4.5: Revisión de la fórmula del capítulo
- Page ID
- 151100
Distribución Hipergeométrica
\(h(x)=\frac{\left(\begin{array}{l}{A} \\ {x}\end{array}\right)\left(\begin{array}{l}{N-A} \\ {n-x}\end{array}\right)}{\left(\begin{array}{l}{N} \\ {n}\end{array}\right)}\)
Distribución binomial
\(X \sim B(n, p)\)significa que la variable aleatoria discreta\(X\) tiene una distribución binomial de probabilidad con\(n\) ensayos y probabilidad de éxito\(p\).
\(X =\)el número de éxitos en n ensayos independientes
\(n =\)el número de juicios independientes
\(X\)adquiere los valores\(x = 0, 1, 2, 3, ..., n\)
\(p =\)la probabilidad de éxito para cualquier juicio
\(q =\)la probabilidad de un fracaso para cualquier juicio
\(p + q = 1\)
\(q = 1 – p\)
La media de\(X\) es\(\mu = np\). La desviación estándar de\(X\) es\(\sigma=\sqrt{n p q}\).
\[P(x)=\frac{n !}{x !(n-x) !} \cdot p^{x} q^{(n-x)}\nonumber\]
donde\(P(X)\) es la probabilidad de\(X\) éxitos en los\(n\) ensayos cuando la probabilidad de éxito en CUALQUIER TRIAL es\(p\).
Distribución Geométrica
\(P(X=x)=p(1-p)^{x-1}\)
\(X \sim G(p)\)significa que la variable aleatoria discreta\(X\) tiene una distribución geométrica de probabilidad con probabilidad de éxito en un solo ensayo\(p\).
\(X =\)el número de ensayos independientes hasta el primer éxito
\(X\)adquiere los valores\(x = 1, 2, 3, ...\)
\(p =\)la probabilidad de éxito para cualquier juicio
\(q =\)la probabilidad de un fracaso para cualquier juicio\(p + q = 1\)
\(q = 1 – p\)
La media es\(\mu = \frac{1}{p}\).
La desviación estándar es\(\sigma=\sqrt{\frac{1-p}{p^{2}}}=\sqrt{\frac{1}{p}\left(\frac{1}{p}-1\right)}\).
Distribución de Poisson
\(X \sim P(\mu )\)significa que\(X\) tiene una distribución de probabilidad de Poisson donde\(X =\) el número de ocurrencias en el intervalo de interés.
\(X\)adquiere los valores\(x = 0, 1, 2, 3, ...\)
La media\(\mu\) o\(\lambda\) se da típicamente.
La varianza es\(\sigma ^2 = \mu\), y la desviación estándar es
\(\sigma=\sqrt{\mu}\).
Cuando\(P(\mu)\) se utiliza para aproximar una distribución binomial,\(\mu = np\) donde n representa el número de ensayos independientes y\(p\) representa la probabilidad de éxito en un solo ensayo.
\[P(x)=\frac{\mu^{x} e^{-\mu}}{x !}\nonumber\]