Академический Документы
Профессиональный Документы
Культура Документы
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
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
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
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)
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.
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
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
*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
*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
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
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
2
Z 1
1 z2
F ( Z ) P[ Z z ]
2
dZ e 2
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.