Formulario Estadística P.P.

1 (2022-2) – v2

Contenido
Estadística Descriptiva ............................................................................................................................................................ 2
Caracterización de los Datos ............................................................................................................................................... 2
Medidas de Localización ................................................................................................................................................. 2
Medidas de Dispersión.................................................................................................................................................... 2
Representación de los Datos .............................................................................................................................................. 3
Histogramas .................................................................................................................................................................... 3
Probabilidades ........................................................................................................................................................................ 3
Espacios Muestrales y Eventos ........................................................................................................................................... 3
Axiomas y Propiedades de Probabilidad............................................................................................................................. 3
Axiomas ........................................................................................................................................................................... 3
Propiedades .................................................................................................................................................................... 4
Regla de Laplace.............................................................................................................................................................. 4
Técnicas de Conteo ............................................................................................................................................................. 4
Principio General Multiplicativo (Eventos Asociados o Simultáneos) ............................................................................ 4
Principio General Aditivo (Eventos no Asociados o Asíncronos) .................................................................................... 4
Análisis Combinatorio ......................................................................................................................................................... 4
Modelos Simples o Sin Reposición .................................................................................................................................. 4
Modelos Compuestos o Con Reposición......................................................................................................................... 4
Probabilidad Condicional .................................................................................................................................................... 5
Regla de la Multiplicación ............................................................................................................................................... 5
Ley de Probabilidad Total................................................................................................................................................ 5
Teorema de Bayes ........................................................................................................................................................... 5
Independencia ................................................................................................................................................................ 5
Variables Aleatorias Unidimensionales................................................................................................................................... 5
Variables Aleatorias Discretas: 𝑅𝑋 = 𝑥1, 𝑥2, … , 𝑥𝑛 ........................................................................................................... 5
Distribuciones de Probabilidad (pmf) ............................................................................................................................. 5
Función de Distribución Acumulada (cdf) ....................................................................................................................... 5
Valor Esperado ................................................................................................................................................................ 5
Varianza y Desviación Estándar ...................................................................................................................................... 6
Variables Aleatorias Continuas: 𝑅𝑋 = [𝑥1, 𝑥2] .................................................................................................................. 6
Distribuciones de Probabilidad (pdf) .............................................................................................................................. 6
Función de Distribución de Probabilidad (cdf)................................................................................................................ 6
Valor Esperado ................................................................................................................................................................ 7
Varianza y Desviación Estándar ...................................................................................................................................... 7
Momento de las Variables Aleatorias ................................................................................................................................. 7
Momentos Alrededor del Origen .................................................................................................................................... 7
Momentos Centrales o Alrededor de la Media .............................................................................................................. 7
Coeficiente de Asimetría ................................................................................................................................................. 7
Función Generadora de Momentos (fgm) ...................................................................................................................... 7
Distribuciones Univariantes Notables ..................................................................................................................................... 8
Proceso Bernoulli ................................................................................................................................................................ 8
Distribución Bernoulli 𝑋 ∼ 𝐵(𝑝)..................................................................................................................................... 8
Distribución Binomial 𝑋 ∼ 𝐵𝑖𝑛(𝑛, 𝑝).............................................................................................................................. 8
Distribución Geométrica 𝑋 ∼ 𝐺(𝑝) ................................................................................................................................ 8

1
 Distribución Binomial Negativa 𝑋 ∼ 𝐵𝑁(𝑟, 𝑝) ............................................................................................................... 9
Distribución Hipergeométrica 𝑋 ∼ 𝐻(𝑛, 𝑀, 𝑁) .............................................................................................................. 9

Estadística Descriptiva
Caracterización de los Datos
Medidas de Localización
Media Aritmética (𝑥̅ )
𝑥1 + 𝑥2 + ⋯ + 𝑥𝑛 ∑𝑛𝑖=1 𝑥𝑖
𝑥̅ = =
𝑛 𝑛
=PROMEDIO(número1;[número2];…)

Media Poblacional (𝜇̅ )

𝑥1 + 𝑥2 + ⋯ + 𝑥𝑛 ∑𝑁
𝑖=1 𝑥𝑖
𝜇̅ = =
𝑁 𝑁
=PROMEDIO(número1;[número2];…)

