Funciones de Probabilidad

Universidad de las Fuerzas Armadas ESPE
EXTENSIN - LATACUNGA
INGENIERA ELECTRNICA
PROCESOS ESTOCASTICOS
ALUMNA:
JENNY TIGSE
DOCENTE:
ING. ARMANDO ALVAREZ
Procesos Estocsticos
Quinto Electrnica
Una variable aleatoria X es llamada variable aleatoria normal (gaussiana) si su

funcin de densidad est dado por:
La distribucin gaussiana es la reina de las distribuciones. En este universo, la

naturaleza se comporta gaussiana mente.
El teorema del lmite central garantiza que cualquier otra distribucin se comporta
como una gaussiana cuando se hacen un nmero suficiente de experimentos: la
suma de muestras independientes para cualquier distribucin con valor esperado y
varianzas finitos converge a la distribucin normal conforme el tamao de
muestras tiende a infinito.
El primer uso de la distribucin normal fue la de hacer una aproximacin continua
a la distribucin binomial.
La distribucin normal es de suma importancia en estadstica por tres razones
principales:
1. Numerosas variables continuas de fenmenos aleatorios tienden a
comportarse probabilisticamente mediante sta.
2. Es el lmite al que convergen tanto variables aleatorias continuas como
discretas.
3. Proporciona la base de la inferencia estadstica clsica debido a su relacin
con el teorema del lmite central.
FORMA DE ONDA:
Quinto Electrnica
VALOR MEDIO
Una variable aleatoria X es llamada variable aleatoria normal (guassiana)

representado como N(X, 2X), est dado por:
Con:
( )
( )
( )
( )
VARIANZA Y DESVIACION ESTANDAR
Si:
Quinto Electrnica

Entonces:
DISTRIBUCION DE DISTRIBUCION ACUMULADA
Una distribucin normal estndar, es decir, aquella cuyos parametos son

( ) si su funcin de densidad est dada
en este caso se dice que
por:
EJEMPLO:
Una empresa instala en una ciudad 20.000 bombillas para su iluminacin. La

duracin de una bombilla sigue una distribucin normal con media 302 das y
desviacin tpica 40 das. Calcular:
a) Cuntas bombillas es de esperar que se fundan antes de 365 das?
(
(
)
)
Quinto Electrnica
b)Cuntas durarn ms de 400 das? Explica razonadamente las respuestas.

(
(
)
)
Se trata de un modelo discreto, pero en el que el conjunto de valores con

probabilidad no nula no es finito, sino numerable. Se dice que una variable
aleatoria X sigue la distribucin de Poisson si su funcin de densidad viene dada
por:
El nmero "e" es 2,71828

" " = n * p (es decir, el nmero de veces " n " que se realiza el
experimento multiplicado por la probabilidad " p " de xito en cada ensayo)
" k " es el nmero de xito cuya probabilidad se est calculando
FORMA DE ONDA
Quinto Electrnica
Valor Esperado:
el cul debe ser conocido.
Varianza:
La distribucin de Poisson tiene una propiedad cuyas consecuencias son muy
importantes para el Control Estadstico de Procesos. Supongamos que se
tienen m variables aleatorias de Poisson:
Si w es una combinacin lineal de tales variables:

Entonces w es una variable aleatoria de Poisson con parmetro:
Esto es muy importante porque podemos imaginar el producto fabricado por un

proceso (Una licuadora, una computadora, un televisor, etc.) como una superficie
en la que se pueden producir mltiples defectos, y donde el nmero de cada tipo
de defecto es una variable aleatoria de Poisson. Entonces, la propiedad
mencionada nos permite tratar la suma de todos los tipos de defectos como una
variable aleatoria de Poisson.
FUNCIN DE DISTRIBUCIN ACUMULADA
Quinto Electrnica
EJEMPLO:
El nmero de pulsos que llegan a un contador GEIGER se presentan en promedio

de 6 pulsos por minuto. Hallar la probabilidad de que en 15 minutos se reciban
exactamente 20 pulsos.
es decir, que una frecuencia de 6 pulsos por minuto es eqyivalente a una de 1

por
minutos.
Se trata de un modelo continuo cuya funcin de densidad es:
Cuya integral nos proporciona la funcin de distribucin:
Quinto Electrnica
Propiedades de la distribucin de Cauchy

