Accede al documento original de Wuolah

[Link]

Anónimo

Probabilidad

2º Grado en Matemáticas

Facultad de Ciencias Matemáticas

Universidad Complutense de Madrid

Reservados todos los derechos.

No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-11012896

tema
ariable a catoria unidimensional

3 yp **
*
: 22 0, 1

P *
(B) = P(we G(WEB) P(3 B -

BEQ

EQ

Definición (variable aleatorial : Sea (1 0 , ,

P) , se dice que la aplicación : -IR es variable aleatoria

respecto de Q y B cuando & .

BEQ-BEB

otación : S IR B
: (m 0 P) , , , ,
Pg

Claramente ,
Pr B esprobabilidad :

i)PGR = P(5 R) = P(a) =

Disjuntos

Aditividad numerable
P UBn = P(5 UBn) = P(US Bul 35 Bu
3gBn)

La probabilidadinducida por la V a
. .
puede caracterizarse de manera unívoca con una

función de distribución P-0 , X- 0, P(wee W) .

Dicha cumple : ÚmFx = 1 ,

ÚmF = O ,
es monotonano decreciente y continua por la derecha.
X> D- -
8

Ahora, ¿ cómo verificar que una aplicación el va .? A partir de ahora , 5

Te o r e m a ) V d
. . ) : seagcB /El =
B .
Entonces, - .
Q ,
P) R ,
B es variable aleatoria si y solo si

B CO BEG (consideraremos E = - *, X

Demostración sea H =
: BeB X-(BlEGhCB¿ Heso-álgebra? .
Silves HogleB H = B
.

il Si BEH ¿ BH ?
,

BEH B) EQ B'20

ii) Si d UBmEH ?
CBml c M ,

CBMICH UBmCH BmEH-m BredFu UX"(Buled UBm

UBmet

Ejemplo : sea 1 : (1R

, m ,
P) + IR , B P ,
V a
.
.

Si es continua ,
.
entonces es una v a .

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-11012896

-Corema (Composición) : Sea (1 . & .

P) IR , B ,
PI v . a ., y Sea + : <Ir B, ,
P* ) + <IR ,
B P ** )
,
es v .
a
.

Entonces : + : (R ,
0 ,
P) IR ,
B ,
P

Demostración : directamente de la definición en este caso ,

(fox)--(B) +"(BI EQ ,
puesto que para todo BeB se tiene que g-1(BIEB , por ser + variable aleatoria ,
y entonces
- B) & por variable aleatoria

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
ser
.

03/10

Te o r e m a(Suma v . a . ) : Sean X1 , X2 : <1 ,

0, P) - CIR ,
B) variables aleatorias.

Entonces , es una v . a
.
2

V a
.
Demostración : sea l =[ -0 (xert o(G) .
B
*
.

x q =
B, P
(r P) IR
. .
,
,
a , ,

12
-
x = (wer(Xi + X2kw = -
0 ,
X) =
2
? gv .
.

SWee (w + X2(w = XY = dWER (wIX 2(wYEd .

goXv . .
a
(IR B)
,

SWEe (1X 2 = USWER X1(ul > < X-X2(ulb=

ZCO

NewerIXewz ex-Xa(wik = X, X- 0 x , ,

ZCO

Ea 70

El Te o r e m aes análogo para la resta , producto y cociente de , a variables aleatorias.

Te o r e m a(Familia v . a . ) : Sea F =E X1 , ...,

X14 : (1 ,
0 ,
P) + <Ir ,
3) una familia de variables aleatorias.

Entonces , máxaxe ...., Xn4 : a .

& , d) CIR BI , es v d
. .

w maxaxesws ...., Xncush

&
.
Demostración : sea & = [1-8 X34 xer , .
(max(Xe ,..., Xu)8 ,
XJEQ Vc-0 XSEG . ,

La expresion anterior es : swerwiXvi = 1 .... n) = we

Xx
El resultado el análogo para la función mínimo mins .

La demostración se hace tomando el intervalo dual [X , + 8) . Y también considerando el intimo.

Ta m b i é npuede demostrarse usando que : min(Xe ...., Xn) = -

Máxc-X1 ....,
-
Xu) .

*
Dada una V . .
a X ,
¿ podemos determinar fácilmente? Quizá no , pero podemos trabajar con la

función de distribución IR
, que esencialmente nos aporta la misma información.

