Probabilidad y Estadstica Resumen Terico

Experimento Aleatorio
Tiene tres caractersticas:
A- Es posible repetirlo en forma indefinida sin cambiar
esencialmente las condiciones.
B- Podemos describir el conjunto de todos los resultados posibles
del eperimento.
!- Al repetir el eperimento un "ran n#mero de $eces aparece un
patrn definido.
Espacio muestral
Es el conjunto de todos los resultados posibles del eperimento aleatorio %

&' se"#n la cantidad de elementos (ue posea el Espacio )uestral puede ser:
Finito: *+e lan,a un dado y se anota la cara superior-.
Infinito Numerable: *+e fabrican artculos .asta producir /0 no
defectuosos- 1/0'//'/2'/3....4.
Infinito No Numerable: *+e anota la duracin de una lampara-
{ } 0 T T
Eventos
5n e$ento A %respecto de un espacio muestral S asociado a un eperimento

& es un conjunto de resultados posibles % S A &.

Definicin: 6os e$entos A y B son mutuamente ecluyentes si no pueden
ocurrir juntos. Epresamos esto escribiendo
B A
.
/
Probabilidad y Estadstica Resumen Terico
Frecuencia Relativa
+i se repite n $eces el eperimento

y sea A y B dos e$entos asociados a 7l.

+ea nA y nB el n#mero de $eces (ue ocurri el e$ento A y el B respecti$amente de las n
repeticiones' llamaremos a
n
n
f
A
A
frecuencia relati$a del e$ento A en las n
repeticiones del eperimento

. 8a
A
f tiene las si"uientes propiedades:
i& / 0
A
f .
ii& /
A
f si y solo si A ocurre cada $e, en las n repeticiones.
iii& 0
A
f si y solo si A nunca ocurre en las n repeticiones.
i$& +i A y B son e$entos mutuamente ecluyentes entonces
B A B A
f f f +

.
$&
A
f ' basada en las n repeticiones de

y considerada para una funcin

de n' *con$er"e- en cierto sentido probabilstico a P%A& cuando n .
Probabilidad
8o (ue (ueremos es acercarnos al n#mero de la
A
f sin recurrir a la
eperimentacin. Para lle"ar a ello el n#mero de repeticiones debe ser muy "rande
y procedemos como si"ue:
!on cada e$ento A asociamos un n#mero real' desi"nado con P%A& y
llamando probabilidad de A' el cual satisface las si"uientes propiedades:
i&
( ) / 0 A P
.
ii& P%S& 9 /.
iii& +i A y B son e$entos (ue se ecluyen mutuamente'
( ) ( ) ( ) B P A P B A P +
.
2
Probabilidad y Estadstica Resumen Terico
i$& +i A
1
,A
2
, A
3
..............A
n
son e$entos (ue se ecluyen mutuamente de par
en par' entonces:
( )

,
_

n
i
i
n
i
i
A P A P
/ /

.
Teorema 11: +i

es el conjunto $aco' entonces P%

& 9 0.
Demostracin: Podemos escribir
A A
y como A y

son
mutuamente ecluyentes escribimos
( ) ( ) ( ) ( ) P A P A P A P +
.
Nota: :o $ale la recproca. Esto es' si P%A& 9 0 no si"nifica (ue A 9

.
Teorema 1!: +i es el e$ento complementario de A' entonces:
( ) ( ) P A P / .
Demostracin: Podemos sustituir A S ' entonces
( ) ( ) ( ) ( ) P A P A P S P + ' as tenemos ( ) ( ) P A P + / .
Teorema 1": +i A y B son dos e$entos cuales(uiera' entonces:
( ) ( ) ( ) ( ) B A P B P A P B A P +
.
Demostracin:
( ) B A B A

( ) ( ) B B A B
Por lo tanto:
( ) ( ) ( ) B P A P B A P +

( ) ( ) ( ) B P B A P B P +
+i restamos las dos ecuaciones:
( ) ( ) ( ) ( ) B A P A P B P B A P
3
S
A B
A B
B
Probabilidad y Estadstica Resumen Terico
Teorema 1#: +i A' B y C son tres e$entos cuales(uiera' entonces:
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) C B A P C B P C A P B A P C P B P A P C B A P + + +
Demostracin: !onsiste en escribir C B A como
( ) C B A
y
aplicar el resultado del teorema anterior.
Teorema1$: +i B A ' entonces
( ) ( ) B P A P
.
Demostracin: Podemos escribir a B como dos e$entos ecluyentes
( ) B A B . Por lo tanto
( ) ( ) ( ) B P A P B P + y como por propiedad
( ) 0 B P entonces f;cil apreciar (ue
( ) ( ) B P A P
.
%&todos de 'onteo
Principio de la %ultiplicacin:
Para ir del punto P a la recta 8
/
.ay n
/
maneras' y para ir de 8
/
a 8
2
.ay n
2
maneras. Entonces para ir de P a 8
2
.ay n
/
< n
2
maneras.
=
P
n
/
8
/
n
2
8
2
Probabilidad y Estadstica Resumen Terico
Principio de la Adicin:
Para ir de un punto p a la recta 8
/
.ay n
/
maneras' y para ir de P a la recta
8
2
.ay n
2
maneras. Entonces' para ir de el punto P a cuales(uiera de las rectas .ay
n
/
> n
2
maneras.
Permutaciones:
A"rupar % permutar& n objetos es e(ui$alente a ponerlos en al"#n orden
especfico' en una caja de n lu"ares. 8a primera casilla
se puede llenar de cuales(uiera de las n maneras' la
se"unda de %n-/& maneras.....y as obtendremos' por el principio de la
multiplicacin' (ue la caja se puede llenar de
( )( ) / 2 / n n n
maneras.
Entonces las maneras de permutar los n objetos son n!.
+i a.ora (uiero ele"ir r de esos n objetos
( ) n r 0
y permutarlos'
recurriremos nue$amente a la caja de n compartimientos. As el primer
compartimiento se puede llenar de n maneras' el se"undo de %n-/&... y el r-7simo
compartimiento con
( ) / r n
maneras y as' usando el principio de la
8
/
n
/