Mediana (𝑥̃)
𝑥 𝑛+1 , 𝑠𝑖 𝑛 𝑒𝑠 𝑖𝑚𝑝𝑎𝑟
()
2
𝑥̃ = {𝑥(𝑛) + 𝑥(𝑛+1)
2 2
, 𝑠𝑖 𝑛 𝑒𝑠 𝑝𝑎𝑟
2
=MEDIANA(número1;[número2];…)

Moda
𝑚á𝑠_𝑟𝑒𝑝𝑒𝑡𝑖𝑑𝑜(𝑥𝑖 )
=MODA(número1;[número2];…)

Media Geométrica (𝑥̅𝐺 )

𝑛
𝑛
𝑥̅𝐺 = (𝑥1 × 𝑥2 × … × 𝑥𝑛 )1/𝑛 = √∏ 𝑥𝑖
𝑖=1

=MEDIA.GEOM(número1;[número2];…)

Tasa Media Geométrica de Retorno (𝑅̅𝐺 )

𝑛
1 𝑛
𝑅̅𝐺 = [(1 + 𝑅1 ) × (1 + 𝑅2 ) × … × (1 + 𝑅𝑛 )]𝑛 − 1 = √∏(1 − 𝑅𝑖 ) − 1
𝑖=1

Cuartil (q)
=CUARTIL(matriz;cuartil)

Percentil
=PERCENTIL(matriz;percentil)

Medidas de Dispersión
Rango (r)
𝑟 = max(𝑥𝑖 ) − min(𝑥𝑖 ) = 𝑥(𝑛) − 𝑥(1)

Rango Intercuartílico (RIC)

𝑅𝐼𝐶 = 𝑞3 − 𝑞1
=CUARTIL(matriz;cuartil=3)-CUARTIL(matriz;cuartil=1)

Varianza Poblacional (𝜎 2 )
2
∑𝑁
𝑖=1(𝑥𝑖 − 𝜇)
2 ∑𝑁
𝑖=1 𝑥𝑖
2
𝜎 = = − 𝜇2
𝑁 𝑁
Varianza Muestral (𝑠 2 )
𝑛 2 (∑𝑛𝑖=1 𝑥𝑖 )2
∑ 𝑛
(𝑥 − 𝑥̅ )2 ∑𝑛
𝑥 2
− 𝑛𝑥̅ 2 ∑𝑖=1 𝑥𝑖 −
𝑠2 =
𝑖=1 𝑖
=
𝑖=1 𝑖
= 𝑛
𝑛−1 𝑛−1 𝑛−1

2
Desviación Estándar Poblacional (𝜎)
𝜎 = √𝜎 2 = |𝜎|
=DESVEST.P(numero1;[numero2];…)

Desviación Estándar Muestral (𝑠)

𝑠 = √𝑠 2 = |𝑠|
= DESVEST.M(numero1;[numero2];…)

Coeficiente de Variación Poblacional (𝐶. 𝑉.)

𝜎
𝐶. 𝑉. = × 100
|𝜇|
Coeficiente de Variación Muestral (𝑐. 𝑣.)
𝑠
𝑐. 𝑣. = × 100
|𝑥̅ |

Representación de los Datos

Histogramas
Tamaño de los Datos (n)
=CONTAR(valor1;[valor2];…)

Mínimo (𝑥(1) )
=MIN(valor1;[valor2];…)

Máximo (𝑥(𝑛))
=MAX(valor1;[valor2];…)

Rango (𝑅)
𝑅 = 𝑥(𝑛) − 𝑥(1)

Cantidad Intervalos de Clase (𝑘)

𝑘 = ⌊1 + log 2 (𝑛)⌋
=REDONDEAR.MENOS(número=1+LOG(CONTAR(valor1;[valor2];…);2);núm_decimales=0)

Amplitud de los Intervalos (𝐴)

𝑅
𝐴=
𝑘
Frecuencia Absoluta
=FRECUENCIA(datos=”Datos”;grupos=”Valores Máximos Rangos”)
Formato: [F2], [Ctrl]+[Shift]+[Enter]

