Distribuciones de probabilidad de variables aleatorias Caracterís ticas Discretas Continuas Binomial Poisson Hipergeométrica Multinomial Uniforme Normal Gamma Beta Exponenci al Chi- Cuadrado T. de Student F Parámetros n y p λ M,m y n n;p 1 ,…,p k α y β μ y σ α y β α y β λ n n u y v f(x) = ( n x ) ∗p x ∗q ( n−x) e −λ ∗λ x x! ( M x ) ∗ ( N−M n−x ) ( N n ) n! x 1 !…x k ! p 1 x 1 …p k xk 1 β−α 1 σ √ 2 π e − ( 1 2 )( x−μ σ ) 2 x α−1 ∗e −x / β Γ ( α )∗β α Γ ( α +β )∗e α−1 ∗( 1−x) β−1 Γ ( α )∗Γ( β ) λe −λx 1 2 n / 2 Γ ( n 2 ) x n 2 −1 .e − 2 Γ ( n+ 1 2 ) √ nπ Γ ( n 2 ) ( 1 + x 2 n ) − ( n+ 2 Γ ( u+ v 2 )( u v ) x u 2 −1 Γ ( u 2 ) Γ ( v 2 ) [ ( u v ) x +1 ] u F(x) = Carece Carece Carece Carece x−α β−α 1 σ √ 2 π e − ( 1 2 )( x−μ σ ) 2 x α−1 ∗e −x x α−1 ( 1− x) β−1 1−e −λx 1 2 n / 2 Γ ( n 2 ) x n 2 −1 .e − 2 Γ ( n+ 1 2 ) √ nπ Γ ( n 2 ) ( 1 + x 2 n ) − ( n+ 2 Γ ( u+ v 2 )( u v ) x u 2 −1 Γ ( u 2 ) Γ ( v 2 ) [ ( u v ) x +1 ] u μ = n∗p n∗p n * M N n∗p i α+β 2 μ βα α α+β 1 λ n 0 v v−2 σ = n∗p∗q n∗p n * M N * ( 1− M N ) ∗ ( N−n N−1 ) np i ( 1−p i ) ( β−α ) 2 12 σ β 2 α αβ ( α +β ) 2 ( α+β +1 ) 1 λ 2 2 n n n− 2 2 v 2 ( u+ v−2) u ( v−2 ) 2 ( v−4) M X (t) = ( 1−p+ pe t ) n e ( λ (e t −1 )) ( N−m n ) 2 F 1 (−n,−m;N−m−n ( N n ) ( ∑ i=1 k p i e ti ) n e tb −e ta t ( b−a) e μt+ σ 2 t 2 2 ( 1−βt ) −α 1+ ∑ k=1 ∞ ( ∏ r =0 k−1 α+r α + β +r ) t k k! ( 1− t λ ) −1 ( 1−2 t ) −n 2 No definida No definida Estandarizaci ón (Z) Carece Carece Carece Carece Carece Z = x−α σ Carece Carece Carece Carece Carece Carece Eventos independiente s Tiene Tiene Carece Tiene Tiene Tiene Tiene Tiene Tiene Tiene Tiene Tiene Propiedad reproductiva Tiene Tiene Carece Carece Carece Tiene Carece Carece Carece Carece Carece Carece Aproximacione s Sí (D. Poisson, n → ∞, n*p → λ; D. Normal, n ≥ 30) Sí (D. binomial; p < 0.1, n*p ≤ 5 ó p < 0.05, n ≥ 20) Sí (D. binomial; n < 0.1N ó n ≤ 0.05N) No Sí (X: Dist. Unif. Estand., D. Expo., Y = -ln(X)/λ; D. Beta, Y = 1 - X 1/n ) Sí (D. Binomial, D. Hipergeométr ica, D. Poisson, etc.) Sí, el tiempo hasta que el suceso número k ocur re en un Proceso de Poisson de α = β = 1, se tiene la distribución Uniforme. Sí, la suma de k variables aleatorias independientes de Dist. Expon. con parámetro λ es una variable Sí, la distribución Chi-cuadrada es un caso particular de la dis tribución Gamma. Sí (D. Normal, n > 200) Cociente de dos Chi-Cuadrados