P
n
2
8
2
/ 2 3 = .... n
?
Probabilidad y Estadstica Resumen Terico
multiplicacin encontramos (ue .ay
( )( ) ( ) / 2 / + r n n n n
maneras. 5sando
notacin factorial:
( ) @
@
r n
n
r
n
P

,
_

'ombinaciones:
!onsideremos nue$amente n objetos diferentes.
Esta $e, (ueremos contar cuantas maneras .ay de
esco"er r de esos n objetos pero sin (ue nos importe el orden. +ea C el n#mero de
maneras de esco"er r objetos sin orden' sabemos (ue .ay r@ )aneras de
permutarlos' entonces:
( ) ( ) @ @
@
@
@
@
r n r
n
r
n
C
r n
n
Cr

,
_

8as dos propiedades fundamentales son:

/ - % &
n
r % &
% &
n
n - r
9
2 -
% &
n
r % &
% &
n - /
r - /
9
% &
n - /
r
>
/ 2 ... r .... n
A
Probabilidad y Estadstica Resumen Terico
Permutaciones cuando no todos los ob(etos son diferentes: En los
m7todos .asta a.ora enunciados suponamos (ue los objetos son distintos
%distin"uibles&. +upon"amos a.ora (ue de los n objetos .ay n
1
de una clase' n
2
de
otra... y as .ay k clases' donde n
1
>n
2
>...>n
K
9 n. Entonces el n#mero de
permutaciones esta dado por:
@ @ @
@
2 / K
n n n
n

.
Probabilidad 'ondicional
+ean A y B dos e$entos asociados con un eperimento

. Bndicaremos con
( )
A
B
P la probabilidad condicional del e$ento B' dado (ue A .a ocurrido.
!ada $e, (ue calculamos ( )
A
B
P ' esencialmente estamos calculando
( ) B P
respecto del espacio muestral reducido A' en $e, del espacio muestral
ori"inal S.
Podemos escribir:
S B B
y sabemos (ue :
( ) ( ) ( ) ( ) ( )
( )
( ) S P
S B P
S
B
P S P B P S B P B P


+i a.ora reducimos el espacio )uestral de S a A:
( )
( )
( ) A P
A B P
A
B
P

puesto (ue
( ) 0 > A P
8a consecuencia m;s importante de la definicin de probabilidad
condicional es:
( ) ( ) ( ) A P
A
B
P B A P
( ) ( ) ( ) B P
B
A
P B A P
C
A
Probabilidad y Estadstica Resumen Terico
Esto tambi7n se conoce como el teorema de la multiplicacin de
probabilidades.
S
A B
i &
B A
S
A
B
ii & B A
S
A
B
iii & A B
S
A B
i$ & :in"uno anterior
i & ( ) ( ) A P
B
A
P 0 puesto (ue A no puede ocurrir si ocurri B.
ii &
( )
( )
( )
( )
( )
( ) A P
B P
A P
B P
B A P
B
A
P

puesto (ue
( ) / 0 < B P
.
iii &
( )
( )
( )
( )
( )
( ) A P
B P
B P
B P
B A P
B
A
P

/
.
i$ & :o se puede .acer por(ue nin"una afirmacin acerca de la ma"nitud
relati$a de ( )
B
A
P y
( ) A P
.
Definicin: 6ecimos (ue los e$entos B
1
' B
2
' B
3
'...'B
k
representan una
particin de + si:
a&
j i B B
j i
'
.
B
/
B
2
B
3

B
=
B
?
B
A
D
Probabilidad y Estadstica Resumen Terico
b&
k
i
i
S B
/

.
c&
( ) i B P
i
> ' 0
En otras palabras' cuando se efect#a el eperimento

' ocurre uno y slo

uno de los e$entos B
j
.
+ea A al"#n e$ento de S y sea B
1
' B
2
' B
3
'...'B
k
una particin de S. Por lo
tanto podemos escribir:
( ) ( ) ( )
k
B A B A B A A
2 /
$emos (ue todos los pares
j
B A

son mutuamente ecluyentes' por lo tanto podemos aplicar la propiedad aditi$a:
( ) ( ) ( ) ( )
k
B A P B A P B A P A P + + +
2 /
+in embar"o' cada t7rmino
( )
j
B A P
se puede escribir como
( )
j
j
B P
B
A
P
,
_

' y as obtenemos el teorema de la probabilidad Total:

( ) ( ) ( ) ( )
k
k
B P
B
A
P B P
B
A
P B P
B
A
P A P

,
_

+ +

,
_

,
_

2
2
/
/
Teorema de )a*es:
+ean B
1
' B
2
' B
3
'...'B
k
una particin de S y A un e$ento asociado a 7l.
Aplicando la definicin de probabilidad condicional' podemos escribir:
( )
( )

