Universidad Técnica Federico Santa Marı́a

Departamento de Matemática

Modelos Probabilisticos
Ayudante: Andrés Herrera Meneses
Segundo Trimestre 2018.

   
Bernoulli: N −m m·k N −k
• V[x] =
Se aplica considerando un experimento con solo 2 eventos N −1 N N
posibles, bueno o malo.
Binomial Negativo o Pascal:
x : el n◦ de veces que se debe repetir el experimento
(
1−p , x=0 Sea
P(X=x) = (1) hasta obtener la r-esima vez el evento A.
p , x=1
 
x−1 r
• E[x] = p P(X=x) = p (1 − p)x−r (6)
r−1
• V[x] = p(1 − p)
r
Binomial: • E[x] =
p
Sea x : el n◦ de veces que ocurre un evento A en n repe-
ticiones, donde cada una es independiente de la anterior. r(1 − p)
• V[x] =
  p2
n x n−x
P(X=x) = p (1 − p) (2) Uniforme:
x
Se aplica considerando un experimento en un interva-
• E[x] = np lo[a,b].
 1

• V[x] = np(1 − p) , a≤x≤b
P(X=x) = b − a (7)
Poisson:
0 , c.o.v.

Sea T un intervalo de tiempo dentro de un experimento
aleatorio y x : el n◦ de veces que ocurre el evento A en el a+b
intervalo T . Mientras que λ es el promedio de veces que • E[x] =
2
ocurre A en T , es decir, λ = Θt.
(b − a)2
−λ
e ·λ x • V[x] =
P(X=x) (3) 12
x!
Exponencial:
• E[x] = λ Sea x : el tiempo de ocurrencia entre 2 eventos en un
• V[x] = λ experimento de Poisson y λ es el inverso del promedio de
los tiempos.
Geométrico:
Sea x : el n◦ de veces que se debe repetir el experimento
(
λe−xλ , x > 0
hasta obtener el primer evento A. P(X=x) = (8)
0 , x<0
P(X=x) = p(1 − p)x−1 (4)
1
1 • E[x] =
• E[x] = λ
p
1
1−p • V[x] = 2
• V[x] = λ
p2
Normal:
Hipergeométrico: Diremos que x tiene una distribución normal con
Se tiene un universo de N elementos; k del tipo A y N −k µ(promedio o esperanza) y σ 2 varianza o desviación.
del tipo B. Al sacar m elementos se define x como el n◦
1 x−µ 2
!
de objetos del tipo A que salen en la muestra.
1 −
k N −k


P(X=x) = √ ·e 2 σ (9)
x m−x 2πσ 2
P
(X=x) N

(5)
m
• E[x] = µ
m·k
• E[x] = • V[x] = σ 2
N

LATEX 1