Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sea U la variable aleatoria que sigue la distribución uniforme (continua). Es decir, que
todos los puntos sean igualmente posibles. Se denota por U Unif ( a ,b ).
Que todos los puntos sean igualmente posibles implica que intervalos de la misma longitud
tienen asociada la misma probabilidad. Esto se logra solamente si la f. d. p. es constante a lo
largo del intervalo [ a , b ].
Parámetros: a< b ∈ R .
Soporte: SU = [ a ,b ] o ( a , b ).
1
f U ( u )= I (u ) .
b−a S U
u
u−a
F U ( u ) =∫ f U ( v ) dv= ,a ≤ u ≤ b .
−∞ b−a
Media:
a+b
E [ U ] =∫ u f U ( u ) du= .
R
2
Varianza:
b 3−a3
E [ U ] =∫ u FU ( v ) dv=
2 2
R 3 ( b−a )
( b−a )2
var ( X )=E [ U ]−E [ U ] =
2 2
.
12
tb ta
e −e
m U (t )=∫ e f U ( u ) du=
tu
.
R t ( b−a )
Sea T una variable aleatoria positiva continua, se dice que T sigue la distribución
exponencial con tasa λ o escala β=1/ λ , y se denota como T exp ( β ) (T exp ( β ) ).
Soporte: ST =[ 0 , ∞ ).
t
F T ( t )= ∫ λ e
−λu − λt
du=1−e , t> 0.
−∞
Función de sobrevivencia:
−λt
ST ( t )=P ( T ≥ t ) =e ,t >0.
λ
m T ( u )=∫ e f T ( y ) du=
ut −1
=( 1−βu ) .
R
λ−u
Media:
' 1
E [ T ]=mT ( 0 )= =β .
λ
Varianza:
2 1
var [ T ] =mT ( 0 )−( mT ( 0 ) ) =
'' ' 2
2
=β .
λ
Proposición
Proposición
Sea X una variable aleatoria continua que satisface que para todo a , b ≥ 0, se tiene
que
Teorema
Sea X una variable aleatoria positiva continua. X tiene la propiedad sin memoria si
y solo si X se distribuye exponencialmente.
Función Gamma
Proposición
[ ][ ]
∞ −1 2 ∞ −1
1 1
2
ux uy
I 2= ∫e
√ 2 π −∞
2
dx ∙ ∫
√2 π −∞
e2 dy
∞ ∞ −1 2 −1 2
1 ux uy
¿ ∫∫e
2 π −∞ −∞
2
∙e 2
dx dy
∞ ∞ −u 2 2
1 (x + y )
¿ ∫∫ e
2 π −∞ −∞
2
dx dy
2π ∞ −u 2
1 r
¿ ∫∫r e
2π 0 0
2
dr dθ
|
∞ −u 2 ∞
r
¿∫ r e 2
0 0
∞ −1 2
1 uy 1
I= ∫e
√2 π −∞
2
dy=
√u
.
Proposición
∞ −1 2
y
∫e 2
dy=√ 2 π
−∞
Definición
∞
Γ ( x )=∫ u
x−1 −u
e du
0
Propiedades
−¿¿
1. Γ ( x+ 1 )=x Γ ( x ) ∀ x ∉ Z
2. Γ ( 12 )=√ π
3. Γ ( 1 )=1
4. Γ ( n+1 ) =n !, para todo n ∈ N
5. 0 !=1
∞ −1 2
( )
n+1 1 v
= n+1 ∫ v e
n 2
6. Γ 2
dv
0
22
Distribución Gamma
Sea
Y
la
variable aleatoria continua positiva, se dice que sigue una distribución gamma con
parámetro de forma α ( ¿ 0 ) y parámetro tasa λ ( ¿ 0 ) y se denota por Y Ga ( α , λ ) .
Soporte: S X =[ 0 , ∞ ) .
Función de densidad:
α
λ α −1 − λy
f Y ( y )= y e IR +¿
( y )¿
Γ (α )
Proposición
λα α −1 − λy
i. y e ≥ 0, para toda y ≥0 .
Γ (α)
∞ α
ii. ∫ Γλ( α ) y α −1 e− λy dy=1, para toda α >0 y λ>0.
0
Definición
−1
1 y
f Y ( y )= α y α −1 e β
I R+ ¿ ( y ). ¿
β Γ (α )
Proposición
Sea Y la variable aleatoria que sigue una distribución gamma con parámetro de
forma α y de escala β, Y Ga ( α , β ) . Entonces, para c >0 fijo,
X =cY Gamma ( α , cβ ) .
