1. Las Distribuciones Discretas se usan para calcular la probabilidad de que en una muestra aleatoria de n elementos, seleccionados sin reemplazo, se tengan x éxitos y n x fracasos. Para que se presente este resultado, debe tener x éxitos de los r éxitos que hay en la población y n x fracasos de los N r fracasos.
2. 1. DISTRIBUCIONES DISCRETAS
2.1. Distribución Geométrica
2.1.1. Permite calcular la probabilidad de que tenga que realizarse un numero k de repeticiones antes de obtener un éxito por primera vez
2.2. Distribuciones Poisson
2.2.1. La distribución de Poisson se emplea como un modelo para variables aleatorias de tipo discreto cuando se quieren obtener las probabilidades de ocurrencia de un evento que se distribuye al azar en el espacio o el tiempo.
2.3. Distribuciones Binomial
2.3.1. Consideramos un experimento Bernouilli que repetimos en n ocasiones, obteniendo en cada repetición sólo dos resultados posibles, “éxito” o “fracaso,” con cierta probabilidad θ para el éxito, y contabilizamos el número de éxitos N . Los posibles resultados de este experimento son{0,1,2,n} éxitos conseguidos en un total de n pruebas.
2.4. Distribución Pascal
2.4.1. Llamada también distribución Binomial Negativa, se utiliza en procesos en los cuales se necesita la repetición de ensayos hasta conseguir un número de resultado exitoso.
2.5. OTRAS DISTRIBUCIONES DISCRETAS
2.5.1. Mixturas de Discretas
2.5.1.1. Una variable discreta
3. SON EL PROCESO DE DIVIDIR UNA VARIABLE ALEATORIA POR MEDIOS MATEMÁTICOS
4. La importancia de la distribución se pone de manifiesto ante las variadas disciplinas del quehacer humano en las cuales este concepto está involucrado, en forma definida o implícita.
5. DISTRIBUCIONES CONTINUAS
5.1. Distribuciones Uniformes
5.1.1. La distribución uniforme es la distribución de probabilidad continua más sencilla y se refiere a eventos infinitos que tienen la misma probabilidad de ocurrir en un intervalo dado
5.2. Distribuciones Exponencial
5.2.1. La distribución exponencial es una distribución muy común en la modelización probabilista. Esta distribución describe procesos que describen el tiempo entre sucesos consecutivos, con la peculiaridad de que sus probabilidades no dependen del instante en que se producirán los eventos.
5.3. Distribuciones Gama
5.3.1. La distribución Gamma, al igual que ocurre con la exponencial, se utiliza habitualmente para modelizar variables aleatorias positivas y asimétricas, y sobre todo para describir procesos de eventos que ocurren en el tiempo.
5.4. Distribuciones Weibull
5.4.1. La distribución Weibull se utiliza para describir la resistencia a la rotura de diversos materiales o para describir los tiempos de fallo de muchos tipos de sistemas diferentes.
5.5. Distribución Normal
5.5.1. La distribución normal es la distribución más común, reconocida por la mayoría de personas por su curva en forma de “campana,” y también llamada “campana de Gauss.” representa el supuesto básico distribucional para resolver muchos de los problemas de inferencia estadística habituales
5.6. Distribución Logística
5.6.1. La logística de distribución se encarga de gestionar toda la fase que va desde que el producto se encuentra terminado hasta que llega a su destinatario.
5.7. Distribución Beta
5.7.1. Es utilizada para variables aleatorias continuas que toman valores en el intervalo (0,1) lo que la hace apropiada para moldear proporciones
5.8. Distribución Pareto
5.8.1. La distribución de Pareto (creada por el economista italiano del siglo XIX Vilfredo Pareto ) está definida por un parámetro de forma , α (también llamado parámetro de pendiente o índice de Pareto) y un parámetro de ubicación , X.
5.9. Distribución Triangular
5.9.1. La distribución triangular es una distribución de probabilidad continua con una función de densidad de probabilidad con forma de triángulo.
5.10. Distribución Laplace
5.10.1. la distribución de Laplace es una densidad de probabilidad continua, llamada así en honor a Pierre-Simon Laplace. Es también conocida como distribución doble exponencial puesto que puede ser considerada como la relación las densidades de dos distribuciones exponenciales adyacentes.
5.11. Distribución Cauchy
5.11.1. llamada en honor a Augustin Cauchy y Hendrik Lorentz, Su importancia en la física es dada por ser la solución de la ecuación diferencial que describe la resonancia forzada.