Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Esperanzas PDF
Esperanzas PDF
I. Distribuciones discretas
E (X) = np
var (X) = np(1 p)
n
X (t) = 1 + p eit 1
Un caso particular de la distribucin binomial es cuando n = 1. Esta distribucin suele
denominarse Bernoulli de parmetro p, Be (p) = Bi (1, p) .
1
E (X) =
p
1p
var (X) =
p2
r
E (X) =
p
r(1 p)
var (X) =
p2
La distribucin geomtrica es un caso particular de la distribucin binomial negativa: Ge(p) =
BN(1, p).
E (X) =
var (X) =
X (t) = e(exp(it)1)
1
Distribucin Hipergeomtrica H (N, r, m)
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
E (X) = m
N
r (N r) (N m)
var (X) = m
N N (N 1)
E (X) =
var (X) = 2
2
X (t) = eit e(t) /2
0.3
0.2
0.1
0
-5 -2.5 0 2.5 5
Distribucin Gama (, )
1 x
fX (x) = x e I(0,+) (x) con > 0, > 0
()
2
E (X) =
var (X) = 2
1
X (t) =
1 it
(1) = 1
() = ( 1) ( 1)
(n) = (n 1)! para n = 1, 2, 3, ...
(1/2) =
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
0
0 2 4 6 8
Densidad de la gama
1
E (X) =
1
var (X) = 2
X (t) =
it
3
y
0.175
0.15
0.125
0.1
0.075
0.05
0.025
5 10 15 20 25
(a + b) a1
fX (x) = x (1 x)b1 I(0,1) (x) con a, b > 0
(a) (b)
a
E (X) =
a+b
ab
var (X) = 2
(a + b) (a + b + 1)
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
2.5
1.5
0.5
0
0 0.25 0.5 0.75 1
Densidad de la beta
4
a+b
E (X) =
2
(b a)2
var (X) =
12
e eita
itb
X (t) =
i (b a) t
E (X) = 0 n 2
n
var (X) = n>2
n2
E (X) = n
var (X) = 2n
1
fX (x) = 2 >0
+ x2
X (t) = e|t|
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 .
5
III. Propiedades
- X PBi(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.
- 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 ) .