Plan Turbo - Eliminar los vídeos + 10 descargas sin publicidad por sólo 0,99€ / mes - Oferta limitada
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-11012896

.
2 nlegración ce arias es aleatorias

Definición) 1 : sedice que una v . a . X : (r ,

a , P) - CIR ,
(3) es simple si Ci .

[Ai
i

in AieO Ini es un indicador que solo toma como valore 0 ó

Si WeAi X(w)

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
= Ci.

ii Aid
Aj = 0 ,
i Fj
Vamos a caracterizar las funciones de distribución mediante

iiis Air ciertos conceptos/números:

Definición(Integral en 2) : Sea X una v . a .

Simple .
Sea F(x) = PC -X , X

Se llama integral en e respectode 4 d :

³ appl
Se cumplen las siguientes propiedades
U

is Xdp con X
simple = Ci
.
PA l

. XdPu/Xudpt
ii X2, 0 v a .
.
q . Xe X y Xu0 fu , sie a

iii) Xv . .>
a
/XdP = XedP-XzdP donde ,
Xe .
X2 va .
no negativastalque X = Xe-X

04 0
.

.
2 Propiedades

i)((axe
2
+ bx2) =
ax1 +
b)x2
Xez" Ci ·
Ai , X2 =" dj .

[Bj . Entonces :
i= 1 j=1

U
n , m

ax1 + bXz = a
i= 1
Cir Ai +
bWdj I .

i,
j
caci + baj) ·

FAiuBjaxe bXa)dPVj + +b .

djl PinBj
.

b) x
aciPAinBj) b dj PAiBj) CiPCAi bdjPCBjl a(XdP
+ = a + = +
i 2
UAi = -
e
VBj =

iil 0 ,
, (Xwic O ,
FWER (XaPa O ,

X = Ci IAi
.
.
.
Ci PLAi) 3, 0
=
SiCico Ai = 0 ci.P($) = 0

Plan Turbo - Eliminar los vídeos + 10 descargas sin publicidad por sólo 0,99€ / mes - Oferta limitada
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-11012896

iii
Xe X2 ,
LXeapa, X2 p

ReescribimosLa expresión como X-x 2 ) d Pco ,

Definición (Integraciónen AR) : Sea AEQ .

Entonces :

XdP =(XIAdP i
.
CiPAinA + OPCA

Algunas propiedades son :

i)1dP = PA)

ii) A , BEO , AnB / aP

AUB

1 ap GPCAinCAUB]) Ci P(CAinAl + PLAinB) Ci PCAinAl Ci PCAinB)

+
=
. ·

AUB

dpt)XD

iiil Sea
(Bnl ca + .
q .
Lim Bu
n >
-
= B
Lu XAPu CiPAn s

Lim
u+ 0i
CiPCAinBn)
i
Ci .
Lim
n > -
P(AinBn)
i
C .
PlmAinBn) =
n+
i
ci ·
PCAinBl
= Xa

in)(xap = o

olvamos a las propiedades (

is

Te n e m o sque garantizar que n v . a . Simples O

Vamos obteniendo una partición cada vez más grande, pero más fina .

Xn w ntimo del intervalo en el que está Xw .

Es una sucesión monótona no decreciente (en el vimite la distancia es 0) .

y la aplicación toma un número finito de valores ,

luego es simple

WE
In 'In
.
Raf , 1 ....,
1 . 24 ,
con cuenta nu na nous a

ii

Fijandom , construimos An : = EWer n(wk , Xzmiw)-Es

Au
setiene que o
an I

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-11008060

2 2
. .
-
.
no negativas
Definición) Int . en e 1 : sea AEO ,
Xv . a . no
negativa. Entonces
: apla

08 0

in ,
n20lim(Xndp=m X

iin
&

nap
Caninec &, Ain
Aj = Fij (xdp
= (x
An
m nap
lm na

Un truco que a veces se emplea es el

siguiente : donde :

+
x + Xz = x1 + X-
is maxx 0
,

Por ejemplo : Xe-Xz = X (X1dP-(Xzdp (x

+
+ X2)dP =

ii)
((x1 + X
-

1dP
-
minsx ,
0

R
4i
Adicionalmente a ii) , obtenemos propiedades para X n h
. . en A CA :

(axdp a) xx =

P(A) = 0
³ Xap = 0

[Ai(Xdp(XIadp CipAinA =
·
ci =

i = 1

³-
(xdP = (X
+
dp -

(X
-

dp = 0 -
0 = 0

A A A

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-11008060

.
3 Casi sesuro e integrable

Definición (C . S . ) : se dice que una propiedad se verifica casi seguro en A (AEC) cuando la

probabilidad del conjunto de puntos de A que no verifican esta propiedad tiene probabilidad 0
.