Probabilidades
Porcentaje
𝑝
𝑝% =
100
Espacios Muestrales y Eventos
Eventos Mutuamente Excluyentes (Disjuntos)
𝐴1 ∩ 𝐴2 ∩ … ∩ 𝐴𝑘 = ∅
Eventos Exhaustivos
𝐴1 ∪ 𝐴2 ∪ … ∪ 𝐴𝑘 = 𝑆
Leyes de Morgan
(𝐴 ∩ 𝐵)𝑐 = 𝐴𝑐 ∪ 𝐵𝑐
(𝐴 ∪ 𝐵)𝑐 = 𝐴𝑐 ∩ 𝐵𝑐

Axiomas y Propiedades de Probabilidad

Axiomas
0 ≤ 𝑃(𝐴) ≤ 1
𝑃(𝑆) = 1
𝑛 𝑛

𝑃 (⋃ 𝐴𝑖 ) = 𝑃(𝐴1 ∪ 𝐴2 ∪ … ∪ 𝐴𝑛 ) = ∑ 𝑃(𝐴𝑖 ) , 𝑐𝑜𝑛 𝐴𝑖 𝑑𝑖𝑠𝑗𝑢𝑛𝑡𝑜𝑠

𝑖=1 𝑖=1
3
Propiedades
𝑃(∅) = 0
𝑃(𝐴 ∩ 𝐵𝑐 ) = 𝑃(𝐴) − 𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴𝑐 ) = 1 − 𝑃(𝐴)
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴 ∪ 𝐵 ∪ 𝐶) = 𝑃(𝐴) + 𝑃(𝐵) + 𝑃(𝐶) − 𝑃(𝐴 ∩ 𝐵) − 𝑃(𝐴 ∩ 𝐶) − 𝑃(𝐵 ∩ 𝐶) + 𝑃(𝐴 ∩ 𝐵 ∩ 𝐶)
𝐴 ⊆ 𝐵 ⟹ 𝑃(𝐴) ≤ 𝑃(𝐵)
𝐵 ⊂ 𝐴 ⟹ 𝑃(𝐴 ∩ 𝐵𝑐) = 𝑃(𝐴) − 𝑃(𝐵)

Regla de Laplace
1 #𝐴
𝑃(𝐴) = ∑ 𝑃(𝐸𝑖 ) = ∑ 𝑃 ( ) =
𝑁 𝑁
𝐸𝑖 ∈𝐴 𝐸𝑖 ∈𝐴

𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝐶𝑎𝑠𝑜𝑠 𝐹𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠

𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝐶𝑎𝑠𝑜𝑠 𝑃𝑜𝑠𝑖𝑏𝑙𝑒𝑠
Técnicas de Conteo
Principio General Multiplicativo (Eventos Asociados o Simultáneos)
𝑘

𝑛1 × 𝑛2 × … × 𝑛𝑘 = ∏ 𝑛𝑖
𝑖=1

Principio General Aditivo (Eventos no Asociados o Asíncronos)

𝑘

𝑛1 + 𝑛2 + ⋯ + 𝑛𝑘 = ∑ 𝑛𝑖
𝑖=1

Análisis Combinatorio
Modelos Simples o Sin Reposición
Permutación SimpleO
𝑃𝑛 = 𝑛!
=PERMUTACION(número=n;tamaño=n)
=FACT(número=n)

Variación SimpleNO
𝑛!
𝑉𝑛,𝑘 =
(𝑛 − 𝑘)!
=PERMUTACION(número=n;tamaño=k)

Combinación SimpleN
𝑛 𝑛!
𝐶𝑛,𝑘 = ( ) =
𝑘 𝑘! ∙ (𝑛 − 𝑘)!
=COMBINAT(número=n;tamaño=k)

Permutación Cíclica o CircularO

𝑃𝐶𝑛 = (𝑛 − 1)!
=PERMUTACION(número=n-1;tamaño=n-1)
=FACT(número=n-1)

