Escolar Documentos
Profissional Documentos
Cultura Documentos
GAMMA (Г)
Distribuciones de probabilidad continua.
en donde:
CARACTERÍSTICAS:
Función de densidad
𝑓𝑓 ′ 𝑥𝑥 =0
𝑝𝑝 − 1
𝑝𝑝 − 1 − 𝑎𝑎𝑎𝑎 = 0 ⇒ 𝑥𝑥 =
𝑎𝑎
𝑝𝑝 − 1
⇒ 𝑚𝑚𝑚𝑚 =
𝑎𝑎
Media
Para r=1:
Varianza
Función generatriz de momentos
Propiedad reproductiva
Si son variables aleatorias independientes
distribuidas según para i=1,2,…,n entonces la
variable aleatoria sigue una
distribución .
Si la variable aleatoria “x” se distribuye según N(0,1) entonces la
variable aleatoria se distribuye según una .
p p
a
a
p
DISTRIBUCIÓN
EXPONENCIAL
Distribuciones de probabilidad continua.
f(x)
0.5
x
CARACTERÍSTICAS:
Función de distribución
F(x)
0 x
x
Media
1
𝐸𝐸 𝑥𝑥 =
𝑎𝑎
Las obtengo
Varianza reemplazando
p=1 en las
características
halladas en la
distribución
Gamma.
Función generatriz de momentos
Función de supervivencia
Se llama así porque es cuánto tiempo de
duración tiene algo.
Propiedad del olvido o falta de memoria
Sea:
𝐵𝐵 = 𝑥𝑥 > 𝑠𝑠
Por lo tanto:
𝑃𝑃 𝐴𝐴 ∩ 𝐵𝐵 𝑃𝑃 𝐴𝐴 𝑒𝑒 −𝜆𝜆 𝑠𝑠+𝑡𝑡1
− 𝑒𝑒 −𝜆𝜆 𝑠𝑠+𝑡𝑡2
𝑃𝑃 𝐴𝐴/𝐵𝐵 = = =
𝑃𝑃 𝐵𝐵 𝑃𝑃 𝐵𝐵 𝑒𝑒 −𝜆𝜆𝑠𝑠
0, 𝑥𝑥 ≤ 0
𝑥𝑥 1
F 𝑥𝑥 = 𝑃𝑃(𝑋𝑋 ≤ 𝑥𝑥) = �∫0 𝛽𝛽 𝑝𝑝,𝑞𝑞 𝑥𝑥 𝑝𝑝−1 1 − 𝑥𝑥 𝑞𝑞−1 𝑑𝑑𝑑𝑑, 0 < 𝑥𝑥 < 1
1, 𝑥𝑥 ≥ 1
Media
1
1
𝜖𝜖 𝑥𝑥 𝑟𝑟 =� 𝑥𝑥 𝑟𝑟 𝑥𝑥 𝑝𝑝−1 (1 − 𝑥𝑥)𝑞𝑞−1 𝑑𝑑𝑑𝑑
0 𝛽𝛽(𝑝𝑝, 𝑞𝑞)
1
1
= � 𝑥𝑥 𝑟𝑟 𝑥𝑥 𝑝𝑝−1 (1 − 𝑥𝑥)𝑞𝑞−1 𝑑𝑑𝑑𝑑
𝛽𝛽(𝑝𝑝, 𝑞𝑞) 0
𝛽𝛽(𝑝𝑝 + 𝑟𝑟, 𝑞𝑞)
=
𝛽𝛽(𝑝𝑝, 𝑞𝑞)
𝔯𝔯(𝑝𝑝 + 𝑟𝑟)𝔯𝔯(𝑞𝑞) 𝔯𝔯(𝑝𝑝 + 𝑞𝑞)
= ×
𝔯𝔯(𝑝𝑝 + 𝑟𝑟 + 𝑞𝑞) 𝔯𝔯(𝑝𝑝)𝔯𝔯(𝑞𝑞)
𝑝𝑝 + 𝑟𝑟 − 1 … (𝑝𝑝 + 1)(𝑝𝑝)
=
𝑝𝑝 + 𝑟𝑟 + 𝑞𝑞 − 1 … (𝑝𝑝 + 𝑞𝑞)
Si: 𝑟𝑟 = 1
𝑝𝑝
𝜖𝜖 𝑥𝑥 =
𝑝𝑝 + 𝑞𝑞
Varianza
2 2
𝑉𝑉𝑉𝑉𝑉𝑉 𝑥𝑥 = 𝜖𝜖 𝑥𝑥 − 𝜖𝜖 𝑥𝑥
Si: 𝑟𝑟 = 2
𝑝𝑝 + 1 𝑝𝑝
𝜖𝜖𝑥𝑥 2 =
𝑝𝑝 + 𝑞𝑞 + 1 (𝑝𝑝 + 𝑞𝑞)
𝑝𝑝𝑝𝑝
𝑉𝑉𝑉𝑉𝑉𝑉 𝑥𝑥 =
(𝑝𝑝 + 𝑞𝑞 + 1)(𝑝𝑝 + 𝑞𝑞)2
DISTRIBUCIÓN
NORMAL
Distribuciones de probabilidad continua.
