Académique Documents
Professionnel Documents
Culture Documents
Departamento de Estadı́stica
Universidad Carlos III de Madrid
1. Distribuciones discretas
Aquellas que están asociadas a variables aleatorias discretas.
1
Distribución Binomial, B(n, p). Una variable aleatoria X sigue distri-
bución Binomial de parámetros n ∈ N y p ∈ (0, 1) y se denota X ∼ B(n, p)
si describe el número de éxitos en n realizaciones independientes de un ex-
perimento que tiene probabilidad de éxito p (probabilidad de fracaso 1 − p).
Puede tomar cualquier valor en {0, 1, . . . , n}.
Si k ∈ {0, 1, . . . , n}, se cumple
n k
P (X = k) = p (1 − p)n−k ;
k
P (X = k) = (1 − p)k−1 p ;
1 1−p
E[X] = ; var[X] = .
p p2
2
fracaso 1 − p). Puede tomar cualquier valor entero mayor o igual que cero,
{0, 1, 2, . . .}.
Si k ∈ {0, 1, 2, . . .}, se cumple
r+k−1 r
P (X = k) = p (1 − p)k ;
r−1
r(1 − p) r(1 − p)
E[X] = ; var[X] = .
p p2
3
2. Distribuciones continuas
Aquellas que están asociadas a variables aleatorias continuas.
a+b (b − a)2
E[X] = ; var[X] = .
2 12
1 1
E[X] = ; var[X] = .
λ λ2
4
2.2. Distribución Normal
Distribución Normal, N(µ, σ). Una variable aleatoria X sigue distribu-
ción normal de media µ y desviación tı́pica σ y se denota X ∼ N(µ, σ) si
toma valores en toda la recta real, según la siguiente función de densidad,
1 (x−µ)2
fX (x) = √ e− 2σ2 .
σ 2π
No podemos dar de forma explı́cita ninguna primitiva de esta función, por
lo
R x tanto la función de distribución sólo podemos describirla como FX (x) =
−∞ X
f (t)dt.
E[X] = µ ; var[X] = σ 2 .
Llamamos normal tipificada o estándar a la normal de media 0 y desvia-
ción tı́pica 1, N(0, 1).
5
Corrección por continuidad. Si aplicamos el Teorema Central del Lı́mite
a variables aleatorias discretas con valores enteros, mientras que X1 + X2 +
. . . + Xn es discreta (y toma valores enteros), la normal es continua. Ası́,
para aproximar la probabilidad de X1 + X2 + . . . + Xn ≤ a donde a ∈ N,
calculamos FN(nµ,σ√n) (a + 1/2).
6
Distribución F de Fisher-Snedecor, Fn1 ,n2 . Si X e Y son dos variables
aleatorias independientes, de tal modo que X sigue una distribución chi-
cuadrado con n1 grados de libertad e Y sigue distribución chi-cuadrado con
n2 grados de libertad, entonces
X/n1
Z=
Y /n2