Modelos Compuestos o Con Reposición

Variación con RepeticiónNOR
𝑉′𝑛,𝑘 = 𝑛𝑘

=PERMUTACIONES.A(número=n;número_elegido=k)
=POTENCIA(número=n;potencia=k)
=n^k

Combinación con RepeticiónNR

𝑛+𝑘−1 𝑛+𝑘−1 (𝑛 + 𝑘 − 1)!
𝐶′𝑛,𝑘 = ( )=( )=
𝑘 𝑛−1 𝑘! ∙ (𝑛 − 1)!
4
 =COMBINA(número=n;número_elegido=k)

Permutación con RepeticiónOR

𝑛 𝑛!
𝑃′𝑛1 ,𝑛2 ,…,𝑛𝑘 = ( )= 𝑘
𝑛1 , 𝑛2 , … , 𝑛𝑘 ∏𝑖=1 𝑛𝑖 !

=FACT(número=n)/PRODUCTO(FACT(número=n1);FACT(número=n2);…;FACT(número=ni))

Probabilidad Condicional
Definición
𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴|𝐵) =
𝑃(𝐵)

Regla de la Multiplicación
𝑛 𝑛−1

𝑃 (⋂ 𝐴𝑖 ) = 𝑃(𝐴1 ) ∙ 𝑃(𝐴2 |𝐴1 ) ∙ … ∙ 𝑃 (𝐴𝑛 | ⋂ 𝐴𝑖 )

𝑖=1 𝑖=1

Ley de Probabilidad Total

𝑛 𝑛

𝑃(𝐵) = ∑ 𝑃(𝐴𝑖 ∩ 𝐵) = ∑(𝑃(𝐵|𝐴𝑖 ) ∙ 𝑃(𝐴𝑖 ))

𝑖=1 𝑖=1

Teorema de Bayes
𝑃(𝐴𝑗 ∩ 𝐵) 𝑃(𝐵|𝐴𝑗 ) ∙ 𝑃(𝐴𝑗 )
𝑃(𝐴𝑗 |𝐵) = = 𝑛 , 𝑗 = {1,2, … , 𝑛}
𝑃(𝐵) ∑𝑖=1(𝑃(𝐵|𝐴𝑖 ) ∙ 𝑃(𝐴𝑖 ))
𝑃(𝐵|𝐴) ∙ 𝑃(𝐴)
𝑃(𝐴|𝐵) =
𝑃(𝐵)

Independencia
Definición
𝑃(𝐴|𝐵) = 𝑃(𝐴) ⇔ 𝐴 𝑒𝑠 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝐵
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) ∙ 𝑃(𝐵)

Variables Aleatorias Unidimensionales

Variables Aleatorias Discretas: 𝑅𝑋 = 𝑥1 , 𝑥2 , … , 𝑥𝑛
Distribuciones de Probabilidad (pmf)
𝑝𝑋 (𝑥) = 𝑃(𝑋 = 𝑥) = 𝑃{𝑋(𝑠) = 𝑥, ∀ 𝑠 ∈ 𝑆}
Propiedades
𝑝𝑋 (𝑥) = 𝑃(𝑋 = 𝑥)
𝑝𝑋 (𝑥) ≥ 0, ∀ 𝑥

∑ 𝑝𝑋 (𝑥) = 1

Función de Distribución Acumulada (cdf)

𝐹𝑋 (𝑥) = 𝑃(𝑋 ≤ 𝑥) = ∑ 𝑝𝑋 (𝑥)
𝑦≤𝑥

Propiedades
𝐹𝑋 (𝑥) 𝑛𝑜 𝑒𝑠 𝑑𝑒𝑐𝑟𝑒𝑐𝑖𝑒𝑛𝑡𝑒.
0 ≤ 𝐹𝑋 (𝑥) ≤ 1
𝐹𝑋 (−∞) = 0
𝐹𝑋 (∞) = 1
𝑃(𝑋 > 𝑥) = 1 − 𝐹𝑋 (𝑥)
𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) = 𝐹𝑋 (𝑏) − 𝐹𝑋 (𝑎− )
𝐹𝑋 (𝑥) 𝑡𝑖𝑒𝑛𝑒 𝑓𝑜𝑟𝑚𝑎 𝑑𝑒 𝑒𝑠𝑐𝑎𝑙𝑒𝑟𝑎.