Se trata de un ejemplo de variable aleatoria que carece de esperanza (y,
por tanto, tambin de varianza o cualquier otro momento), ya que la integral
impropia correspondiente no es convergente:
Y nos queda una indeterminacin. Por tanto, la esperanza de una
distribucin de Cauchy no existe. Cabe sealar que la funcin de densidad
es simtrica respecto al valor cero (que sera la mediana y la moda), pero al
no existir la integral anterior, la esperanza no existe.
FORMA DE OMDA:
Funcin Acumulativa
La funcin de distribucin acumulativa (CDF) es:
Y la funcin inversa de distribucin acumulativa para la distribucin Cauchy es
Quinto Electrnica

Grfico de la funcin acumulativa
EJEMPLO:
Comprobar si se cumplen las hiptesis del teorema de Cauchy para las funciones
f(x) = x3 y g(x) = x + 3 en el intervalo [0, 2].
Las funciones f(x) y g(x) son continuas en el intervalo [0, 2] y derivables en (0, 2),
por ser funciones polinmicas.
Y adems g(0) g(2).
c pertenece [0, 2]
g'(0) 0
La distribucin de Erlang es una distribucin de probabilidad continua con amplia

aplicabilidad principalmente debido a su relacin con las distribuciones
exponencial y gamma.
Tiene dos parmetros
cuya funcin de densidad para valores
es
Quinto Electrnica

FORMA DE ONDA:
Su esperanza viene dada por:
Su varianza viene dada por:
La funcin generadora de momentos responde a la expresin:
FUNCION DE DISTRIBUCION ACUMULATIVA
La funcin de distribucin acumulativa de la distribucin de Erlang es:

Donde es la funcin gamma incompleta ms baja. La CDF tambin se puede
expresar como:
Quinto Electrnica

EJERCICIO:
Las fallas de las unidades de procesamiento central (cpu) de los sistemas de
computadores grandes se modelo con frecuencias como un proceso de Poisson.
Por lo general, las fallas no son causadas por desgastes sino por otros factores.
Suponga que las unidades que fallan se reparan de inmediato y que el nmero
promedio de fallas por hora es de 0.0001. Sea que X denote el tiempo hasta que
ocurran 4 fallas de un sistema. Determine la probabilidad de que X exceda 40000
horas.
X=40000horas
=0.0001 fallas/hora
r=4 fallas
(
Se dice que una variable aleatoria

parmetros
sigue una distribucin de Laplace de
, si su funcin de densidad es
La funcin generatriz de momentos de esta distribucin tiene la expresin
La distribucin Laplace es una alternativa a la normal para medir los errores de la

media.
Quinto Electrnica

FORMA DE ONDA:
VALOR MEDIO Y VARIANZA
FUNCIN DE DISTRIBUCIN ACUMULATIVA

La integral de la distribucin de Laplace se obtiene con facilidad gracias al uso
del valor absoluto. Su funcin de distribucin acumulativa es:
La inversa de la funcin de distribucin acumulativa es:
Quinto Electrnica

FORMA DE ONDA
Este modelo es una generalizacin del modelo Exponencial ya que, en ocasiones,

se utiliza para modelar variables que describen el tiempo hasta que se produce p
veces un determinado suceso.
Su funcin de densidad es de la forma:
Como vemos, este modelo depende de dos parmetros positivos: y p. La funcin

(p) es la denominada funcin Gamma de Euler que representa la siguiente
integral:
Que verifica (p + 1) = p(p), con lo que, si p es un nmero entero positivo, (p +
1) = p!
Quinto Electrnica

FORMA DE ONDA
VALOR MEDIO Y VARIANZA

El valor esperado y la varianza de una variable aleatoria X de distribucin gamma
son:
FUNCIN DE DISTRIBUCIN ACUMULATIVA

