www.clasesalacarta.com 04.- Variables Aleatorias y Distribuciones de Probabilidad _ Estadística Aplicada y Cálculo Numérico Variable aleatoria discreta Función de probabilidad P X = x i = pi ≥ 0 Función de distribución ; i=1, 2,… ∞ F x = P X≤x = pi = 1 P X = xi = xi≤x i=1 pi xi≤x Esperanza De la variable De la función ∞ EX= xi P X = xi E Y = E h(X) = i h x i P X = xi i=1 Variable aleatoria continua Función de Densidad o de Probabilidad b P a≤X≤b = f x dx ; Función de Distribución x F x =P X≤x = a, b ∈ R f u du -∞ a f x ≥ 0; ∀ x ∞ P (X=a) = 0 f x dx = 1 P(a X b)= F(b)–F(a) -∞ Esperanza De la variable EX= ∞ De la función x f x dx E Y = E h(X) = -∞ ∞ h x f x dx -∞ Propiedades de la Esperanza E[aX] = a E[X], a R Varianza Var[X]= E[(X-E[X])2] = E[X2] – E[X]2 0 Propiedades E[X+Y] = E[X] + E[Y] Var[X] = 0 X es cte Var[aX] = a2Var[X] a cte Var[aX + b] = a2Var[X] a, b ctes E[aX+bY] = aE[X]+bE[Y], a, b R Independencia Variable Discreta P X = x, Y = y = P X = x ∙ P Y = y Variable Continua ∀ x, y f x, y = fX x ∙ fY y ∀ x, y Distribuciones Discretas Distribución Binomial: B(n, p) Función de Densidad Media n P X=k = pk qn-k k Varianza μ = E(X) = np Función de Distribución 0 P xi i=1 1 = Var(X) = n p q X1:B(n1, p) X2:B(n2, p) si x < 0 k F X = 2 si 0 ≤ x ≤ n X1 + X2: B(n1+n2, p) si x > n Distribución de Poisson Función de Densidad Media e-λ 𝜆k P X=k = si k=0,1… k! Función de Distribución X F x = x=0 e-λ ∙ 𝜆k k! Varianza 2 μ = E(X) = = Var(X) = X1:P( 1) X1 + X2: P(1 + 2) X2:P( 2) 1 www.clasesalacarta.com 04.- Variables Aleatorias y Distribuciones de Probabilidad _ Estadística Aplicada y Cálculo Numérico 2 Distribuciones Continuas Distribución Uniforme Función de Densidad Media 1 si a ≤ x ≤ b f x = b-a 0 en otro caso E[X]= μ = Varianza b+a 2 b+a 2 E[X]= μ = Distribución Normal: N (, ) Función de Densidad f x = - 1 x-μ 2 2 σ2 2 μ σ2 Media Varianza E[X]= μ Var(X) = 2 X1:N(1, 1) X2:P(2, 2) X=X1+X2:N μ1 +μ2, Tipificada X-μ x-μ P ≤ =P Z≤z σ σ σ21+σ22 1- α P Z<Zα = 1-α 2 Intervalos Caracte rístico s (μ - σ , (μ - 2σ , (μ – 3σ , 68.03% 95% 99.7% μ + σ) μ + 2σ) μ +3σ) Distribución Exponencial Función de Densidad −𝜆x f x = 𝜆e 0 Media Varianza Función de Distribución 1 1 Var x = 2 E x = λ λ Suma de variables independientes si x ≥ 0 si x < 0 −𝜆x F x = P(X ≤ x) 1 - e 0 X1,X2,...,Xn Xi =E[X] 2=V[X] X= E [ X1,X2,...,Xn] = n 2 E [ X1,X2,...,Xn] = n si x ≥ 0 si x < 0 xi n μ X =μ VX= σ2 n Teorema Central del Límite Binomial Normal n > 30 0.1< p < 0.9 B n, p → N np, Poisson Normal npq λ >5 P λ → N λ, Corrección de Yates P(X=a)=P(a-0.5Za+0.5) P(X>a)=P(Za+0.5) P(Xa)=P(Za+0.5) P(Xa)=P(Za-0.5) P(X<a)=P(Za-0.5) P(aX<b)=P(a-0.5Zb+0.5) λ