- 1
DISTRIBUCIN BINOMIAL:
n
x
. px . (1 p)n-x,
MEDIA:
x = E(X) = n.p
VARIANZA:
= VAR(X) = n.p.(1 p)
x = 0, 1,....., n
x = E(X) = r / p
VARIANZA:
= V(X) = r.(1 - p) / p
(1 p)x-1 . p,
MEDIA:
x = E(X) = 1 / p
VARIANZA:
= V(X) = (1 - p) / p
x = 1, 2, ....
DISTRIBUCIN HIPERGEOMTRICA
MEDIA:
x = E(X) = n.p
VARIANZA:
DISTRIBUCIN POISSON:
PROCESO POISSON:
Dado un intervalo de nmeros reales, suponga que el
conteo de ocurrencias es aleatorio en dicho intervalo.
Si ste
puede
dividirse en subintervalos
suficientemente pequeos, tales que:
x = E(X) =
VARIANZA:
= V(X) =
axb
x = E(X) = (a + b) / 2
VARIANZA:
= V(X) = (b a) / 12
E(X) =
VARIANZA:
V(X) =
Estandarizacin de X
Es de manera aproximada,
una variable aleatoria
Normal Estndar
DISTRIBUCIN EXPONENCIAL
La variable aleatoria X que es igual a la distancia
entre ocurrencias sucesivas de un proceso
Poisson, con media > 0, tiene una Distribucin
Exponencial con parmetro .
La funcin de densidad de probabilidad de X:
-x
fx (x; ) = e
, para 0 x
Media:
E(X) = 1 /
Varianza: V(X) = 1 /
DISTRIBUCIN EXPONENCIAL
DISTRIBUCIN WEIBULL
Se dice que una variable aleatoria X tiene una
distribucin Weibull con parmetros y ( > 0,
> 0), si la funcin de densidad de probabilidad
es:
-1
- (x/)
x
e
x0
f(x; , ) =
x<0
DISTRIBUCIN BETA
Se dice que una variable aleatoria X posee una
distribucin Beta si su funcin de densidad de
probabilidad est dada por:
f(x; , ) =
( + )
() ()
0
-1
-1
x
(1 x)
0<x<1
, >0