,
_

,
_

,
_

k
j
j
j
i
i
i
B P
B
A
P
B P
B
A
P
A
B
P
/
' con i 9 /' 2' 3....'E
Tambi7n se le llama frmula para la probabilidad de las *causas-. Puesto
(ue las B
i
son una particin del espacio muestral' uno y slo uno de los e$entos B
i
ocurre. Por lo tanto' la frmula anterior nos da la probabilidad de un B
i
particular
%esto es' una *causa-&' dado (ue el e$ento A ocurri.
F
Probabilidad y Estadstica Resumen Terico
Eventos Independientes: +abemos (ue si dos e$entos son
independientes' el (ue suceda uno no indica nada para el otro. Entonces
( ) ( ) A P
B
A
P y ( ) ( ) B P
A
B
P . Gay otro m7todo m;s f;cil' esto es:
( ) ( ) ( ) ( ) ( ) B P A P B P
B
A
P B A P
( ) ( ) ( ) ( ) ( ) B P A P A P
A
B
P B A P
Definicin: A y B son e$entos independientes si y slo si
( ) ( ) ( ) B P A P B A P
.
Definicin: 6ecimos (ue los tres e$entos A' B y C son mutuamente
independientes si y slo si todas las condiciones si"uientes se mantienen:
i &
( ) ( ) ( ) B P A P B A P
ii &
( ) ( ) ( ) C P A P C A P
iii &
( ) ( ) ( ) C P B P C B P
i$ &
( ) ( ) ( ) ( ) C P B P A P C B A P
Definicin: 8os n e$entos A
1
' A
2
' A
3
'...'A
n
son mutuamente independientes
si y slo si tenemos para cada E 9 2' 3' =.....n
( ) ( ) ( ) ( )
ik i i ik i i
A P A P A P A A A P
2 2 2 /

/0
Probabilidad y Estadstica Resumen Terico
+ariable Aleatoria
+ea un eperimento

y S el espacio muestral asociado a 7l. 5na funcin

X (ue a cada uno de los elementos S s ' un n#mero real ( ) S
X
' se llama variable
aleatoria.
El espacio
X
R ' es decir' el conjunto de todos los $alores posibles de X'
al"unas $eces es llamado recorrido.
Definicin: +ea

un eperimento y S su espacio muestral. +ea X una

$ariable aleatoria definida en S y sea
X
R su recorrido. +ea B un e$ento respecto a
X
R ' esto es'
X
R B . +upon"amos (ue A se define como:
{ } B X S s A
S

Es decir' A consta de todos los resultados en S para los cuales
B X
S

.
Entonces A y B son e$entos e(ui$alentes:
6efinicin: +ea B un e$ento en el recorrido
X
R ' entonces definimos
( ) B P
como si"ue:
( ) ( ) A P B P

{ } B X S s A
S

Es decir' la probabilidad de dos e$entos e(ui$alentes es la misma. 6e esta
manera' desde a(u podremos i"norar el espacio muestral S (ue dio lu"ar a esas
probabilidades.
S A B
X
R
+ S
X
//
Probabilidad y Estadstica Resumen Terico
+ariables Aleatorias Discretas
+ea X una $ariable aleatoria. +i el n#mero de $alores posibles de X ( )
X
R
es finita o infinita numerable' llamamos a X una $ariable aleatoria discreta. Esto
es' se pueden anotar los $alores posibles de X como X
1
' X
2
' X
3
'....'X
n
.
6efinicin: +ea X una $ariable aletoria discreta' con cada resultado posible
x
i
asociamos un n#mero
( ) [ ]
i i
x X P x p
' llamado probabilidad de x
i
.
Propiedades:
i &
( ) i x p
i
' 0
.
ii &
( )

/
/
i
i
x p
.
8a funcin p antes mencionada se llama funcin de probabilidad puntual de
la $ariable X.
( ) x p
H
H
/
H
2
H
3
H
=
H
n
+ea B un e$ento asociado con la $ariable aleatoria X. Esto es'
X
R B
{ } ( )
n
x x x B ' ' '
2 /
. Por lo tanto:
( ) [ ] B X S P B P
S

%puesto (ue son e(ui$alentes&
( ) [ ] n i x X S P B P
i S
' ' 3 ' 2 ' / I
( ) ( )

n
j
j
x p B P
/
Distribucin )inomial: +ea un eperimento

y un e$ento A asociado a
7l. +uponemos
( ) p A P
%por ende'
( ) p P / &. !onsideramos n repeticiones
/2
Probabilidad y Estadstica Resumen Terico
independientes de

. Por lo tanto' S consiste de las sucesiones posibles

{ }
n
a a a ' ' '
2 /

donde cada a
i
es A o ' se"#n ocurra A o en la i-7sima repeticin.
+upon"amos (ue
( ) p A P
es el mismo para todas las repeticiones y
definimos X 9 *n#mero de $eces (ue ocurri A-. 8lamamos a X una $ariable
aleatoria Binomial con par;metros n y p. 8as repeticiones indi$iduales de

se
llamar;n ensayos de Bernoull.
Teorema #1: +ea X una $ariable Binomial con base en n repeticiones.
Entonces:
[ ] ( )
k n
k
p p
k
n
k X P

,
_

/
Demostracin: !onsideremos (ue en las n repeticiones de

ocurre k
$eces A. As:




k n k
A AAAAAAA

+i
( ) p A P
y como todas las repeticiones son independientes' la
probabilidad de esta sucesin particular sera ( )
k n k
p p

