Professional Documents
Culture Documents
DISTRIBUCIONES DE
PROBABILIDAD
http://dxsp.sergas.es
soporte.epidat@sergas.es
NDICE
13.1. Clculo de probabilidades.......................................................................................................... 3
13.1.0. Conceptos generales............................................................................................................ 3
13.1.1. Distribuciones discretas ...................................................................................................... 5
13.1.1.1. Distribucin uniforme discreta (a,b)................................................................... 5
13.1.1.2. Distribucin binomial (n,p).................................................................................. 6
13.1.1.3. Distribucin hipergeomtrica (N,R,n) ................................................................ 8
13.1.1.4. Distribucin geomtrica (p) ................................................................................. 9
13.1.1.5. Distribucin binomial negativa (r,p) ................................................................ 10
13.1.1.6. Distribucin Pascal (r,p) ..................................................................................... 12
13.1.1.7. Distribucin Poisson () ..................................................................................... 13
13.1.2. Distribuciones continuas................................................................................................. 16
13.1.2.1. Distribucin uniforme o rectangular (a,b) ....................................................... 16
13.1.2.2. Distribucin normal (, ).................................................................................. 18
13.1.2.3. Distribucin lognormal (, ) ............................................................................ 20
13.1.2.4. Distribucin logstica (a, b) ................................................................................ 21
13.1.2.5. Distribucin beta (p,q) ........................................................................................ 22
13.1.2.6. Distribucin gamma (a,p) .................................................................................. 23
13.1.2.7. Distribucin exponencial ().............................................................................. 25
13.1.2.8. Distribucin ji-cuadrado (n) .............................................................................. 26
13.1.2.9. Distribucin t de Student (n) ............................................................................. 29
13.1.2.10. Distribucin F de Snedecor (n,m) ................................................................... 31
13.1.2.11. Distribucin Cauchy (, ) ............................................................................... 33
13.1.2.12. Distribucin Weibull (a, b) ............................................................................... 34
13.1.2.13. Distribucin Laplace (a, b) ............................................................................... 36
13.1.2.14. Distribucin Pareto (, x0) ................................................................................ 37
13.1.2.15. Distribucin triangular (a, c, b) ....................................................................... 39
13.2. Generacin de distribuciones .................................................................................................. 40
13.2.0. Conceptos generales.......................................................................................................... 40
13.2.1. Distribuciones discretas .................................................................................................... 41
13.2.1.1. Distribucin multinomial ................................................................................... 41
13.2.2. Distribuciones continuas................................................................................................. 44
13.2.2.1. Distribucin normal bivariante ......................................................................... 44
Bibliografa .......................................................................................................................................... 46
Anexo 1: Novedades del mdulo de distribuciones de probabilidad ........................................ 48
Anexo 2: Frmulas del mdulo de distribuciones de probabilidad............................................ 49
Anexo 3: Resumen de las distribuciones discretas ........................................................................ 71
Anexo 4: Resumen de las distribuciones continuas....................................................................... 72
http://dxsp.sergas.es
soporte.epidat@sergas.es
http://dxsp.sergas.es
soporte.epidat@sergas.es
PrX r
1
r2
Uniforme discreta
Binomial negativa
Binomial
Pascal
Hipergeomtrica
Poisson
Geomtrica
En el Anexo 3 se incluye una tabla que resume las caractersticas de estas distribuciones.
13.1.1.1. Distribucin uniforme discreta (a,b)
La distribucin uniforme discreta describe el comportamiento de una variable discreta que
puede tomar n valores distintos con la misma probabilidad cada uno de ellos. Un caso
particular de esta distribucin, que es la que se incluye en este mdulo de Epidat 4, ocurre
cuando los valores son enteros consecutivos. Esta distribucin asigna igual probabilidad a
todos los valores enteros entre el lmite inferior y el lmite superior que definen el recorrido
de la variable. Si la variable puede tomar valores entre a y b, debe ocurrir que b sea mayor
que a, y la variable toma los valores enteros empezando por a, a+1, a+2, etc. hasta el valor
mximo b. Por ejemplo, cuando se observa el nmero obtenido tras el lanzamiento de un
dado perfecto, los valores posibles siguen una distribucin uniforme discreta en {1, 2, 3, 4, 5,
6}, y la probabilidad de cada cara es 1/6.
