DISTRIBUCIÓN BETA

(𝜷)
Distribuciones de probabilidad continua.
CARACTERÍSTICAS:
 Función de distribución

0, 𝑥≤0
𝑥 1
F 𝑥 = 𝑃(𝑋 ≤ 𝑥) = ൞‫׬‬0 𝛽 𝑝,𝑞 𝑥 𝑝−1 1 − 𝑥 𝑞−1 𝑑𝑥, 0 < 𝑥 < 1
1, 𝑥≥1
 Media
1
𝑟 𝑟
1
𝜖 𝑥 =න 𝑥 𝑥 𝑝−1 (1 − 𝑥)𝑞−1 𝑑𝑥
0 𝛽(𝑝, 𝑞)
1
1
= න 𝑥 𝑟 𝑥 𝑝−1 (1 − 𝑥)𝑞−1 𝑑𝑥
𝛽(𝑝, 𝑞) 0
𝛽(𝑝 + 𝑟, 𝑞)
=
𝛽(𝑝, 𝑞)
 𝔯(𝑝 + 𝑟)𝔯(𝑞) 𝔯(𝑝 + 𝑞)
= ×
𝔯(𝑝 + 𝑟 + 𝑞) 𝔯(𝑝)𝔯(𝑞)
𝑝 + 𝑟 − 1 … (𝑝 + 1)(𝑝)
=
𝑝 + 𝑟 + 𝑞 − 1 … (𝑝 + 𝑞)
Si: 𝑟 = 1
𝑝
𝜖 𝑥 =
𝑝+𝑞
 Varianza
2 2
𝑉𝑎𝑟 𝑥 = 𝜖 𝑥 − 𝜖 𝑥
Si: 𝑟 = 2
𝑝+1 𝑝
𝜖 𝑥2=
𝑝 + 𝑞 + 1 (𝑝 + 𝑞)
𝑝𝑞
𝑉𝑎𝑟 𝑥 =
(𝑝 + 𝑞 + 1)(𝑝 + 𝑞)2
DISTRIBUCIÓN
GAMMA (Г)
Distribuciones de probabilidad continua.
Si “p” no es entero pero si positivo, se tiene:

en donde:
CARACTERÍSTICAS:
 Función de densidad

NOTA: -“p” es el parámetro de forma.

-“a” es el parámetro de escala.
Demostración:
 Función de distribución

- Función gamma incompleta:

F(x) de la = función gamma incompleta en el punto

y = (ax)
 Moda

𝑎𝑝 𝑥 𝑝−2 𝑒 −𝑎𝑥 𝑝 − 1 − 𝑎𝑥
𝑓′ 𝑥 = ൞ 𝑥>0
Γ 𝑝
0 𝑥≤0

𝑓 ′ 𝑥 =0

𝑎𝑝 𝑥 𝑝−2 𝑒 −𝑎𝑥 𝑝 − 1 − 𝑎𝑥
=0 𝑥>0
Γ 𝑝

𝑝−1
𝑝 − 1 − 𝑎𝑥 = 0 ⇒ 𝑥 =
𝑎
𝑝−1
⇒ 𝑚𝑜 =
𝑎
 Media

Para r=1:
 Varianza
 Función generatriz de momentos
 Propiedad reproductiva
Si son variables aleatorias independientes
distribuidas según para i=1,2,…,n entonces la
variable aleatoria sigue una
distribución .
 Si la variable aleatoria “x” se distribuye según N(0,1) entonces la
variable aleatoria se distribuye según una .
 p p
a

a
p
DISTRIBUCIÓN CHI
CUADRADO (X2 )
Distribuciones de probabilidad continua,
asociadas a la Distribución normal.
 Consideremos: Z N(0, 1) y X= z2.
Hallamos la función de distribución “X”:

Ahora derivemos:
 Función de densidad de la variable aleatoria X= z2:

Diremos que una variable aleatoria X= z2 sigue una

distribución X2 con UN grado de libertad, si su
función viene dada por esa expresión.
Entonces: X= z2 X2 = г(½, ½)
 Demostración: Sean “n” variables aleatorias
independientes e igualmente distribuidas según
N(0, 1), donde X=x12+x22+…+xn2. Demuestre que
X X2 con “n” grados de libertad y que coincide
con г(n/2, ½).
Ahora: X2 =x12+x22+…+xn2 = г(n/2, ½).
N(0, 1)
CARACTERÍSTICAS X2N :
 Media

 Varianza
 Función generatriz de momentos

✓ Si: x1+x2+…+xk son “k” v.a.ii. según una x2n para

i=1,… , k. Entonces la variable aleatoria y =
x1+x2+…+xk sigue una distribución x2n 1+n2+…+nk grados
de libertad.
 Aproximación a la Distribución Normal
Si x2n la variable aleatoria , demuestra
que .

Ahora estandarizo:

N(0; 1)
DISTRIBUCIONES DERIVADAS DE LA X2
CON “N” GRADOS DE LIBERTAD.

 Sean x1,x2,…, xn “n” variables independientes

distribuidas con N(0, ) y Y=x12+x22+…+xn2 .
✓ Defino una variable para que la varianza quede
dividida .
✓ Entonces

✓ Obtendríamos

n
✓ Por lo tanto y’ , pero me piden la distribución
del Y.

✓ Ahora derivo:
✓ Entonces:
 Ahora intentemos para las variables:

✓
✓
DISTRIBUCIÓN T DE
STUDENT (T)
Distribuciones de probabilidad continua,
asociadas a la Distribución normal.
 Sean U y V dos variables aleatorias
independientes según N(0, 1) y una ,
respectivamente.
Entonces se dice que:

Sean x,x1,x2,…, xn , (n+1) variables aleatorias i.i.

distribuidas según , entonces dice que la
variable:
Compruebo:
Para hacer la transformación necesito hallar el
Jacobiano para darle forma a las nuevas
variables:

Armamos el Jacobiano:
Para hallar la transformación debo tener en
cuenta:
Para hallar :
CARACTERÍSTICAS:
 Función de distribución

 Momentos: Los momentos de orden impar son

nulos. Por lo tanto, calculamos los pares que
llevan el nombre .
 u N(0, 1)
-

En el caso de :
en el momento de orden r:

❖ Si:

❖ Si:
 , esto se cumple si:

Esto porque no pueden haber

gammas de números
negativos.

 Media
 Varianza

Aquí r=1 por que en necesito un

momento de orden 2, entonces :
si n > 2
DISTRIBUCIÓN F DE
SNEDECOR
Distribuciones de probabilidad continua,
asociadas a la Distribución normal.
 Sean U y V dos variables aleatorias independientes
según X2 con “n1” grados de libertad y una X2 con “n2”
grados de libertad, respectivamente.
Entonces se dice que:

Sean x1,x2,…, xn e y1,y2,…, yn ,(n1+n2) variables

aleatorias i.i. distribuidas según ,entonces dice
que la variable:

F de Snedecor con
(n1+n2 ) grados de libertad
 Función de densidad de F de Snedecor:
Depende solamente de los parámetros n1 y n2
CARACTERÍSTICAS:
 Función de distribución

 Momentos
 Media: con r=1
 Varianza: con r=2