/ . Pero como .ay

,
_

k
n

maneras de a"ruparlas:
/3
Probabilidad y Estadstica Resumen Terico
[ ] ( )
k n
k
p p
k
n
k X P

,
_

/
/=
Probabilidad y Estadstica Resumen Terico
+ariables Aleatorias 'ontinuas
+e dice (ue X es una $ariable aleatoria continua' si eiste una funcin f '
llamada funcin de densidad de probabilidad %fdp& de X' (ue satisface las
si"uientes condiciones:
i &
( ) X X f ' 0
.
ii &
( ) /

+

dx X f
.
iii & Para cual(uier a' b tal (ue + < < < b a ' tenemos
[ ] ( )

b
a
dx X f b X a P .

fdp

[ ] b X a P
a b
:o eisten' en este tipo de $ariables la probabilidad puntual del tipo
[ ]
0
x X P
' puesto (ue
[ ] ( )

0
0
0
0
x
x
dx X f x X P
.
+i X toma $alores en un inter$alo finito Ja' bK' establecemos
( ) [ ] b a X X f ' ' 0
.
Funcin de distribucin acumulada: +ea X una $ariable aleatoria'
discreta o continua. 6efinimos (ue F es la funcin de distribucin acumulati$a de
la $ariable aleatoria X %fda& como
( ) [ ] x X P X F
.
/?
Probabilidad y Estadstica Resumen Terico
Teorema #!:
+i X es una $ariable aleatoria discreta:
( ) ( )

j
j
x p X F

X x j
j
<
+i X es una $ariable aleatoria continua:
( ) ( )

X
ds s f X F
Teorema #":
a- 8a funcin F es no decreciente. Esto es si
2 /
x x ' tenemos
( ) ( )
2 /
x F x F .
b-
( ) 0 lim

X F
x
y
( ) / lim
+
X F
x
%A menudo se escribe como
( ) 0 F
y
( ) / + F
&.
Demostracin:
a- 6efinimos los e$entos A y B como si"ue: { }
/
x x A y
{ }
2
x x B . Entonces' puesto (ue
2 /
x x ' tenemos B A y
por el teorema /.?'
( ) ( ) B P A P
.
b- Para el caso continuo:
i. ( ) ( ) 0 lim

X
x
ds s f F
.
ii.
( ) ( ) / lim +

+
x
x
ds s f F
.
Teorema ##:
/A
Probabilidad y Estadstica Resumen Terico
a- +ea F la fda de una $ariable aleatoria continua con fdp f. 8ue"o'
( )
( )
dx
x dF
x f para toda X en la cual F es diferenciable.
b- +ea X una $ariable aleatoria discreta con $alores posibles ' '
2 /
x x
y supon"amos (ue es posible rotular esos $alores de modo (ue
< <
2 /
x x . +ea F la fda de X. Entonces:
( ) [ ] ( ) ( )
/

j j j j
x F x F x X P x p
.
Demostracin:
a- ( ) ( ) ( )ds s f x X P x F
x

. As' aplicando el teorema
fundamental del c;lculo tenemos (ue
( ) ( ) x f x F
.
b- Puesto (ue supusimos < <
2 /
x x ' tenemos:
( ) [ ]
/ 2 /
x X x X x X x X P x F
j j j j




( ) ( ) ( ) ( )
/ 2 /
x P x P x P x P
j j j
+ + +

( ) [ ]
/ 2 / /
x X x X x X P x F
j j j




( ) ( ) ( )
/ 2 /
x P x P x P
j j
+ +

Por lo tanto'
( ) ( ) [ ] ( )
j j j j
x p x X P x F x F
/ .
+ariables aleatorias distribuidas uniformemente: +upon"amos (ue X
es una $ariable aleatoria continua (ue toma todos los $alores en el inter$alo Ja'bK'
donde a y b son finitos. +i la fdp de X est; dada por:
( )
a b
x f

/
' b x a .
( )
2
b a
x E
+

'esperan,a
( ) 0 x f
' en caso contrario. ( )
( )
/2
2
a b
x V

' $arian,a
/C
Probabilidad y Estadstica Resumen Terico
6ecimos (ue X esta distribuida uniformemente en el inter$alo Ja' bK.
/D
Probabilidad y Estadstica Resumen Terico
+alor esperado de una variable aleatoria
+ea X una $ariable aleatoria discreta con $alores posibles n
x x x ' ' '
2 /

y
sea
( ) [ ]
j j
x X P x p
con i 9 /' 2' 3'...'n. Entonces el $alor esperado de X %o
esperan,a matem;tica de X& (ue se anota
( ) x E
y se define como:
( ) ( )

n
i
i i
x p x x E
/
+i la serie con$er"e absolutamente. Este n#mero tambi7n se desi"na como
$alor promedio de X. !onsideramos una $ariable aleatoria y sean
n
x x x ' ' '
2 /


los resultado obtenido en las n repeticiones de

I y sea X el promedio
aritm7tico de esos n n#merosI si n es suficientemente "rande' X estar; cerca de
( ) x E
.
Teorema ,1: +ea
( ) p n B X ' L
' entonces
( ) np x E
.
Demostracin: Puesto (ue
[ ] ( )
k n
k
p p
k
n
k X P