La funcin de densidad de probabilidad gamma estndar es:
Cuando el argumento alfa = 1, DISTR.GAMMA devuelve la distribucin

exponencial con:
FORMA DE ONDA
Quinto Electrnica

EJERCICIO:
Suponga que cierta pieza metlica se romper despus de sufrir dos ciclos de
esfuerzo. Si estos ciclos ocurren de manera independiente a una frecuencia
promedio de dos por cada 100 horas. Obtener la probabilidad de que el intervalo
de tiempo se encuentre hasta que ocurre el segundo ciclo.
a. Dentro de una desviacin con respecto del tiempo promedio.
b. A ms de dos desviaciones por encima de la media.
) ( )
) ( )
La distribucin de Nakagami-Rice se deduce tambin de la distribucin gaussiana,

y generaliza la distribucin de Rayleigh. Dada una distribucin gaussiana
bidimensional con dos variables independientes x e y con la misma desviacin
tpica, la longitud de un vector que une un punto de la distribucin con un punto
fijo, diferente del centro de la distribucin, tiene una distribucin de NakagamiRice. Por consiguiente, esta distribucin puede considerarse tambin como la
distribucin de la longitud de un vector que sera la suma de un vector fijo y de un
vector cuya longitud tiene una distribucin de Rayleigh.
Quinto Electrnica

Si se designa por a la longitud del vector fijo, y la longitud ms probable del
vector de Rayleigh, la densidad de probabilidad vendr dada por:
x2 a2 a x
I
p( x)
exp
2
2 0 2
Donde I0 es la funcin de Bessel modificada de primera especie y de orden cero.

Esta distribucin depende de dos parmetros, pero para las aplicaciones a los
problemas de propagacin, se deber elegir una relacin entre la amplitud a del
vector fijo y la amplitud cuadrtica media 2 del vector aleatorio. Esta relacin
depende de la aplicacin considerada. Las dos aplicaciones principales son las
siguientes:
a. La potencia del vector fijo es constante, pero vara la potencia total de las
componentes fija y aleatoria..
b. La potencia total de las componentes fija y aleatoria es constante, pero
varan ambas componentes.
Si se estudia la propagacin por trayectos mltiples a travs de la atmsfera, se
puede considerar que la suma de la potencia transportada por el vector fijo y de la
potencia media transportada por el vector aleatorio es constante, puesto que la
potencia transportada por el vector aleatorio proviene de la del vector fijo.
Tomando la potencia total como unidad, se obtiene, pues:
a 2 2 2 1
Y la fraccin
de la potencia total transportada por el vector aleatorio es, pues, igual
2
2
.
a
Igualmente, si se designa por X la amplitud instantnea del vector
resultante y por x un valor numrico de esta amplitud, la probabilidad de obtener
un nivel instantneo superior a x viene dada por:
(
( )
a2
2a
2 exp
exp 2 I 0
d
2 2
2
x/ 2
La Figura. 11 muestra esta distribucin para diferentes valores de la fraccin de

potencia transportada por el vector aleatorio.
Quinto Electrnica

FIGURA 4
Distribucin de Nakagami-Rice para una potencia total constante (con la fraccin
de potencia transportada por el vector aleatorio como parmetro)
10
0,025
0,05
10
0,075
Amplitud (dB)
0,1
20
0,125
0,15
30
0,2
0,3
40
0,4
0,5
1
50
1
0,1
0,01
0,001
10
50
80
90
95
98
99
99,9
99,99
99,999
Probabilidad de que se exceda el valor en ordenadas, (1 F(x)) 100 (%)

D04
La distribucin multinomial es una generalizacin de la distribucin binomial. En

este caso, en un experimento interesa estudiar no la ocurrencia de un nico
suceso o la de su contrario, sino la de varios sucesos (tres o ms).
La distribucin multinomial, M(n,p1,...,pn) proporciona probabilidades de obtener,
en m repeticiones independientes de un experimento, x1 veces el suceso A1,
x2 veces el suceso A2,..., xn veces el suceso An, donde dichos sucesos forman
una particin del espacio muestreal, es decir,
Tal que
para
y donde
, por tanto, se cumple
As, considerando que Xi es el nmero de veces que se presenta el suceso Ai en

las m repeticiones tenemos que la variable n-dimensional (X1, X2, ..., Xn) sigue
una distribucin multinomial de parmetros n, p1, ..., pn y su funcin de
probabilidad es.
Quinto Electrnica

Si tenemos K resultados posibles (Ei , i = 1, ... , K) con probabilidades fijas (pi ,
i = 1, ... , K), la variable que expresa el nmero de resultados de cada tipo
obtenidos en n pruebas independientes tiene distribucin multinomial.
FORMA DE ONDA:
La media y la varianza de la variable binomial se calculan como:

Media = = n p
Varianza = 2 = n p q
Quinto Electrnica

EJEMPLO:
En una fiesta, el 20% de los asistentes son espaoles, el 30% franceses, el 40%
italiano y el 10% portugueses. En un pequeo grupo se han reunido 4 invitados:
cul es la probabilidad de que 2 sean espaoles y 2 italianos?
Aplicamos el modelo:
Luego
Por lo tanto, la probabilidad de que el grupo est formado por personas de estos
pases es tan slo del 3,84%.
La distribucin de Rayleigh se aplica a una variable continua positiva no limitada.