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
Definición (Integrable) : Se dice que X v . a . es integratle cuando /X
+
dP * y /X dP >8.
- 2

Te o r e m a(Carac .

integ ) . : X integratl es
integrable

Demostración : ((XIdP = (x+

ap -
(X-aP

.
3 propiedades

i 2 cs .

en XP (PwAXewxw =

ii Xe = X2c . S . enA (XedP = (X2dP

A A

iiilSi m = X1 c S . . en A ) m P(A
=
.
=
/ mdP =
(XdP1(MdP = M P(A)
.

A A A

iv)/ XedP
= XzdP FEEO ,
ECA XeX2 c . S . en

Xa, 0 c . S .
enA
, Xap = O X = Oc .
S .
en

Xn)
Lim/Xndp=
v . .
a Lim n
= c .
S . enA .
h integrable en A , IXnIthEn Lim Xn a

viis
(XndP
=)
Xna

viiis Xap = (X dp fainaj

ix/ XndPlm/Xndplm /Xndp/m

m nap ema de ae

0 O

cálculo de integrales de S-L

espacio integración) : dP/gap

.

Te o r e m (
a cambio go

(r , Q , P) Vayr B , ,
P * = Fx

.
a
gv .

go

CIR ,
13 , PgoX

La oferta ideal de MSI para que Santa se adelante a noviembre este año aquí
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-11008060

Demostración: distinguimos los siguientes casos

il
g v . a . Simple

9 Ci Ixi gox Ci .

TX +Ai) /goxp Ci .
PLXAille CiPAil =

=
.

= -

2 i=

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
iil 0 v .
a
g >, .

en sucesión talque/gap =umIgnapma

sea de va .
Simples y no negativas es

numgng
iiil v a
.
g .

g =
gg-v . a .
>, 0
gox-gtox-gof
(gtoxp-(goxdpg
g

. funciones de
3 distribución
.
3 discreta

Exdiscreta.
a Pako PCAl ,
Pas Te n e m o/goxp
.

s =/gapgaf
,
entonces

il si
g es simple

gaci Fa l g a

iil
Si ga 0 ,

:/gmIgnam
Como en el Apartado 4 ,
construimos gu g simple n n
. gnca

ag(a) P(a)
.

iiis Si .
a
gv .

9 gt
-/ggagaga-galPagaP
: =

Te mereces un descansito para aprovechar las ofertas de MSI

a64b0469ff35958ef4ab887a898bd50bdfbbe91a-11008060

5 ..
ejemplo

I
O Si X0
2
Sea FC 12 si 0 X
2
Si EX

gaFx = g(a) Pa =
go + 2) + ge 2

5 2 absolutamente
. continua

Para Fx abs . Cont tenemos +

. p
: /R-IR ·
4 1xax =

PA)
Asimismo : F(x) / + (t)dt y
-1(xdx
=

-
X

,
nevamente distinguimos tres casos para las v . d :

Ig simple (g = Ci IAi
.

Ci
M

gaf P Ai) IAiExd

iil (gn
ga 0
,
v . .
a g)

gaF =umIgnafmguxexd gexx e

iiil
gv . a .
(g =
gt -
g-

gafgdF5aFgtxfxdxg-(xfxdxgtx-jxfx)dxgxxx
.2
5 . ejelrw

I
O Si X0

SeaF(x) = X si

Si XY

9gex Yg xd x + gexco a
*
Entonces
: gaf
=
/g(x) .
Fxdx =

- x
.

0ax
+
.

