Documentos de Académico
Documentos de Profesional
Documentos de Cultura
p.ej : Todas las distribuciones que están definidas sobre una v.a. continua de
modo que para x³ 0 la función de densidad es : f(x)= a e-ax siendo a un real
positivo (alternativamente: F(x)= 1- e-ax; f (t) = (1-t/a )-1; son equivalentes la tres
caracterizaciones), pertenecen a la misma familia, modelo o tipo (el exponencial).
MODELOS DISCRETOS
P(X=0) = q = 1-p
P(X=1)= p .
La varianza de la distribución: s2 = a2- m2
Y la F.G.M.:
La función de distribución quedará como F(x) = S P(x), sin una expresión analítica
concreta.
A partir de aquí :
la media m = a1= f '(t=0) :
la varianza s2 = a2- m2 y a2 =f ''(t=0)
=n.(n-1)p2 + np = n2p2 -np2 + np
a2 =n2p2 -np2 + np
s2 =np(1-p)= npq
pn - q £ Mo £ pn + p
Generalmente será un único valor ( la parte entera de la media), y podrán ser dos
valores modales cuando pn +p ( ó pn-q) sea un número entero[p.ej. B(5,0.5)]
3. DISTRIBUCIÓN HIPERGEOMÉTRICA
4. DISTRIBUCIÓN DE POISSON
l - 1 £ Mo £ l
Habitualmente la moda será la "parte entera de la l (de la media)" , pero habrá dos
modas (l - 1 y l ) cuando l sea un número entero.
Dada una variable aleatoria X que siga una distribución Binomial si el parámetro n
es muy grande (n ® ¥ ) y el parámetro p es muy pequeño (p ® 0 ) su distribución
puede aproximarse por la de una de Poisson con parámetro l = np.
MODELOS CONTINUOS
0 para x < a
1 para x ³ b
2. DISTRIBUCIÓN EXPONENCIAL
Dada una variable aleatoria continua, X , definida para valores reales positivos.
=0 para x < 0
F(x) = {
F.G.M.
para x Î [-¥ ,¥ ]
c) (En virtud del teorema central del límite).Todas aquellas variables que pueden
considerarse causadas por un gran número de pequeños efectos (como pueden
ser los errores de medida) tienden a distribuirse según una distribución normal.
Y~ N(a+bm ; bs ) :