DISTRIBUCIONES CONTINUAS

Normal

La distribucin normal describe diferentes fenmenos naturales, como el cociente de inteligencia,

la altura de las personas, la tasa de inflacin o los errores de medida. Se trata de una distribucin
de probabilidad continua.

Los parmetros para la distribucin normal son la media y la desviacin estndar.

Existen tres condiciones subyacentes a la distribucin normal:

1) Uno de los valores de la variable desconocida es el ms probable (la media de la

distribucin).
2) La variable desconocida tiene la misma probabilidad de estar por encima o por debajo de la
media (simtrica respecto a la media).
3) La variable desconocida tiene ms probabilidad de estar cerca de la media que lejos. De los
valores de la distribucin normal, aproximadamente el 68% de ellos se encuentran dentro de
una desviacin estndar respecto a la media.

Triangular
Descripcin de Triangular:
La distribucin triangular se suele utilizar cuando conoce los valores mnimo, y mximo y los ms
probables. Por ejemplo, puede describir el nmero de vehculos vendidos por semana cuando las
ventas anteriores muestran el nmero mnimo, mximo y ms probable de vehculos vendidos. Se
trata de una distribucin de probabilidad continua.

Los parmetros para la distribucin triangular son los valores mnimo, ms probable y mximo.

Existen tres condiciones subyacentes a la distribucin triangular:

1) El valor mnimo es fijo.

2) El valor mximo es fijo.
3) El valor ms probable se encuentra en algn punto entre los valores mnimo y mximo,
creando una distribucin de forma triangular, que muestra que los valores prximos al mnimo y al
mximo tienen menos probabilidad de producirse que los prximos al valor ms probable.

Uniforme

Descripcin de Uniforme:
En la distribucin uniforme, todos los valores entre el mnimo y el mximo tienen la misma
probabilidad de producirse. Se trata de una distribucin de probabilidad continua.

Los parmetros para la distribucin uniforme son mnimo y mximo.

 Existen tres condiciones subyacentes a la distribucin uniforme:
1) El valor mnimo es fijo.
2) El valor mximo es fijo.
3) Todos los valores entre el mnimo y el mximo tienen la misma probabilidad de producirse.

Logartmica Normal

Descripcin de Logartmico normal:

La distribucin logartmica normal se utiliza en un gran nmero de situaciones en las que los
valores se sesgan positivamente (donde la mayora de los valores estn cerca del valor mnimo),
como en el anlisis financiero para la valoracin de ttulos o en el sector de los bienes inmuebles
para la tasacin de la propiedad. Se trata de una distribucin de probabilidad continua.

Los analistas financieros han observado que los precios de las acciones se suelen sesgar
positivamente, en lugar de distribuirlos de forma normal (simtricamente). Los precios de las
acciones muestran esta tendencia porque no pueden estar por debajo del lmite inferior de cero,
pero pueden aumentar hasta cualquier precio sin lmite. Del mismo modo, los precios de los
bienes inmuebles muestran sesgos positivos, ya que los valores de propiedad no pueden
convertirse en negativos.

Los parmetros para la distribucin logartmica normal son la media y la desviacin estndar.

Existen tres condiciones subyacentes a la distribucin logartmica normal:

1) La variable desconocida puede aumentar sin lmite, pero est limitada a un valor finito en el
lmite inferior.
2) La variable desconocida muestra una distribucin sesgada positivamente.
3) El logaritmo natural de la variable desconocida generar una curva normal.

Beta
Descripcin de Beta:
La distribucin beta es una distribucin muy flexible para modelar las probabilidades basndose
en estadsticas bayesianas. Se utiliza tambin para describir datos empricos y predecir el
comportamiento aleatorio de porcentajes y fracciones. Se trata de una distribucin de
probabilidad continua.

Los parmetros para la distribucin beta son mnimo, mximo, alfa y beta.