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-11008060

.3
5 mixta

& Fapag(4) .
P * (a) +

& X
(g(x)
&
.
F(x)d)

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
3 .
3 . ejemplo
P

&
E

3
Sea F(x) = 0 Si x0
23

1x + 11/3 si 02X1
M
Si X,

P(0) = 3

Entonces

*
:/gdF galP(a)
(g(x
IR150 13 ,
.
Fixax
glo +
g(xoaxgx) a

(g(x) .
0ax

Esta oferta es como una doble victoria tuya: disfrútala ahora porque no pasa 2 veces
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-11054972

.
G características de
eas v A
. .

Cr Q P)
, ,
R , B, P)
Experimento
, suceso , probabilidad

Vamos a tratar los índices, que son herramientas para el estudio de las funciones de

distribución. Se clasifican en 3 tipos :

De localización

Consideremos los siguientes puntos especiales de una función de distribución

ediana e elx, 2 e 2
y

Cuartiles 91 92 , 93 , 94
, q 192 e .
3 933
cuantiles de orden p (9pl P qp)P
speranza

De dispersión

arianza

Desviación típica

ntervalo intercuartilico

Coeficiente de variación

Ce forma

Asimetría

Simetría respecto del cero

Simetría respecto de u F(u a)P) -

-
0 , m a(ma)
-
-

curtosis o apuntamiento

Definición (Esperanza) : sea Cr & , ,

P) R ,
B ,** F
Se llama esperanza de si existe ,
di

M
app * -x otación

Como calculamos dicha integral depende de si es simple, absolutamente continua ...

como ya vimos .
*
a .
P ((a))
a

in 1(x)ax
.

p* ((an) )d
a +,
.

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-11054972

Definición omento de orden se llama momento respecto del origen de orden a :

&
x aF

Definición) omento centrado de orden se llama momento centrado de orden a :

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
M M
inua
Destacar M2 , que es la varianza de la esperanza o?
.

Si es O ,
la variable es un punto (degeneradal.

38

pliquemos dichos cálculos a los tres casos posibles :

Discreta : (a -
u)P(a)
aEA

ii)
Absolutamente continua (X-u) TX
:
.

iii) ixta : (a -

1) *
P ca) ((X-u) .
(x)d
aEA (X -
3 3

es
2
2xu + 42
2
+ En -

2uX =1 X2 -
2 ?

En general, e puede expresarse como :

U nua -
n
N

Y , en cuanto a los momentosan :

an
h
-
u+ un umn

.
6 implicaciones

En cuanto a los momentos(centrados) de una v . a .,

obtenemos los siguientes resultados :

is a U

ii) n ,
-

aux

Si existe an
³ X14dP
.

ik a l a +
1d(d)aPao
E 35 & E 45(X)

Te has descargado este apunte gracias a la publicidad. También puedes eliminarla con 1 coin.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-11054972

. 2 resultados importante
6

Te o r e m a (deMar ov) : (e ,
0 , P) (IR , B ,
P* V a
. .

Sea (IR , B P *) 2, B) v a . 0
. Entonces :
g :
,
.

PEWER goX(wk 4a goX

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
,

Demostración : Egox : /gox(dP = Igoxdp + Igoxd 1 ap

=
EWER goX(wk , SWER goX(wI , 4 SWER goXSw) , h

PEWER goX(w)

Te o r e m a(Acotación de Tc h e byc h e v
: )
se tiene que Power X- u w o
2

u)2
Demostración : Power-M(w) PEWer(X-ul w) 282
-

o4 =
2 .
82
Markov con g(x) = (X-uP

función característica y generadora

Definición Función característical : sea l : /R C

. .

sedefine eCt)
: defeitap siempre existe

Puesto que por Análisis Complejo sabemos que eitx-costx)+ isen(tx) ,

reescribimos ect) como :

est)-/costx) dF(x) +

/senctx) d

Definición (Función generadora de momentos) : sea : IR-IR

=letxdp
-/e****
Se define (t) : (si existe
-

Proposición (Propiedades básicas) : se cumple

i
e

gi
exdfxdfx)-PR
.
0 .

e(t)

Te has descargado este apunte gracias a la publicidad. También puedes eliminarla con 1 coin.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-11054972

y( t)-
e(t)

est)
= eitxd* -cosxdF(x) -

i) sencxldFx =
IR

e uniformemente continua : Eco h, etth est) 2 -t

esten
ests exceinx lat exceinx
(d1 ein- e

um/1.
Dicha acotación no depende de t , y tomando ein- a

Observación (Importante que se cumplan dichas propiedades para una función No implica
que dicha función sea función característica.

Proposición (Cálculo eCtI) :

il V . a .
discreta eita P(a).

at A
, hay que demostrarlo

ila absolutamente continua

ei dX

Demostrar
que + (x)dx
iii) V a
.
.
mixta eita . P * (al + /eitx .
F((x)dx
a P* (a)
EX1X1}

Te o r e m a(de nversión) : Sea e una función característica. Entonces, a ,

b de continuidad de
.

Pa b , A b · m/e-ita citb. estlat -

it
2ÃT38 --

Corolario : E

Demostración : F(b) b an = Plan ,

b ,
con an -
- de continuidad ,
b de continuidad.

im bn
bn
de continuidad

Corolario (Caso particular) : Si es absolutamente continua , entonces

± (X)
2 pe-i .

estd

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-11054972

Propiedades (Transformaciones):

is Ya x+ b(t) -
eitb .
ya t) .

git(ax+ b) gisatl gitb eitb .

gicatl =eitb .,(at)

iissia &
2 02

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
=

a -40 azme"(0) a -
25
, ,

i i2

iiil Si es simétrica ee
y

e -x(t) 2x) t)
-/eixdP =/cos-tx)dP-i/senc-x)dP =costx)dp-sentxl
-

ex(t) ex(t) = ex(t)

Si En F(x) Ex de
,
entonces &FnCt) eFCt) [mFn(X) = continuidad

Te has descargado este apunte gracias a la publicidad. También puedes eliminarla con 1 coin.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-11115245

Propiedades (Transformaciones):

is Ya x+ b(t) -
eitb .
ya t) .

git(ax+ b) gisatl gitb eitb .

gicatl =eitb .,(at)

iissia &
2 02
=

d -

40) ,
a2 -
e"(0)
i2
a -
25

iiilsi es simétrica y
ee
.

e -x(t) 2x) -
z) -

(git
+
(Xdp /cos) tx)dP i/sen( tx)dP /cos(tx)dp i)senstx)dp
=
=
- - -
= =
-

- 2 - 2

ex(t) ex(t) = ex(t)

Si En F(x) Ex de
,
entonces &FnCt) eFCt) [mFn(X) = continuidad

8 0

(- ,
Q ,
P IR ,
B ,
P*

I
Fx(X)o -
X >1 P(1) = 113
w

3 , 12X2 P* (2) = 213

,
X = 2

3 2 23
.

2
2
12 113
.
+ 22 .
213

e(t) eit/git .
(3 + eit2 .
23

I I
,
0 Si
2x93
X
Fx(x) =

(x2 1)/3 , 2 si 11x2

-

f(x) =

2 O Si X > 2

x1(xax (x .
(2x3

2(xn + (x =
12x3d
ests
eiteiTaxax-Peitx .
2x

3
a

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-11115245

I
P * (1) 1110P * (2) = 3/10
O Si
=

2
g = 3x/10Vx= (1 2) ,

Si 2
L Estos
F(x) = 0 FX1 F o Ex2
punta ,

si tienen probabilidad

1 .
(1110 + 2 .
(2110
+ x -
0dx
+ (3x2/101ax
x .
x. 1ax

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
+ + (3x2/101ax xi
2 2
.
>11101 + 21 (2110) x20ax x
= 1ax

e(t) eit eit .

11/10 eit? 2/eitx 13x2d .

· cálculos con transformaciones

gox(y) -

2x + 3(4) = P2 370 + ,
y = P(XEIR2x+ 32y)

Podemos reescribir la probabilidad inducida anterior como :

y -
3
P * (x33) = P -
0 ,
35 (4 3(2)
-

I &
Ahora sea F * (X) -
O X1 O 32(y(5)
y
-
, , ,
3
3
-

3 , 12X2 13 , 2 1 (y -312(51477
2X , y
-
37, 2(447)

Plan Turbo - Eliminar los vídeos + 10 descargas sin publicidad por sólo 0,99€ / mes - Oferta limitada
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-11115245

22

.
9 Distribuciones notables uni Dimensional .

i) Causal Degenerada(C) ,
CER

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
P(() =

e eitC

ii) Uniforme (Discretal Usan , ...,

and ,
an ....,
anEIR

Psail = 1/n
M

an
=
2 2

estleitar . in

iiil Binomial BCn , p) ,

nel y p = PCE) en cada experimento básico

Se obtiene cuando se da una repeticiónde n elementos idénticos e independientes con

y observamos el número de

M
# N
p P D

n .

n .

