1.
BIOMETRÍA
Tema 6: Variables aleatorias y distribuciones de probabilidad
n
Función de densidad: Variable discreta:
f x 1 ; Variable continua:
i
i 1
f x dx 1
Probabilidad: Variable discreta: Pxi f xi ; Variable continua: Pa x b f x dx
b
a
n
Esperanza: Variable discreta: E X xi · f xi ; Variable continua: E X x· f ( x)dx
i 1
Varianza: Var X E X E X E X 2 E 2 X
Modelos discretos:
n
Modelo binomial B(n,p): f x · p x ·q n x ( E x np ; Var X npq )
x
2
Modelo Poisson P(λ): f x
x
x!
e ( E x ; Var X )
Modelos continuos:
1
Modelo Normal o de Gauss N(μ,σ ): f x
e
2
Si Z~ N (0,1)
x 2
2
2 2
( E x ; Var X 2 )
P ( Z Z ) (tabla)
0 +Zα
-∞
+∞
=
0 +Zα
-∞
+∞
-∞
0
+∞
=
-Zα
-∞
0
+∞
P( Z Z ) 1 P( Z Z )
0 +Zα
-∞
+∞
P( Z Z ) 1 P( Z Z )
-∞
0
+∞
0 +Zα
-∞
+∞
P( Z Z ) P( Z Z )
=
-Zα
-∞
0
+∞
0 +Zα
-∞
+∞
=
Z1
-∞
0
Z2
+∞
P ( Z 1 Z Z 2 ) P ( Z Z 2 ) P Z Z 1
-∞
0
Si X~ N ( , 2 ) , entonces
Z2
x
+∞
-∞
Z1
0
+∞
~ N (0,1) (tipificación)
X
P ( X X ) P Z
Aproximación de la Binomial por la Poison B(n,p)→P(np) (n≥20, p≤0,05)
Aproximación de la Binomial por la Normal B(n,p)→N(np,npq) (npq>5)
Aproximación de la Poisson por la Normal P(λ) →N(λ, λ) (λ>5)
www.kaliumacademia.com