Formulario - ( Parcial )

N   N  n  1 ( N  n  1)!
1.- 1.1.   =
N! 1.2.   =
n  ( N  n)! n!  n  ( N  1)! n!
N!
N Pn 
 N!
N PN
1.3. 1.4.
( N  n)!

n N!
1.5.
N P n  N 1.6. P n1 , n2 ,...,nk =
N n1!n2 !...nk !

 ( A ) C a s o s F a v o r abl e s al ev e nt o A
2.- P( A) 
() C a s o s P o si bl e s

3.- Probabilidad Condicional:

P( AB )
P( A / B) 
P( B)

4.- Ley de la Multiplicación :

P ( A 0 A1 A 2  A n  1 )  P ( A 0 ) P( A1 / A 0 ) P( A 2 / A 0 A1 ) P( A n / A 0 A1  A n  1 )

5.- Ley de la Probabilidad Total:

n
P( A )   P( H
i 1
i ) P( A/ H i )

7.- Ley de Bayes:

P ( Hk ) P ( A / Hk )
P ( Hk / A)  n

 P( H ) P( A/ H )
i 1
i i

8.- 8.1. A y B son independientes s.s.s P ( A B ) = P ( A ) P ( B )

8.2. A y B son independientes s.s.s P ( A / B ) = P ( A )

9.- Esperanza Matemática o Valor Esperado:

E(X) ó 
CASO DISCRETO:

E (X) = x
i 1
i p ( xi )

CASO CONTINUO:


E(X) =
 xf ( x)dx

10.- VARIANZA:

V (X) ó 2
V (X) = E (X -  ) 2
CASO DISCRETO:

V(X) = ( x
i 1
I    ) 2 p  ( x)

CASO CONTINUO:


V(X )   ( x   x )2 fx ( x ) d x


10.1.- Desviación Estándar (  ):

X  Var ( X )

11.- Principales modelos Probabilísticos:

11.1.- Para Variable aleatoria Discreta:

1.- Distribución Bernoulli:

p ( x)  p x (1  p)1 x ; x  0, 1.

2.- Distribución Binomial:

n
p ( x)    p x ( 1  p) n  x ; x = 0, 1,. . ., n.
 x
3.- Distribución de Poisson:

e  x
p ( x)  ; x = 0, 1, 2, . . .
x!

4.- Distribución Geométrica:

p ( x)  q x1 p ; x = 1, 2,. . . . donde q  (1 p )

5.- Distribución Hipergeometrica:

 K  N  K 
   
 x  n  x  ; x = 0,1, 2,. . ., r donde r = min {n, K}
p X ( x) 
 N 
 
 n 

6.- Distribución de Pascal:

 x 1  r
p ( x)    p ( 1  p) x  r ; x = r, r+1,.r+2 , 
 r  1 