Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Distribución Bernoulli
Una variable aleatoria X sigue una distribución
Bernoulli con parámetro 𝜽, y se representa así
XBer(𝜽), si su función de probabilidad es:
𝑃 𝑋 = 𝑥 = 𝜽x (1 − 𝜽)1−x ; x =0, 1
Medidas de resumen:
𝑬 𝑿 =𝜽
𝑽 𝑿 = 𝜽 (𝟏 − 𝜽)
Distribución Binomial
Una variable aleatoria X sigue una distribución
Binomial con parámetros n y 𝜽, y se representa así
XBi(n, 𝜽), si su función de probabilidad es:
Medidas de resumen:
𝑬 𝑿 = 𝒏𝜽
𝑽 𝑿 = 𝒏𝜽 (𝟏 − 𝜽)
Distribución Poisson
Una variable aleatoria X sigue una distribución
Poisson con parámetro 𝜽, y se representa así
XP(𝜽), si su función de probabilidad es:
−𝛉
𝛉𝐱
P X=x =𝐞 × ; 𝐱 = 𝟎, 𝟏, …
𝐱!
Medidas de resumen:
𝑬 𝑿 =𝜽
𝑽 𝑿 =𝜽
Distribución Hipergeométrica
Una variable aleatoria X sigue una distribución
Hipergeométrica con parámetros N, A y n, y se
representa así XH( 𝑵, 𝑨, 𝒏 ), si su función de
probabilidad es:
𝑪𝑨𝒙 × 𝑪𝑵−𝑨
𝒏−𝒙
P X=x = ; 𝐱 = 𝟎, 𝟏, 𝟐, … , 𝐦𝐢𝐧 (𝐀, 𝐧)
𝑪𝑵
𝒏
Medidas de resumen:
𝑨
𝑬 𝑿 =𝒏×
𝑵
𝑨 𝑵−𝑨 𝑵−𝒏
𝑽 𝑿 = 𝒏× × ×
𝑵 𝑵 𝑵−𝟏
Distribución Geométrica
Una variable aleatoria X sigue una distribución
Geométrica con parámetro 𝜽, y se representa así
XG(𝜽), si su función de probabilidad es:
P X = x = (𝟏 − 𝛉)x−1 𝛉; 𝐱 = 𝟏, 𝟐, …
Medidas de resumen:
𝟏
𝑬 𝑿 =
𝜽
𝟏−𝜽
𝑽 𝑿 = 𝟐
𝜽
Distribución uniforme
Una variable aleatoria X sigue una distribución
uniforme en el intervalo (𝜽𝟏 , 𝜽𝟐 ), y se representa
así XU( 𝜽𝟏 , 𝜽𝟐 ), si su función de densidad de
probabilidad es:
1
𝑓 𝑥 = ; 𝜽 ≤ 𝑥 ≤ 𝜽𝟐
𝜽𝟐 − 𝜽𝟏 𝟏
Medidas de resumen:
𝜽𝟏 + 𝜽𝟐
𝐄 𝐗 =
𝟐
(𝜽𝟐 − 𝜽𝟏 )𝟐
𝐕 𝐗 =
𝟏𝟐
Distribución exponencial
Una variable aleatoria X sigue una distribución
exponencial con parámetro 𝜽, y se representa así
Xexp( 𝜽 ), si su función de densidad de
probabilidad es:
𝑓 𝑥 = 𝜽 𝑒 −𝜽𝑥 ; 𝑥 > 0
Medidas de resumen:
𝟏
𝐄 𝐗 =
𝛉
𝟏
𝐕 𝐗 = 𝟐
𝛉
Distribución normal
Una variable aleatoria X sigue una distribución
normal con parámetros 𝝁 𝒚 𝝈𝟐 , y se representa así
XN( 𝝁, 𝝈𝟐 ), si su función de densidad de
probabilidad es:
1 −(𝑥−𝜇) 2 2𝜎 2
𝑓 𝑥 = 𝑒 ; −∞ < 𝑥 < +∞
𝜎 2𝜋
Medidas de resumen:
𝑬 𝑿 =𝜇
𝑽 𝑿 = 𝜎2
Distribución gamma
Una variable aleatoria X sigue una distribución
gamma con parámetros 𝜶 > 𝟎 𝒚 𝜷 > 𝟎, y se
representa así XΓ 𝜶, 𝜷 , si su función de densidad
de probabilidad es:
𝑥 𝛼−1 𝑒 −𝑥 𝛽
𝑓 𝑥 = ; 0 ≤ 𝑥 < +∞
𝛽 𝛼 Γ(𝛼)
donde:
+∞
Γ 𝛼 = 𝑥 𝛼−1 𝑒 −𝑥 𝑑𝑥
0
Medidas de resumen:
𝐄 𝐗 = 𝜶𝜷 𝐕 𝐗 = 𝜶𝜷𝟐
Propiedades:
Γ 𝛼 + 1 = 𝛼Γ 𝛼 Γ 𝑥 + 1 = 𝑥!, para x natural
Distribución beta
Una variable aleatoria X sigue una distribución beta con
parámetros 𝜶 > 𝟎 𝒚 𝜷 > 𝟎, y se representa así X𝐵𝑒 𝜶, 𝜷 , si
su función de densidad de probabilidad es:
𝑥 𝛼−1 (1 − 𝑥)𝛽−1
𝑓 𝑥 = ; 0≤𝑥≤1
β(𝛼, β)
donde:
1
Γ 𝛼 Γ β
β 𝛼, β = 𝑥 𝛼−1 1 − 𝑥 𝛽−1
𝑑𝑥 =
Γ 𝛼+β
0
Medidas de resumen:
𝛼 𝛼β
𝐄 𝐗 = 𝐕 𝐗 =
𝛼+β (𝛼 + β + 𝟏)(𝛼 + β)𝟐
y1 y2 yn
P(Y1≤ y1,Y2≤ y2,…, Yn ≤ yn ) = −∞ −∞
… −∞
𝑓 𝑦1,𝑦2,…,𝑦n 𝑑𝑦1 𝑑𝑦2 … 𝑑𝑦𝑛
Distribuciones marginales
Sean Y1, Y2,…, Yn n variables aleatorias discretas con función de
probabilidad conjunta P(y1, y2,…, yn ). La función de probabilidad
marginal de Y1 está dada por:
+∞ +∞ +∞
𝑓1 (Y1) = … 𝑓 𝑦1,𝑦2,…,𝑦n 𝑑𝑦2 𝑑𝑦3 … 𝑑𝑦𝑛
−∞ −∞ −∞
Variables aleatorias independientes
Sean Y1, Y2,…, Yn n variables aleatorias discretas con función de
probabilidad conjunta P(y1, y2,…, yn ) y función de probabilidad
marginal P1(y1), P2(y2), …, Pn(yn), respectivamente, entonces Y1,
Y2,…, Yn son independientes si y solo si:
f(y1, y2,…, yn )
f(y1/ y2,…, yn ) = ,
f(y2,…, yn)
• 𝐸(𝑋/𝑌=y)= 𝑥𝑓(𝑥/𝑦)dx
• 𝑉(𝑋/𝑌=y)= (𝑥 − 𝐸(𝑋/𝑌 = 𝑦))2 𝑓(𝑥/𝑦)dx
Teorema
Para dos variables X e Y se cumple
• 𝐸(𝑋) = E(𝐸(𝑋/𝑌))