,
_

/
Tenemos:
( )
( )
( )

n
k
k n k
p p
k n k
n
k x E
0
/
@ @
@
( )
( ) ( )
( )

n
k
k n k
p p
k n k
n
x E
/
/
@ @ /
@
%ya (ue con k 9 0 se .ace cero&.
+ea / k S en la suma anterior. !omo k toma $alores de / a n' S toma
$alores de 0 a
( ) / n
.+ustituyendo k por
( ) / + S
tenemos:
/F
Probabilidad y Estadstica Resumen Terico
8a suma de la #ltima epresin es simplemente la suma de probabilidades
binomiales con n sustituida por
( ) / n
. Por lo tanto es i"ual a uno.
Definicin: +ea X una $ariable aleatoria continua con fdp f. El $alor
esperado de X se define como:
( ) ( )

+

dx x xf x E
Puede suceder (ue la inte"ral impropia no con$erja. Por lo tanto decimos
(ue
( ) x E
eiste si y solo si:
( )dx x f x

+

' es finita
Teorema ,!: +upon"amos
[ ] b a X ' L
entonces:
( )
2
b a
x E
+

Demostracin: 8a fdp de X est; dada por

( )
a b
x f

/
' b x a por lo
tanto:
( )
2 2
/
2
b a x
a b
dx
a b
x
x E
b
a
b
a
+

Propiedades de la Esperan-a
i & +i C X ' donde C es una constante'
entonces
( ) C X E
.
Demostracin:
( ) ( ) ( )

+

+

C dx x f C dx x Cf x E
( )

/
0
n
s
x E
n n-1 p
s1
!1-p"
n-s-1
# np

/
0
n
s
n-1 p
s
!1-p"
n-s-1
s s
( ) x F

( ) / x F

C X
20
Probabilidad y Estadstica Resumen Terico
ii & +ea C una constante y H una $ariable aleatoria entonces
( ) ( ) x CE Cx E
.
Demostracin:
( ) ( ) ( ) ( )

+

+

x CE dx x xf C dx x Cxf Cx E
iii & +ean X e $ dos $ariables aleatorias' entonces
( ) ( ) ( ) $ E X E $ X E + +

o dic.o m;s "eneralmente' sean las $ariables aleatorias n
X X X X X ' ' ' ' '
= 3 2 /


entonces:
( ) ( ) ( ) ( ) ( ) ( )
n n
X E X E X E X E X E X X X X X E + + + + +
= 3 2 / = 3 2 /
' ' ' ' '
.a +arian-a de una variable aleatoria
+ea X una $ariable aleatoria. 6efinimos la $arian,a de X' (ue se denota con
( ) x V
o con ( ) x
2
como si"ue:
( ) ( ) [ ]
2
x E x E x V
8a Ra, cuadrada positi$a de
( ) x V
se llama des$iacin est;ndar de X y se
desi"na con
( ) x
.
Teorema ,$:
( ) ( ) ( ) [ ]
2 2
x E x E x V
Demostracin:
( ) ( ) [ ]
2
x E x E x V
( ) ( ) [ ] { }
2 2
2 x E x xE x E +
( ) ( ) ( ) ( ) [ ]
2 2
2 x E x E x E x E +
( ) ( ) [ ]
2 2
x E x E
2/
Probabilidad y Estadstica Resumen Terico
Propiedades de .a +arian-a
i & +i C es una constante' entonces
( ) ( ) x V C x V +
.
Demostracin:
( ) ( ) ( ) [ ] ( ) [ ] ( ) [ ] ( ) x V x E x E C x E C x E C x E C x E C x V + + + +
2 2 2
ii & & +i C es una constante' entonces ( ) ( ) x V C Cx V
2
.
Demostracin:
( ) ( ) ( ) [ ] ( ) ( ) [ ] ( ) ( ) [ ] [ ] ( ) x V C x E x E C x E C x E C Cx E Cx E Cx V
2 2 2 2 2 2 2 2 2 2

iii & +ea X una $ariable aleatoria con $arian,a finita. 8ue"o' para cual(uier
n#mero real

.
( ) ( ) ( ) [ ]
2 2
x E x E x V
Distribucin de Poisson:
[ ]
@ x
%
x X P
x

' donde T y $eces (ue ocurre.
T 5nidad de tiempo.
Teorema /1: +i
( ) L X
%si X tiene aproimadamente una
distribucin de Poisson %
( )
&.&' entonces:
( ) ( ) x V x E
Demostracin:
( )
( )

/ 0
@ / @
k
k
k
k
k
%
k
k%
x E


' si s 9 k &/ tenemos
( )

+

/ 0
/
@ @
s
s
s
s
s
%
s
%
x E

.
6el mismo modo:
22
Probabilidad y Estadstica Resumen Terico
( )
( )

/ 0
2
2
@ / @
k
k
k
k
k
k%
k
% k
x E


' si s 9 k &/ tenemos
( )
( )
( )

+
+
+

0 0 0
/
2
@ @ @
/
s
s
x E
s
s
s
s
s
%
s
s%
s
% s
x E

( ) ( ) ( ) ( ) [ ] + + +
2 2 2 2 2 2
/ x E x E x V x E .
Aproximacin de la )inomial por Poisson:
+ea X una $ariable aleatoria discreta distribuida binomialmente con
par;metros n y p. +i
n
entonces la $ariable X tiene un comportamiento de
Poisson.
( ) ( ) np x E p n B X ' L

np

( ) ( ) x E X L
Demostracin: +i ( ) p n B X ' L ' entonces:
[ ] ( )
x n
x
p p
x
n
x X P

