ESCUELA POLITCNICA DEL EJRCITO

ESTADSTICA INFERENCIAL
CONSULTA
ING. MARA ISABEL CHVEZ CASTRO

MARCO GUERRA LEN

Sangolqu, 23 Octubre del 2014

ndice
Contenido
ndice....................................................................................................................2
VARIABLES DISCRETAS.....................................................................................2
Distribucin Uniforme........................................................................................2
Distribucin Binomial.........................................................................................2
Distribucin Multinomial....................................................................................2
Distribucin Hipergeomtrica............................................................................2
Distribucin Multihipergeomtrica.....................................................................2
Distribucin de Poisson.....................................................................................2
VARIABLES CONTINUAS....................................................................................2
Distribucin de Gauss.......................................................................................2
Distribucin Gamma..........................................................................................2

Distribucin exponencial...................................................................................2

VARIABLES DISCRETAS
Distribucin Uniforme
La distribucin uniforme es la que corresponde a una variable que toma todos
los valores que puede tomar. Con igual probabilidad, pero el espacio muestral
debe de ser finito.
X1, X2, X3,.. Xk

Donde k es el parmetro de la distribucin, (esto sirve para determinada la

funcin de probabilidad o densidad de una variable aleatoria).
La media y la varianza de la variable uniforme se calculan por las siguientes
expresiones:

Distribucin Binomial
La distribucin binomial es tpica de las variables que proceden de un
experimento en el cual deben de cumplir lo siguiente:
1) El experimento est compuesto por n pruebas iguales. Este siendo un
numero natural fijo
2) Cada prueba resulta en que solo existen dos posibles resultados.
Mutuamente excluyentes que se denominan generalmente como xito y
fracaso
3) La probabilidad de xito o fracaso es constante en todas las pruebas.
P(xito)=p P(fracaso) =1-p =q
4) Las pruebas son independientes
En estas condiciones la variable aleatoria X que cuenta el nmero de xitos en
la n pruebas se llama variable binomial. Y debe de tener un espacio muestral
compuesto de nmeros enteros del 0 al n.

La funcin de probabilidad de la variable binomial se representa como b(x, n, p)

siendo el n nmero de pruebas y la p probabilidad del xito, la n y la p son
parmetros de la distribucin.

La media y la varianza de la variable binomial se calculan como:

Media = =n p
Varianza = 2 =n p q

Distribucin Multinomial
La distribucin Multinomial es casi igual que la binomial pero la diferencia es
que tienen ms de dos posibles resultados mutuamente excluyentes.
Si tenemos K resultados posibles ( E , i=1, .. , K) con la probabilidad fija de
(P, =1, .. , K) , La variable que expresa el nmero de resultados de cada
tipo obtenidos en n pruebas independientes tiene distribucin Multinomial.

La probabilidad de obtener x1 resultados E1, x2 resultados E2, etc. y se

representa:

Los parmetros de distribucin son P1,., Pk y n)

Distribucin Hipergeomtrica
Una variable tiene una distribucin Hipergeomtrica si cumple las siguientes
condiciones:
1) Se toma una muestra de tamao n, sin reemplazamiento de un conjunto
finito de N objetos
2) K de los N objetos se puede clasificar como; xitos y N-k como fracasos
X cuenta el nmero de xitos obtenidos de la muestra. Y el espacio muestral es
el conjunto de los nmeros enteros de 0 a n, o de 0 a K (K<n)
La funcin Hipergeomtrica es:

Los parmetros de la distribucin son n, N y K.

Los valores de la media y la varianza se calculan mediante:

Si n es pequeo con relacin a N (n<<N) la probabilidad de un xito puede

variar muy poco de una prueba a otra. Ya que en este caso es esencialmente
binomial la variable.
La media de la variable aproximada (( = n p = n (K / N)) es la misma que el de
la variable antes de la aproximacin. Per ola varianza de la variable binomial es
ligeramente superior a la Hipergeomtrica.

El factor por el que diferente ser siempre menor que 1 tan prximo a 1 como
cierto sea que n <<N

Distribucin Multihipergeomtrica
Este variable se define igual que la Hipergeomtrica con la nica diferencia que
se supone que el conjunto de objetos sobre el que se muestrease divide en R
grupos de A1, A2,. Ar, objetos y la variable describe el nmero de objetos de
cada tipo que se han obtenido (x1, x2,, Xr)

La funcin de probabilidad es:

Distribucin de Poisson

Una variable de Poisson cuenta xitos que ocurren en una regin y se deben
de cumplir las siguientes condiciones.
1) El nmero de xitos que ocurren en cada regin del tiempo es
independiente.
2) La probabilidad de un xito es proporcional al tamao de este
3) La probabilidad de encontrar uno o ms xitos en una regin del tiempo
tiende a cero.
La funcin de la probabilidad de Poisson es:

VARIABLES CONTINUAS
Distribucin de Gauss
Esta distribucin es la de mayor importancia en el
campo de la estadstica. Una variable es normal
cuando se ajusta a la ley de los grandes nmeros y
esto es cuando sus valores son el resultado de
medir una magnitud sobre la que influyen causas
infinitas
Su funcin de densidad es la siguiente:

Distribucin Gamma

La distribucin gama se define a partir de la

ecuacin que es:

La funcin de densidad de la distribucin gama es:

y son los parmetros de la distribucin. Y la media y la varianza de la

variable gamma son:

Distribucin exponencial
Es un caso de la distribucin gamma cuando = 1. Su funcin de densidad es:

La media y la varianza de la distribucin exponencial son: