UNIVERSIDAD NACIONAL AGRARIA LA MOLINA

Dpto. de Estadística e Informática

Semana 11. Principales distribuciones discretas

 • Motivación
• Logros
Inicio • Saberes previos

• Distribución Binomial
• Distribución Hipergeométrica
• Distribución Poisson
Desarrollo
• Ejercicios resueltos

• Ejercicios propuestos
Cierre • Autoevaluación (Moodle)

2
 Se tiene un experimento aleatorio con una secuencia de n ensayos,
donde n se fija antes.
 Los ensayos son idénticos e independientes, y cada uno de ellos sólo
tiene dos posibles resultados: éxito (E) o fracaso (F).
 La probabilidad de éxito es constante de un ensayo a otro; se denota
esta probabilidad por P(E)=, la probabilidad de fracaso es P(F) = 1- .
Se define la V.A. Discreta: X=Número de éxitos en los n
ensayos y tiene la siguiente función de probabilidad:

 n  x

    1   n x
x  0, 1, 2, , n
f  x   P X  x    x 

 0 de otro mod o
Notación: X ~ Binomial  n ,  
Media y Varianza:   E  X   n  y  2  Var  X   n  1   
6
Ejemplo 1.
Una compañía vendedora de equipos electrónicos verifica que de
todas las máquinas instaladas, el 40% necesitan ajustes después
de su instalación. Si 5 máquinas fueron seleccionadas al azar.
a. Defina la variable aleatoria y su distribución de probabilidades
n=5 máquinas, Exito=Necesitan ajuste, π=P(Éxito)=0.40
La V.A.D. X: Número de máquinas que requieren ajustes.
5  x
X ~ Bin n  5,   0.4  f  x  =P(X=x)=   0.4 ×0.65-x , x=0,1, 2,3, 4,5
x
b. Halle la probabilidad de que 2 máquinas necesiten ajustes
5 2
P  X  2     0.4  0.63  0.3456
 2
c. ¿Cuál es la probabilidad de que a lo más 2 requieran trabajos
de ajuste después de la instalación?
P  X  2   P ( X  0)  P  X  1  P  X  2   C05 0.400.65  C15 0.410.64  C25 0.42 0.63
 0.0778  0.2592  0.3456  0.6826
7
d. ¿Cuál es la probabilidad de que al menos 3 requieran trabajos
de ajuste después de la instalación?
5
5 
P  X  3  f 3  f 4   f 5     0.4 x  0.65 x  0.2304  0.0768  0.0102  0.3174
x 3  x 

e. Halle la media, la variancia y el coeficiente de variación del

número de máquinas que necesiten ajustes.
  E ( X )  n    5  0.4  2.0
 2  V ( X )  n    (1   )  5  0.4  0.6  1.2
   2  1.2  1.095
 1.095
CV   100   100  54.8%
 2.0
f. La compañía estima que el costo del ajuste es de 100 u.m.
por máquina. Halle es el costo esperado para la compañía.
Sea: Y: Costo de las máquinas que necesitan ajuste.
Y = 100 X
E(Y) = 100xE(X) = 100x2.0 = 200 u.m. 8
Ejercicio 1.
Un inspector de la gerencia de
fiscalización municipal, realiza 10
visitas cada día a las bodegas
para verificar el vencimiento de la
licencia de funcionamiento,
aplicando una multa en caso de
su vencimiento. Se sabe que el
25% de la bodegas fueron
multadas el año pasado.
a. Defina la variable aleatoria en estudio y su distribución de
probabilidad.
b. ¿Qué tan probable es que el inspector multe a 4 bodegas?
c. Halle el porcentaje que el inspector multe a lo más 2 bodegas.
d. El inspector afirma, que el porcentaje que se multen más de 5
pero menos de 8 bodegas, es menor al 2.4%.
e. Halle la probabilidad que ninguna bodega sea multada.
f. Halle el número esperado de bodegas multadas. 9
Solución:
a. Defina la variable aleatoria en estudio y su distribución de
probabilidad.
V.A. X: Número de bodegas multadas; X~Bin(n=10, π=0.25)
𝟏𝟎 𝐱 𝟏𝟎−𝐱
𝐟 𝐱 =𝐏 𝐗=𝐱 = 𝟎. 𝟐𝟓 𝟎. 𝟕𝟓 , 𝐱 = 𝟎, 𝟏, , … , 𝟏𝟎
𝐱
𝟎 𝐄𝐧 𝐨𝐭𝐫𝐨 𝐜𝐚𝐬𝐨
b. ¿Qué tan probable es que el inspector multe a 4 bodegas?.
𝟏𝟎
𝐏 𝐗=𝟒 = 𝟎. 𝟐𝟓𝟒 𝟎. 𝟕𝟓𝟔 = 𝟎. 𝟏𝟒𝟔𝟎
𝟒
c. Halle el porcentaje que el inspector multe a lo más 2 bodegas
P(X≤2)=P(X=0)+P(X=1)+P(X=2)=0.0563+0.1877+0.2816=0.5256
El 52.56% de las visitas el inspector multa a lo más 2 bodegas.
d. El inspector afirma, que el porcentaje que se multen más de 5
pero menos de 8 bodegas, es menor al 2.4%.
P(5<X<8)=P(6≤X≤7)=P(X=6)+P(X=7)=0.0162+0.0031=0.0193
Es verdadero, es 1.93% menor a 2.4%
10
e. Halle la probabilidad que ninguna bodega sea multada
10 
P  X  0     0.250  0.7510  0.0563
0 
f. Halle el número esperado de bodegas multadas

g. Si por cada bodega multada, la municipalidad recauda

S/.345.5 más S/.15 por gastos administrativos. Hallar la
recaudación esperada que tendrá la municipalidad.
Sea Y=El monto recaudado, Y=345.5 X +15
Entonces: E(Y)=345.5 E(X)+15=345.5x2.5+15 = 878.75

11
 Se tiene una población de N elementos, individuos u objetos
(una población finita).
 Cada elemento tiene dos posibles resultados: éxito (E) o
fracaso (F). Existen A éxitos y (N-A) fracasos en la población.
 Se saca una muestra, sin reemplazo de n elementos, siendo
igualmente probable obtener cada subconjunto de tamaño n.
Se define la V.A. Discreta: X=Número de éxitos en la
muestra n y tiene la siguiente función de probabilidad:
 A  N  A
   
 x  nx 
f x   P X  x   para x entero t.q máx0, n  A  N   x  min n, A
N
 
n 
Notación: X ~ Hiper  N , n, A 
A A N n
Media y Varianza:   E  X   n ,  2  Var  X   n 1   
A

N N N   N 1 
12
Ejemplo 2.
Una estación experimental se compone de 4 ingenieros
agrónomos y 9 técnicos agrícolas. Si se elige al azar y sin
reemplazo a 3 personas para asignarlos a un trabajo de campo,
a. Defina la variable aleatoria y su distribución de probabilidad
Éxito: Ingeniero agrónomo en el trabajo de campo
X=Número de ingenieros agrónomos incluidos en el
trabajo de campo.
X ~ H  N  13, n  3, A  4 
4 9 
  