,
_

/
!omo
n
p np


( )
( )
( )
( )
( )( )

,
_

,
_

,
_

,
_

,
_

x n
x
x
x n x
n n n x n x n
n n
x
n n n x x n
n n
x f


/ /
/
/ /
/ /
@
/ /
@ @
/ /

A.ora' si
n
y .acemos c;lculos auiliares:
A &
( )
( )( )
/
/
/ /
/ /

x
n
n x n x n
n n
'()

23
Probabilidad y Estadstica Resumen Terico
B & / /
,
_

x
n
n
'()

! &
( )

,
_

,
_

+
,
_

n
n
n
n
n
n n
'()
n
'()
n
'()
/
/
/
/ /

'

,
_

'

1
1
1
1
]
1

,
_

+ %
n
'()
n
'()
%
n
n
n
n

/
/
/
/
Muntando los puntos A' B y ! Tenemos: ( )
@ x
%
x f
x

Distribucin 0eom&trica
Repetimos el eperimento de Bernoulli .asta (ue el e$ento A ocurra por
primera $e,:
[ ] ( ) ( ) p p * p p x X P
k k


/ ' /
/ /
( )
p
x E
/

( )
2
p
+
x V
Distribucin 1iper2eom&trica
Repetimos el eperimento de Bernoulli .asta (ue el e$ento A ocurra un
n#mero de $eces dado. +upon"amos un lote de , objetos' de los cuales r son de
una clase/ y
( ) r ,
son de la clase2.
A.ora esco"emos n de esos artculos al a,ar
( ) , n
sin reposicin. +ea X
9 1*:#mero de artculos de la clase/-4. Puesto (ue X 9 k si y slo si obtendremos
k artculos de la clase/ %6e los r eistentes& y
( ) k n
de la clase2 %de los , r
eistentes& tenemos:

r : - r
PJH 9 EK 9 E n - E
:
n
2=
Probabilidad y Estadstica Resumen Terico
Teorema /3: +ea X una $ariable Giper"eom7trica y sean
,
r
p
y
p + /
tenemos:
( ) np x E

( )
/

,
n ,
np+ x V
Para , "rande'
[ ] ( )
k n
k
p p
k
n
k X P

,
_

/
N4TA: Si el problema es con sustitucin vale la Binomial; pero si es sin
sustitucin vale la Hipergeomtrica.
Distribucin Normal
5na $ariable aleatoria X (ue toma todos los $alores reales tiene
distribucin :ormal Naussiana si su fdp es de la si"uiente forma:
( )

,
_

1
]
1

2
2
/
2
/

x
% x f
( )
2
' L , X
con la condicin de (ue 0 >
Propiedades:
i &
( ) /

+

dx x f
ii &
( ) x E
2?
Probabilidad y Estadstica Resumen Terico
iii & ( )
2
x V
i$ & la "r;fica es sim7trica respecto de

$ & +i
( ) / ' 0 L , X
decimos (ue X tiene una distribucin :ormal Tipificada
y se escribe as:
( )
2
2
2
/
x
% x

8a $entaja de esta #ltima es (ue se encuentra tabulada:

[ ]



b
a
x
dx % b x a P
2
2
2
/

!omo la inte"ral no puede resol$erse por el teorema fundamental del

c;lculo %ya (ue no .ay funcin (ue deri$ada sea i"ual a
2
2
x
%

& usamos los

m7todos de inte"racin num7rica para e$aluar dic.a inte"ral %
[ ] s X P
.a sido
tabulada &. Esta fda se denota con : es decir:
( )

s
x
dx % s
2
2
2
/

Por lo tanto' si ( )
2
' L , X entonces
( )

X
- tiene una distribucin
( ) / ' 0 ,
' as:
( )
,
_

,
_

,
_

a b b
-
a
P b X a P
Distribucin exponencial
+e dice (ue una $ariable aleatoria continua X (ue toma todos los $alores no
ne"ati$os tiene una distribucin eponencial con par;metros 0 > si su fdp est;
dada por:

x
%

si x O 0
2A
Probabilidad y Estadstica Resumen Terico
( ) x f
0 si 0 x
Propiedades:
i & ( ) [ ] 0 I /
0

x % dT % x X P x F
x
x
T

ii &
( )

0
dx x% x E
x

%inte"rando por partes

x .
I dx % d/
x

&

( )

/
0
+

dx % x% x E
x x
iii & Bnte"rando encontramos (ue
( )
2
2
2

x E
y por lo tanto:
( ) ( ) ( ) [ ]
2
2 2
/

x E x E x V
i$ & Para cual(uier s tomamos un T O 0 y .acemos:
( )
( )
( )
( ) T X P %
%
%
s x P
T s x P
s x
T s x
P
T
s
T s
>
>
+ >

,
_

>
+ >

As $emos (ue esta distribucin *no tiene memoria-.

.e* de los 2randes N5meros
+ea

un eperimento de Bernoulli y A un e$ento asociado a 7l.

