Professional Documents
Culture Documents
(N+1)(2N+1)
(c) E(X 2 ) = 6
N 2 1
(d) V ar(X) = 12
A.6.2. Bernoulli
Definicin: Se dice que X variable aleatoria discreta tiene distribucin
Bernoulli con parmetro p (0, 1), se denota X Bnlli(p) X Ber(p)
X Bernoulli(p), si su funcin de densidad de probabilidad est dada por
1 p si x = 0
fX (x) = P (X = x) = p si x = 1 = px (1 p)1x I{0,1} (x)
0 e.o.c
A.6.3. Binomial
Supngase que se tienen n ensayos Bernoulli independientes cada uno con la
misma probabilidad de xito p (0, 1). Sea X el nmero de xitos en n ensayos
Bernoulli independientes. Ntese que
n x
P (X = x) = p (1 p)nx
x
94
Introduccin a la Estadstica Jaime Vzquez Alamilla
n x
PROPOSICIN: fX (x) = x p (1 p)
nx
es creciente si x < (n + 1)p y
es decreciente si x > (n + 1)p.
A.6.4. Poisson
Definicin: Se dice que X variable aleatoria discreta tiene distribucin Pois-
son con parmetro > 0, se denota X P oisson(), si su funcin de densidad
de probabilidad est dada por
e x
fX (x) = P(X = x) = I (x)
x! {0,1,2,...}
PROPOSICIN: Si X P oisson(), entonces:
(a) fX es efectivamente funcin de densidad
t
(b) mX (t) = e(1e )
(c) E(X) =
(d) E(X 2 ) = ( + 1)
(e) V ar(X) =
95
Introduccin a la Estadstica Jaime Vzquez Alamilla
A.6.5. Geomtrica
Supngase que se tiene una sucesin infinita de ensayos Bernoulli independi-
entes, en donde la probabilidad de xito de todos ellos es igual a p (0, 1). Sea
X el nmero de fracasos antes del primer xito. Entonces P(X = x) = (1 p)x p.
1p
(c) E(X) = p
1p 2(1p)2
(d) E(X 2 ) = p + p2
1p
(e) V ar(X) = p2
r(1p)
(c) E(X) = p
r(1p)
(d) V ar(X) = p2
96
Introduccin a la Estadstica Jaime Vzquez Alamilla
A.6.7. Hipergeomtrica
Definicin: Se dice que X variable aleatoria discreta tiene distribucin
hipergeomtrica con parmetros n, N, r N, se denota X HiperGeo(n, N, r),
si su funcin de densidad de probabilidad est dada por
r Nr
x
fX (x) = P(X = x) = Nnx
I{0,1,...,min{n,r}} (x)
n
A.6.8. Logartmica
Definicin: Se dice que X variable aleatoria discreta tiene distribucin loga-
rtmica con parmetro p (0, 1), se denota X Lg(p), si su funcin de densidad
de probabilidad est dada por
1 px
fX (x) = P(X = x) = I (x)
log(1 p) x {1,2,...}
ap 1
(c) E(X) = log(1p) ,
donde a := log(1p)
97
Introduccin a la Estadstica Jaime Vzquez Alamilla
a2 +ab+b2
(d) E2 (X) = 3
(ba)2
(e) V ar(X) = 12
A.6.10. Exponencial
Definicin: Se dice que X variable aleatoria continua tiene distribucin
exponencial con parmetro R+ , se denota X exp(), si su funcin de
densidad de probabilidad est dada por
()
(iv) 0
x1 ex dx = x
98
Introduccin a la Estadstica Jaime Vzquez Alamilla
n
(v) Forma asinttica de Stirling (n + 1) 2nnn en , en particular
n
n! 2nnn en
(vi) (2) = (1) = 0 ex dx = 1
Definicin: Se dice que X variable aleatoria continua tiene distribucin
gamma con parmetros r > 0 y > 0, se denota X Gamma(r, ), si su
funcin de densidad est dada por
r r1 x
fX (x) = x e I(0,) (x)
(r)
PROPOSICIN: Si X Gamma(r, ), entonces:
(a) fX es efectivamente funcin de densidad
r
(b) mX (t) = t si t <
r
(c) E(X) =
r(r+1)
(d) E(X 2 ) = 2
r
(e) V ar(X) = 2
A.6.12. Ji-cuadrada
Definicin: Se dice que X variable aleatoria continua tiene distribucin Ji-
cuadrada con k grados de libertad si X Gamma(k/2, 1/2), se denota X
2(k) , i.e. si su funcin de densidad est dada por
( 12 )k/2 k 1 x/2
fX (x) = x2 e I(0,) (x)
(k/2)
PROPOSICIN: Si X 2(k) , entonces:
(c) E(X) = k
(d) E(X 2 ) = k(k + 2)
(e) V ar(X) = 2k
99
Introduccin a la Estadstica Jaime Vzquez Alamilla
(+1)
(c) E(X 2 ) = (++1)(+)
