Professional Documents
Culture Documents
Resumen
Entregado por:
Grupo: 100402_315
Ejemplo 1.
singleton .
En la prctica el conjunto de los valores que puede tomar es o una parte
de .
Sea X una variable aleatoria discreta con funcin de probabilidades f(x). Entonces,
el valor esperado de la variable aleatoria X, el cual se representa por E(X), est
definido por:
E(X) = xi f(xi)
Lo anterior significa, que para calcular E(X) se multiplica cada valor que puede
tomar la variable aleatoria por la probabilidad que le corresponde y despus se
suman esos productos.
Las distribuciones discretas son aquellas en las que la variable puede pude tomar
un nmero determinado de valores:
Ejemplo: si se lanza una moneda al aire puede salir cara o cruz; si se tira un dado
puede salir un nmero de 1 al 6; en una ruleta el nmero puede tomar un valor del
1 al 32.
Las distribuciones continuas son aquellas que presentan un nmero infinito de
posibles soluciones:
Ejemplo: El peso medio de los alumnos de una clase puede tomar infinitos valores
dentro de cierto intervalo (42,37 kg, 42,3764 kg, 42,376541kg, etc); la esperanza
media de vida de una poblacin (72,5 aos, 72,513 aos, 72,51234 aos).
DISTRIBUCIN BINOMIAL
probabilidad es8:
Algunos autores denotan esta distribucin como b*(x,p,r) Observe que en el caso
especial donde r = 1, la variable aleatoria binomial negativa se convierte en una
variable aleatoria geomtrica.
La tabla siguiente expresa la diferencia entre una variable aleatoria binomial y una
variable aleatoria binomial negativa. En este sentido, la variable aleatoria binomial
negativa se considera como el opuesto, o el negativo, de una variable aleatoria
binomial.
DISTRIBUCIN HIPERGEOMTRICA
DISTRIBUCIN POISSON
DISTRIBUCION UNIFORME
Figura 3.2
Funcin de densidad de una variable aleatoria de distribucin
normal
DISTRIBUCION EXPONENCIAL Y CHI CUADRADO
Distribucin Exponencial
Esperanza o valor
esperado: Varianza: