Tarea#1

DISTRIBUCION UNIFORME

La distribucin Uniforme es el modelo continuo ms simple. La distribucin uniforme es aquella

que puede tomar cualquier valor dentro de un intervalo, todos ellos con la misma probabilidad.
Caractersticas Principales
1. Es una distribucin muy sencilla que asigna probabilidades iguales a un conjunto finito de
puntos del espacio.
2. Toma valores equiprobables en un intervalo finito.
3. Su densidad de probabilidad es uniforme.
Aplicacin
o Se utiliza mucho en problemas de simulacin estadstica.
o Es usada en fenmenos que presentan regularidad de aparecimiento.

DISTRIBUCION EXPONENCIAL

Caractersticas Principales
1. La distribucin exponencial no tiene memoria, es decir, los eventos precedentes o futuros
no dependen de los ocurridos en el pasado.
2. El uso de la distribucin exponencial supone que los tiempos de servicio son aleatorios
3. Tiene como funcin expresar tambin el tiempo transcurrido entre eventos que se
contabilizan por medio de la distribucin de Poisson.
4. La tasa instantnea de ocurrencia de una variable exponencial es constante: (t) = El

parmetro se llama tasa de la distribucin.

Casos de utilizacin
o Distribucin del tiempo de espera entre sucesos de un proceso de Poisson.
o Aplicaciones en fiabilidad y teora de la supervivencia.
o Suele utilizarse para variables que describen el tiempo hasta que se produce un
determinado suceso.

o
o

Distribucin de los tiempos entre llegadas

Distribucin de los tiempos de servicio

o Unos ejemplos tpicos son:

 El tiempo que un mdico dedica a una exploracin, el tiempo de servir

una medicina en una farmacia, o el tiempo de atender a una urgencia.
El tiempo transcurrido en un call center hasta recibir la primera llamada del da.
El intervalo de tiempo entre terremotos (de una determinada magnitud) sigue
una distribucin exponencial.
En una mquina que produce hilo de alambre, la cantidad de metros de alambre
hasta encontrar una falla en el alambre se podra modelar como una exponencial.
El tiempo que transcurre entre dos llamadas por telfono, nmero de peatones
que llegan a un semforo, etc.

DISTRIBUCION DE POISSON

Caractersticas Principales
1. El espacio muestral se genera por un nmero muy grande de repeticiones de un
experimento, con probabilidad de xito muy pequea. Por esta razn, a la distribucin
de Poisson suele llamrsele de eventos raros.
2. La probabilidad de que se tengan dos o ms xitos en el mismo punto del intervalo es cero.
3. El nmero promedio de xitos en un intervalo es una constante , que no cambia de
intervalo a intervalo.
Casos de utilizacin
o Aqullos sucesos que son impredecibles o de ocurrencia aleatoria. Esto es, que no se
sabe el total de posibles resultados.
o Casos en los que la probabilidad de ocurrencia de un suceso representado por una
variable aleatoria, se requiere como un resultado discreto.
o Casos en los que la muestra o segmento es grande y la probabilidad de xitos es
pequea.
o Cuando la probabilidad del evento que nos interesa se distribuye dentro de un segmento
dado, como por ejemplo distancia, rea, volumen o tiempo definido.
o Unos ejemplos tpicos son:
El nmero de llamadas a una central telefnica en un periodo de tiempo.
El nmero de clientes que llega a una estacin de servicios en un periodo de
tiempo.
El nmero de veces que falla una mquina por da.
El nmero de servidores web accedidos por minuto.

 El nmero de partidos suspendidos a causa de la lluvia a lo largo de una

temporada.

El nmero de bacterias en un cultivo.

El nmero de errores mecanogrficos en una pgina.

DISTRIBUCION TRIANGULAR

Caractersticas Principales
1. La Distribucin Triangular ha sido denominada como la de falta de precisin o de
informacin.
2. Se define por tres parmetros: el mnimo a, el mximo b, y el valor ms probable c.
3. La funcin de densidad tiene una forma triangular.
4. Proporciona una primera aproximacin cuando hay poca informacin disponible.
Casos de utilizacin
o Es habitualmente empleada como una descripcin subjetiva de una poblacin para la que
slo se cuenta con una cantidad limitada de datos muestrales.
o En casos en que la relacin entre variables es conocida pero los datos son escasos
o Estimar las duraciones de las actividades de un proyecto usando las tres estimaciones:
optimista, muy pesimista, y pesimista.
o Se emplea para especificar actividades que tiene un tiempo mnimo, mximo y mas
probable.

DISTRIBUCION NORMAL

Caractersticas Principales
1. La curva tiene un solo pico, por consiguiente es unimodal.
2. Las distribuciones normales son estrictamente estables.
3. Tambin se la denomina con el nombre de campana de Gauss, pues al representar su
funcin de probabilidad, sta tiene forma de campana
4. La distribucin de probabilidad normal es simtrica alrededor de su media.
5. Sus medidas de tendencia central son idnticas y se encuentran ubicadas en el centro de
la curva

6. La variable aleatoria asociada con esta distribucin tiene rango infinito.

Casos de utilizacin
o Medidas morfolgicas de personas, animales, plantas, etc.
o Clculo de los errores cometidos al medir ciertas magnitudes.
o Valores estadsticos muestrales.
o Caracteres sociolgicos, por ejemplo consumo de cierto producto por un mismo grupo
de individuos.
o Se puede utilizar para aproximar varias distribuciones discretas de probabilidad (La
binomial, hipergeomtrica, Poisson) y de esta forma simplificar clculos tediosos.
o La distribucin normal permite determinar, por ejemplo, la proporcin de la poblacin
total con valores por debajo o por encima de un determinado valor