El siguiente material se encuentra en etapa de correccin y no deber

ser considerado una versin final.

Para hacer comentarios y sugerencias, o reportar errores, enviar mail
a Alejandro D. Zylberberg <alejandro@probabilidad.com.ar>
Versin Actualizada al: 11 de junio de 2004

APNDICE E
Resumen de frmulas de probabilidad
A continuacin se presenta un resumen de las frmulas que aparecen en los
captulos dedicados a probabilidad (captulos 1 a 7). El mismo no incluye las
frmulas usadas en estadstica (captulos 8 a 11) ni las que aparecen en los dems
apndices.

Frmulas bsicas de probabilidad (Captulo 1)

Definicin de Laplace (Seccin 1.2)

cantidad de resultados conenidos en A
P ( A) =
cantidad total de resultados

Definicin emprica (Seccin 1.2)

fr ( A )
P ( A ) fr rel ( A ) = abs
n

Axiomas y consecuencias (Seccin 1.2)

P(A) 0
P(E) = 1
A B = <=> P(A B) = P(A) + P(B)
P(A) 1
P(A) + P( A ) = 1
P( ) = 0
A B => P(A) P(B)

Suma de probabilidades (Seccin 1.2)

P(A B) = P(A) + P(B) - P(A B)
P(A B C) = P(A) + P(B) + P(C) - P(A B) - P(A C) - P(B C) + P(A
B C)
Probabilidad condicional (Seccin 1.3)
P ( A B ) P ( B / A) P ( A)
P( A / B) = =
P( B) P( B)

( A )P (C A B )
Multiplicacin de probabilidades (Seccin 1.3)
P (A B C ) = P (A ) P B

i 1

n n
P (I A i ) = P A i I A j
i =1 i =1 j=1

Independencia de sucesos (Seccin 1.4)

A, B indep. <=> P(A/B) = P(A) <=> P(B/A) = P(B) <=> P(A B) = P(A) . P(B)
A, B indep. <=> A, B C indep. <=> A C, B indep. <=> A C, B C indep.

Probabilidad total (Seccin 1.5)

P ( A ) = P ( A p i ) = P ( A / p i ). P ( p i )
n n

i =1 i =1

Regla de Bayes (Seccin 1.6)

P ( A / pi ) P ( pi )
P ( pi / A) = n
P ( A / pi ) P ( pi )
i =1

Variables aleatorias unidimensionales (Captulo 2)

Funciones de densidad y distribucin y probabilidades (Seccin 2.3)
P
x0
P( X x0 ) = FX ( x0 ) = X
( x)
x =
(X discreta)
x0
P( X x0 ) = P( X < x0 ) = FX ( x0 ) = f X
( x) dx

(X continua)
d
f X ( x) = F ( x)
dx X

Cambio de variables continuo (Seccin 2.4)

fX ( x )
fY ( y ) =
dy
dx
Esperanza (Seccin 2.5)
+
E( X ) = x f X (x) dx

+
E((x)) = (x) f X (x) dx

Para X discreta, reemplazar integrales por sumatorias y f X por P X.

E ( aX + b ) = E ( aX ) + E (b ) = aE ( X ) + b con a , b

Varianza (Seccin 2.6)

Var ( X ) = X = E(( X E( X )) ) = ( x X ) 2 f X ( x) dx
2 2

X 2 = E( X 2 ) E( X ) 2

2 ( aX + b ) = a 2 2
con a , b
X

Mezcla (Seccin 2.9)

fXMEZCLA = P(A 1) f X1(x) + P(A 2) f X2(x) + ... + P(A n) f Xn(x)

Variables aleatorias bidimensionales y n-dimensionales (Captulo 3)

Marginacin (Seccin 3.3)
+
PX (x) = P XY
(x, y)
y =
para variables discretas
+
f X ( x) = f XY
( x, y) dy

para variables continuas

Distribucin condicional (Seccin 3.4)

PXY ( x, y)
PX / Y ( x, y) =
PY ( y)
para variables discretas
f XY (x, y)
f X / Y (x, y) =
fY ( y)
para variables continuas

Independencia de variables aleatorias (Seccin 3.5)

X e Y indep. <=> f X/Y (x,y) = f X(x) <=> f Y/X (x,y) = f Y(y) <=> f XY(x,y) = f X(x) . f Y(y)
 Para variables discretas es anlogo

Esperanza condicional (Seccin 3.6)

E( X / Y ) = X / Y = x f X / Y (x, y) dx

Para variables discretas es anlogo

Cambio de variables (Seccin 3.7 , 3.8)

fXY ( x , y )
fU V (u , v ) =
(u , v )
( x, y)

+ +
E ( ( x, y)) = ( x, y) f XY
( x, y) dy dx

E(X + Y) = E(X) + E(Y)

n n
E ai X i = ai E ( X i )
i =1 i =1

aX
2
+ bY
= a 2 X2 + b 2 Y2 + 2ab XY

+ +
cov( X , Y ) = XY
= (x X
)( y Y ) f XY ( x , y ) dy dx = E ( XY ) X Y

XY
=
X Y

Mximos y mnimos (Seccin 3.9)

Hiptesis sobre las

Y = max{X 1, X 2, ..., X n} Y = min{X 1, X 2, ..., X n}
variables aleatorias X i:
Las X i son independientes f Y ( y ) = n [FX ( y )]n1 f X ( y ) f Y ( y ) = n [1 FX ( y )]n
1
f X ( y)
FY ( y ) = [FX ( y )]n FY ( y ) = 1 [1 FX ( y )]n
e idnticamente distribuidas

[F ( y)]= FY ( y) = 1 [1 FXi ( y)]=

Las X i son independientes, n n
=
y cada una tiene su propia FY ( y) Xi
i =1 i =1
= [FX ( y)]...[FX ( y)] = 1 [1 FX 1 ( y)]...[1 FXn ( y)]
distribucin
Las X i no son FY ( y) = FY ( y) = 1
independientes

... f
y y y

... f X1 X 2 ... X n
dxn ... dx2 dx1 X1X 2 ... X n
dxn ... dx2 dx1
y y y

Distribuciones particulares (Captulos 4 - 7)

Nombre Cap. Funcin de probabilidad / densidad Esperanza Varianza
Beta 7 (a + b) a1 a ab
x (1 x)
b1
0 < x <1 (a +b)2 (a +b+1)
f X (x) = (a)(b) a+b
0 otro x
(***)
Binomial 4 n x n.p n.p.(1-p)
. p .(1 p) n x 0 xn
PX ( x) = x
otro x
0
Chi-cuadrada 7 (*) 2
Exponencial 5 e x
x>0 1/ 1 / 2
f X ( x) =
negativa 0 x0
F 7 (*) (*) (*)
Gamma (**) 5 (x) k 1 e x k/ k / 2
x>0
f X ( x) = ( k )
0 x0
(***)
Geomtrica 4 p.(1 p) x 1
x 1 1/p 1 / p2
PX ( x) =
0 otro x
Hipergeomtrica 7 k N k -- --

x n x
PX ( x ) =
N

n

P ( X = x ) = n!
Multinomial 7 k
p i xi -- --

i =1 xi!
Normal 6
1 x 2
2
2
(ver aparte) e
f X (x) = x
2
Pascal 4 x 1 k k/p k / p2
. p .(1 p ) x k xk
=
PX ( x) k 1
otro x
0
Poisson 5 e x
x0
PX ( x) = x!
0 x<0
t-Student 7 (*) 0
2
Uniforme 7 1 a+b (b a) 2
a xb
f X ( x) = b a 2
0 otro x 12

(*) No resulta de utilidad

(**) Para calcular probabilidades de la gamma se puede usar:

k 1
fX ( x) dx = 1 P (Y = i )
xo

0
i =0

k 1

+
fX ( x) dx = P(Y = i)

xo
i =0

donde X:Gamma( ,k) e Y:Poisson( ) con = . x 0

(k ) = x k 1 e x dx
+

0
(***)
Para k natural, vale (k) = (k-1)!

Distribucin normal (Seccin 6.1)

X
Z=
Estandarizacin: X:N( ;)
=> Z:N(0,1)
x x
P ( X x ) = F X ( x ) = FZ =

Valores tabulados:
Fractiles tabulados: Dada Z:N(0;1), z = z tal que (z) = P(Z z) =
Funcin lineal: X:N( x ; x) Y = aX+b => Y:N(a x + b ; x |a|)

n
Z = i Xi
Combinacin lineal: X i:N( i;i) independientes i =1
=>


n n
Z : N z = i i ; z = i
2 i 2

i =1 i =1

Teorema central del lmite (Seccin 6.2)

 X
Z=

n
tiene una distribucin aproximadamente normal estndar
Y = Xi
n

i =1 N (n ; n )
tiene una distribucin aproximadamente

Este material se encuentra en etapa de correccin y no deber ser

considerado una versin final.
Para hacer comentarios y sugerencias, o reportar errores, enviar mail
a Alejandro D. Zylberberg <alejandro@probabilidad.com.ar>
Versin Actualizada al: 6 de junio de 2004