Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TEMA:
Estudiante:
Zambrano Tutivén Wilmer Alexander
Docente:
Ing. Carlos Molestina Malta
Curso:
Grupo 2
- Una distribución continua describe las probabilidades de los posibles valores de una
variable aleatoria continua. Una variable aleatoria continua es una variable aleatoria con
un conjunto de valores posibles (conocido como el rango) que es infinito y no se puede
contar.
DISTRIBUCIONES DISCRETAS
E[X] = a; var[X] = 0.
- Proceso de Bernoulli
P(X = 1) = p; P(X = 0) = 1 − p;
Si k ∈ {0,1,...,n}, se cumple
A partir de este resultado es inmediato que una variable aleatoria X ∼ B(n,p) puede
descomponerse en una suma de n variables aleatorias independientes de Bernoulli de para ‘metro
p.
Si k ∈ {1,2,...}, se cumple
P(X = k) = (1 − p)k−1p;
Distribución Binomial Negativa, BN(r,p). Una variable aleatoria X sigue distribución Binomial
Negativa de parámetros r ∈ N y p ∈ (0,1) y se denota X ∼ BN(r,p) si describe el número de
fracasos de un experimento antes del r-´esimo éxito, siendo las realizaciones del experimento
independientes y en cada una de ellas p la probabilidad de éxito (probabilidad de fracaso 1 − p).
Puede tomar cualquier valor entero mayor o igual que cero, {0,1,2,...}.
Si k ∈ {0,1,2,...}, se cumple
.
Distribución Hipergeométrica, H(N,n,D/N). Una variable aleatoria X sigue distribución
Hipergeométrica de parámetros N ∈ N, n ∈ N con n ≤ N y D/N con D ∈ N, D ≤ N y se denota X
∼ H(N,n,D/N) si describe el número de individuos que tienen una cierta característica en n
observaciones sin reemplazamiento en una población de N individuos de entre los que D tienen
la característica (N −D no tienen la característica). Puede tomar cualquier valor entero mayor o
igual que ma´x{0,n+D −N} y menor o igual que m´ın {n,D}.
- Proceso de Poisson
Si k ∈ {0,1,2,...}, se cumple
;
E[X] = λ; var[X] = λ.
DISTRIBUCIONES CONTINUAS
- Proceso de Poisson
Propiedad. Las distribución exponencial no tiene memoria, es decir dada X ∼ Exp(λ) y t1,t2 > 0,
- Distribución Normal
Distribución Normal, N(µ,σ). Una variable aleatoria X sigue distribución normal de media µ y
desviación típica σ y se denota X ∼ N(µ,σ) si toma valores en toda la recta real, según la
No podemos dar de forma explícita ninguna primitiva de esta función, por lo tanto la función de
aX + b ∼ N(aµ + b,|a|σ).
Utilizando esta propiedad podemos tipificar cualquier variable aleatoria normal, se cumple
N(0,1).
Corrección por continuidad. Si aplicamos el Teorema Central del límite a variables aleatorias
discretas con valores enteros, mientras que X1 + X2 + ... + Xn es discreta (y toma valores enteros),
la normal es continua. Así, para aproximar la probabilidad de X1 + X2 + ... + Xn ≤ a donde a ∈ N,
calculamos FN(nµ,σ√n )(a + 1/2).
sigue distribución chi-cuadrado de Pearson con n grados de libertad, Y ∼ χ2n. Una variable
aleatoria con distribución chi-cuadrado solo toma valores positivos.
E[Y ] = n; var[Y ] = 2n.
Distribución t de Student, tn. Si X e Y son dos variables aleatorias independientes, de tal modo
que X sigue una distribución normal estándar e Y sigue distribución chi-cuadrado con n grados de
libertad, entonces
sigue distribución t con n grados de libertad, Z ∼ tn. Una variable aleatoria con distribución t
toma valores en toda la recta real.
si n ≥ 3.
CONCLUSIONES
BIBLIOGRAFÍA