Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Save to My Library
Look up keyword
Like this
10Activity
0 of .
Results for:
No results containing your search query
P. 1
Características de Algunas Distribuciones Discretas de Probabilidad

Características de Algunas Distribuciones Discretas de Probabilidad

Ratings: (0)|Views: 1,082 |Likes:
Características de Algunas Distribuciones Discretas de Probabilidad
Luis Alejandro Másmela Caita. Correo. lmasmela@udistrital.edu.co-lamasmelac@gmail.com Universidad Distrital Francisco José de Caldas
Resumen Se presentan a continuación algunas funciones de densidad de probabilidad de variables aleatorias discretas, las demostraciones de que efectivamente estas funciones cumplen con las condiciones para ser una funcion de densidad de probabilidad, se obtienen sus valores esperados, su varianzas
Características de Algunas Distribuciones Discretas de Probabilidad
Luis Alejandro Másmela Caita. Correo. lmasmela@udistrital.edu.co-lamasmelac@gmail.com Universidad Distrital Francisco José de Caldas
Resumen Se presentan a continuación algunas funciones de densidad de probabilidad de variables aleatorias discretas, las demostraciones de que efectivamente estas funciones cumplen con las condiciones para ser una funcion de densidad de probabilidad, se obtienen sus valores esperados, su varianzas

More info:

Published by: Luis Alejandro Másmela Caita on Mar 20, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

07/11/2013

pdf

text

original

 
Características de Algunas Distribuciones Discretas deProbabilidad
Luis Alejandro Másmela Caita.Correo.
lmasmela@udistrital.edu.co-lamasmelac@gmail.com 
Universidad Distrital Francisco José de Caldas
Resumen
Se presentan a continuación algunas funciones de densidad de probabilidad de variablesaleatorias discretas, las demostraciones de que efectivamente estas funciones cumplen con lascondiciones para ser una funcion de densidad de probabilidad, se obtienen sus valores esperados,su varianzas y sus funciones generadoras de momentos.
1.
Introducción.
En cursos básicos de teoría de la probabilidad, un capítulo importante se re…ere a distribucionesde probabilidad. Este capítulo hace mención básicamente a dos tipos de distribuciones de variablesaleatorias, estas son, variables aleatorias discretas y variables aleatorias continuas.Una de las condiciones que requiere una función para que se denomine
función de distribución de probabilidad 
es, para el caso discreto, que la suma de esta función sobre todos los valores quetoma la variable aleatoria sea la unidad, esto es,
P
x
(
x
) = 1
:
Para el caso de variables aleatoriascontinuas se necesita que la función integre a uno.Estas distribuciones son caracterizadas a partir de su media y varianza
1
, así como también porsu función generadora de momentos
2
. Dependiendo de la variable aleatoria de interés, la funcion
(
x
)
toma formas matemáticas distintas y la caracterización de la misma a partir de la media, lavarianza y la función generadora de momentos al depender de la función
(
x
)
cambia.En el presente documento se hace una recopilación de algunos ejemplos de distribuciones deprobabilidad discretas, de las deducciones de las expresiones para valor esperado y varianza, laveri…cación de la condición que se menciona para que la función de…nida sea función de distribu-ción de probabilidad y se obtiene, además, su función generadora de momentos. Se han tomadocomo ejemplos las distribuciones discretas uniforme, binomial, hipergeométrica, binomial negativa,geométrica y Poisson ya que son las distribuciones más comunes en un curso de probabilidad básica.
1
Si la variable aleatoria discreta
tiene por función de distribución la función
(
x
)
;
su media o valor esperadose de…ne como
=
(
) =
P
x
xf 
(
x
)
y su varianza por
2
=
V  
(
) =
P
x
(
x
)
2
(
x
)
:
2
De igual forma la función generadora de momentos se de…ne como
X
(
t
) =
(
e
xt
)
;
donde la notación
denotavalor esperado y
e
es el número de euler.
1
 
2.
Distribución Uniforme.
Si la variable aleatoria
toma los valores
x
1
;x
2
;:::;x
k
;
con idénticas probabilidades, entoncesa
se le denomina variable aleatoria uniforme discreta y su función de densidad de probabilidad(f.d.p.) está dada por
u
(
x
;
k
) =1
k;
si
x
=
x
1
;x
2
;:::;x
k
:
Se debe probar que
k
X
i
=1
u
(
x
i
;
k
) = 1
;
así,
k
X
i
=1
u
(
x
i
;
k
) =
k
X
i
=1
1
k
=
k
1
k
= 1
:
2.1.
Valor Esperado y Varianza.
Para la obtención de expresiones para la media y la varianza, se parte de sus de…niciones:
(
) =
k
X
i
=1
x
i
u
(
x
i
;
k
)=
k
X
i
=1
x
i
1
k
=
k
X
i
=1
x
i
k:
De igual forma, para la varianza
(
) =
k
X
i
=1
(
x
i
)
2
u
(
x
i
;
k
)=1
k
k
X
i
=1
(
x
i
)
2
:
2
 
2.2.
Función Generadora de Momentos.
Partiendo de la de…nición de la función generadora de momentos y de la función de densidad deprobabilidad para una variable aleatoria con distribución uniforme se tiene,
X
(
t
) =
(
e
xt
) =
k
X
j
=1
e
jt
1
k
=1
k
k
X
j
=1
e
t
e
t
j
1
=
e
t
k
1
e
kt
1
e
t
:
3.
Distribución Binomial.
Para de…nir una variable aleatoria binomial, en primera instancia se describe lo que es un procesode Bernoulli.
Proceso de Bernoulli.
El proceso de Bernoulli tiene las siguientes propiedades:1. El experimento consiste en
n
pruebas que se repiten.2. Cada prueba produce un resultado que se puede clasi…car como éxito o fracaso.3. La probabilidad de un éxito, que se denota con
p
, permanece constante en cada prueba.4. Las pruebas que se repiten son independientes.El número de éxitos en
n
experimentos de Bernoulli se denomina variable aleatoria binomial.La distribución de probabilidad de esta variable aleatoria discreta se llama distribución binomial ysu f.d.p. esta dada por
b
(
x
;
n;p
) =
nx
p
x
(1
p
)
n
x
;
si
x
= 0
;
1
;:::;n:
Para probar que
P
b
(
x
;
n;p
) = 1
;
se parte del teorema del binomio, si
n
es un entero positivoentonces para todos los números
a
y
b
,
(
a
+
b
)
n
=
n
X
i
=0
ni
a
i
b
n
i
;
de esta forma
n
X
x
=0
b
(
x
;
n;p
) =
n
X
x
=0
nx
p
x
(1
p
)
n
x
= [
p
+ (1
p
)]
n
= 1
:
3

You're Reading a Free Preview

Download
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->