Documente Academic
Documente Profesional
Documente Cultură
x>0 x>0
= 2= 2 M(t)= (1 t )1 x
DISTRIBUCIONES DE PROBABILIDAD DE TIPO DISCRETO Modelo Bernoulli Notacin : X~ Be(p) La v.a. de Bernoulli X viene definida por: X=0, si el resultado es Fracaso, 1-p = q X=1, si el resultado es xito, p Funcin de probabilidad: p(x) = px (1-p)1-x, x = 0,1.
Funcin generatriz de momentos: M(t) = p et + (1-p) Media: Varianza: E(X) = p Var(X) = p(1-p)
DISTRIBUCIONES DE PROBABILIDAD DE TIPO DISCRETO Modelo Binomial Notacin: X ~ B( n,p ) Una v.a. Binomial representa el nmero de xitos que ocurren en n repeticiones independientes de un ensayo de Bernoulli cuya probabilidad de xito es p. Funcin de probabilidad: n p(x) = px (1-p)n-x, x Observacin: Be(p) = B ( 1, p ) Funcin generatriz de momentos: M(t) = [ p et + (1-p) ]n Media: Varianza: E(X) = n p Var(X) = n p (1-p)
x = 0,1, ..., n.
DISTRIBUCIONES DE PROBABILIDAD DE TIPO DISCRETO Modelo Hipergeomtrico Notacin: X ~ H(N, k, n) Poblacin: N k xitos N-k fracasos Muestra n
Un conjunto de N objetos contiene: k objetos clasificados como xitos y N-K como fracasos. Se toma una muestra de tamao n, al azar y (sin reemplazo) de entre los N objetos.
Funcin de probabilidad
k N k x n x p ( x) = N n
k E ( X ) = np siendo p = N N n V ( X ) = np (1 p) N 1
Si el tamao muestral n es muy pequeo en relacin al nmero total de elementos, N, las probabilidades hipergeomtricas son muy parecidas a las binomiales, y puede usarse la distribucin binomial en lugar de la hipergeomtrica.
Si el nmero promedio de ocurrencias en un intervalo de tiempo o en una regin especfica es >0. La v.a. X que es igual al nmero de ocurrencias indptes. en el intervalo o regin tiene una distribucin de Poisson con tasa Funcin de probabilidad: p(x)= e x x! x= 0,1,2, ...
DISTRIBUCIONES DE PROBABILIDAD DE TIPO DISCRETO Modelo de Poisson Funcin de probabilidad: p(x)= Notacin: X ~ P() e x x!
(et -1) e
x= 0,1,2, ...
p ( x) =
np
(np ) x!
DISTRIBUCIONES DE PROBABILIDAD DE TIPO CONTINUO Modelo Uniforme Notacin: X ~ U(a,b) Una v.a. sigue una distribucin uniforme si su masa de probabilidad est repartida uniformemente a lo largo de su soporte Funcin de densidad: f(x) 1/(b-a) a b X f(x)= 1 b -a a x b
DISTRIBUCIONES DE PROBABILIDAD DE TIPO CONTINUO Modelo Uniforme Notacin: X ~ U(a,b) Funcin de densidad: f(x)= 1 b -a x-a b -a a x b
Funcin de distribucin:
F(x)=
a x b
Media: Varianza:
DISTRIBUCIONES DE PROBABILIDAD DE TIPO CONTINUO Modelo Exponencial Notacin: X ~ Exp() La variable aleatoria X representa el tiempo que transcurre hasta la primera ocurrencia del proceso de Poisson P() Funcin de densidad: Funcin de distribucin: F. generatriz de momentos: Media: Varianza: E(X) = Var(X) = 2 f(x)= 1 e x/ , x>0 Siendo = 1/ F(x) = 1- e x/ , M(t) = (1- t)1 x>0 t< 1/
La distribucin exponencial tiene la propiedad de carencia o prdida de memoria, esto es: P( X< s + t / x> s ) = P( X< t )
f(x)=
1 2
, - < x <
La distribucin es campaniforme, simtrica, centrada en y con puntos de inflexin en
f(x)=
1 2
, -<x<
t+ 2t2
2 1
M(t)= e
Var(X) = 2
f(z)=
1 2
=0
1 2
z 2
, -<z<
2=1 M(t)=
t2 e2
TABLAS
DISTRIBUCIONES DE PROBABILIDAD DE TIPO CONTINUO Modelo Normal Otras propiedades: En toda distribucin Normal se comprueba que: Pr( - 2 X + 2 ) = 0,955 Pr( - 3 X + 3 ) = 0,997 que son intervalos ms precisos que la acotacin de Tchebychev (0,75 y 0, 88, respectivamente). Notacin: X ~ N(, 2)
a np P ( a X b) P Z np (1 p)
np (1 p ) b np
a 0,5 np b + 0,5 np P ( a X b) P Z np (1 p ) np (1 p )
Siendo Z la distribucin normal estndar.
a b Z P ( a X b) P
O usando la correccin de continuidad
a 0,5 b + 0,5 Z P ( a X b) P
Siendo Z la distribucin normal estndar.
Normal N(, 2)
n20 =np 2 =np(1-p) 10 = 2 = =np np 7
Binomial B(n,p)
N>50 n/N0,1
Poisson P()
Hipergeomtrica H(N, k, n)