CASO DISCRETO

UNSCH ESTADSTICA

a).-Funcin de Probabilidad
i f ( x) P ( X x) 0
n
ii f ( x ) P( X x ) 1
i 1
i i

iii f (x ) 1
i 1
i

b).-Funcin de Distribucin Acumulada

F ( x ) P X x P ( X k ) f (k )
k x k x

con - x x
0, - x xi

F ( x) f (x ) i xi x<xi 1

1 x n x
c).- Valor esperado: Esperanza Matemtica de media de la v.a x y denotado por:
= x E ( x)
n
= xi f ( xi ) numerable
xi x

= xi f ( xi ) no numerable
xi x

d).-Variancia: se denota por

2 ; x2 ; var( x);V ( x)
n
2 E ( x ) 2 ( xi ) 2 f ( xi ) numerable
i 1

E ( x )
2 2
( xi ) 2 f ( xi ) no numerable
i 1 e).-Propiedades
i E ( ax by) aE ( x) bE ( y)
ii si x1 ;x 2 ;...;x n son v.a. entonces
n
n
E

a x = a E ( x )
i 1
i i
i 1
i i

n
ii si E( x1 .x 2 ....x n ) E ( xi ) entonces
i 1
n n
E ( xi ) E ( xi )
i 1 i 1
CASO CONTINUO
a).- Funcin de Densidad
* f : 0,1
i f(x) 0 x
+
ii Rx
f ( x) dx 1
-
f ( x)dx 1

iii P( A) P x A f ( x)dx
A

Si A {x / a x b} entonces
P ( A) P a x b f ( x )dx
b

a
b).-Funcin de Distribucin de Probabilidad
F ( x) P X x
x
f (t )dt x

c).- Valor esperado: Esperanza Matemtica de madia de la v.a y se denota por

= x E ( x )
+
xf ( x )dx
-

d).-Variancia: se denota por

2 ; x2 ; var( x);V ( x)

LIC. ESTADSTICO AGUILAR ALTAMIRANO, ERICK E. EL ARTE DE APRENDER

 UNSCH +
2 E ( x ) 2 ( x ) 2 f ( x)dx

ESTADSTICA
-

var( X ) E ( X 2 ) 2
Si X,Y son va. y a,b,c,cts entonces la varianza
V ax by c a 2 V x +b 2 V y
*La mediana (Me)es cuando P(X Me)=0.5
*La moda es el punto mximo de f(x) i.e cuando
e).-Propiedades f(X)=0

A).-DISTRIBUCIONES DISCRETAS
01 DISTRIBUCIN DE BERNULLI
Es aqul experimento que consta de slo dos resultados de inters xito (E) y fracaso (F):
1. Espacio muestral:
={E; F}

2. Variable aleatoria:
X: El xito del experimento.
El fracaso del experimento
3. Rango:
Rx :{0,1}
1 x
Funcin de probabilidad: P( X x) P .q , x 0,1
x
4.
5. funcin de probabilidad acumulada
0 si x<0)

F ( X ) q si 0 x 1
1 si x>1

6. La media y la varianza esperada
E(X)=

=p, V(X)= 2 =p.q
7. Observaciones:

p = probabilidad de xito
(lo que pide la variable aleatoria)

q = 1-p = probabilidad de fracaso.

02 DISTRIBUCIN BINOMIAL
Se Denota por B(n;p) y Consiste en realizar un nmero n fijo de experimentos independientes de Bernull, con 2 respuestas c/u E F.

-Las n pruebas son independientes (con reposicin)

-Los 2 resultados de c/ prueba son mutuamente excluyentes.
-La prob. p de xito es invariante en c/u de las
pruebas.
X: # de E F
1. Espacio muestral:
{(1 ; 2 ;...; n ) / i E F }
1 4 42 4 4 3
n resultados bernulli

2. Variable aleatoria:

X: # de E F

3. Rango:
Rx :{0;1; 2;...; n}
n
P ( X x ) p x q n x , x 0,1..n
4. Funcin de probabilidad: x
5. funcin de probabilidad acumulada
LIC. ESTADSTICO AGUILAR ALTAMIRANO, ERICK E. EL ARTE DE APRENDER
 UNSCH
0 si x<0
ESTADSTICA

se considra un
x n
k nk
F ( X )
k 0 k
p q intervalo de la forma
xxx1

1 si x10

6. La media y la varianza esperada

*E(x)=np V(x)=np(1-p) p,q cts.

