Probabilidad II

1.

Una sola variable

Si X exp() y a > 0, entonces aX exp(/a). Si X gama(, ) y a > 0, entonces aX gama(, /a). X tiene distribuci on normal de media y desviaci on est andar si y s olo si eX tiene distribuci on lognormal de par ametros y . Si X N (0, 1), entonces X 2 tiene distribuci on ji-cuadrada de un grado de libertad (1 ). Si X N (, 2 ), entonces aX + b, con a = 0, tiene distribuci on normal de media a + b y desviaci on est andar a2 2 . Si X F (n, m), entonces 1/X F (m, n). Si X tiene distribuci on Cauchy est andar, entonces 1/X tiene distribuci on Cauchy est andar. Si X tiene distribuci on Cauchy (, ), entonces aX + b, con a = 0, tiene distribuci on Cauchy (a + b, |a| ) Si X tiene distribuci on uniforme en (a, b), entonces cX + d tiene distribuci on uniforme en (ac + d, bc + d) si c > 0, o en (bc + d, ac + d) si c < 0.

2.

M as de una variable variable

Nota: En todos los casos se supone independencia entre las variables. Si X tiene distribuci on gama de par ametros (, ), y Y tiene distribuci on gama de par ametros (, ), entonces: X X +Y tiene distribuci on beta de par ametros (, ). Si X y Y son dos variables con distribuci on normal est andar, entonces X/Y tiene distribuci on Cauchy (0, 1). Si X es una variable con distribuci on ji cuadrada de n grados de libertad, y Y es una variable con distribuci on ji cuadrada de m grados de libertad, entonces: F = X/n Y /m

tiene distribuci on F -Fisher con n y m grados de libertad.

Probabilidad II

Si X es una variable con distribuci on normal est andar, y Y es una variable con distribuci on ji cuadrada de n grados de libertad, entonces: F = X Y /n

tiene distribuci on t-Student con n grados de libertad.

3.

Sumas

Nota: Nuevamente se supone independencia entre las variables en todos los casos.
n

Si Xj tiene distribuci on Bernoulli (p), entonces

j =1

Xj tiene distribuci on

binomial (n, p).

n

Si Xj tiene distribuci on binomial (mj , p), entonces

j =1 n

Xj tiene distribu-

ci on binomial (
j =1

mj , p).
n

Si Xj tiene distribuci on geom etrica (p), entonces

j =1

Xj tiene distribuci on

binomial negativa (n, p).

n

Si Xj tiene distribuci on Binomial negativa (rj , p), entonces

j =1 n

Xj tiene

distribuci on binomial negativa (

j =1

rj , p).
n

Si Xj tiene distribuci on Poisson (j ), entonces

j =1 n

Xj tiene distribuci on

Poisson (
j =1

j ).
n

Si Xj tiene distribuci on exponencial , entonces

j =1

Xj tiene distribuci on

gama (n, ).
n

Si Xj tiene distribuci on gama (j , ), entonces

j =1 n

Xj tiene distribuci on

gama (
j =1

j , ).

Si Xj tiene distribuci on ji cuadrada con mj grados de libertad, entonces

n n

Xj tiene distribuci on ji cuadrada con

j =1 j =1

mj grados de libertad.

Probabilidad II

2 Si Xj tiene distribuci on normal de media j y varianza j , entonces n n

Xj
j =1

tiene distribuci on normal de media

j =1

j y varianza
j =1

2 . j