 x  3 x
f ( x)  P  X  x   , x  0,1, 2,3
13 
 
3 
b. Halle la probabilidad que el grupo asignado al trabajo de
campo incluya a 2 ingenieros agrónomos
𝟒 𝟗
𝟐 𝟏
𝐏 𝐗 = 𝟐 = 𝟏𝟑 = 𝟎. 𝟏𝟖𝟖𝟖
𝟑 13
c. Halle la probabilidad que el grupo asignado al trabajo de
campo incluya al menos 2 ingenieros agrónomos
𝟒 𝟗 𝟒 𝟗
𝟐 𝟏 𝟑 𝟎
𝐏 𝐗≥𝟐 =𝐏 𝐗=𝟐 +𝐏 𝐗=𝟑 = 𝟏𝟑
+ 𝟏𝟑
= 𝟎. 𝟏𝟖𝟖𝟖 + 𝟎. 𝟎𝟏𝟑𝟗𝟗 = 𝟎. 𝟐𝟎𝟐𝟖
𝟑 𝟑
d. Halle la media, variancia y el coeficiente de variación del
número de ingenieros agrónomos incluidos en el trabajo de
campo.
𝑨 𝟒
𝝁=𝑬 𝑿 =𝒏 =𝟑 = 𝟎. 𝟗𝟐
𝑵 𝟏𝟑
𝟐
𝑨 𝑨 𝑵−𝒏 𝟒 𝟒 𝟏𝟑 − 𝟑
𝝈 =𝑽 𝑿 = 𝒏 𝟏− =𝟑 𝟏− = 𝟎. 𝟓𝟑𝟑
𝑵 𝑵 𝑵−𝟏 𝟏𝟑 𝟏𝟑 𝟏𝟑 − 𝟏
 0.533
CV  100 x  100 x  79.4%
 0.92

14
Es un experimento aleatorio en el que ocurren sucesos en
un intervalo dado de longitud t.
 Los sucesos son de la misma clase u homogéneos.
 Los sucesos en un intervalo son independientes de los
sucesos en otros intervalos (son no superpuestos).
 El promedio de sucesos por unidad de intervalo (v) de
longitud (t), es λ = txv.
Sea la V.A. Discreta: X=Número de sucesos con una media
de ocurrencia λ y con función de probabilidad:
𝐞−𝛌 𝛌𝐱
𝐏 𝐗=𝐱 = , 𝐱 = 𝟎, 𝟏, 𝟐, …
𝐱!
Notación: 𝐗~𝐏𝐨𝐢𝐬(𝛌)
Valor Esperado y Varianza: 𝛍 = 𝐄 𝐗 = 𝛌, 𝛔𝟐 = 𝐕𝐚𝐫 𝐗 = 𝛌
18
Ejemplo 3.
Los mensajes que llegan a un servidor, lo hacen de acuerdo con
una distribución Poisson con una tasa promedio de 10 mensajes
por minuto.
a. Defina la variable aleatoria y su distribución de probabilidad.
X=El número de mensajes que llegan al servidor
Inicial: λ=10 mensajes/minuto X ~ Pois (10)

𝒆−𝝀 𝝀𝒙
𝒇 𝒙 =𝑷 𝑿=𝒙 = , 𝒙 = 𝟎, 𝟏, …
𝒙!
b. Calcule la probabilidad de que lleguen 7 mensajes en medio
minuto.
Para medio minuto: λ=0.5(10)=5 mensajes/0.5 minuto
X ~ Pois (5)
−𝟓 𝟕
𝒆 𝟓
𝑷 𝑿=𝟕 = = 𝟎. 𝟏𝟎𝟒𝟒
𝟕!
19
c. Calcule la probabilidad de que lleguen al menos 2 mensajes en
45 segundos.
Para 45 segundos: λ=45x(10/60)=7.5 X ~ Pois (7.5)
𝐏 𝐗≥𝟐 = 𝟏−𝐏 𝐗 ≤𝟏 =𝟏− 𝐏 𝐗=𝟎 +𝐏 𝐗=𝟏
𝐞−𝟕.𝟓 𝟕. 𝟓𝟎 𝐞−𝟕.𝟓 𝟕. 𝟓
=𝟏− + = 𝟏 − 𝟎. 𝟎𝟎𝟎𝟔 + 𝟎. 𝟎𝟎𝟒𝟏 = 𝟎. 𝟗𝟗𝟓𝟑
𝟎! 𝟏!
d. Halle el intervalo de tiempo para que la probabilidad de que no
lleguen mensajes, sea 0.9.
Sea X=El número de mensajes que llegan al servidor en t
minutos.
𝐞−𝟏𝟎𝐭(𝟏𝟎𝐭)𝐱
𝐗~𝐏𝐨𝐢𝐬 𝐯𝐭 = 𝐏𝐨𝐢𝐬(𝟏𝟎𝐭) ⟹ 𝐟 𝐱 = 𝐏 𝐗 = 𝐱 = , 𝐱 = 𝟎, 𝟏, …
𝐱!
𝐞−𝟏𝟎𝐭(𝟏𝟎𝐭)𝟎
𝐏 𝐗=𝟎 = = 𝟎. 𝟗 ⟹ 𝐞−𝟏𝟎𝐭 = 𝟎. 𝟗 ⇒ 𝐭 = 𝟎. 𝟎𝟏𝟎𝟓 𝐦𝐢𝐧𝐮𝐭𝐨𝐬
𝟎!
20
e. Hallar la media y coeficiente de variabilidad del número de
mensajes que llegan al servidos en 15 segundos
Para 15 Seg: λ=15x(10/60)=2.5. X ~ Pois (2.5)
𝝁 = 𝑬 𝑿 = 𝝀 = 𝟐. 𝟓, 𝝈𝟐 = 𝝀 = 𝟐. 𝟓, 𝝈 = 𝟐. 𝟓 = 𝟏. 𝟓𝟖
𝝈 𝟏. 𝟓𝟖
𝑪𝑽 = 𝒙𝟏𝟎𝟎 = 𝒙𝟏𝟎𝟎 = 𝟔𝟑. 𝟐%
𝝁 𝟐. 𝟓