D q .

ein pph peit qh

n
est +

Con esta distribución, resulta de interés estl :

a
eces ni Det po piere culo
S

i2

Un caso muy especial es B) , p Bernoulli

.

i Geométrica G7D pe

er
Se trata de la repetición de experimentos idénticos e independientes hasta tener el éxito

observando el número de experimentos.

y

*
P (1) P D 2
, ...

p p
est peit
eita .

Plan Turbo - Eliminar los vídeos + 10 descargas sin publicidad por sólo 0,99€ / mes - Oferta limitada
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-11115245

Binomial negativa B C , p
, C , pelo,

Consiste en la repetición de experimentos iguales e independientes hasta tener éxitos,

y obser ando el número de

Último lugar fijo para un éxito

3
P P

x1 -
p)/P
-
pp
e(t)- P
-

q eit
.

ipergeométrica

Se corresponde con el muestreo sin reemplazamiento

. Esto es , repetición de experimentos pero
sin reemplazamiento
, y observando el número de éxitos.

D
N ~n
D Máx
, n-) -
D P p" con población grande y muestra pequena .

D
n

nD(N -n)(N -
D)
N2(n -

Poisson

Se dice que una variable aleatoria tiene una distribución de Poisson Si :

3
e

eit
el e

a aproximación de una binomial por una Poisson es buena Si :n 50 , po , 1 o

np > .
5

9 ejemplos

Supongamos que lanzamos una moneda veces , y observamos el número de calas .

Entonces , estamos ante una distribución binomial :

p caras
Y
2 2n M

> cruces P cars)

P lanzamientos

el
si lanzamos la moneda hasta la cara :

P card

P cruces P

P anzamientos P Pr 2
, ...

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-11115245

Ahora supongamos , que sacamos 2 cartas ,

sin reemplazamiento
, de una baraja española.

36
P ases
2
/
2

Y , si extraemos 5 cartas sin reemplazamiento:

36
P

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
ases 5

olviendo a las monedas , y lanzando una hasta tener 2 calas :

P(2 caras
2
c
cruces Dp2 .

Binomial
negativa
2
·
lanamientos p2 P 2
2,3
, ...

29

Distribuciones continual

il ormal (M ,
O) , MEIR , 0 > 0

Se trata de una distribución simétrica (respecto de M) .

X - u2
T e2 o EIR 1f d 0 .
27
o 2Ã 02Ã

o2

ex eith--t

M
-

Podemos tipiticar una variable. N efecto

, si (m ,
0

Si calculamos la función característica: -UCt = e ut/o) Figue 10 2 It

Otro resultado importante es el Te o r e m ade ?

2
n BCn Ph , conn 8 , nen My n .
Pn In &2

nalgunos casos , trabajamos con la varianza (021 en vez de la distribución típica o

La hipergeométricapuede aproximarse por la binomial , y esta a su ve por una poisson y una

ormal . ¿ En qué contextos empleamos cada ?

Cuando p es bajo Poisson ; medio, ormal . Si p ,

el complementario a sí se distribuye como una Poisson.

Plan Turbo - Eliminar los vídeos + 10 descargas sin publicidad por sólo 0,99€ / mes - Oferta limitada
.
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-11115245

ii Uniforme M a, b
,
a b

& E)a b ,

b -
a

a + b2

ba 22
et
eitb eita _

it (b a

Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
iii ponencial exp

& e

ih
e(t)

sta distribución es
muy importante, en especial para acotaciones de integrales.
simismo, se trata de un caso particular de la
siguiente distribución ax , P

Gamma Up ,
a p, a ,
X

aP
a
P
-

f
(P)pa
pa
it P
2 (t
A
.

Beta &(p q) ,

P 9
B(D , 9
P9

D &
- D, q C
Blp , qi
P/(D+ 9
P9

p+ q2(p+ q

sta distribución se encuentra concentrada e el y es especialmente útil para

medir probabilidades de sucesos.

Plan Turbo - Eliminar los vídeos + 10 descargas sin publicidad por sólo 0,99€ / mes - Oferta limitada