Valor Esperado
𝐸(𝑋) = 𝜇𝑋 = ∑ 𝑥 ∙ 𝑝𝑋 (𝑥)
𝑥

5
Valor Esperado de una Función de una Variable Aleatoria Discreta
𝐸[ℎ(𝑋)] = 𝜇ℎ(𝑋) = ∑ ℎ(𝑥) ∙ 𝑝𝑋 (𝑥)
𝑥

Propiedades
𝐸(𝑎 ∙ 𝑋) = 𝑎 ∙ 𝐸(𝑋), ∀ 𝑎
𝐸(𝑋 + 𝑎) = 𝐸(𝑋) + 𝑎, ∀ 𝑎
𝐸(𝑎 ∙ 𝑋 + 𝑏) = 𝑎 ∙ 𝐸(𝑥) + 𝑏, ∀ 𝑎, 𝑏
𝐸(𝑎) = 𝑎, 𝑎 ∈ ℝ

Varianza y Desviación Estándar

Varianza
𝑉(𝑋) = 𝜎𝑋 2 = 𝐸[(𝑋 − 𝜇𝑋 )2 ] = ∑(𝑥 − 𝜇𝑋 )2 ∙ 𝑝𝑋 (𝑥)
𝑥

Desviación Estándar
𝜎𝑋 = √𝜎𝑋 2 = √𝑉(𝑋) = |𝜎𝑋 |

Varianza de una Función de la Variable Aleatoria

2 2
𝑉(ℎ(𝑋)) = 𝐸 [(ℎ(𝑋) − 𝜇ℎ(𝑋) ) ] = ∑(ℎ(𝑥) − 𝜇ℎ(𝑋) ) ∙ 𝑝𝑋 (𝑥)
𝑥

Propiedades de la Varianza
𝑉(𝑎 ∙ 𝑋) = 𝑎2 ∙ 𝑉(𝑋)
𝑉(𝑋 + 𝑏) = 𝑉(𝑋)
𝑉(𝑎 ∙ 𝑋 + 𝑏) = 𝑎2 ∙ 𝑉(𝑋) ⟹ 𝜎𝑎𝑋+𝑏 = |𝑎| ∙ 𝜎𝑋
Identidad Fundamental
𝑉(𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2

Variables Aleatorias Continuas: 𝑅𝑋 = [𝑥1 , 𝑥2 ]

Distribuciones de Probabilidad (pdf)
𝑏
∫ 𝑓𝑋 (𝑥)𝑑𝑥
𝑎

Propiedades
𝑓𝑋 (𝑥) ≥ 0, ∀ 𝑥
∞
∫ 𝑓𝑋 (𝑥)𝑑𝑥 = 1
−∞

𝑏
𝑃(𝑎 < 𝑋 < 𝑏) = ∫ 𝑓𝑋 (𝑥)𝑑𝑥
𝑎
𝑐
𝑃(𝑋 = 𝑐) = 𝑃(𝑐 ≤ 𝑋 ≤ 𝑐) = ∫ 𝑓𝑋 (𝑥)𝑑𝑥 = 0
𝑐

Función de Distribución de Probabilidad (cdf)

𝑥
𝐹𝑋 (𝑥) = 𝑃(𝑋 ≤ 𝑥) = ∫ 𝐹𝑋 (𝑦)𝑑𝑦
−∞

Propiedades
𝐹𝑋 (𝑥) 𝑛𝑜 𝑒𝑠 𝑑𝑒𝑐𝑟𝑒𝑐𝑖𝑒𝑛𝑡𝑒.
0 ≤ 𝐹𝑋 (𝑥) ≤ 1
𝐹𝑋 (−∞) = 0
𝐹𝑋 (∞) = 1
𝑃(𝑋 < 𝑥) = 𝑃(𝑋 ≤ 𝑥) = 𝐹𝑋 (𝑥)
𝑃(𝑋 > 𝑥) = 𝑃(𝑋 ≥ 𝑥) = 1 − 𝐹𝑋 (𝑥)
𝑃(𝑎 ≤ 𝑋 ≤ 𝑏) = 𝑃(𝑎 < 𝑋 < 𝑏) = 𝐹𝑋 (𝑏) − 𝐹𝑋 (𝑎)

