Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Junio de 2019
Definiciones
Variable aleatoria
Sea Ω un espacio muestral sobre el que se define una función de
probabilidad. Sea X una función de valor real definida sobre Ω, que
transforma sus resultados en puntos sobre la recta de los reales. Se
dice entonces que X es una variable aleatoria.
Variable aleatoria discreta
El rango de valores numéricos que puede tomar la variable X es contable
(finito o infinito).
Variable aleatoria continua
Los valores numéricos que toma la variable X consiste en uno más
intervalos de la recta de los reales no numerables.
Definición
Sea X una variable aleatoria continua, su función de densidad f (x) para
dos números cualesquiera a y b con a ≤ b,
Z b
P (a ≤ X ≤ b) = f (x) dx
a
Propiedades
Juega un papel importante en teorı́a de colas y problemas de confiabilidad,
también modela el tiempo de llegadas y el tiempo de falla de componentes
electrónicos y variables aleatorias como: rentas vitalicias, climatologı́a,
producción de leche en vacunos, etc.
1 x
α−1 − β
f (x | α, β ) = x e , x ≥0
β α Γ (α)
0.30
a= 1 B=3 a=2 B= 1.5
0.20
a= 3 B=3 a=2 B= 3
a= 5 B=3 a=2 B= 5
a= 7 B=3 a=2 B= 10
0.20
0.10
0.10
0.00
0.00
0 5 10 15 20 25 30 0 5 10 15 20 25 30
x x
a=2 l= 0.67
0.20
a=2 l= 0.33
a=2 l= 0.2
a=2 l= 0.1
0.10
0.00
0 5 10 15 20 25 30
Propiedades
Si X ∼ Gamma (α = ν/2, β = 2), entonces X ∼ χν2 , donde ν es un
entero positivo y representa los grados de libertad
ν x
x 2 −1 e − 2
Si X ∼ χν2 ⇒ f (X | ν) = ν ν , x ≥ 0
22 Γ 2
0.15
Chi (4)
0.10
0.10
0.05
0.05
0.00
0.00
0 5 10 15 20 0 5 10 15 20
x x1
Gamma (20,0.5)
0.15
Normal (10,5)
0.10
0.05
0.00
0 5 10 15 20
x2
Propiedades
Si X ∼ Gamma (λ, α = 1), entonces X ∼ exp (λ = 1/µ), donde X =
tiempo que se requiere hasta que sucede el primer evento.
f (x , β = 1/λ, α = 1) = λe −x λ , x ≥ 0
Propiedades
En la distribución Poisson, X = Número de ocurrencias en un
intervalo de tiempo o espacio determino
e −λ λx
P (X = x) =
x!
Propiedades
Es tal vez la distribución más importante en estadı́stica clásica. Su función
de densidad viene dada por la siguiente forma:
1 (x −µ)2
e − 2σ2 − ∞ < X < ∞
f x |µ, σ2 = p
2πσ2
Propiedades
Si una variable aleatoria tiene una distribución normal con media 0 y
varianza 1, entonces a esta se distribuye con distribución normal estándar.
1 1 2
f (z) = p e − 2 x
2π
Cualquier variable aleatoria X ∼ Normal µ, σ2 , puede ser
estandarizada mediante la expresión:
X −µ
Z= ∼ N (0, 1)
σ
t-student
Γ ((ν+1)/2) −(ν+1)/2
tν ∼ f (x | ν) = p (1 + x 2/ν) , ∞<x <∞
νπΓ (ν/2)
F
ν1/2 ν1/2)−1
Γ (ν1 +ν2/2) (ν1/ν2 ) x(
Fν1 ,ν2 ∼ f (x | ν1 , ν2 ) = (ν1 +ν2 )/2
, ν1 , ν2 > 0
Γ (ν1/2) Γ (ν2/2) (1 + ν1/ν2 x)
Propiedades
Función de densidad:
1 ν x
χν2 ∼ f (x | ν) = ν/2
x 2 −1 e − 2 , x >0
2 Γ /2
(ν )
Resultado importante
Si Xi , i = 1, 2 . . . k, son variables aleatorias con distribución normal, i.i.d.
con medias µi y varianzas σi2 , entonces:
k
Xi − µi 2
X
U= ∼ χk2
i =1
σ i
Otro resultado
Si Yi ∼ χk2 i = 1, 2, . . . , p son variables aleatorias independientes, entonces:
i
p
X p
X
U= Yi2 ∼ χν2 ; ν= ki
i =1 i =1
Si X ∼ χ82 , encuentre:
Z 15.51
1
x /2−1 e − /2 dx
8 x
P (X < 15.51) = 8/2
0 2 Γ ( /2)
8
2 Si X ∼ χ10
2
y Y ∼ χ15
2
e independientes, encuentre:
1. El valor de V0 tal que: P (X + Y < V0 ) = 0.975
2. P (29.4 < X + Y < 44.314)
Propiedades
Función de densidad:
Γ ((ν+1)/2) −(ν+1)/2
tν ∼ f (x | ν) = p (1 + x 2/ν) , ∞<x <∞
νπΓ ( /2)
ν
ν=1
ν=3
0.4
ν=5
ν = 15
ν = 30
N.E.
0.3
0.2
0.1
0.0
−4 −2 0 2 4
Resultado importante
Si Z ∼ N .E . , si U ∼ χν2 y si Z y U son independientes, entonces:
Z
T=p ∼ tν
U/ν
Propiedades
Función de densidad:
ν1/2 ν1/2)−1
Γ (ν1 +ν2/2) (ν1/ν2 ) x(
Fν1 ,ν2 ∼ f (x | ν1 , ν2 ) = (ν1 +ν2 )/2
, x , ν1 , ν2 > 0
Γ (ν1/2) Γ (ν2/2) (1 + ν1/ν2 x)
Un resultado importante
Sea U ∼ χν21 y V ∼ χν22 , donde U y V son independientes, la variable
aleatoria,
U/ν1
X= ∼ F(ν1 ,ν2 )
V /ν2
además, si
1
X ∼ F(ν1 ,ν2 ) ⇒ ∼ F(ν2 ,ν1 )
X
Sea F una variable aleatoria con distribución F, calcule el valor de C tal que:
5,15 < C = 0.90
1 P F
15,5 > C = 0.99
2 P F
3 P C < F
1 30,40 < C2 = 0.80