!onsiderando n repeticiones independientes de

I sea n
A
el n#mero de $eces (ue
ocurre el e$ento A en las n repeticiones y sea
n
n
f
A
A
. +ea
( ) A P p
i"ual en las
n repeticiones' entonces:
i &
[ ]
( )
2
/
n%
p p
p f P
A


donde

es cual(uier n#mero mayor (ue 0

en forma e(ui$alente:
ii &
[ ]
( )
2
/
/
n%
p p
p f P
A

<
2C
Probabilidad y Estadstica Resumen Terico
Demostracin: +ea n
A
el n#mero de $eces (ue ocurre A' 7sta es una
$ariable aleatoria Binomial. Entonces ( ) np n E
A
y ( ) ( ) p np n V
A
/ . !omo
n
n
f
A
A
' entonces ( ) p f E
A
y ( )
( )
n
p p
f V
A

/
.
Aplicando la desi"ualdad de !.ebysc.e$ o f
A
tenemos:
( )
2
/
/
/
k n
p p
k p f P
A

1
]
1

<
+ea
( )
n
p p
k

/
. 8ue"o
( ) p p
n
k

/
2
2

.
desi2ualdad de '6eb*sc6ev
+ea X una $ariable aleatoria con
( ) x E
y sea 0 un n#mero real
cual(uiera. Entonces' si ( )
2
0 x E es finita y

es cual(uier n#mero positi$o'

tenemos:
[ ] ( )
2
2
/
0 x E 0 X P

i & Al considerar el complemento tenemos

[ ] ( )
2
2
/
/ 0 x E 0 X P > <

ii & +i ele"imos
0
tenemos
[ ]
( )
2

x V
X P
iii & Al ele"ir
0
y k %si ( )
2
x V &
[ ]
2
/
k
k X P
2D
Probabilidad y Estadstica Resumen Terico
Demostracin: !onsideremos
[ ] ( )

0 x x
dx x f 0 X P
es decir' estamos entre y
0
I y
entre + 0 y + .
A.ora'
0 x
e(ui$alente a
( )
/
2
2

0 x
y por lo tanto la inte"ral
anterior es
( )
( )

R
dx x f
0 x
2
2

donde
{ } 0 x x R
.
Esta inte"ral a su $e, es:
( )
( )

dx x f
0 x
2
2

8o (ue es i"ual a
( )
2
2
/
0 x E

(ue es lo (ue busc;bamos

Aproximacin Normal a la )inomial
+i ( ) p n B X ' L y si
( ) p np
np X
$

/
lue"o' para una n "rande' $ tiene
aproimadamente una distribucin
( ) / ' 0 ,
. Esto es para n 1 /0 si p est; cerca de
0'?.
!omo estamos pasando de una $ariable discreta a una continua .abr; (ue
usar la correccin por continuidad:
i &
[ ] [ ] ? ' 0 ? ' 0 + k X k P k X P
ii &
[ ] [ ] ? ' 0 ? ' 0 + b X a P b X a P
2F
Probabilidad y Estadstica Resumen Terico
Teorema del .7mite 'entral
Recordamos (ue una ( ) p n B X ' L se puede representar como la suma de
las $ariables:
X
i
9 / si A ocurre en la i-7sima repeticin
9 0 en caso contrario
Por lo tanto

n
i
i
x X
/
. Pa demostramos (ue
( ) np x E
y
( ) ( ) p np x V /
'y adem;s si n es "rande
( ) p np
np X

/
tiene distribucin :ormal
( ) / ' 0 ,
.
Definicin: +ea n
X X X X X ' ' ' ' '
= 3 2 /

una sucesin de $ariables
aleatorias independientes con
( )
i i
x E
y ( )
2
i i
x V con i 9 /' 2' 3'...'n. +ea
n
X X X X X + + + +
3 2 / ' entonces:

n
i
i
n
i
i
X
-
/
2
/

%uestras Aleatorias
Tenemos (ue considerar una poblacin de tamaQo ,' pero como toda la
poblacin no se puede tomar' .ay (ue ele"ir muestrasI todas las posibles de
tamaQo n' donde , n .
+i a.ora desi"namos las , objetos %/' 2' 3'...',& y tenemos X
i
*Ralor
poblacional del i-7simo objeto- i 9 /' 2' 3'...'n.
30
Probabilidad y Estadstica Resumen Terico
8a distribucin de las $ariables n
X X X X X ' ' ' ' '
= 3 2 /

depende de cmo
esco"imos los n objetos.
+i el muestreo es con sustitucin' esco"iendo cada $e, un objeto al a,ar' las
$ariables son independientes e id7nticamente distribuidas. As' para cada X
i
tenemos:
[ ]
,
j x P
i
/

con
, j ...' = ' 3 ' 2 ' /
+i el muestreo es sin sustitucin las $ariables X
i
ya no son independientes.
Entonces:
[ ]
( ) ( ) / /
/
' ' ' '
3 3 2 2 / /
+

n , , ,
j x j x j x j x P
n n

donde n
j j
/ son n $alores cuales(uiera de
, ' ' /
.
Definicin: +ean n
X X X X X ' ' ' ' '
= 3 2 /

$ariables aleatorias
independientes con las misma distribucin de X I llamaremos entonces a
( )
n
X X X X X ' ' ' ' '
= 3 2 /

muestra aleatoria de X.
Estad7sticos: +ean n
X X X X X ' ' ' ' '
= 3 2 /

una muestra aleatoria de X y
n
x x x x x ' ' ' ' '
= 3 2 /

los $alores tomados por la muestra. +ea 2 una funcin
definida para
n
x x x x x ' ' ' ' '
= 3 2 /