6
 𝐹𝑋 (𝑥) 𝑒𝑠 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎.
Obtención de 𝑓𝑋 (𝑥) a Partir de 𝐹𝑋 (𝑥)
𝑑
𝑓𝑋 (𝑥) = 𝐹 ′𝑋 (𝑥) = 𝐹 (𝑥)
𝑑𝑥 𝑋
Valor Esperado
∞
𝐸(𝑋) = 𝜇𝑋 = ∫ 𝑥 ∙ 𝑓𝑋 (𝑥)𝑑𝑥
−∞

Valor Esperado de una Función de una Variable Aleatoria Continua

∞
𝐸[ℎ(𝑋)] = 𝜇ℎ(𝑋) = ∫ ℎ(𝑥) ∙ 𝑓𝑋 (𝑥)𝑑𝑥
−∞

Varianza y Desviación Estándar

Varianza
∞
𝑉(𝑋) = 𝜎𝑋 2 = 𝐸[(𝑋 − 𝜇𝑋 )2 ] = ∫ (𝑥 − 𝜇𝑋 )2 ∙ 𝑓𝑋 (𝑥)𝑑𝑥
−∞

Desviación Estándar
𝜎𝑋 = √𝜎𝑋 2 = √𝑉(𝑋) = |𝜎𝑋 |

Momento de las Variables Aleatorias

Momentos Alrededor del Origen
Caso Discreto
𝜇𝑟 ′ = 𝐸(𝑋 𝑟 ) = ∑ 𝑥 𝑟 ∙ 𝑝𝑋 (𝑥)
𝑥

Caso Continuo
∞
𝜇𝑟 ′ = 𝐸(𝑋 𝑟 ) = ∫ 𝑥 𝑟 ∙ 𝑓𝑋 (𝑥)𝑑𝑥
−∞

Nota Adicional
𝐸(𝑋) = 𝜇𝑋 = 𝜇1 ′

𝑉(𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2 = 𝜇2 ′ − (𝜇1 ′ )2

Momentos Centrales o Alrededor de la Media

Caso Discreto
𝜇𝑟 = 𝐸[(𝑋 − 𝜇)𝑟 ] = ∑(𝑥 − 𝜇)𝑟 ∙ 𝑝𝑋 (𝑥)
𝑥

Caso Continuo
∞
𝜇𝑟 = 𝐸[(𝑋 − 𝜇)𝑟 ] = ∫ (𝑥 − 𝜇)𝑟 ∙ 𝑓𝑋 (𝑥) 𝑑𝑥
−∞

Nota Adicional
𝑢1 = 𝐸(𝑋 − 𝜇) = 𝐸(𝑋) − 𝜇 = 0

𝜇2 = 𝐸[(𝑋 − 𝜇)2 ] = 𝑉(𝑋)

Coeficiente de Asimetría
𝐸[(𝑋 − 𝜇)3 ] 𝜇3
𝜈= 3 =
𝜎3
(𝐸[(𝑋 − 𝜇)2 ])2

Función Generadora de Momentos (fgm)

Caso Discreto
𝑀𝑋 (𝑡) = 𝐸(𝑒 𝑡𝑋 ) = ∑ 𝑒 𝑡𝑥 ∙ 𝑝𝑋 (𝑥)
𝑥

Caso Continuo
∞
𝑀𝑋 (𝑡) = 𝐸(𝑒 𝑡𝑋 ) = ∫ 𝑒 𝑡𝑥 ∙ 𝑓𝑋 (𝑥)𝑑𝑥
−∞

Propiedades
𝑀𝑋+𝑎 (𝑡) = 𝑒 𝑎𝑡 ∙ 𝑀𝑋 (𝑡)
𝑀𝑎𝑋 (𝑡) = 𝑀𝑋 (𝑎𝑡)