Una variable aleatoria continua X tiene una distribución
Normal si su función de probabilidad es dada por:
f ( x) =
1
e
− ( )
1 x −µ 2
2 σ , si − ∞ < x < ∞
2π σ
µ X = E[ X ] = µ
donde:
σX
2
= Var[X ] = σ 2
Características
1. Tiene una forma acampanada.
2. Es simétrica con respecto a su media.
3. Es asintótica con respecto al eje horizontal.
f(x)
σX
µX x
Cálculo de una probabilidad
b
f(x) P[ a < X < b] = ∫ f ( x)dx
a
2
b 1 x −µ X
−
2 σ X
= ∫
1
e dx
2π σX
a
a µX b x
Distribución Normal Estándar
Si X es una variable aleatoria que tiene una distribución
normal con una media µX y una variancia σ 2X ; luego, la
variable aleatoria:
Z = (X - µX )/ σX
tiene una distribución normal con media 0 y variancia 1, y
su función de densidad es:
z2
donde: 1 −
f ( z) = e 2 , si − ∞ < z < ∞
2π
µ Z = E[Z ] = 0
σZ
2
= Var[Z ] = 1
Distribución normal estándar. Cálculo de una probabilidad
f(x)
b
P[ a < X < b] = ∫ f ( x)dx
a
2
1 x −µ X
b −
1 2 σ X
µX b =∫ e dx
a X ≈ N(µ X , σ 2X ) a 2π σ X
Zb z2
1 −
h(z)
Z=
X − µX = ∫ 2π
e 2 dz
Za
σX
= P[ z a < Z < zb ]
Za 0 Zb Z ≈ N(0,1)
APROXIMACIÓN NORMAL DE LA BINOMIAL.
Si n en muy grande, los cálculos necesarios para el empleo de la
fórmula:
p(x = k ) = ∑ Ckn p k q n − k
se hacen laboriosos en consecuencia, una aproximación sencilla a
la distribución puede resultar mediante distribución normal
apropiada ( np ≥ 5 ), con media y desviación estándar
definida por:
µ = n⋅ p
σ = n⋅ p⋅q
Aproximación Normal de la Binomial.
Se debe utilizar cuando:
• Sea una distribución binomial donde np>=5.
• Existen solo dos resultados mutuamente excluyentes para el
experimento: “éxito o fracaso”
• Una distribución resulta de contar el número de éxitos o una
cantidad fija de ensayos.
• Cada ensayo es independiente
• La probabilidad p, debe permanecer igual en cada ensayo.
Aproximación Normal de la Binomial.
Se debe utilizar en la aproximación un factor de corrección por
continuidad:
x ± 0.5 − µ
Z=
σ
Aproximación Normal de la Binomial.
Ahora derivemos:
Función de densidad de la variable aleatoria X= z2:
Varianza
Función generatriz de momentos
Ahora estandarizo:
N(0; 1)
DISTRIBUCIONES DERIVADAS DE LA X2
CON “N” GRADOS DE LIBERTAD.
Obtendríamos
n
Por lo tanto y’ , pero me piden la distribución
del Y.
Ahora derivo:
Entonces:
Ahora intentemos para las variables:
DISTRIBUCIÓN T DE
STUDENT (T)
Distribuciones de probabilidad continua,
asociadas a la Distribución normal.
Armamos el Jacobiano:
Para hallar la transformación debo tener en
cuenta:
Para hallar :
CARACTERÍSTICAS:
Función de distribución
En el caso de :
en el momento de orden r:
Si:
Si:
, esto se cumple si:
Media
Varianza
F de Snedecor con
(n1+n2 ) grados de libertad
Función de densidad de F de Snedecor:
Depende solamente de los parámetros n1 y n2
CARACTERÍSTICAS:
Función de distribución
Momentos
Media: con r=1
Varianza: con r=2