Existen dos condiciones subyacentes a la distribucin beta:

1) La variable desconocida es un valor aleatorio entre el mnimo y el mximo.
2) Puede especificar la forma de la distribucin como dos valores positivos.
 Beta PERT
Descripcin de Beta PERT:
La distribucin betaPERT se deriva de la distribucin beta y se suele utilizar en el anlisis de
riesgo de proyectos para la asignacin de probabilidades a duraciones o costes de las tareas. En
ocasiones, se utiliza tambin como alternativa "ms suave" a la distribucin triangular. Se trata de
una distribucin de probabilidad continua.

Los parmetros para la distribucin betaPERT son el mnimo, el ms probable y el mximo.

Existen tres condiciones subyacentes a la distribucin beta PERT:

1) El valor mnimo es fijo.
2) El valor mximo es fijo.
3) El valor ms probable corresponde a un pico entre los valores mnimo y mximo, que muestra
que los valores prximos al mnimo y al mximo tienen una probabilidad mucho menor de
producirse que los que estn prximos al valor ms probable.

Gamma
Descripcin de Gamma:
La distribucin gamma se aplica a una amplia gama de cantidades fsicas y es similar a un grupo
de otras distribuciones: logartmica normal, exponencial, Pascal, geomtrica, Erlang, Poisson y
chi-cuadrado. Se trata de una distribucin de probabilidad continua.

La distribucin gamma se puede considerar como una distribucin de la cantidad de tiempo hasta
la aparicin de un evento nmero r en un proceso de Poisson. Se utiliza en procesos
meteorolgicos para representar las concentraciones de polucin y las cantidades de
precipitaciones, adems de otras aplicaciones en teoras econmicas, de inventario y de riesgo
de las aseguradoras.

Los parmetros para la distribucin gamma son la ubicacin, la escala y la forma.

Existen tres condiciones subyacentes a la distribucin gamma:

1) El nmero de posibles apariciones en cualquier unidad de medida no est limitado a un
nmero fijo.
2) Las apariciones son independientes. El nmero de apariciones en una unidad de medida no
afecta al nmero de apariciones en otra unidades.
3) El nmero medio de apariciones debe ser el mismo para todas las unidades.

Weibull
Descripcin de Weibull:
La distribucin de Weibull describe los datos resultantes de las pruebas de duracin y desgaste.
Se utiliza normalmente para describir la duracin del error en los estudios de fiabilidad y la
resistencia frente a roturas de los materiales en las pruebas de fiabilidad y control de calidad. Las
distribuciones de Weibull se utilizan tambin para representar diferentes cantidades fsicas, como
la velocidad del viento.

La distribucin de Weibull es fundamentalmente una familia de distribuciones que pueden asumir

las propiedades de otras varias distribuciones. Por ejemplo, en funcin de la forma del parmetro
 que defina, la distribucin de Weibull se puede utilizar para aproximar las distribuciones
exponenciales y de Rayleigh, entre otras. Se trata de una distribucin de probabilidad continua.

Los parmetros para la distribucin de Weibull son la ubicacin, la escala y la forma.

Extrema Mximo
Descripcin de Extremo mximo:
La distribucin de valor mximo extremo, conocida tambin como distribucin de Gumbel, se
suele utilizar para describir el valor ms alto de una respuesta a lo largo de un periodo de tiempo:
flujos sanguneos, precipitaciones y terremotos. Entre otras aplicaciones se incluyen la resistencia
frente a roturas de los materiales, el diseo de construcciones y las cargas y tolerancias de
aeronaves. Se trata de una distribucin de probabilidad continua.

Los parmetros para la distribucin de valor mximo extremo son la mayor probabilidad y la escala.

Esta distribucin se sesga positivamente; es decir, consta de una larga cola hacia los valores ms
positivos (el extremo superior o derecho del rango).

Extrema Mnimo
Descripcin de Extremo mnimo:
La distribucin de valor mnimo extremo, conocida tambin como distribucin de Gumbel, se
suele utilizar para describir el valor ms bajo de una respuesta a lo largo de un periodo de tiempo:
flujos sanguneos, precipitaciones y terremotos. Entre otras aplicaciones se incluyen la resistencia
frente a roturas de los materiales, el diseo de construcciones y las cargas y tolerancias de
aeronaves. Se trata de una distribucin de probabilidad continua.