7
Cálculo de Momentos Alrededor del Origen a Partir de la Función Generadora
𝑑𝑟 𝑀𝑋 (𝑡)
| = 𝜇𝑟 ′
𝑑𝑡 𝑟 𝑡=0

Distribuciones Univariantes Notables

Proceso Bernoulli
Distribución Bernoulli 𝑋 ∼ 𝐵(𝑝)
Distribución de Probabilidad (pmf)
𝑥 (1
𝑝𝑋 (𝑥) = {𝑝 − 𝑝)1−𝑥 𝑥 = {0,1}
0 𝑑. 𝑜. 𝑚.
=DISTR.BINOM.N(núm_éxito=x;ensayos=1;prob_éxito=p;acumulado=FALSO)

Distribución de Probabilidad Acumulada (cdf)

0 𝑥<0
𝐹𝑋 (𝑥) = {1 − 𝑝 0≤𝑥<1
1 𝑥≥1
=DISTR.BINOM.N(núm_éxito=x;ensayos=1;prob_éxito=p;acumulado=VERDADERO)

Rango de la Variable y Valores de los Parámetros

𝑅𝑋 = {0,1}
𝑝 ∈ (0,1)
Valor Esperado y Varianza
𝐸(𝑋) = 𝑝
𝑉(𝑋) = 𝑝(1 − 𝑝)

Distribución Binomial 𝑋 ∼ 𝐵𝑖𝑛(𝑛, 𝑝)

𝑛

𝑋𝑖 ∼ 𝐵(𝑝), 𝑖 = {1,2, … , 𝑛} ⟹ 𝑌 = ∑ 𝑋𝑖 ∼ 𝐵𝑖𝑛(𝑛, 𝑝)

𝑖=1

Distribución de Probabilidad (pmf)

𝑛
( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥 𝑥 = {0,1,2, … , 𝑛}
𝑝𝑋 (𝑥) = { 𝑥
0 𝑑. 𝑜. 𝑚.
=DISTR.BINOM.N(núm_éxito=x;ensayos=n;prob_éxito=p;acumulado=FALSO)

Distribución de Probabilidad Acumulada (cdf)

0 𝑥<0
⌊𝑥⌋
𝑛
𝐹𝑋 (𝑥) = ∑ ( ) 𝑝𝑖 (1 − 𝑝)𝑛−𝑖 0≤𝑥≤𝑛
𝑖
𝑖=0
{ 1 𝑥≥𝑛
=DISTR.BINOM.N(núm_éxito=x;ensayos=n;prob_éxito=p;acumulado=VERDADERO)

Rango de la Variable y Valores de los Parámetros

𝑅𝑋 = {0,1,2, … , 𝑛}
𝑝 ∈ (0,1)
Valor Esperado y Varianza
𝐸(𝑋) = 𝑛𝑝
𝑉(𝑋) = 𝑛𝑝(1 − 𝑝)
Propiedad Reproductiva
𝑘 𝑘

𝑌 = ∑ 𝑋𝑖 ∼ 𝐵𝑖𝑛 (∑ 𝑛𝑖 , 𝑝) , 𝑋𝑖 ∼ 𝐵𝑖𝑛(𝑛𝑖 , 𝑝)
𝑖=1 𝑖=1

Distribución Geométrica 𝑋 ∼ 𝐺(𝑝)

Distribución de Probabilidad (pmf)
𝑝𝑋 (𝑥) = {𝑝(1 − 𝑝)
𝑥
𝑥 = ℤ0 +
0 𝑑. 𝑜. 𝑚.
=NEGBINOM.DIST(núm_fracasos=x;num_éxitos=1;prob_éxito=p;acumulado=FALSO)

8
Distribución de Probabilidad Acumulada (cdf)
0 𝑥<0
𝐹𝑋 (𝑥) = {
1 − (1 − 𝑝)⌊𝑥⌋+1 𝑥≥0
=NEGBINOM.DIST(núm_fracasos=x;num_éxitos=1;prob_éxito=p;acumulado=VERDADERO)