La densidad de probabilidad y la distribucin acumulativa vienen dadas por:
La forma funcional de la distribucin de Rayleigh es:
(
( )
La funcin f(x) representa la probabilidad de que la velocidad del viento x est en

un intervalo entre x y x+dx. El rea bajo f(x) es la unidad.
( )
Como puede comprobarse fcilmente. Podemos apreciar que la funcin de

distribucin de Rayleigh es un caso particular de la de Weibull para k=2.
El valor medio de la velocidad <x>
<
( )
Para calcular el valor medio utilizamos el siguiente resultado tomado de una tabla
de integrales
Quinto Electrnica

No hay que realizar un ajuste de datos a la funcin de Rayleigh, basta conocer la
velocidad media del sitio <x> que est directamente relacionada con el parmetro
La funcin de distribucin de Rayleigh se expresa en trminos del valor medio <x>
de la velocidad
( )
) )
En la figura12, se representa la funcin de distribucin de Rayleigh para varios

valores de la velocidad media del viento.
Figura 1. Funcin de Rayleigh

LA PROBABILIDAD ACUMULADA
( )
) )
Una variable aleatoria Bernoulli se define como el resultado numrico de una

prueba Bernoulli o de manera formal como una funcin
xito
y as el rango de la variable aleatoria es

como
, el cual es denotado
Quinto Electrnica

Una variable aleatoria de Bernoulli, por s sola, tiene poco inters en las
aplicaciones de ingeniera. En cambio la realizacin de una serie de experimentos
bernhoulli conduce a varias distribuciones de probabilidad discretas muy tiles.
La funcin de probabilidad de una variable bernoulli es dada por
Dnde:
es la probabilidad de xito en una sola prueba.
es el nmero de xitos en la prueba.
El parmetro es
Figura 2. Funcin distribucin del modelo de Bernoulli
Media y Varianza
La media y varianza de una variable aleatoria bernoulli son respectivamente
Quinto Electrnica

EJEMPLO:
Ejemplo:
"Lanzar un dado y salir un 6".
Cuando lanzamos un dado tenemos 6 posibles resultados:
Estamos realizando un nico experimento (lanzar el dado una sola vez).

Se considera xito sacar un 6, por tanto, la probabilidad segn la principio de
indiferencia|principio de indiferencia de Laplace (casos favorables dividido entre casos
posibles) ser 1/6.
Se considera fracaso no sacar un 6, por tanto, se considera fracaso sacar

cualquier otro resultado.
La variable aleatoria X medir "nmero de veces que sale un 6", y solo existen dos
valores posibles, 0 (que no salga 6) y 1 (que salga un 6).
Por tanto, la variable aleatoria X se distribuye como una Bernoulli de
parmetro = 1/6
La probabilidad de que obtengamos un 6 viene definida como la probabilidad de

que X sea igual a 1.
La probabilidad de que NO obtengamos un 6 viene definida como la probabilidad

de que X sea igual a 0.
Quinto Electrnica
En realidad la distribucin ji-cuadrada es la distribucin muestral de s2. O sea que

si se extraen todas las muestras posibles de una poblacin normal y a cada
muestra se le calcula su varianza, se obtendr la distribucin muestral de
varianzas.
Para estimar la varianza poblacional o la desviacin estndar, se necesita conocer
el estadstico X2. Si se elige una muestra de tamao n de una poblacin normal
con varianza
, el estadstico:
tiene una distribucin muestral que es una distribucin ji-cuadrada con gl=n1 grados de libertad y se denota X2 (X es la minscula de la letra griega ji). El
estadstico ji-cuadrada esta dado por:
donde n es el tamao de la muestra, s2 la varianza muestral y

la varianza de
la poblacin de donde se extrajo la muestra. El estadstico ji-cuadrada tambin se
puede dar con la siguiente expresin:
Propiedades de las distribuciones ji-cuadrada

