Capitulo 5

Distribuciones Importantes
Distribuciones Discretas
Distribución Hipergeométrica
 Definición: Sea X una v.a. 𝑋~𝐻(𝑁, 𝑀, 𝑛) que representa el número
de elementos que presentan la característica de interés en una
muestra extraída sin reposición, donde:
• N= tamaño de la población.
• M= tamaño del grupo de interés.
• n= tamaño de la muestra.

 Función de Probabilidad
𝐶𝑥𝑀 𝐶𝑛−𝑥
𝑁−𝑀
, 𝑠𝑖 𝑥 = 0,1,2, … , min{𝑛, 𝑀}
• 𝑃𝑥 𝑥 = ቐ 𝐶𝑛𝑁
0 , 𝑜𝑡𝑟𝑜𝑠 𝑐𝑎𝑠𝑜𝑠
• 𝑅𝑥 = {𝑥 = 0,1,2, … , min 𝑛, 𝑀 }
Distribución Hipergeométrica

Propiedades

𝑛𝑀
• 𝐸 𝑥 =
𝑁

𝑛𝑀 𝑀 𝑁−𝑛
• 𝑉 𝑥 = (1 − )
𝑁 𝑁 𝑁−1
Distribución Binomial
 Definición: Sea X una v.a. 𝑋~𝐵(𝑛, 𝑝) que representa el número de
éxitos de n ensayos de Bernoulli.
• n= número de ensayos.
• p= probabilidad de éxito.

 Función de Probabilidad
𝐶𝑥𝑛 𝑝 𝑥 𝑞 𝑛−𝑥 , 𝑠𝑖 𝑥 = 0,1,2, … , 𝑛
• 𝑃𝑥 𝑥 = ቊ
0 , 𝑜𝑡𝑟𝑜𝑠 𝑐𝑎𝑠𝑜𝑠
• 𝑞 =1−𝑝
• 𝑅𝑥 = {𝑥 = 0,1,2, … , 𝑛}
Distribución Binomial

Propiedades

• 𝐸 𝑥 = 𝑛𝑝

• 𝑉 𝑥 = 𝑛𝑝𝑞
Distribución Geométrica
 Definición: Sea X una v.a. 𝑋~𝐺(𝑝) que representa el número de
ensayos hasta conseguir el primer éxito, donde:
• p= probabilidad de éxito.

 Función de Probabilidad
𝑝𝑞 𝑥−1 , 𝑠𝑖 𝑥 = 0,1,2, …
• 𝑃𝑥 𝑥 = ቊ
0 , 𝑜𝑡𝑟𝑜𝑠 𝑐𝑎𝑠𝑜𝑠
• 𝑞 =1−𝑝
• 𝑅𝑥 = {𝑥 = 1,2, … }
Distribución Geométrica

Propiedades

1
• 𝐸 𝑥 =
𝑝

1−𝑝
• 𝑉 𝑥 =
𝑝2
Distribución Binomial Negativa
 Definición: Sea X una v.a. 𝑋~𝐵𝑁(𝑟, 𝑝) que representa el número
de ensayos hasta conseguir el r-ésimo éxito.
• r= número de éxitos.
• p= probabilidad de éxito.

 Función de Probabilidad
𝑥−1 𝑟 𝑥−𝑟
𝐶𝑟−1 𝑝 𝑞 , 𝑠𝑖 𝑥 = 𝑟, 𝑟 + 1, 𝑟 + 2, …
• 𝑃𝑥 𝑥 = ቊ
0 , 𝑜𝑡𝑟𝑜𝑠 𝑐𝑎𝑠𝑜𝑠
• 𝑞 =1−𝑝
• 𝑅𝑥 = {𝑥 = 𝑟, 𝑟 + 1, 𝑟 + 2, … }
Distribución Binomial Negativa

Propiedades

𝑟
• 𝐸 𝑥 =
𝑝

𝑟(1−𝑝)
• 𝑉 𝑥 =
𝑝2
Distribución de Poisson
 Definición: Sea X una v.a. 𝑋~𝑃(𝜆) que representa el número de
ocurrencias de un evento producidas por un proceso de Poisson con
una tasa de ocurrencia 𝜔 en un intervalo de tiempo 𝑡, donde:
• 𝜔= tasa de ocurrencia.
• 𝑡= medida del intervalo de tiempo.

 Función de Probabilidad
𝜆𝑥 𝑒 −𝜆
• 𝑃𝑥 𝑥 = ቐ 𝑥! , 𝑠𝑖 𝑥 = 0, 1,2, …
0 , 𝑜𝑡𝑟𝑜𝑠 𝑐𝑎𝑠𝑜𝑠
• 𝜆 = 𝜔𝑡
• 𝑅𝑥 = {0, 1, 2, … }
Distribución de Poisson

Propiedades

• 𝐸 𝑥 =𝜆

• 𝑉 𝑥 =𝜆
Distribuciones Continuas
 Distribución Uniforme
Definición: Sea X una v.a. con distribución uniforme 𝑋~𝑈[𝛼, 𝛽] en el intervalo
𝛼, 𝛽 .

 Función de Densidad  Función Acumulativa

1 0, 𝑠𝑖 𝑥 < 𝛼
, 𝑠𝑖 𝑥 ∈ [𝛼, 𝛽] 𝑥−𝛼,
• 𝑓𝑥 𝑥 = ቐ 𝛽−𝛼
• 𝐹𝑥 𝑥 = ൞ 𝛽−𝛼 , 𝑠𝑖 𝛼 ≤ 𝑥 ≤ 𝛽
0 , 𝑜𝑡𝑟𝑜𝑠 𝑐𝑎𝑠𝑜𝑠
1, 𝑠𝑖 𝑥 > 𝛽
• 𝑅𝑥 = [𝛼, 𝛽]
Distribución Uniforme

Propiedades

𝛼+𝛽
• 𝐸 𝑥 =
2
(𝛽−𝛼)2
• 𝑉 𝑥 =
12
 Distribución Exponencial
Definición: Sea X una v.a. con distribución
exponencial 𝑋~𝐸𝑥𝑝 𝜆 que define el tiempo hasta la primera
ocurrencia de un evento producida por un proceso de Poisson
con media de ocurrencia 𝜆 = 𝛽.

 Función de Densidad  Función Acumulativa

𝛽𝑒 −𝛽𝑥 , 𝑠𝑖 𝑥 ≥ 0 0 , 𝑠𝑖 𝑥 < 0
• 𝑓𝑥 𝑥 = ቊ • 𝐹𝑥 𝑥 = ቊ
0 , 𝑜𝑡𝑟𝑜𝑠 𝑐𝑎𝑠𝑜𝑠 1 − 𝑒 −𝛽𝑥 , 𝑠𝑖 𝑥 ≥ 0
• 𝑅𝑥 = [0, +∞]
Distribución Exponencial

Propiedades (𝛽 = 𝜆)
1
• 𝐸 𝑥 =
𝛽
1
• 𝑉 𝑥 =
𝛽2
𝛽
• 𝑀𝑥 𝑡 = , 𝑠𝑖 𝑡<𝛽
𝛽−𝑡
 Distribución Gamma
Definición: Sea X una v.a. con distribución
gamma 𝑋~𝛤 𝛼, 𝛽 que define el tiempo hasta la 𝛼-ésima
ocurrencia de un evento producida por un proceso de Poisson
con media de ocurrencia 𝜆 = 𝛽.

 Función de Densidad  Función Acumulativa

−𝑥 • 𝐹𝑥 𝑥 se halla mediante
𝛽 𝛼 𝑥 𝛼−1 𝑒 𝛽
• 𝑓𝑥 𝑥 = ൞ , 𝑠𝑖 𝑥 ≥ 0 integrales.
𝛤 𝛼
0 , 𝑜𝑡𝑟𝑜𝑠 𝑐𝑎𝑠𝑜𝑠
• 𝑅𝑥 = [0, +∞] • 𝛤 𝛼 = α − 1 !, 𝑠𝑖 𝛼 ∈ ℕ+
Distribución Gamma

Propiedades
• 𝐸 𝑥 = 𝛼/𝛽
• 𝑉 𝑥 = 𝛼/𝛽 2