Rango de la Variable y Valores de los Parámetros

𝑅𝑋 = ℤ0 +

𝑝 ∈ (0,1)
Valor Esperado y Varianza
1−𝑝
𝐸(𝑋) =
𝑝
1−𝑝
𝑉(𝑋) =
𝑝2
Propiedad Carencia de Memoria
𝑃(𝑋 ≥ 𝑠 + 𝑡|𝑋 ≥ 𝑠) = 𝑃(𝑋 ≥ 𝑡)

Distribución Binomial Negativa 𝑋 ∼ 𝐵𝑁(𝑟, 𝑝)

𝑟

𝑋𝑖 ∼ 𝐺(𝑝), 𝑖 = {1,2, … , 𝑟} ⟹ 𝑌 = ∑ 𝑋𝑖 ∼ 𝐵𝑁(𝑟, 𝑝)

𝑖=1

Distribución de Probabilidad (pmf)

𝑥+𝑟−1 𝑟
𝑝𝑋 (𝑥) = {( ) 𝑝 (1 − 𝑝) 𝑥 𝑥 = ℤ0 +
𝑥
0 𝑑. 𝑜. 𝑚.
=NEGBINOM.DIST(núm_fracasos=x;num_éxitos=r;prob_éxito=p;acumulado=FALSO)

Distribución de Probabilidad Acumulada (cdf)

0 𝑥<0
⌊𝑥⌋
𝐹𝑋 (𝑥) = { 𝑖+𝑟−1 𝑟
∑( ) 𝑝 (1 − 𝑝)𝑖 𝑥≥0
𝑖
𝑖=0

=NEGBINOM.DIST(núm_fracasos=x;num_éxitos=r;prob_éxito=p;acumulado=VERDADERO)

Rango de la Variable y Valores de los Parámetros

𝑅𝑋 = ℤ0 +
𝑝 ∈ (0,1)
𝑟∈ℕ
Valor Esperado y Varianza
𝑟(1 − 𝑝)
𝐸(𝑋) =
𝑝
𝑟(1 − 𝑝)
𝑉(𝑋) =
𝑝2
Propiedad Reproductiva
𝑘 𝑘

𝑌 = ∑ 𝑋𝑖 ∼ 𝐵𝑁 (∑ 𝑟𝑖 , 𝑝) , 𝑋𝑖 ∼ 𝐵𝑁(𝑟𝑖 , 𝑝)
𝑖=1 𝑖=1

Distribución Hipergeométrica 𝑋 ∼ 𝐻(𝑛, 𝑀, 𝑁)

Distribución de Probabilidad (pmf)
(𝑀
𝑥
)(𝑁−𝑀
𝑛−𝑥
)
𝑥 = 𝑅𝑋
𝑝𝑋 (𝑥) = { (𝑁 )
𝑛
0 𝑑. 𝑜. 𝑚.
=DISTR.HIPERGEOM.N(muestra_éxito=x;núm_de_muestra=n;población_éxito=M;núm_de_población=N;
acumulado=FALSO)

9
Distribución de Probabilidad Acumulada (cdf)
0 𝑥 < max {0, n − M + M}
⌊𝑥⌋
(𝑀
𝑥
)(𝑁−𝑀
𝑛−𝑥
)
𝐹𝑋 (𝑥) = ∑ max {0, n − M + M} ≤ 𝑥 < min {M, n}
𝑖=max {0,n−M+M}
(𝑁
𝑛
)
{ 1 𝑥 ≥ min {M, n}
=DISTR.HIPERGEOM.N(muestra_éxito=x;núm_de_muestra=n;población_éxito=M;núm_de_población=N;
acumulado=VERDADERO)

Rango de la Variable y Valores de los Parámetros

𝑅𝑋 = {𝑥 ∈ ℤ0 + |max {0, n − M + M} ≤ 𝑥 < min {M, n}}
𝑛, 𝑁, 𝑀 ∈ ℕ
Valor Esperado y Varianza
𝑀
𝐸(𝑋) = 𝑛
𝑁
𝑁−𝑛 𝑀 𝑀
𝑉(𝑋) = ∙ 𝑛 ∙ ∙ (1 − )
𝑁−1 𝑁 𝑁

10