(d) V ar(X) = (+)2 (++1)
(+r)(+)
(e) E(X r ) = ()(++r)
A.6.14. Normal
Definicin: Se dice que X variable aleatoria continua tiene distribucin
normal con parmetros R y 2 > 0, se denota X N (, 2 ), si su funcin
de densidad est dada por
1 1
fX (x) = exp 2 (x )2 IR (x)
2 2 2
PROPOSICIN: Si X N (, 2 ), entonces:
(a) fX es efectivamente funcin de densidad
(b) E(X) =
(c) E(X 2 ) = 2 + 2
(d) V ar(X) = 2
(e) mX (t) = exp t + 12 t2 2
100
Introduccin a la Estadstica Jaime Vzquez Alamilla
A.6.15. t de Student
Definicin: Se dice que X variable aleatoria continua tiene distribucin t
de Student con k grados de libertad, se denota X N (, 2 ), si su funcin de
densidad est dada por
( k+1
2 ) 1 1
fX (x) = k+1 IR (x)
k
( 2 ) k 1 + x2 2
k
A.6.16. F de Fisher
Definicin: Se dice que X variable aleatoria continua tiene distribucin F
de Fisher con parmetros m, n > 0, se denota X F (m, n), si su funcin de
densidad est dada por
( m+n m
m/2 m2
2 ) x 2
fX (x) = m+n IR (x)
( m n
2 )( 2 ) n 1 + (m
n )x
2
A.6.17. Log-normal
Definicin: Se dice que X variable aleatoria continua tiene distribucin log-
normal con parmetros R y 2 R+ , se denota X LgN (, 2 ), si su
funcin de densidad est dada por
2
1 1 log(x)
fX (x) = exp I(0,) (x)
x 2 2 2
A.6.18. Logstica
Definicin: Se dice que X variable aleatoria continua tiene distribucin
logstica con parmetros R y R+ , se denota X Logistic(, ), si su
funcin de densidad est dada por
e(x)/
fX (x) = IR (x)
(e(x)/ )2
101
Introduccin a la Estadstica Jaime Vzquez Alamilla
2
(d) V ar(X) = 3
A.6.19. Log-logstica
Definicin: Se dice que X variable aleatoria continua tiene distribucin log-
logstica con parmetros , R+ , se denota X log Logistic(, ), si su
funcin de densidad est dada por
(t)1
fX (x) = I (x)
(1 + (t) )2 (0,)
102
Introduccin a la Estadstica Jaime Vzquez Alamilla
2
(d) V ar(X) = (1+k)2 (1+2k) , >2
103
Introduccin a la Estadstica Jaime Vzquez Alamilla
A.6.22. Gompertz
La siguiente distribucin la propuso Benjamin Gompertz para ajustar tablas
de mortalidad.
A.6.23. Makeham
Definicin: Se dice que X variable aleatoria continua tiene distribucin
Makeham con parmetros a, b, c R+ , se denota X Mak(a, b, c), si su funcin
de densidad est dada por
cx b cx
fX (x) = (a + be )exp ax (e 1) I(0,) (x)
c
104
Introduccin a la Estadstica Jaime Vzquez Alamilla
A.6.25. Gumbel
Definicin: Se dice que X variable aleatoria continua tiene distribucin
Gumbel con parmetros R, > 0, se denota X Gum(, ), si su funcin
de densidad est dada por
1 x x
fX (x) = exp( )exp[exp( )]IR (x)
PROPOSICIN: Si X Gum(, ), entonces:
(a) fX es efectivamente funcin de densidad
(b) E(X) = (1)
(c) E(X 2 ) = 2 + 6 2 2(1) + ((1))2
(d) V ar(X) = 6 2
A.6.26. Weibull
Definicin: Se dice que X variable aleatoria continua tiene distribucin
Weibull con parmetros R, > 0, > 0, se denota X W ei(, , ), si su
funcin de densidad est dada por
1 x
fX (x) = (x ) exp ( ) I(,) (x)
PROPOSICIN: Si X W ei(, , ), entonces:
(a) fX es efectivamente funcin de densidad
(b) E(X) = + (1 + 1 )
(c) E(X 2 ) = 2 + 2(1 + 1 ) + 2 (1 + 2 )
(d) V ar(X) = 2 [(1 + 2 ) 2 (1 + 1 )]
A.6.27. Frchet
Definicin: Se dice que X variable aleatoria continua tiene distribucin
Frchet con parmetros R, > 0, > 0, se denota X F rechet(, , ), si
su funcin de densidad est dada por
1
fX (x) = (x ) exp I(,) (x)
x
PROPOSICIN: Si X F rechet(, , ), entonces:
(a) fX es efectivamente funcin de densidad
(b) E(X) = + (1 1 )
(c) E(X 2 ) = 2 + 2(1 1 ) + 2 (1 2 )
(d) V ar(X) = 2 [(1 2 ) 2 (1 1 )]
105