
2
) =
(n1)
2
n1
(
n1
2
)!
(iv)
_
0
x
1
e
x
dx =
()
x
(v) Forma asintotica de Stirling (n + 1)
n
2nn
n
e
n
, en particular n!
n
2nn
n
e
n
(vi) (2) = (1) =
_
0
e
x
dx = 1
Denicion: Se dice que X variable aleatoria continua tiene distribucion gamma con parametros
r > 0 y > 0, se denota X Gamma(r, ), si su funcion de densidad esta dada por
f
X
(x) =
r
(r)
x
r1
e
x
I
(0,)
(x)
PROPOSICI
5
(d) E(X
2
) =
r(r+1)
2
(e) V ar(X) =
r
2
Denicion: Se dice que X variable aleatoria continua tiene distribucion gamma generalizada con
parametros a > 0, p > 0 y > 0, se denota X GammaG(a, p, ), si su funcion de densidad
esta dada por
f
X
(x) =
a
ap
(p)
x
ap1
e
(x/)
a
I
(0,)
(x)
12. Ji-cuadrada
Denici on: Se dice que X variable aleatoria continua tiene distribucion Ji-cuadrada con k
grados de libertad si X Gamma(k/2, 1/2), se denota X
2
(k)
, i.e. si su funcion de densidad
esta dada por
f
X
(x) =
(
1
2
)
k/2
(k/2)
x
k
2
1
e
x/2
I
(0,)
(x)
PROPOSICI
ON: Si X
2
(k)
, entonces:
(a) f
X
es efectivamente funcion de densidad
(b) m
X
(t) =
_
1
12t
_
k/2
(c) E(X) = k
(d) E(X
2
) = k(k + 2)
(e) V ar(X) = 2k
13. Distribuci on Beta
Denici on: Se dice que X variable aleatoria continua tiene distribucion beta con parametros
> 0 y > 0, se denota X Beta(, ), si su funcion de densidad esta dada por
f
X
(x) =
1
B(, )
x
1
(1 x)
1
I
(0,1)
(x)
donde B(u, v) =
_
1
0
t
u1
(1 t)
v1
dt es conocida como la funcion Beta.
Existe una relacion entre las funciones beta y gamma:
B(, ) =
()()
( +)
PROPOSICI
2
2
exp
_
1
2
2
(x )
2
_
I
R
(x)
PROPOSICI
ON: Si X N(,
2
), entonces:
(a) f
X
es efectivamente funcion de densidad
(b) E(X) =
(c) E(X
2
) =
2
+
2
(d) V ar(X) =
2
(e) m
X
(t) = exp
_
t +
1
2
t
2
2
_
15. t de Student
Denicion: Se dice que X variable aleatoria continua tiene distribucion t de Student con k
grados de libertad, se denota X N(,
2
), si su funcion de densidad esta dada por
f
X
(x) =
(
k+1
2
)
(
k
2
)
1
k
1
_
1 +
x
2
k
_k+1
2
I
R
(x)
16. F de Fisher
Denici on: Se dice que X variable aleatoria continua tiene distribucion F de Fisher con
parametros m, n > 0, se denota X F(m, n), si su funcion de densidad esta dada por
f
X
(x) =
(
m+n
2
)
(
m
2
)(
n
2
)
_
m
n
_
m/2
x
m2
2
_
1 + (
m
n
)x
_m+n
2
I
R
(x)
17. Log-normal
Denici on: Se dice que X variable aleatoria continua tiene distribucion log-normal con paramet-
ros R y
2
R
+
, se denota X LgN(,
2
), si su funcion de densidad esta dada por
f
X
(x) =
1
x
2
2
exp
_
1
2
_
_
log(x)
_
2
__
I
(0,)
(x)
PROPOSICI
ON: Si X LgN(,
2
), entonces:
7
(a) f
X
es efectivamente funcion de densidad
(b) E(X) = exp
_
+
2
2
_
(c) E(X
2
) = exp
_
2( +
2
)
_
(d) V ar(X) = exp(2 +
2
)[exp(
2
) 1]
(e) E(X
r
) = exp(r +
r
2
2
2
)
18. Logstica
Denici on: Se dice que X variable aleatoria continua tiene distribucion logstica con parametros
R y R
+
, se denota X Logistic(, ), si su funcion de densidad esta dada por
f
X
(x) =
e
(x)/
(e
(x)/
)
2
I
R
(x)
PROPOSICI
)
2
I
(0,)
(x)
PROPOSICI
x
+1
I
[,)
(x)
PROPOSICI
1
(1 +
x
)
+1
I
(0,)
(x)
PROPOSICI
_
1
kx
_ 1
k1
I
(0,)
(x)
PROPOSICI
_
r
_
=
1
1+rk
(c) E(X) =
1+k
(d) V ar(X) =
2
(1+k)
2
(1+2k)
, > 2
21. Inversa Gaussiana
Denici on: Se dice que X variable aleatoria continua tiene distribucion inversa Gaussiana con
parametros , R
+
, se denota X IG(, ), si su funcion de densidad esta dada por
f
X
(x) =
_
2x
3
exp
_
2
2
x
(x )
2
_
I
(0,)
(x)
PROPOSICI
)
(d) V ar(X) =
3
(e) m
X
(t) = exp
_
_
1
_
1
2
2
t
__
22. Gompertz
La siguiente distribucion la propuso Benjamin Gompertz para ajustar tablas de mortalidad.
Denici on: Se dice que X variable aleatoria continua tiene distribucion Gompertz con paramet-
ros b, c R
+
, se denota X Gom(b, c), si su funcion de densidad esta dada por
f
X
(x) = be
cx
exp
_
b
c
(e
cx
1)
_
I
(0,)
(x)
23. Makeham
Denici on: Se dice que X variable aleatoria continua tiene distribucion Makeham con paramet-
ros a, b, c R
+
, se denota X Mak(a, b, c), si su funcion de densidad esta dada por
f
X
(x) = (a +be
cx
)exp
_
ax
b
c
(e
cx
1)
_
I
(0,)
(x)
24. Distribuciones de Benktander
Las distribuciones de Benktander (Benktander & Segerdahl (1960), Benktander (1960)) surgen
con la idea de encontrar una distribucion cuya vida residual media se encuentre entre las vidas
residuales medias de las distribuciones exponencial y de Pareto.
Denici on: Se denen las distribuciones de Benktander como,
(I) Benktander tipo I (a > 0, b (0, 1], > 0)
F(x) =
_
1 (
x
)
(1b)
exp[
a
b
(x
b
b
)] si x ;
0 si x <
(II) Benktander tipo II (a > 0, b 0, > 0)
F(x) =
_
1
a+2b log(x)
a+2b log()
(
x
)
a1
exp[b(log
2
(x) log
2
())] si x ;
0 si x <
PROPOSICI
exp(
x
)exp[exp(
x
)]I
R
(x)
PROPOSICI
(x )
1
exp
_
(
x
_
I
(,)
(x)
PROPOSICI
)
(c) E(X
2
) =
2
+ 2(1 +
1
) +
2
(1 +
2
)
(d) V ar(X) =
2
[(1 +
2
)
2
(1 +
1
)]
27. Frechet
Denici on: Se dice que X variable aleatoria continua tiene distribucion Frechet con parametros
R, > 0, > 0, se denota X Frechet(, , ), si su funcion de densidad esta dada por
f
X
(x) =
(x )
1
exp
_
_
x
_
_
I
(,)
(x)
PROPOSICI
)
(c) E(X
2
) =
2
+ 2(1
1
) +
2
(1
2
)
(d) V ar(X) =
2
[(1
2
)
2
(1
1
)]
11