21
 Distribución Geométrica

Una variable aleatoria X, se distribuye según la Geométrica

si su función de probabilidad está expresada por:

f(x) =  (1- )x-1 , para x=1, 2, 3, ...

= 0 , de otro modo

X: Número de pruebas de Bernoulli ejecutadas, hasta que

se obtiene el primer éxito.

: Probabilidad de éxito.
(1-): Probabilidad de fracaso

1
 Distribución Geométrica: Características

1) Distribución discreta, con Rx infinito numerable

2) Media y Variancia

X = EX = 1

2X = Var X = EX−  X


2
= (1− )
2
3) Distribución asimétrica a la derecha

2
 Distribución Geométrica: Ejemplo
Suponga que un interruptor eléctrico de una máquina tiene una
probabilidad 0.04 de fallar. Si el interruptor falla, se le reemplaza
por uno nuevo.

a) Determine la media y el coeficiente de variabilidad del

número de veces que es utilizado el interruptor hasta que falla.
Éxito={El interruptor falla al ser usado}, =P[E]=0.04 y 1-=P[F]=0.96.
Luego, la función de probabilidad de X (número de veces que puede ser
utilizado el interruptor) será:

f ( x) = (0.04)(0.96) x−1 , si x = 1,2,…

=0 , de otro modo

2X = VarX = EX −  X 2 = (1− ) = 0.96 = 600

 2
(0.04)2
X = EX = 1 = 25
0.04
600
CVX = (100) = 97.9796% 34
25
 Distribución Geométrica: Ejemplo

1. Un tipo de Vino debe ser sometido a la opinión de unos

catadores quienes, por consenso, deberán decidir si el
producto está listo para lanzarse al mercado. Suponga
que la probabilidad de que los catadores den su
aprobación para que sea lanzado al mercado es 0.7.

a) Halle la probabilidad de que el número de veces que el

producto es sometido a consideración de los catadores,
hasta que es aprobado para que sea lanzado al mercado, es
menor a 5 veces.

𝑥~𝐺𝑒𝑜𝑚 𝜋 = 0.7

4
 Distribución Binomial Negativa

• Una variable aleatoria X tiene distribución Binomial

Negativa si y sólo si su función de densidad es:

• Donde 0 ≤ θ ≤ 1
• A las variables binomiales negativas con parámetros
k y θ se las denotará como X~ BinNeg (k ,θ)
• Se define la variable como: Número de ensayos hasta
encontrar K éxitos.