Corolario
Sea X Ga ( α ,1 ), entonces Y = βX Ga ( α , β ) .
Proposición
Γ ( α +r ) 1
E [ Y r ]= =( α + r−1 )r β r .
Γ ( α ) λr
Proposición
α
E [ Y ] = =αβ
λ
α
V ( Y )= 2
=α β2
λ
Corolario
Proposición
( )
−α
t
m Y ( t )= 1− ,t <λ .
λ
Corolario
La distribución exponencial
Definición
Sea T una variable aleatoria que sigue una distribución Gamma con parámetro de
forma α =1 y parámetro tasa λ . En este caso, la variable aleatoria T tiene una f. d. p.
dada por
− λt
f T ( t ) =λ e I ( 0 ,∞ ) ( t ) .
Y se dice que sigue una distribución exponencial con media 1/ λ . Esto es,
T exp ≡ Gamma ( 1 , λ ) .
Corolario
( )
−1
t
Se T exp ( λ ). Entonces E [ T ]=1 / λ, var ( Y ) =1/ λ y f. g. m. m Y ( t )= 1−
2
, para
λ
t < λ.
La distribución χ 2 Ji-Cuadrada
Definición
Corolario
Sea Y χ 2n. Entonces E [ Y ] =n y var ( Y ) =2 n y f. g. m. mY ( t )=( 1−2t ) , para t <λ .
−n /2
Considere la función −1 2
y
2
h ( y )=e
∞ −1 2
y
√ 2 π =∫ e 2
dy
−∞
−1 2
1 2
y
Por lo queh ( y )= e I R ( y ) define una función de densidad propia.
√2π
Definición
−1 2
1 2
z
ϕ ( z )= e IR ( z)
√2 π
Z se dice que sigue la distribución normal estándar y se denota por Z N ( 0 ,1 ).
z ∞ −1 2
1 u
Φ ( z )= ∫ ϕ ( u ) du= ∫ e 2
du .
−∞ −∞ √2 π
( )
2
−1 x− μ
d
f X ( x )= F X ( x )=Φ
dx
' x−μ
σ
⋅ = ϕ
σ σ σ( )
1 1 x−μ
=
1
√2 π σ
e ( ) 2 σ
.
Parámetros: μ ∈ R , σ >0 .
Soporte: S X =R .
1 2(
−1 x−μ
σ )
f X ( x )= e I (−∞ , ∞) ( x ) .
√2 π σ
Proposición
Sea Z N ( 0 ,1 ). Entonces
a) E [ Z ] =0 .
b) var ( Z )=1.
1 2
t
c) m ( t ) =e 2 .
Z
Proposición
Sea X N ( μ , σ 2 ). Entonces:
a) E [ X ] =μ .
b) var ( X )=σ 2.
1 2
μt + t
c) m ( t )=e 2
.
X
Proposición
( )
2
−1 x−μ
1 2 σ
f X ( x )= e I R ( x) .
√2 π ⋅ σ
Tal que:
( )
2
x −1 u−μ
1
F X ( x ) =∫
2 σ
e du .
−∞ √ π ⋅σ
2
P ( X ≤ x ) ≈ P ( Y ≤ x ) =Φ
( √ npx−np
( 1− p ) )
.
P ( N ≤ n ) ≈ P (Y ≤ n ) =Φ
( x−λ
√λ )
.
{[ ) ]}
−1
(
2
x−α
f X ( x )= πβ 1+ ,
β
Para todo x ∈ R. Se dice entonces que X sigue la distribución Cauchy con parámetro de
localización α y parámetro de escala β y se denota por X Cauchy ( α , β ) .
Soporte: S X =R .
1
f X ( x )= IR( x) .
[ ( )]
2
x−α
πβ 1+
β
Función característica:
Propiedades
La Función Beta
1
Β ( α 1 , α 2 ) =∫ t
a1−1
( 1−t )α −1 dt
2
Γ ( α1 ) Γ ( α 2 )
Β ( α1 , α2 ) =
Γ ( α 1 +α 2 )
La distribución Beta
La variable aleatoria X se dice que sigue una distribución Beta con parámetros α 1 ( ¿ 0 ) y
α 2 ( ¿ 0 ), denotada como X Β ( x ; α 1 , α 2 ), si X tiene como función de densidad de
probabilidad:
1 α −1
f X ( x ; α 1 , α 2 )= x 1
( 1−x )α −1 I [ 0,1 ] ( x ) .
2
Β ( α 1 , α 2)
Soporte: S X =[ 0 , 1 ] .
1 α −1
f X ( x )= x 1
( 1−x )α −1 I S ( x )
2
Β (α 1, α 2) X
Proposición
α1 α1 α 2
E [ X ]= , var ( X )=
α 1+ α 2 2
( α 1+ α2 ) ( α 1+ α2 +1 )
Demostración:
1
E [ X ] =∫ xf ( x ;α 1 , α 2 ) dx
0
1
1
¿ ∫
Β (α 1 , α2 ) 0
x
(α + 1)−1
1
( 1−x )α dx 2
Β ( α 1 +1 , α 2 )
Β ( α 1 , α 2)
Γ ( a1 +1 ) Γ ( α 2) /Γ ( α 1 +1+α 2 )
¿
Γ ( α 1 ) Γ ( α 2 ) / Γ ( α 1 +α 2 )
α1
¿
α 1 +α 2
( α 1+ 1 ) α 1
E [ X 2 ]=
( α 1 +α 2+1 ) ( α1 +α 2)
#Nota:
( )
α
α −1 − w
f ( w )= ( )
α w
β β
e
β
α , β>0
Con α , β >0 fijos. W se dice que sigue la distribución Weibull con parámetro de forma α
y parámetro de escala β y se denota por W Weibull ( α , β ).
Parámetros: α >0 , β> 0.
Soporte: R+¿ .¿
( )
α
α −1 − w
f W (w)= ( )
α w
β β
e
β
I R+¿ (w ). ¿
{ ( )}
α
w
F W ( w )=1−exp − , w ≥ 0.
β
Función de sobrevivencia:
{ ( )}
α
w
SW ( w )=−exp − , w ≥ 0.
β
Propiedades
i. E [ W ] =β Γ 1+
r r
( αr ), r >0.
E [ W ] =β Γ ( 1+ ).
1
ii.
α
iii. [ 2β α1 ]
var ( W )=β Γ ( 1+ )−Γ ( 1+ )
2 2
( )
∞
tk αk k
iv. m W ( t ) =∑ Γ 1+
k=1 k ! α
v. La distribución Weibull es empleada para modelar tiempos de vida, tiempos
de falla, etcétera.
Proposición
Sea W Weibull ( α , β ) .
a) Si T exp ( λ ), con λ parámetro tasa, entonces
1
(
W =T r Weibull α = , β=λ−r .
r )
b) La función de riesgo de W es
( )
α −1
−d w w
hW ( w ) = log SW ( w )= .
dw β β
( )
2
−1 ln y−μ
1 2 σ
f ( y )= e , y> 0.
y √2 π
Y se dice que sigue una distribución lognormal de parámetros μ y σ y se denota por
Y lognormal ( μ , σ ) .
Parámetros: μ ∈ R y σ > 0.
Soporte: SY =( 0 , ∞ ) .
( )
2
−1 ln y− μ
1 2 σ
f Y ( y )= e I (0 , ∞ ) ( y ) .
y √2 π
{ }
Media: E [ Y ] =exp μ +
σ2
2
.
{
1 2 2
Momentos: E [ Y ] =exp rμ + r σ .
r
2 }
Proposición
Sea X N ( μ , σ 2 ), Y =e X Lognormal ( μ , σ ).
Corolario
Y =exp { μ+ σZ } Lognormal ( μ , σ ) .
1 −|x−μ|
f ( x )= e β para todo x ∈ R .
2β
X se dice que sigue una distribución de Laplace o doble exponencial con parámetro de
localización μ y parámetro de escala β . Y se denota por X DobleExp ( μ , β ) .
Soporte: S X =R .
1 −|x−μ|
f X ( x )= e β IR.
2β
Media: E [ X ] =μ .
μt
e
m X ( t )= 2 2
,|t|<1/ β
1−β t
Aplicaciones:
Proposición
α − ( α+1)
f ( w )=α β w w> β
Soporte: SW =( β , ∞ ) .
( ) ,w≥β .
α
β
F W ( w )=1−
w
Media:
{
αβ
siα >1
E [ W ] = α −1
+∞ si 0<α ≤1
Varianza:
{
2
αβ
var [ W ] = ( α −1 ) ( α−2 ) si α >2
+ ∞ si0< α ≤ 2