1.

Probabilidad nita
1.1. Modelo de Laplace
Sea = {}, = {a
1
, ..., a
n
} y A tal que
A = m n. Entonces:
P(A) =
m
n
Donde m es el n umero de casos favorables y n los
casos totales.
1.2. Modelo de Bernoulli
Los eventos no son necesariamente equiprobables.
Se denen los eventos exito(1) y fracaso(0), con lo
cual:
P({1}) = p
P({0}) = 1 p
1.3. Modelo Binomial
Si k es el n umero de exitos en n intentos, entonces:
P(A) =
n

k=0
_
n
k
_
p
k
(1 p)
nk
2. Variable Aleatoria
X(w) es V.A. ssi. el evento
[X x] = {w /X(w) x} = X
1
(] , x])
es aleatorio x R
3. Variable Aleatoria discreta
X se dice una V.A discreta si, dado C =
{x
1
, x
2
..} R conjunto nito o numerable, en-
tonces X(w) {x
1
, x
2
..}, w .
Llamamos funcion de probabilidad de X a
P(x
i
) = P(X = x
i
)
3.1. Funcion de distribucion acumula-
da
Se denota por F
x
o F, y se dene como:
F
x
(x) := P(X x), x R
3.2. Modelos probabilisticos
Distribucion uniforme (X {a
1
, ..., a
n
}): Sea el
conjunto G = {a
1
, ..., a
n
}, se dene por la fun-
cion:
p(x) =
1
n
E(x) =
n

i=1
ai
n
V (x) =
n

i=1
a
2
i
n

_
n

i=1
a
i
n
_
2
Distribucion binomial (X B(n, p)): Sean los
parametros n N y 0 < p < 1, se dene:
p(x) =
_
n
x
_
p
x
(1 p)
nx
E(x) = np
V (x) = np(1 p)
Distribucion geometrica (X G(p)): Sea 0 <
p < 1, se dene:
p(x) = p(1 p)
x1
E(x) =
1
p
V (x) =
1
p
_
1
p
1
_
Distribucion binomial negativa (X BN(n, p)):
Sea m N y 0 < p < 1, se dene:
p(x) =
_
x 1
m1
_
p
m
(1 p)
xm
E(x) =
m
p
V (x) =
m(1p)
p
2
Distribucion de Poisson (X P()): sea > 0,
se dene:
p(x) =

x
e

x!
E(x) = = V (x)
1
4. Variable aleatoria continua
X se dice absolutamente continua si existe una fun-
cion f, tal que f(x) 0 y
F
x
(x) =
x
_

f(t)dt
4.1. Funciones de densidad clasica
Densidad uniforme (X U(a, b)): Sea ]a, b[, se
dene:
f(u) =
_
1
ba
a < u < b
0 e.o.c
F(u) =
_
_
_
0 u a
ua
ba
a < u b
1 u > 0
Densidad exponencial (X exp()): Sea > 0,
se dene:
f(u) =
_
e
u
u 0
0 e.o.c
F(u) =
_
1 e
u
u > 0
0 e.o.c
Densidad gamma (X gamma(, )): Sea
, > 0, se dene:
f(u) =
_

()
u
1
e
u
u 0
0 e.o.c
Recordar que:
() =
+
_
0
t
1
e
t
dt
Densidad beta (X beta(u, w)): Sea v, w > 0,
se dene:
f(u) =
_
u
v1
(1u)
u1
B(v,w)
0 < u < 1
0 e.o.c
Donde se dene:
B(v, w) =
(w)(v)
(v +w)
Densidad normal (X N(,
2
)): Sea R y

2
> 0, se dene:
f(x) =
1

2
exp
_

1
2
(x )
2

2
_
F(z) =
z
_

2
e

1
2
x
2
dx
Densidad chi-cuadrado (X X
2
(n)): Dados n-
grados de libertad, se dene:
f() =
_
1
2
n
2 (
n
2
)

n
2
1
e

1
2

> 0
0 e.o.c.
Densidad t-student (X t(n)) Dados n-grados
de libertad, se dene:
f() =
_
(
n+1
2
)

n(
n
2
)
_
1 +

2
n
_

(n+1)
2
R
4.2. Esperanza y varianza V.A. conti-
nua
E(x) =
+
_

xf(x)dx V (x) = E(x

2
)
2
E(x)
2
(X gamma(, ))
E(x) =

V (x) =

2
(X N(,
2
))
E(x) = V (x) =
2
(X U(a, b))
E(x) =
a+b
2
V (x) =
(ba)
2
12
(X t(n))
E(x) = 0 V (x) =
n
n2
n > 2
2
(X beta(u, w))
E(x) =
v
v+w
V (x) =
vw
(v+w)
2
(v+w+1)
(X X
2
(n))
E(x) = n V (x) = 2n
(X exp())
E(x) =
1

V (x) =
1

2
3