Este documento presenta las distribuciones de probabilidad binomial, hipergeométrica, geométrica, de Poisson, multinomial y binomial negativa, incluyendo sus funciones de probabilidad, esperanzas y varianzas. También define conceptos estadísticos como suma, función gamma y aproximación de una distribución binomial por una de Poisson cuando n es grande y p es pequeño.
0 calificaciones0% encontró este documento útil (0 votos)
23 vistas2 páginas
Este documento presenta las distribuciones de probabilidad binomial, hipergeométrica, geométrica, de Poisson, multinomial y binomial negativa, incluyendo sus funciones de probabilidad, esperanzas y varianzas. También define conceptos estadísticos como suma, función gamma y aproximación de una distribución binomial por una de Poisson cuando n es grande y p es pequeño.
Este documento presenta las distribuciones de probabilidad binomial, hipergeométrica, geométrica, de Poisson, multinomial y binomial negativa, incluyendo sus funciones de probabilidad, esperanzas y varianzas. También define conceptos estadísticos como suma, función gamma y aproximación de una distribución binomial por una de Poisson cuando n es grande y p es pequeño.
Este documento presenta las distribuciones de probabilidad binomial, hipergeométrica, geométrica, de Poisson, multinomial y binomial negativa, incluyendo sus funciones de probabilidad, esperanzas y varianzas. También define conceptos estadísticos como suma, función gamma y aproximación de una distribución binomial por una de Poisson cuando n es grande y p es pequeño.
X: número de éxitos obtenidos en n ensayos de N: número de elementos de una población.
Bernoulli. M: número de elementos de la población que poseen A: evento de éxito en cada ensayo. → p = P ( A) éxito. Si X b(n, p ), entonces x = 0, 1, 2, , n: número de elementos de la muestra. X: número de éxitos en la muestra de tamaño n (sin n n f ( x) = P X = x = p x (1 − p)n− x = p x q n− x reemplazo). x x Si X h ( N , n, M ) , entonces Esperanza: E ( X ) = np M N − M Varianza: V ( X ) = np (1 − p ) = npq x n − x f ( x) = P X = x = DISTRIBUCIÓN GEOMÉTRICA N X: número de pruebas requeridas hasta obtener el primer éxito. n A: evento de éxito en cada prueba. → p = P ( A) max 0, n − ( N − M ) x min n, M Si X G ( p ) , entonces x = 1, 2, 3, , nM Esperanza: E( X ) = f ( x) = P X = x = p(1 − p) x−1 = pq x−1 N nM N − M N − n Función de distribución: Para x , Varianza: V( X ) = N N N − 1 F ( x) = 1 − (1 − p) = 1 − q x x DISTRIBUCIÓN BINOMIAL NEGATIVA o de PASCAL 1 Esperanza: E( X ) = Sea una secuencia de n ensayos con k posibles resultados p E1, E2 , ... Ek con respectivas probabilidades p 1, p 2 , 1− p q ... p k constantes en cada ensayo ( pi = 1) , se define: Varianza: V(X ) = 2 = 2 p p X i : número de veces que el evento Ei ocurre en las n Teorema: Para r , P X r = (1 − p ) = q r ( ) r repeticiones. i = 1, k DISTRIBUCIÓN BINOMIAL NEGATIVA o de PASCAL X: número de veces que se repite el ensayo hasta obtener La distribución de probabilidad conjunta de las variables k éxitos. aleatorias X1 , X 2 , ... X k es la distribución multinomial: k: número de éxitos requeridos. f ( x1, x 2 ,..., x k ) = P X1 = x1,..., X k = x k A: evento de éxito en cada ensayo. → p = P ( A) Si X BN ( p, k ) , entonces x = k , k + 1, k + 2, , x x x n ! p 1 1 p 2 2 ... p k k = x − 1 k x − k x − 1 k x −k x1 ! x 2 ! ...x k ! f ( x) = P X = x = p (1 − p) = p q k − 1 k − 1 donde xi = n y cada xi = 0,1, 2,..., n. Esperanza: E( X ) = k Esperanza: E ( X i ) = npi p Varianza: V ( X i ) = npi (1 − pi ) = npi qi k (1 − p ) kq Varianza: V(X ) = = 2 ESPERANZA p2 p V. A. Discretas E ( X ) = xp( x) = xf ( x) DISTRIBUCIÓN de POISSON xRX xRX X: número de veces que ocurre un evento durante un + intervalo definido. V. A. Continuas E ( X ) = xf ( x)dx = xf ( x)dx xRX − : promedio, media o valor esperado de X en el intervalo VARIANZA . V. A. Discretas V ( X ) = x 2 f ( x) − ( E ( X ) ) 2 A: evento de éxito en cada ensayo. → p = P ( A) xRX Si X Poisson ( ) , entonces x = 0, 1, 2, , + 2 − x e V. A. Continuas V ( X ) = − x f ( x ) dx − ( E ( X ) ) 2
f ( x) = P X = x = x! SUMAS Esperanza: E( X ) = n r n+1 − 1 n r (r n − 1) r = r −1 , r = r −1 i i Varianza: V(X ) = i =0 i =1 Aproximación de una distribución binomial por una 1 distribución de Poisson: Si en una distribución ri = 1 − r , r 1 binomial, b( n, p ), n es grande y p es pequeño, entonces i =0 FUNCIÓN GAMMA b(n, p) Poisson ( np ) + x −1 −t ( x) = t e dt 0 x 0, ( x + 1) = x ( x) Propiedades n , (n) = (n − 1)! + (1) = 1 y (1 2) = t −1 2e−t dt = 0
