Temas unidad 2
DISTRIBUCION DISTRIBUCION
HIPERGEOMETRICA
Supongamos que tenemos un conjunto
de N objetos de los cuales K son de
una primera clase y N −K son de una
Etjmdtry.lrfi{
segunda clase.
Supongamos que de este conjunto
tomamos una muestra aleatoria de
tamaño n, la muestra es entonces sin
reemplazo y el orden de los objetos
seleccionados no importa. El espacio
DISTRIBUCION DE
BINOMINAL
Supongamos ahora que tenemos
una serie de n ensayos
independientes Bernoulli en donde
la probabilidad de éxito en
cualesquiera de estos n ensayos es
siempre la misma probabilidad p.
En este caso el experimento
aleatorio consiste en realizar
sucesivamente n ensayos
Bernoulli. Si denotamos por E el
resultado “éxito” y por F el
DISTRIBUCION NORMAL
POISSON
Supongamos que deseamos Esta es la distribución de
observar el número de ocurrencias probabilidad de mayor importancia.
de un cierto evento dentro de un Decimos que la v.a. continua X tiene
intervalo de tiempo dado. Por una distribución normal si su
ejemplo, el número de clientes que función de densidad está dada por
llegan a un cajero automático la siguiente expresión.
durante la noche, o tal vez
deseamos registrar el número de
accidentes que ocurren en cierta
avenida durante todo un día.
 Ejemplos
La cardinalidad del espacio muestral
es entonces Si para cada
muestra definimos la variable
aleatoria X como el número de
objetos de la primera clase
contenidos en la muestra
seleccionada, entonces X puede
tomar los valores 0, 1, 2, . . ., n,
suponiendo n ≤ K. La probabilidad
de que X tome un valor x estaría
dada por la fórmula que enunciamos
a continuación. Decimos que X tiene
una distribución hipergeométrica
como parámetros N, K y n. Y
escribimos X ∼ Hipergeo(N, K, n) si
Ejemplos Ejemplos Ejemplos
Usando el principio multiplicativo, en donde µ ∈ R y σ > 0 son dos
es fácil ver que el conjunto Ω tiene parámetros. Escribimos entonces X
2n elementos. Si ahora definimos la ∼ N(µ, σ2 ). La grafica de esta
variable aleatoria X como aquella función de densidad tiene forma de
que cuenta el número de éxitos en campana como se muestra en la
cada una de estas sucesiones, esto siguiente figura
es
X(EE · · · EE) = n
X(FE · · · EE) = n – 1
.
.
.
X(FF · · · FF) = 0
Observe que la campana está
Puede demostrarse que E(X) = λ y Var(X) centrada en el valor de µ y que se
= λ. Puede también demostrarse que abre o cierra de acuerdo a la
cuando X ∼ bin(n, p) y hacemos tender n magnitud de σ. No es difícil probar
a infinito y p a cero de tal forma que el que E(X) = µ y Var(X) = σ 2 . En
producto no se mantenga constante particular, decimos que la
igual a λ, entonces la variable aleatoria X
adquiere la distribución Poisson con
parámetro λ.