03 DISTRIBUCIN GEOMTRICA
Es la distribucin que consiste en realizar repetidas veces un experimento aleatorio (independiente Bernull) hasta obtener el primer xito. (El nmero
de ensayos no es fijo)
Se denota por X : G ( p )
1. Espacio muestral:

{E; FE ; FFE;.....}
2. Variable aleatoria:
X: #de ensayos hasta obtener el primer xito.
A esta va. Se le conoce como va. Geomtrica.
3. Rango:
Rx :{1; 2;3;...}
4. funcin de probabilidad acumulada
P( X x ) pq1 x , x 1;2;3..
5. funcin de probabilidad acumulada
0 si x<0

p x
F ( X ) q k si 0x<1
q k 0
1 si x10

6. La media y la varianza esperada

1 q
E(X)= ; 2 2
p p
7. Observaciones:

*La distribucin geomtrica es decreciente, es decir, p(x) < p(x-1) para x =2;3:4;

P X a qa , a , q 1 p
*

*Propiedad de la memoria

P X x r / X r P X x

04 DISTRIBUCIN BINOMIAL NEGATIVA DE PASCAL

REC: consiste en hacer repetidos experimentos aleatorios de bernull hasta obtener el xito nmero r
r veces 6
} 78
r 1 veces
} 678
fijo r 1 veces
}
fijo

{EE..E ; EE...E F E ; EE...E FF E ;....

6r 17veces
8 6x r7veces
8 fijo
}
.........; EE...E FF ...F E }
X: # de veces que se repite el ensayo hasta obtener el r-simo xito.
RX r ; r 1; r 2;.....
x 1 r x r
P( X x) p q , x ri ; ri 1 ;....
r 1
r rq
E(X)= = ;V (X)= 2 2
p p

*Los resultados pueden salir en cualquier orden y siendo el ltimo E el cual vendr a ser el trmino r-simo.

05 DISTRIBUCIN MLTINOMIAL
Se da cuando se realiza nensayos o experimentos aleatorios y se pide la prob. de que:
E1 ocurra x1i veces
E 2 ocurra x 2i veces
dentro de los
M
E k ocurra x ki veces "n" ensayos
LIC. ESTADSTICO AGUILAR ALTAMIRANO, ERICK E. EL ARTE DE APRENDER
 UNSCH
entonces tendremos la variable multinomial.
ESTADSTICA
Xi E i ocurre el las n repeticiones del experimento,
: # de veces que el evento i = 1,2,,k
X i : #E i de veces eventos E(Xi ) = npi ; V(Xi ) = npi q i
R Xi {0,1, 2,...., n} i =1,2,...k
P ( x1 ; x2 ;.....; xk ) P X x1 ; X x2 ;.....; X xk
= P E1 x1 ; E2 x2 ;.....; Ek xk
n!
= p1x x p x2 2 ...p kx k
x1 !; x2 !;.....; xk !
06 DISTRIBUCIN HIPERGEOMTRICA
Consiste en escoger una muestra de tamao n sin reposicin, de N elementos posibles resultados posibles dnde r de los cules pueden clasificarse
cmo xitos, y los N-k como fracasos, dnde denotaremos:
N: # total de elementos de una poblacin
k : # de xitos N-k: # de fracasos n: #de ensayos
X:# de xitos en la muestra de tamao n
R x {0,1, 2,...n}
k N k k

x n x
p ;q 1 p
P( X x) n
N N n
E ( X ) np;V ( X ) npq
n N 1

07 DISTRIBUCIN HIPERGEOMTRICA MLTIVARIABLE

Tenemos una muestra de N objetos 1 2 N a a ... a

k
Siendo: k = # de grupos, dnde los elementos de c/ uno de los grupo son diferentes a los elementos de los otros grupos.
Se sacan n objetos de N, donde c/ objeto tienen k posibles resultados y los resultados son dependientes.
X: # de objetos del i-simo tipo.
R {0,1, 2,...n}
x
P ( x1 ; x2 ;.....; xk ) P(E1 ; E 2 ;......:E k )
= P X x1 ; X x2 ;.....; X xk
a1 a2 ak
...
x1 x2 xk
N
n

08 DISTRIBUCIN DE POISSON
x e
; x=0,2,3,....
f ( x ) P[ X x] x !
0 ; eoc

2
- 0 , es el parmetro.
-Se aplica en problemas dnde X es el nmero de eventos que ocurre en un intervalo de tiempo.

B).-DISTRIBUCIONES CONTINUAS

1).-DISTRIBUCIN UNIFORME

LIC. ESTADSTICO AGUILAR ALTAMIRANO, ERICK E. EL ARTE DE APRENDER

 UNSCH
1
; a xb
ESTADSTICA

f ( x) b a
0 ; eoc
xa
F ( X ) P X x
ba
ab
E( X )
2
(b a ) 2
Var ( X )
2

12
2).- DISTRIBUCIN EXPONENCIAL
e x ; 0 x
f ( x)
0 ; eoc
F ( X ) P X x 1 e x
1
E( X )

1
2 Var ( X )
2
3).-DISTRIBUCIN GAMMA
-1 x
x e ; x0
f ( x) ()
0 ; eoc

-1 x
F ( X ) P[ X x] x e
0 ()

= , 2 2

y son constantes positivas
4).-DISTRIBUCIN NORMAL
NOT : X N ( , 2 )

2
1 x
1
2
e ; - x
f ( x) 2

0 ; eoc
2
1 x
1 E( X )
F ( X ) P X x
x
2

2
e
VAR( X ) 2

Es simtrica con respecto al eje vertical, por eso

f ( x) f ( x) .
Tiene al eje X como asntota horizontal
Tiene puntos de inflexin en
x ; y x
por tanto es cncava hacia abajo en
x y cncava hacia arriba en el resto.
5).-DISTRIBUCIN NORMAL ESTANDAR
X
Z
Es la forma estndar de la distribucin normal dnde ,y , son parmetros de X, y el
, para Z son 0, 1 .
NOT N ( 0, 1)
1
1 z2
f (Z ) e 2

2
Z 1
1 z2
F ( Z ) P[ Z z ]
2


dZ e 2

El uso de las tablas se basa en la distribucin Normal Estndar Z.

P[ Z a] ( a )
P[ Z a ] 1 (a )
P[a Z b] (b) ( a)
* P[a Z a ] 2 (a ) 1 2 P[ Z a ] 1

6).-DISTRIBUCIN CHI CUADRADA

r
r x
2
2 1
x2 e 2
; 0x
f ( x) ( r )
2
0 ; x< 0

=r;2 =2r
LIC. ESTADSTICO AGUILAR ALTAMIRANO, ERICK E. EL ARTE DE APRENDER
 UNSCH
r es un entero positivo, es el grado de libertad
ESTADSTICA
r 1 r 1
] [ ( )
2 1 t
2 2
f ( x) , t
r r
( ) r
2
r
= 0; 2 = ,r 2
7).-DISTRIBUCIN T STUDENT r-2
r entero positivo llamado grado de libertad.

T t (r)
Si
Z N (o;1) y V 2 (r ) son v.a.
Z
T
V
r
tiene una Dist. T STUDENT
8).-DISTRIBUCIN F DE FISCHER-SNEDECOR
r1
r1 2
r1 r2

r1
1

f ( x) r2 2
.
x2
,0 t
r1 r2
r r
1 2 r1 x 2
2 2 1
r2

r1 y r2 , son enteros positivos llamados, grados de libertad
Not: F F (r1 , r2 )

Si U ( r1 ) ; V ( r2 ) son v. a
2 2

Ur2
X
Vr1 tiene distribucin F con r1 y r2 como grados de libertad.

LIC. ESTADSTICO AGUILAR ALTAMIRANO, ERICK E. EL ARTE DE APRENDER