1. Los valores de X2 son mayores o iguales que 0.
2. La forma de una distribucin X2 depende del gl=n-1. En consecuencia, hay
un nmero infinito de distribuciones X2.
3. El rea bajo una curva ji-cuadrada y sobre el eje horizontal es 1.
4. Las distribuciones X2 no son simtricas. Tienen colas estrechas que se
extienden a la derecha; esto es, estn sesgadas a la derecha.
5. Cuando n>2, la media de una distribucin X2 es n-1 y la varianza es 2(n-1).
6. El valor modal de una distribucin X2 se da en el valor (n-3).
7. La siguiente figura ilustra tres distribuciones X2. Note que el valor modal
aparece en el valor (n-3) = (gl-2).
Quinto Electrnica
La funcin de densidad de la distribucin X2 esta dada por:
para x>0
La tabla que se utilizar para estos apuntes es la del libro de probabilidad y
estadstica de Walpole, la cual da valores crticos
(gl) para veinte valores
especiales de
. Para denotar el valor crtico de una distribucin X2 con gl
grados de libertad se usa el smbolo
(gl); este valor crtico determina a su
derecha un rea de
bajo la curva X2 y sobre el eje horizontal. Por ejemplo
para encontrar X20.05(6) en la tabla se localiza 6 gl en el lado izquierdo
y
a o largo del lado superior de la misma tabla.
Funcin de distribucin acumulada

Su funcin de distribucin es:
Quinto Electrnica
Donde
es la funcin gamma incompleta.
El valor esperado y la varianza de una variable aleatoria X con distribucin son,

respectivamente, k y 2k.
EJEMPLO:
Los siguientes son los pesos, en decagramos, de 10 paquetes de semillas de
pasto distribuidas por cierta compaa: 46.4, 46.1, 45.8, 47.0, 46.1, 45.9, 45.8,
46.9, 45.2 y 46. Encuentre un intervalo de confianza de 95% para la varianza de
todos los paquetes de semillas de pasto que distribuye esta compaa, suponga
una poblacin normal.:
Primero se calcula la desviacin estndar de la muestra:
al elevar este resultado al cuadrado se obtiene la varianza de la muestra s2=

0.286.
Para obtener un intervalo de confianza de 95% se elige un
= 0.05. Despus
con el uso de la tabla con 9 grados de libertad se obtienen los valores de X2.
Se puede observar en la grfica anterior que el valor de X2 corre en forma normal,

esto es de izquierda a derecha.
Por lo tanto, el intervalo de confianza de 95% para la varianza es:
Quinto Electrnica
Grficamente:
Se observa que la varianza corre en sentido contrario, pero esto es slo en la

grfica. La interpretacin quedara similar a nuestros temas anteriores referentes a
estimacin. Con un nivel de confianza del 95% se sabe que la varianza de la
poblacin de los pesos de los paquetes de semillas de pasto esta entre 0.135 y
0.935 decagramos al cuadrado.
Bibliografa
(s.f.).
http://www.uv.es/zuniga/06_La_distribucion_normal_o_de_Gauss.pdf
http://www.virtual.unal.edu.co/cursos/ciencias/2001065/html/un2/cont_233_75.html
http://www.mat.uda.cl/hsalinas/cursos/2011/tema5-variables-aleatorias-continuas.pdf
http://www.virtual.unal.edu.co/cursos/ciencias/2001065/html/un2/cont_232_74.html
http://www.matematicasypoesia.com.es/Estadist/ManualCPE04p4.htm
http://www.uv.es/ceaces/base/modelos%20de%20probabilidad/poisson.htm
http://www.konradlorenz.edu.co/images/stories/suma_digital_matematicas/APLICACIONES%20D
E%20LA%20FUNCION%20GENERADORA%20DE%20MOMENTOS.pdf
Quinto Electrnica

http://jpadilla.docentes.upbbga.edu.co/Estadistica/8Distribuciones%20de%20Probabilidad%20Co
ntinuas.pd
http://centrodeartigos.com/articulos-noticias-consejos/article_144396.html
http://carleos.epv.uniovi.es/~carleos/docencia/teloydisren/descriptiva+probabilidad/l_edyp/lib_e
dyp_html/node58.html
http://www.aulaclic.es/minitab/t_3_24.htm
http://www.aulafacil.com/CursoEstadistica/Lecc-31-est.htm
Quinto Electrnica