5
Distribución Binomial Negativa: Características

1) Distribución discreta con Rx infinito

2) Media y variancia

3) Asociada al MCR considerando el orden

6
Distribución Binomial Negativa - Ejemplo

1.En cierta ciudad cada vez que una persona maneja un

automóvil tiene 0.03 de probabilidad de recibir una
infracción por manejar con exceso de velocidad, y
suponga también que se pierde la licencia de manejo
al sumar tres infracciones. Sea X el número de veces
que se maneja hasta recibir la tercera infracción.
Obtener la función de probabilidad para X luego:

a) Obtener la probabilidad de que una persona pierda

su licencia de manejo después de manejar 40 veces.
b) Halle la media y la varianza de la variable aleatoria.

7
 Distribución Binomial Negativa - Ejemplo

a) Obtener la probabilidad de que una persona pierda

su licencia de manejo después de manejar 40 veces.

X()=Número de veces que maneja hasta perder la licencia (tercera

infracción)

𝑅𝑥 = 3,4,5,6, … 𝑝 = 0.03, 𝑞 = 0.97, k=3

𝑥−1
𝑓 𝑥 =𝑃 𝑋=𝑥 = (0.03)3 ∗ (0.97)𝑥 −3 , 𝑥 = 3,4,5, …
2

39
𝑃 𝑋 = 40 = (0.03)3 ∗ (0.97)37= 0.006874
2

8
Distribución Binomial Negativa - Ejemplo

a) Halle la media y la varianza de la variable aleatoria.

𝑝 = 0.03, 𝑞 = 0.97, 𝑟=3

𝑘 3
𝐸 𝑥 = = = 100
𝑝 0.03

𝑘 1 3 1
V 𝑥 = ∗ ( −1)= ∗( −1)=3233.333
𝑝 𝑝 0.03 0.03

9
 Distribución Uniforme

1
X~U(a, b) 𝑓 𝑥 = b − 𝑎 , 𝑠𝑖 𝑎 ≤ 𝑥 ≤ 𝑏
0 , de otro modo

Distribución Uniforme
 X = EX = (a + b) / 2
f(x)

= VarX = − 2
2X (b a)
1/(b-a) 12

a b x

UNIVERSIDAD NACIONALAGRARIA LA
MOLINAANALISIS ESTADISTICO
10
 Distribución Uniforme

CARACTERÍSTICAS:

1. No tiene moda y Es simétrica

0 , 𝑠𝑖 𝑥 < 𝑎
𝑥−𝑎 𝑠𝑖 𝑎 ≤ 𝑥 ≤ 𝑏
2. 𝐹 𝑥 = ,
𝑏−𝑎
1 , si 𝑥 > 𝑏
Distribución acumulativa de probabilidades

F(x)
1

a b x

11
 Distribución Uniforme : Ejemplo

El tiempo de vida (en horas) de una unidad de un artículo producido

por la planta de producción A, se distribuye según la uniforme con
parámetros 3 y 6.
a) Si se selecciona al azar una unidad del artículo, halle la
probabilidad de que su tiempo de Vida sea mayor a 5 horas
b) Hallar la media y el valor esperado del tiempo de vida del
producto

12
Distribuciones continuas
Distribución Exponencial

Una variable aleatoria continua X tiene una

distribución Exponencial si su función de probabilidad
es dada por:
X~Exp()
1 −𝛽1
𝑒 , si 𝒙 > 𝟎
𝒇 𝒙 𝛽
𝟎 , si 𝒙 ≤ 𝟎

donde:  X = EX = 
2X = Var X =  2

13
Distribuciones continuas
Distribución Exponencial

Características
1. Esta definida para valores positivos de la variable.
2. Es asintótica al eje horizontal en su parte positiva.
3. Es monótona decreciente.
4. Es asimétrica a la derecha

Distribución Exponencial
f(x)
1


14
Distribuciones continuas
Distribución Exponencial Ejemplo

Suponga que el tiempo de duración de un artículo (horas)

una variable que tiene como densidad:
f (x) = 1
2
e− x / 2 , si x0
=0 , si x0
Halle la probabilidad que un artículo elegido al azar tenga
tiempo de vida menor a 3 horas.