Los parmetros para la distribucin de valor mnimo extremo son la mayor probabilidad y la escala.

Esta distribucin se sesga negativamente; es decir, consta de una larga cola hacia los valores ms
negativos (el extremo inferior o izquierdo del rango).

Logstica
Descripcin de Logstica:
La distribucin logstica se suele utilizar para describir el crecimiento (p. ej., el tamao de una
poblacin expresado como una funcin de una variable de tiempo). Se puede utilizar tambin
para describir reacciones qumicas y el nivel de crecimiento para una poblacin o un individuo. Se
trata de una distribucin de probabilidad continua.

Los parmetros para la distribucin logstica son la media y la escala.

 T de Student
Descripcin de t de Student:
La distribucin t de Student es parecida a una curva normal, pero con colas ms finas (ms
valores atpicos) y mayores apuntamientos (curtosis alta) en la regin central. Conforme
aumentan los grados de libertad, la distribucin se aproxima a la distribucin normal. Para los
grados de libertad mayores a 30, debe utilizar la distribucin normal en su lugar. La distribucin t
de Student es una distribucin de probabilidad continua.

Puesto que la distribucin t de Student tiene un parmetro adicional que controla la forma de la
distribucin (grados de libertad) sobre la distribucin normal, la mayor flexibilidad de la t de
Student es preferible en ocasiones para conseguir un modelado ms preciso de las cantidades
prcticamente normales encontradas en las aplicaciones de economtrica y financieras.

Los parmetros para la distribucin t de Student son el punto medio, la escala y los grados de
libertad.

Existen dos condiciones subyacentes a una distribucin t de Student:

1) Los valores se distribuyen simtricamente sobre el punto medio.
2) La distribucin se aproxima a una curva normal conforme aumentan los grados de libertad.

Exponencial
Descripcin de Exponencial:
La distribucin exponencial describe la cantidad de tiempo que transcurre entre eventos, como el
tiempo entre fallos del equipo electrnico o el tiempo entre llegadas al centro de servicio. Se trata
de una distribucin de probabilidad continua.

El parmetro para la distribucin exponencial es la frecuencia.

Existen dos condiciones subyacentes a la distribucin exponencial:

1) La distribucin exponencial complementa a la distribucin de Poisson. La distribucin de
Poisson describe el nmero de apariciones por unidad de tiempo mientras que la distribucin
exponencial describe la cantidad de tiempo entre apariciones.
2) La distribucin no se ve afectada por eventos anteriores.

Pareto
Descripcin de Pareto:
La distribucin Pareto es muy utilizada para la investigacin de distribuciones asociadas a dichos
fenmenos empricos como el tamao de la poblacin de una ciudad, la aparicin de recursos
naturales, el tamao de las compaas, los ingresos personales, las fluctuaciones del precio de
las acciones y la agrupacin de errores en los circuitos de comunicacin. Se trata de una
distribucin de probabilidad continua.

Los parmetros para la distribucin Pareto son la ubicacin y la forma.

 DISTRIBUCIONES DISCRETAS

Binomial
Descripcin de Binomial:
La distribucin binomial describe el nmero de apariciones en un nmero fijo de pruebas, como
el nmero de caras en 10 lanzamientos de una moneda o el nmero de partes defectuosas entre
50 artculos. Se trata de una distribucin de probabilidad discreta.

Los parmetros para la distribucin binomial son la probabilidad y las pruebas.

Existen tres condiciones subyacentes a la distribucin binomial:

1) Para cada prueba, hay dos resultados posibles: xito o fallo.
2) Las pruebas son independientes. Lo que ocurre en la primera prueba no afecta a la segunda,
etc.
3) La probabilidad de xito es la misma para todas las pruebas.

Poisson
Descripcin de Poisson:
La distribucin de Poisson describe el nmero de veces que se produce un evento en un
determinado intervalo, por ejemplo, el nmero de llamadas telefnicas por minuto o el nmero de
errores por pgina en un documento. Se trata de una distribucin de probabilidad discreta.