. 6efinimos
( )
n
x x x x x 2 $ ' ' ' ' '
= 3 2 /


como un estadstico (ue toma $alor
( )
n
x x x x x 2 3 ' ' ' ' '
= 3 2 /

. En palabras' un
estadstico es una funcin real de la muestra.
Estad7sticos Importantes: +ea
( )
n
X X X X X ' ' ' ' '
= 3 2 /

una muestra:
i &

n
i
i
x
n
X
/
/
se llama Pr4)%di4 5.%s6ra'.
ii &
( )

n
i
i
X X
n
S
/
2 2
/
/
se llama Varian-a 5.%s6ra'.
iii &
( )
n
X X X X X )(n K ' ' ' ' '
= 3 2 /

se llama 5(ni)4 5.%s6ra' %Es el
mnimo obser$ado&.
3/
Probabilidad y Estadstica Resumen Terico
i$ &
( )
n
X X X X X )7x 5 ' ' ' ' '
= 3 2 /

se llama 57xi)4 5.%s6ra' %Es el
m;imo obser$ado&.
$ & K 5 R se llama R%04rrid4 5.%s6ra'.
$i &
j
n
x j-7sima obser$acin mayor en la muestra'
n j ' ' /
%tenemos
5 X
n

/
y K X
n
n
&.
Teorema 1"1: +ea X una $ariable aleatoria con
( ) x E
y $arian,a
( )
2
x V . +ea X el promedio muestral de una muestra aleatoria de tamaQo n.
Entonces:
i &
( ) X E
.
ii & ( )
n
X V
2

.
iii & Para n "rande'
( )
n
X

tiene aproimadamente la distribucin
( ) / ' 0 ,
.
Demostracin:
i &
( ) ( )



,
_

n
i
i
n
i
i
n
n
x E
n
x
n
E X E
/ /
/ / /

.
ii &
( ) ( )



,
_

n
i
i
n
i
i
n
n
n
x V
n
x
n
V X V
/
2
2
2 2
/
2
/ / /

Teorema 1"!: +ea X una $ariable aleatoria continua con fdp f y fda F.
+ea n
X X X X X ' ' ' ' '
= 3 2 /

una muestra aleatoria de X y sean K y 5 en mnimo
y el m;imo respecti$amente. 8ue"o:
i & la fdp de 5 es: ( ) ( ) [ ] ( ) ) f ) F n ) 8
n /
.
ii & la fdp de K es: ( ) ( ) [ ] ( ) k f k F n k 9
n /
.
32
Probabilidad y Estadstica Resumen Terico
Demostracin: +ea
( ) ( ) ) 5 P ) :
la fda de 5I a.ora
{ } ) 5
es
e(ui$alente al e$ento 1
) X
i

' para toda i4. Por lo tanto' puesto (ue X
i
son
independientes encontramos:
( ) [ ] ( ) [ ]
n
n
) F ) X ) X P ) :
/
Por ende
( ) ( ) ( ) [ ] ( ) ) f ) F n ) : ) 8
n /

N4TA: Demostracin anloga para K.
Estimacin de par8metros: +i sabemos (ue
( ) p X P /
y (ue
( ) p X P / 0
S!mo calculamos pT 5sando al"unos criterios:
Definicin: +ea X una $ariable con par;metro desconocido

. +ea
n
X X X X X ' ' ' ' '
= 3 2 /

una muestra de X y n
x x x x x ' ' ' ' '
= 3 2 /

los $alores
correspondientes. +i
( )
n
X X X X X 8 ' ' ' ' '
= 3 2 /

es una funcin de la mestra (ue
se utili,ar; para estimar

' nos referimos a 8 como un estimador de

. El $alor
(ue toma 8 se conoce como estimado de

. El $alor (ue toma 8 se conoce como

estimado de

y se denota

U
.
Estimador Inses2ado: +ea

U
un estimado del par;metro

asociado con
X. Entonces

U
es un estimador inses"ado para

si
( )
U
E para toda

.
Bnter$alo de !onfian,a: +abemos (ue X tiene distribucin ( )
2
' , '
donde
2
se supone conocida y

es el par;metro desconocido. +ea

n
X X X X X ' ' ' ' '
= 3 2 /

una muestra aleatoria de X y X el promedio puntual.
+abemos (ue ( )
n
, X
2
' L

. Por lo tanto
n
X
-
1
]
1

tiene distribucin
( ) / ' 0 ,
. Aun(ue - depende de

' si fdp no' entonces:

33
Probabilidad y Estadstica Resumen Terico
( )

,
_

1
]
1

-
X
- P -

/ 2

,
_

+ X
n
-
X
n
-
P

,
_

+
n
-
X
n
-
X P

Esto no si"nifica (ue

cae en el inter$alo
( ) / 2 -
I sino (ue
( ) / 2 -
es i"ual a la probabilidad (ue el inter$alo aleatorio

,
_

+
n
-
X
n
-
X

'
conten"a a

. !omo - (ueda a nuestro criterio podemos ele"irlo de modo (ue

( ) / / 2 -
. As
( )
2
/

-
ese $alor de -' denotado con
2
/

K
se
obtiene de la tabla. Es decir tenemos
2
/
2
/

,
_

K

( ) -

2 /
k -
Resumiendo: el inter$alo

,
_

+
n
-
X
n
-
X

'
es un inter$alo de confian,a
para el par;metro

con coeficiente de confian,a

( ) /
' un
( ) V /00 /
el
inter$alo de confian,a.
Ejemplo:
3=
Probabilidad y Estadstica Resumen Terico
( ) V F? V /00 /

F? ' 0 /

0? ' 0
3?