PX < 3=?

LA MOLINAANÁLISIS ESTADÍSTICO 15
Se dice que la variable aleatoria continua X, tiene una
distribución Normal con media μ y variancia σ2 si su
función de densidad es la siguiente:
1  x 
2 Notación : X ~ N   ,  2

1  2   
f  x 
Media y Varianza:
e ,   x  
2  E  X    , Var  X    2

Característica:
1. Tiene forma acampanada.
2. Es simétrica respecto a la
recta X = 
3. Es asintótica respecto al eje X

Statistics I : Variable Aleatoria Continua y Dst. Normal sábado, 9 de Enero de 2021 6

1. Tiene forma acampanada.
2. Es simétrica respecto a la recta X = 
3. Es asintótica respecto al eje X

7
Si X  N( , 2), entonces la V.A.C. Z = (X - ) /  se dice
que tiene distribución normal estándar; con media 0, su
varianza 1 y su función de densidad es:
1
1  z2
f  z  e 2
,   z  
2

Statistics I : Variable Aleatoria Continua y Dst. Normal sábado, 9 de Enero de 2021 8

Ejemplo 1.
La estatura de los estudiantes universitarios de cierto país está
normalmente distribuida con una media de 167.85 cm y
desviación estándar 10.37 cm.
Se tiene: X  N(=167.85, 2=10.372)
a) Si un estudiante es seleccionado al azar ¿Cuál es la
probabilidad de que mida menos de 179 cm?
 X   179  167.85 
P  X  179   P     P  Z  1.07522   P ( Z  1.08)  0.8599
  10.37 
b) Halle la probabilidad de que la estatura de un estudiante que
va a ser escogido al azar mida por lo menos 152 cm.
 X   152  167.85 
P  X  152   P     P  Z  1.53  1  P  Z  1.53  1  0.0630  0.9370
  10.37 
c) Si se está buscando estudiantes universitarios que midan
entre 165 y 195 cm para un casting de TV ¿Qué porcentaje de
estudiantes cumplen con esa condición?
P 165  X  195   P  0.28  Z  2.62   P  Z  2.62   P  Z  0.28 
P 165  X  195   0.9956  0.3897  0.6059 10
d) Si se eligen independientemente 9 estudiantes. Encuentre la
probabilidad de que siete de ellos midan menos de 179 cm.
Sea: Y= Número de estudiantes que miden menos de 179
Exito  E   X  179 , P  E     P  X  179   0.8599
Y ~ Binomial  n  9,   0.8599 
9
P Y  7      0.8599   0.1401  0.2457
7 2