El parmetro para la distribucin de Poisson es la frecuencia.

Existen tres condiciones subyacentes a la distribucin de Poisson:

1) El nmero de posibles apariciones en cualquier unidad de medida no est limitado a un
nmero fijo.
2) Las apariciones son independientes. El nmero de apariciones en una unidad de medida no
afecta al nmero de apariciones en otras unidades.
3) El nmero medio de apariciones debe ser el mismo para todas las unidades.

Hipergeomtrica
Descripcin de Hipergeomtrica:
La distribucin hipergeomtrica es similar a la distribucin binomial; ambas describen el nmero
de xitos en un nmero fijo de pruebas. Sin embargo, las pruebas de distribucin son
independientes, mientras que las pruebas de la distribucin hipergeomtrica cambian la
 probabilidad de las posteriores pruebas y son pruebas sin reemplazo. Se trata de una distribucin
de probabilidad discreta.

Los parmetros para la distribucin hipergeomtrica son la probabilidad, las pruebas y el tamao
de la poblacin. El parmetro de probabilidad especifica la probabilidad inicial.

Existen tres condiciones subyacentes a la distribucin hipergeomtrica:

1) El nmero total de elementos (el tamao de la poblacin) es un nmero fijo (una poblacin
finita).
2) El tamao de la muestra (nmero de pruebas) representa una parte de la poblacin.
3) la probabilidad inicial de xito conocida cambia ligeramente despus de cada prueba.

Binomial negativa
Descripcin de Binomial negativa:
La distribucin binomial negativa es til para modelar la distribucin del nmero de pruebas
hasta la aparicin nmero r correcta, como el nmero de visitas de ventas que necesita realizar
para cerrar 10 pedidos. Se trata fundamentalmente de una superdistribucin de la distribucin
geomtrica. Se trata de una distribucin de probabilidad discreta.

Los parmetros para la distribucin binomial negativa son la probabilidad y la forma.

Existen tres condiciones subyacentes a la distribucin binomial negativa:

1) El nmero de pruebas no es fijo.
2) Las pruebas continan hasta que el nmero r es correcto.
3) La probabilidad de xito es la misma para todas las pruebas.

Geomtrica
Descripcin de Geomtrica:
La distribucin geomtrica describe el nmero de pruebas hasta el primer xito, como el nmero
de veces que debe perforar en busca de petrleo hasta encontrar un pozo. Se trata de una
distribucin de probabilidad discreta.

El parmetro para la distribucin geomtrica es la probabilidad.

Existen tres condiciones subyacentes a la distribucin geomtrica:

1) El nmero de pruebas no es fijo.
2) Las pruebas continan hasta el primer xito.
3) La probabilidad de xito es la misma para todas las pruebas.
 Uniforme Discreta
Descripcin de Uniforme discreta:
En la distribucin uniforme discreta, todos los valores enteros entre el mnimo y el mximo tienen
la misma probabilidad de producirse. La distribucin uniforme discreta se puede utilizar para
modelar el rodamiento de un dado de seis caras. En este caso, el valor mnimo es 1 y el mximo
6. Se trata de una distribucin de probabilidad discreta.

Los parmetros para la distribucin uniforme son el mnimo y el mximo.

Existen tres condiciones subyacentes a la distribucin uniforme:

1) El valor mnimo es fijo.
2) El valor mximo es fijo.
3) Todos los valores enteros entre el mnimo y el mximo tiene la misma probabilidad de
producirse.

Si No
Descripcin de S-No:
La distribucin dicotmica, tambin denominada distribucin de Bernoulli, describe un conjunto
de observaciones que slo pueden tener uno de dos valores: por ejemplo, s/no, xito/fracaso,
true/false o cabeceras/colas. Se trata de una distribucin de probabilidad discreta.

El parmetro para la distribucin dicotmica es la probabilidad (p) del s.

Existen dos condiciones subyacentes a una distribucin dicotmica:

1) La variable aleatoria slo puede tener uno de dos valores: 0 o 1.
2) La probabilidad de 1 es igual a p; la probabilidad de 0 es iguale a uno menos p.