Funciones de Probabilidad

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Funciones de Probabilidad

Transféré par

Droits d'auteur :

Formats disponibles

Universidad de las Fuerzas Armadas ESPE

Universidad de las Fuerzas Armadas ESPE

Una variable aleatoria X es llamada variable aleatoria normal (gaussiana) si su

La distribucin gaussiana es la reina de las distribuciones. En este universo, la

Universidad de las Fuerzas Armadas ESPE

Una variable aleatoria X es llamada variable aleatoria normal (guassiana)

VARIANZA Y DESVIACION ESTANDAR

Universidad de las Fuerzas Armadas ESPE

DISTRIBUCION DE DISTRIBUCION ACUMULADA

Una distribucin normal estndar, es decir, aquella cuyos parametos son

Una empresa instala en una ciudad 20.000 bombillas para su iluminacin. La

Universidad de las Fuerzas Armadas ESPE

b)Cuntas durarn ms de 400 das? Explica razonadamente las respuestas.

Se trata de un modelo discreto, pero en el que el conjunto de valores con

El nmero "e" es 2,71828

Universidad de las Fuerzas Armadas ESPE

el cul debe ser conocido.

Si w es una combinacin lineal de tales variables:

Esto es muy importante porque podemos imaginar el producto fabricado por un

Universidad de las Fuerzas Armadas ESPE

El nmero de pulsos que llegan a un contador GEIGER se presentan en promedio

es decir, que una frecuencia de 6 pulsos por minuto es eqyivalente a una de 1

Se trata de un modelo continuo cuya funcin de densidad es:

Cuya integral nos proporciona la funcin de distribucin:

Universidad de las Fuerzas Armadas ESPE

Propiedades de la distribucin de Cauchy

Y la funcin inversa de distribucin acumulativa para la distribucin Cauchy es

Universidad de las Fuerzas Armadas ESPE

La distribucin de Erlang es una distribucin de probabilidad continua con amplia

cuya funcin de densidad para valores

Universidad de las Fuerzas Armadas ESPE

Su esperanza viene dada por:

Su varianza viene dada por:

La funcin generadora de momentos responde a la expresin:

FUNCION DE DISTRIBUCION ACUMULATIVA

La funcin de distribucin acumulativa de la distribucin de Erlang es:

Universidad de las Fuerzas Armadas ESPE

Se dice que una variable aleatoria

sigue una distribucin de Laplace de

La funcin generatriz de momentos de esta distribucin tiene la expresin

La distribucin Laplace es una alternativa a la normal para medir los errores de la

Universidad de las Fuerzas Armadas ESPE

VALOR MEDIO Y VARIANZA

FUNCIN DE DISTRIBUCIN ACUMULATIVA

La inversa de la funcin de distribucin acumulativa es:

Universidad de las Fuerzas Armadas ESPE

Este modelo es una generalizacin del modelo Exponencial ya que, en ocasiones,

Como vemos, este modelo depende de dos parmetros positivos: y p. La funcin

Que verifica (p + 1) = p(p), con lo que, si p es un nmero entero positivo, (p +

Universidad de las Fuerzas Armadas ESPE

VALOR MEDIO Y VARIANZA

FUNCIN DE DISTRIBUCIN ACUMULATIVA

Cuando el argumento alfa = 1, DISTR.GAMMA devuelve la distribucin

Universidad de las Fuerzas Armadas ESPE

La distribucin de Nakagami-Rice se deduce tambin de la distribucin gaussiana,

Universidad de las Fuerzas Armadas ESPE

Donde I0 es la funcin de Bessel modificada de primera especie y de orden cero.

La Figura. 11 muestra esta distribucin para diferentes valores de la fraccin de

Universidad de las Fuerzas Armadas ESPE

Probabilidad de que se exceda el valor en ordenadas, (1 F(x)) 100 (%)

La distribucin multinomial es una generalizacin de la distribucin binomial. En

, por tanto, se cumple

As, considerando que Xi es el nmero de veces que se presenta el suceso Ai en

Universidad de las Fuerzas Armadas ESPE