Valores:
k: a, a+1, a+2, ..., b, nmeros enteros
Parmetros:
a: mnimo, a entero
b: mximo, b entero con a < b
Ejemplo
El temario de un examen para un proceso selectivo contiene 50 temas, de los cuales se elegir
uno por sorteo. Si una persona no ha estudiado los 15 ltimos temas cul es la probabilidad
de que salga un tema que haya estudiado?
La variable que representa el nmero del tema seleccionado para el examen sigue una
distribucin uniforme con parmetros a = 1 y b = 50. La persona ha estudiado los temas del 1
al 35; por tanto, la probabilidad que se pide es la cola a la izquierda de 35. Para obtener los
resultados en Epidat 4 basta con proporcionarle los parmetros de la distribucin, y
seleccionar la opcin de calcular probabilidades para el punto 35.
http://dxsp.sergas.es
soporte.epidat@sergas.es
La persona tiene una probabilidad del 70% de que el tema elegido sea uno de los que haya
estudiado.
http://dxsp.sergas.es
soporte.epidat@sergas.es
http://dxsp.sergas.es
soporte.epidat@sergas.es
http://dxsp.sergas.es
soporte.epidat@sergas.es
http://dxsp.sergas.es
soporte.epidat@sergas.es
10
http://dxsp.sergas.es
soporte.epidat@sergas.es
11
http://dxsp.sergas.es
soporte.epidat@sergas.es
12
http://dxsp.sergas.es
soporte.epidat@sergas.es
13
Para que una variable recuento siga una distribucin de Poisson deben cumplirse varias
condiciones:
1. En un intervalo muy pequeo (p. e. de un milisegundo) la probabilidad de que
ocurra un evento es proporcional al tamao del intervalo.
2. La probabilidad de que ocurran dos o ms eventos en un intervalo muy pequeo es
tan reducida que, a efectos prcticos, se puede considerar nula.
3. El nmero de ocurrencias en un intervalo pequeo no depende de lo que ocurra en
cualquier otro intervalo pequeo que no se solape con aqul.
Estas propiedades pueden resumirse en que el proceso que genera una distribucin de
Poisson es estable (produce, a largo plazo, un nmero medio de sucesos constante por
unidad de observacin) y no tiene memoria (conocer el nmero de sucesos en un intervalo
no ayuda a predecir el nmero de sucesos en el siguiente).
El parmetro de la distribucin, , representa el nmero promedio de eventos esperados por
unidad de tiempo o de espacio, por lo que tambin se suele hablar de como la tasa de
ocurrencia del fenmeno que se observa.
A veces se usan variables de Poisson con "intervalos" que no son espaciales ni temporales,
sino de otro tipo. Por ejemplo, para medir la frecuencia de una enfermedad se puede contar,
en un perodo dado, el nmero de enfermos en cierta poblacin dividida en "intervalos" de,
por ejemplo, 10.000 habitantes. Al nmero de personas enfermas en una poblacin de
tamao prefijado, en un instante dado, se le denomina prevalencia de la enfermedad en ese
instante y es una variable que sigue una distribucin de Poisson. Otra medida para la
frecuencia de una enfermedad es la incidencia, que es el nmero de personas que enferman
en una poblacin en un periodo determinado. En este caso, el intervalo es de personastiempo, generalmente personas-ao, y es tambin una variable con distribucin de Poisson.
Habitualmente, ambas medidas se expresan para intervalos de tamao unidad o, dicho de
otro modo, en lugar de la variable nmero de enfermos, se usa el parmetro .
La distribucin de Poisson tiene iguales la media y la varianza. Si la variacin de los casos
observados en una poblacin excede a la variacin esperada por la Poisson, se est ante la
presencia de un problema conocido como sobredispersin y, en tal caso, la distribucin
binomial negativa es ms adecuada.
http://dxsp.sergas.es
soporte.epidat@sergas.es
14
http://dxsp.sergas.es
soporte.epidat@sergas.es
15
Uniforme o rectangular
t de Student
Normal
F de Snedecor
Lognormal
Cauchy
Logstica
Weibull
Beta
Laplace
Gamma
Pareto
Exponencial
Triangular
Ji-cuadrado
En el Anexo 4 se incluye una tabla que resume las caractersticas de estas distribuciones.
http://dxsp.sergas.es
soporte.epidat@sergas.es
16
La probabilidad de que la variable sea superior a mil se sita en un entorno de 0,24, la media
es 790 y la desviacin estndar, raz cuadrada de la varianza, es aproximadamente 237.
Ejemplo 2
Un contratista A est preparando una oferta sobre un nuevo proyecto de construccin. La
oferta sigue una distribucin uniforme entre 55 y 75 miles de euros. Determnese:
1. La probabilidad de que la oferta sea superior a 60 mil euros.
2. La media y la desviacin estndar de la oferta.
A Epidat se le proporcionar el lmite superior e inferior del campo de variacin de la
variable [55, 75] y, adems, el punto a partir del cual se quiere calcular la probabilidad.
Resultados con Epidat 4:
La probabilidad de que la oferta sea superior a 60 mil euros se sita en un entorno de 0,75, y
la media es 65.
http://dxsp.sergas.es
soporte.epidat@sergas.es
17
18
A partir de 215,24 mg/dL se encuentran los valores de colesterol del 10% de los enfermos
que tienen los valores ms altos.
http://dxsp.sergas.es
soporte.epidat@sergas.es
19
http://dxsp.sergas.es
soporte.epidat@sergas.es
20
http://dxsp.sergas.es
soporte.epidat@sergas.es
21
http://dxsp.sergas.es
soporte.epidat@sergas.es
22
http://dxsp.sergas.es
soporte.epidat@sergas.es
23
La probabilidad de que transcurra menos de una hora hasta que llegue el segundo paciente
es 0,98.
Ejemplo 2
Suponiendo que el tiempo de supervivencia, en aos, de pacientes que son sometidos a una
cierta intervencin quirrgica en un hospital sigue una distribucin gamma con parmetros
a = 0,81 y p = 7,81, interesa saber:
http://dxsp.sergas.es
soporte.epidat@sergas.es
24
http://dxsp.sergas.es
soporte.epidat@sergas.es
25
La probabilidad de que se le tenga que implantar otro marcapasos antes de los 20 aos se
sita en un entorno de 0,75.
Teniendo en cuenta la propiedad de falta de memoria de la exponencial, la probabilidad
de tener que cambiar antes de 25 aos un marcapasos que lleva funcionando 5 es igual a la
probabilidad de cambio a los 20 aos, es decir, P(X < 25/X > 5) = P(X < 20) = 0,75.
26
2n 1 y desviacin estndar 1.
Epidat 4 realiza los clculos de esta distribucin para valores de n menores o iguales que 150.
Campo de variacin:
0<x<
Parmetros:
n: grados de libertad, n 1 entero
Ejemplo
Para estudiar la relacin entre la edad de las mujeres y su aceptacin de una ley sobre
interrupcin del embarazo se ha llevado a cabo una encuesta sobre 400 mujeres cuyos
resultados se recogen en la siguiente tabla:
Aceptacin
Edad
Baja
Media
Alta
0-18
21
34
25
18-35
24
31
25
36-50
30
30
20
51-65
37
30
13
> 65
40
30
10
Como resultado de aplicar la prueba ji-cuadrado de Pearson se obtuvo como valor del
estadstico 2=19,2828. Este valor por si solo no permite extraer ninguna conclusin; debe
compararse con el valor de la distribucin ji-cuadrado de (5-1)*(3-1)=8 grados de libertad que
deja un 5% de probabilidad a su derecha, fijado un nivel de significacin del 5% o,
equivalentemente, un nivel de confianza del 95%. Este valor, llamado punto crtico, delimita
la zona de rechazo de la hiptesis nula de no asociacin entre las variables.
1. Calcular el valor de la ji-cuadrado con 8 grados de libertad que deja a su derecha un
rea bajo la curva igual a 0,05.
2. Representar la funcin de densidad y marcar en ella el valor del estadstico y el punto
crtico, qu puede concluirse acerca de la relacin entre las dos variables?
3. Calcular el valor p del estadstico, es decir, la probabilidad a la derecha del valor del
estadstico 2=19,2828.
http://dxsp.sergas.es
soporte.epidat@sergas.es
27
El valor 15,5073 es el punto crtico del test para un nivel de significacin del 5%, ya que deja
a su derecha una cola de probabilidad 0,05.
2. Resultados con Epidat 4:
A la vista de este grfico se puede observar como el valor del estadstico (lnea negra) es
superior al punto crtico del test para un nivel de significacin del 5% y, por lo tanto, est en
la zona de rechazo. Esto significa que hay evidencia de asociacin entre el grado de
aceptacin del aborto y la edad de las mujeres.
http://dxsp.sergas.es
soporte.epidat@sergas.es
28
El valor p del estadstico es 0,0134 y se corresponde con el rea bajo la curva a la derecha del
valor del estadstico. Si este valor es menor que 0,05, como as ocurre, se rechaza la hiptesis
nula de no asociacin entre las dos variables.
http://dxsp.sergas.es
soporte.epidat@sergas.es
29
En el segundo apartado se ejecutar dos veces Epidat 4: la primera vez para una distribucin
t de Student con 10 grados de libertad y la segunda vez con 150 grados de libertad.
http://dxsp.sergas.es
soporte.epidat@sergas.es
30
31
http://dxsp.sergas.es
soporte.epidat@sergas.es
32
http://dxsp.sergas.es
soporte.epidat@sergas.es
33
El valor 7,3083 divide a la distribucin en dos partes: el 90% de sta queda a la izquierda de
dicho punto y el 10% a la derecha.
http://dxsp.sergas.es
soporte.epidat@sergas.es
34
El perfil de la funcin de densidad presenta formas muy variadas dependiendo del valor que
tome su parmetro de forma, a. Si a es menor o igual que 1, la funcin de densidad es
siempre decreciente; en caso de tomar valores mayores que la unidad su funcin de
densidad muestra una forma ms acampanada, pero no simtrica, de forma que crece hasta
alcanzar el mximo y luego decrece.
En este caso, Epidat 4 limita ambos parmetros inferiormente por el valor 0,2 y
superiormente por 200.
Campo de variacin:
0<x<
Parmetros:
a: forma, a > 0
b: escala, b > 0
Ejemplo
La vida til, en aos, de cierto tipo de instrumental mdico quirrgico sigue una distribucin
de Weibull con parmetros a= 2 y b= 1,75.
1. Cul es la probabilidad de que el instrumental dure menos de 3 aos?
2. Representar la funcin de densidad y de distribucin de su vida til.
1. Resultados con Epidat 4:
La probabilidad de que el instrumental dure menos de 3 aos, es decir que dure 2 aos o
menos, es 0,73.
http://dxsp.sergas.es
soporte.epidat@sergas.es
35
http://dxsp.sergas.es
soporte.epidat@sergas.es
36
37
http://dxsp.sergas.es
soporte.epidat@sergas.es
38
http://dxsp.sergas.es
soporte.epidat@sergas.es
39
40
Uniforme discreta
Geomtrica
Binomial
Binomial negativa
Multinomial
Pascal
Hipergeomtrica
Poisson
41
p
i 1
Ejemplo
Volviendo al ejemplo de los conejillos de indias, supngase que se est interesado en simular
una muestra de tamao 10 de una distribucin multinomial con parmetros n = 6; p1 = 0,5; p2
= 0,25 y p3 = 0,25.
Los resultados de Epidat indican que en la primera simulacin los 6 conejitos de indias se
organizaron de la siguiente manera: tres de ellos fueron descendientes rojos, un descendiente
negro y dos descendientes blancos. En la segunda simulacin, 4 de los conejitos fueron rojos,
uno negro y otro blanco. Y as sucesivamente hasta llegar a la dcima simulacin donde tres
de los conejitos fueron descendientes rojos, dos negros y uno blanco.
http://dxsp.sergas.es
soporte.epidat@sergas.es
42
http://dxsp.sergas.es
soporte.epidat@sergas.es
43
Uniforme
Ji-cuadrado
Normal
t de Student
Normal bivariante
F de Snedecor
Lognormal
Cauchy
Logstica
Weibull
Beta
Laplace
Gamma
Pareto
Exponencial
Triangular
44
Con los 1.000 valores simulados se obtiene un porcentaje de sujetos con un IMC superior a 30
kg/m2 del 5,7%.
Nota: Cada vez que se realiza una nueva simulacin se obtienen valores
diferentes, aunque se mantenga la misma distribucin, el valor de sus
parmetros y el tamao de la muestra.
http://dxsp.sergas.es
soporte.epidat@sergas.es
45
Bibliografa
1
Kolmogorov AN. Grundbegriffe der wahrscheinlichtkeitsrechnung. Berlin: SpringerVerlag; 1933. (Traducido al ingls: Morrison N. Foundations of the theory of probability.
New York: Chelsea; 1956).
2
Pea D. Modelos y mtodos. 1. Fundamentos. Madrid: Alianza Universidad Textos;
1993.
3
Meyer PL. Probabilidad y aplicaciones estadsticas. 2 ed. Bgota: Fondo Educativo
Interamericano; 1973.
4
Martn-Pliego J, Ruiz-Maya L. Estadstica I: probabilidad. 2 ed. Madrid: Thomson;
2004.
5
Katz DL. Epidemiology, biostatistics and preventive medicine review. USA: W.B.
Saunders Company; 1997.
6
Hospital Ramn y Cajal [pgina en Internet]. Material docente de la unidad de
bioestadstica clnica. Disponible en: http://www.hrc.es/bioest/M_docente.html
7
8
Fernndez-Abascal H, Guijarro MM, Rojo JL, Sanz JA. Clculo de probabilidades y
estadstica. Barcelona: Editorial Ariel; 1994.
9
Kemp AW, Kemp CD. Accident proneness. En: Armitage P, Colton T, editores.
Encyclopedia of Biostatistics Vol. 1. Chichester: John Wiley & Sons; 1998. pp. 35-7.
10 Biggeri A. Negative binomial distribution. En: Armitage P, Colton T, editores.
Encyclopedia of Biostatistics Vol. 4. Chichester: John Wiley & Sons; 1998. pp. 2962-7.
11 Canavos GC. Probabilidad y estadstica: aplicaciones y mtodos. Mxico: McGraw-Hill;
1988.
12 Palmgren J. Poisson distribution. En: Armitage P, Colton T, editores. Encyclopedia of
Biostatistics Vol. 4. Chichester: John Wiley & Sons; 1998. pp. 3398-402.
13
14 John Aldrich. University of Southampton [pgina en Internet]. Figures from the history
of
probability
and
statistics.
Disponible
en:
http://www.economics.soton.ac.uk/staff/aldrich/Figures.htm
15 Johnson D. The triangular distribution as a Proxy for the beta distribution in risk
analysis. The Statistician. 1997;46(3):387-98.
16 Lehmer DH. Mathematical methods in large-scale computing units. En: Proceedings of
the second symposium on large scale digital computing units machinery. Cambridge, Mass.:
Harvard University Press; 1951. pp. 141-6.
http://dxsp.sergas.es
soporte.epidat@sergas.es
46
http://dxsp.sergas.es
soporte.epidat@sergas.es
47
Anexo 1: novedades
Cauchy
Weibull
Laplace
Pareto
Triangular
http://dxsp.sergas.es
soporte.epidat@sergas.es
48
Anexo 2: frmulas
1. Clculo de probabilidades
1.1. Distribuciones discretas
1.2. Distribuciones continuas
2. Generacin de distribuciones
2.1. Distribuciones discretas
2.2. Distribuciones continuas
http://dxsp.sergas.es
soporte.epidat@sergas.es
49
Anexo 2: frmulas
f k
1
, a k b, k entero
N
Valores caractersticos:
Media:
ab
2
N2 1
Varianza:
12
Asimetra: 0
Curtosis:
6(N 2 1)
5(N 2 1)
50
Anexo 2: frmulas
n
f k p k 1 pn k , 0 k n, k entero, siendo
k
n
n!
k k! n k !
Valores caractersticos:
Media: np
Varianza: np(1-p)
Asimetra:
Curtosis:
1 2p
np(1 p)
1 6p(1 p)
np(1 p)
1.3.- Multinomial (n, p1, p2, ..., pm) [Martn-Pliego y Ruiz-Maya (2004, p. 379-382)]
X = (X1, X2, , Xm) = Nmero de veces que ocurren m sucesos disjuntos en n pruebas
independientes
Parmetros de la distribucin:
i 1
1)
http://dxsp.sergas.es
soporte.epidat@sergas.es
51
Anexo 2: frmulas
f k 1 , k 2 ,..., k m
n!
p k1 p k 2 ...p kmm , ki {0, 1, ..., n} y
k 1 ! k 2 !...k m ! 1 2
ki n
i 1
Valores caractersticos:
Vector de medias: (np1 np2 npm)
i , j 1,.., m
Cov X i , X j npi p j si ij
R N R
k n k
f k
, max(0,n-N+R) k min(R, n), k entero
N
n
Valores caractersticos:
Media: np
Varianza: np1 p
Nn
N 1
http://dxsp.sergas.es
soporte.epidat@sergas.es
52
Anexo 2: frmulas
N 2n
(1 2p)
Asimetra: N 2
Nn
np(1 p)
N 1
Curtosis: A
BC
3
np(1 p)
Donde:
R
N
3(N 1)( N 6)
(N 2)( N 3)
(N 1)N(N 1)
(N n )( N 2)( N 3)
Nn
6N p(1 p) n
N2
C 1
N 1
fk p1 pk , k 0, k entero
Valores caractersticos:
Media:
1 p
p
http://dxsp.sergas.es
soporte.epidat@sergas.es
53
Varianza:
1 p
p2
2p
1 p
Asimetra:
Curtosis:
Anexo 2: frmulas
p 2 6p 6
1 p
k r 1 r
p 1 pk , k 0, k entero
f k
r
Valores caractersticos:
Media:
r1 p
p
r 1 p
Varianza:
p2
Asimetra:
Curtosis:
2p
r(1 p)
p 2 6p 6
r(1 p)
http://dxsp.sergas.es
soporte.epidat@sergas.es
54
Anexo 2: frmulas
k 1 r
p (1 p)k r , k r, k entero
f(k )
r 1
Valores caractersticos:
Media:
r
p
Varianza:
Asimetra:
r 1 p
p2
2p
r(1 p)
p 2 6p 6
Curtosis:
r(1 p)
http://dxsp.sergas.es
soporte.epidat@sergas.es
55
Anexo 2: frmulas
f k
k e
, k 0, k entero
k!
Valores caractersticos:
Media=Varianza:
Asimetra:
Curtosis:
http://dxsp.sergas.es
soporte.epidat@sergas.es
56
Anexo 2: frmulas
Funcin de densidad:
f x
1
,a<x<b
ba
Valores caractersticos:
Media = Mediana:
ab
2
Varianza:
b a 2
12
Asimetra: 0
Curtosis: -6/5
Funcin de densidad:
1 x 2
1
f x
exp
, - < x <
2
2
Valores caractersticos:
Media = Mediana = Moda:
http://dxsp.sergas.es
soporte.epidat@sergas.es
57
Anexo 2: frmulas
Varianza: 2
Asimetra: 0
Curtosis: 0
Nota: con =0 y =1 se tiene la distribucin normal estndar, N(0,1).
Funcin de densidad:
f x , y
1
2 x y
exp
2
1 2
1
x 2 x x y y
y y
x
2
xy
2 2y
2 x
- < x, y <
Valores caractersticos:
Vector de medias: =(x y)
2x x y
Matriz de dispersin:
2
x y y
58
Anexo 2: frmulas
Funcin de densidad:
f x
1 ln x 2
exp
,x>0
x 2
2
1
Valores caractersticos:
Media: e
2
2
Mediana: e
Moda: e
Varianza: e 2 e 1
2
Asimetra:
1 e 2
2
4
2e 3 3e 2 6
Curtosis: e
2
Funcin de densidad:
1 e ( xa ) b
f x
b 1 e ( xa ) b
, - < x <
Valores caractersticos:
Media = Mediana = Moda: a
2 2
b
Varianza:
3
http://dxsp.sergas.es
soporte.epidat@sergas.es
59
Anexo 2: frmulas
Asimetra: 0
Curtosis:
6
5
Funcin de densidad:
f x
x p1 1 x q1
,0<x<1
p, q
1
Valores caractersticos:
Media:
p
pq
Moda:
p 1
para p > 1 y q > 1
pq2
Varianza:
pq
p q 1 p q
Asimetra:
Curtosis: 6
2(q p) p q 1
p q 2
pq
http://dxsp.sergas.es
soporte.epidat@sergas.es
60
Anexo 2: frmulas
Funcin de densidad:
f x
a p ax p1
e x ,x>0
p
Valores caractersticos:
Media:
p
a
Moda:
p 1
para p > 1
a
p
Varianza:
a2
Asimetra:
Curtosis:
2
p
6
p
http://dxsp.sergas.es
soporte.epidat@sergas.es
61
Anexo 2: frmulas
f x e x , x > 0
Valores caractersticos:
Media:
Mediana:
ln 2
Moda: no definida
Varianza:
1
2
Asimetra: 2
Curtosis: 6
http://dxsp.sergas.es
soporte.epidat@sergas.es
62
Anexo 2: frmulas
Funcin de densidad:
f x
n 1 x
2 e 2
n
2
,x>0
Valores caractersticos:
Media: n
Mediana: no tiene expresin explcita
Moda: n-2 para n > 2
Varianza: 2n
Asimetra:
Curtosis:
8
n
12
n
Funcin de densidad:
n 1
n 1
2
2
x
2
1
f x
, - < x <
n
n
n
2
Valores caractersticos:
Media = Mediana = Moda: 0
http://dxsp.sergas.es
soporte.epidat@sergas.es
63
Anexo 2: frmulas
n
para n > 2
n2
Varianza:
Asimetra: 0
Curtosis:
6
para n > 4
n4
Funcin de densidad:
n
n m n 2 n 2 2
x
2 m
,x>0
f x
n m nx n m 2
1
2 2
m
Valores caractersticos:
Media:
m
para m > 2
m2
Moda:
m n 2
para n > 2
n m 2
Varianza:
Asimetra:
2m 2 n m 2
para m > 4
nm 22 m 4
2n m 2 8m 4
m 6 nn m 2
http://dxsp.sergas.es
soporte.epidat@sergas.es
para m > 6
64
Anexo 2: frmulas
12 (m 2) 2 (m 4) n( n m 2)(5m 22)
Curtosis:
para m > 8
n(m 6)(m 8)(n m 2)
Funcin de densidad:
f( x)
1
, - < x <
2
( ( x ) 2 )
Valores caractersticos:
Media: no definida
Mediana = Moda:
Varianza: no definida
Asimetra: no definida
Curtosis: no definida
Nota: Con =1 y =0 se tiene la distribucin de Cauchy estndar.
http://dxsp.sergas.es
soporte.epidat@sergas.es
65
Anexo 2: frmulas
Funcin de densidad:
f( x)
ax
bb
a 1
x a
exp , x > 0
b
Valores caractersticos:
1
1
a
Media: b
Mediana:
bln 2
a 1
Moda: b
para a > 1
2 1 2
1 1
a a
Varianza: b 2
1
1 2
3
2 3 1 3 1 1 1
a
a a
a
Asimetra:
3
2
2
2 1
a
a
Curtosis:
1
1 2
2
1 3
4
6 4 1 12 2 1 1 3 2 1 4 1 1 1
a
a a
a
a a
a
2
2 1
a 1 a 1
http://dxsp.sergas.es
soporte.epidat@sergas.es
66
Anexo 2: frmulas
Funcin de densidad:
f( x)
xa
1
exp
2b
b
, - < x <
Valores caractersticos:
Media = Mediana = Moda: a
Varianza: 2b 2
Asimetra: 0
Curtosis: 3
Funcin de densidad:
f( x)
x 0
x 1
, x x0
Valores caractersticos:
Media:
x 0
para > 1
1
Mediana: x 0 2
Moda: x 0
Varianza:
x 02
( 2)( 1) 2
http://dxsp.sergas.es
soporte.epidat@sergas.es
para > 2
67
Asimetra:
Curtosis:
Anexo 2: frmulas
2(1 ) 2
para > 3
3
6( 3 2 6 2)
para > 4
( 3)( 4)
Funcin de densidad:
f( x)
2x a
para a x c
b a c a
f( x)
2b x
para c x b
b a b c
Valores caractersticos:
Media:
abc
3
( b a)(b c)
ab
si c
b
2
2
Mediana:
a ( b a)(c a) si c a b
2
2
Moda: c
( b c) 2 ( c a) 2 ( b c)( c a)
Varianza:
18
http://dxsp.sergas.es
soporte.epidat@sergas.es
68
2 (a b 2c)(b c 2a)(2b c a)
Asimetra:
5 ( b a) 2 (c a)(b c)
Curtosis:
Anexo 2: frmulas
3
5
http://dxsp.sergas.es
soporte.epidat@sergas.es
69
Anexo 2: frmulas
Bibliografa
- Canavos GC. Probabilidad y estadstica: aplicaciones y mtodos. Madrid: McGraw-Hill;
1988.
- Fernndez-Abascal H, Guijarro MM, Rojo JL, Sanz JA. Clculo de probabilidades y
estadstica. Barcelona: Editorial Ariel; 1994.
- Herreras Pleguezuelo R, Palacios Gonzlez F. Curso de inferencia estadstica y del modelo
lineal simple. Madrid: Delta, Publicaciones Universitarias; 2007.
- Martn-Pliego J, Ruiz-Maya L. Estadstica I: Probabilidad. 2 ed. Madrid: Thomson; 2004.
- Meyer PL. Probabilidad y aplicaciones estadsticas. 2 ed. Bogot: Fondo Educativo
Interamericano; 1973.
- Weisstein EW. From MathWorld-A Wolfram Web Resource [pgina en internet]. Statistical
Distribution. Disponible en:
http://mathworld.wolfram.com/topics/StatisticalDistributions.html
http://dxsp.sergas.es
soporte.epidat@sergas.es
70
Valores
Uniforme discreta
a, a+1, a+2, ,b
Parmetros
Definicin de la variable
a: mnimo
b: mximo
n: nmero de pruebas
Binomial
0, 1, 2, , n
p: probabilidad de xito
n: nmero de pruebas
Xi: 0, 1, 2,
(i= 1, , m)
Multinomial
m: n de resultados posibles
Observaciones
de max{0,n-(N-R)}
a min{R,n}
R: nmero de xitos
n: nmero de pruebas
Geomtrica
0, 1, 2,
Binomial negativa
0, 1, 2,
Pascal
r, r+1, r+2,
p: probabilidad de xito
r: nmero de xitos
p: probabilidad de xito
r: nmero de xitos
Poisson
0, 1, 2,
http://dxsp.sergas.es
soporte.epidat@sergas.es
p: probabilidad de xito
tasa de ocurrencia
71
Campo de
Parmetros
variacin
Uniforme
(a, b)
a: mnimo
b: mximo
: media
Normal
(-, )
: desviacin estndar
X1(-, )
Normal bivariante
X2(-, )
Observaciones
Distribucin clave en la generacin de
distribuciones
Si =0 y =1 se denomina distribucin
normal estndar
De ella derivan las distribuciones ji-cuadrado,
t de Student y F de Snedecor
Lognormal
(0, )
Logstica
(-, )
Beta
(0, 1)
Gamma
(0, )
Exponencial
(0, )
tasa
Ji-cuadrado
(0, )
n: grados de libertad
t de Student
(-, )
n: grados de libertad
F de Snedecor
(0, )
Cauchy
(-, )
Weibull
(0, )
Laplace
(-, )
Pareto
[x0, )
: forma
a: situacin
b: escala
p: forma
q: forma
a: escala
p: forma
n: grados de libertad
Distribuciones
importantes
en
contrastacin de hiptesis estadsticas
la
m: grados de libertad
: escala
: situacin
a: forma
b: escala
Si =1 y =0 se denomina distribucin de
Cauchy estndar
Si a=1 se tiene la distribucin exponencial
Otro caso particular es la distribucin de
Rayleigh
a: situacin
b: escala
: forma
x0: situacin
a: mnimo
Triangular
[a, b]
c: moda
b: mximo
http://dxsp.sergas.es
soporte.epidat@sergas.es
72