7
e) ¿Cuál es la altura mínima que debe tener un bus de transporte
para que el 97.06% de los estudiantes viaje de pie sin
dificultad?
 X   k  167.85   k  167.85 
P  X  k   0.9706  P     P  Z  
  10.37   10.37 
k  167.85
Z  0.9706   1.89  k  187.4493 cm.
10.37
11
Ejercicio 1.
El tiempo que se demora en
entregar una pizza tiene una
distribución normal con media
25 minutos y desviación
estándar de 4.5 minutos. Si la
pizzería ofrece su producto con
la promoción “Si recibe su pizza
después de 30 minutos usted
no paga nada”.
a. ¿Qué porcentaje de pizzas se entregan de manera gratuita al
cliente?
b. ¿Cuál es el tiempo mínimo, para considerar un pedido de pizza
dentro del 25% de mayor tiempo?
c. Halle el Percentil 65.
d. Si se eligen 8 pedidos de pizzas al azar, ¿cuál es la
probabilidad que 3 de ellos hayan sido entregados en forma
gratuita?
12
Solución:
a. ¿Qué porcentaje de pizzas se entregan de manera gratuita al
cliente? 𝐗~𝐍(𝟐𝟓, 𝟒. 𝟓𝟐 )
𝐗 − 𝛍 𝟑𝟎 − 𝟐𝟓
𝐏 𝐗 > 𝟑𝟎 = 𝐏 > = 𝐏 𝐙 > 𝟏. 𝟏𝟏 = 𝟏 − 𝐏 𝐙 ≤ 𝟏. 𝟏𝟏 = 𝟏 − 𝟎. 𝟖𝟔𝟔𝟓 = 𝟎. 𝟏𝟑𝟑𝟓
𝛔 𝟒. 𝟓
b. ¿Cuál es el tiempo mínimo, para considerar un pedido de pizza
dentro del 25% de mayor tiempo?
𝐗 − 𝛍 𝐤 − 𝟐𝟓 𝐤 − 𝟐𝟓
𝐏 𝐗 > 𝐤 = 𝟎. 𝟐𝟓 ⇒ 𝐏 𝐗 ≤ 𝐤 = 𝟎. 𝟕𝟓 ⇒ 𝐏 ≤ =𝐏 𝐙≤ = 𝟎. 𝟕𝟓
𝛔 𝟒. 𝟓 𝟒. 𝟓
𝐤 − 𝟐𝟓
𝐄𝐧𝐭𝐨𝐧𝐜𝐞𝐬 𝐬𝐞 𝐜𝐮𝐦𝐩𝐥𝐞: = 𝟎. 𝟔𝟖 ⇒ 𝐤 = 𝟐𝟖. 𝟎𝟔
𝟒. 𝟓
c. Halle el Percentil 65.
𝐗 − 𝛍 𝐤 − 𝟐𝟓 𝐤 − 𝟐𝟓
𝐒𝐞 𝐭𝐢𝐞𝐧𝐞: 𝐏 𝐗 ≤ 𝐤 = 𝟎. 𝟔𝟓 ⇒ 𝐏 ≤ =𝐏 𝐙≤ = 𝟎. 𝟔𝟓
𝛔 𝟒. 𝟓 𝟒. 𝟓
𝐤 − 𝟐𝟓
𝐄𝐧𝐭𝐨𝐧𝐜𝐞𝐬 𝐬𝐞 𝐜𝐮𝐦𝐩𝐥𝐞: = 𝟎. 𝟑𝟗 ⇒ 𝐤 = 𝟐𝟔. 𝟕𝟔 13
𝟒. 𝟓
 Una v.a X tiene distribución t con m grados de libertad si
su función de probabilidad es:
 m 1 Notación:
 
f  x   2  ,   x   Media y variancia:
m 1

 m  x 
m
X  0 y  
2 2 2
m    1  
m2
X
 2  2
Características:
1. Forma acampanada y simétrica, centro en 0.
2. Es más dispersa que la normal estándar.
3. La dispersión disminuye, si m aumenta.
5. A medida que n aumenta, se aproxima a la Z.

Distribución muestral asociada a la t Student:

Se define la V.A.:
18
 Una v.a X tiene distribución Ji-cuadrado con m grados de libertad si
su función de probabilidad está dada por:
Notación:
 1
m
1 x
 m x 2
e 2
si x 0 Media y variancia:
f  x    2 2 m 2 
 X  m y  X2  2m

 0 si x0

Características:
1. El rango de la variable valores positivos.
2. Tienen una asimetría positiva.
3. Es asintótica con el eje horizontal.
4. Disminuye el sesgo, si los g.l. aumentan

Distribución muestral asociada a la Chi-cuadrado:

Se define la V.A.:
19
 Una v.a. X tiene una distribución F con n y m grados de
libertad si su función de probabilidad es:
n
 n  m  n  2 1
2
n
Notación:
   x
f  x   2  m  , x0
nm
 n   m  n x 2
      1  
 2  2  m 
Características:
1. El rango de la variable valores positivos.
2. Tienen una asimetría positiva.
3. Es asintótica con el eje horizontal.
4. Disminuye el sesgo, si los g.l. aumentan

Distribución muestral asociada a la Chi-cuadrado:

S12  12
Se define la V.A.: F  n1  1, n2  1
S2  2
2 2
20