DISTRIBUCIÓN

Tipos de distribución:

 Distribución uniforme discreta:

Es la distribución de probabilidad se asocia a variables cuyos posibles valores
tienen todos la misma probabilidad. Si una variable aleatoria X cuyos posibles
valores son 𝑥1 , … , 𝑥𝑛 , tiene distribución uniforme discreta entonces:

1
𝑃(𝑋 = 𝑥1 ) = 𝑃(𝑋 = 𝑥2 ) = ⋯ = 𝑃(𝑋 = 𝑥𝑛 ) =
𝑛

Intuitivamente, esta variable está asociada al experimento similares al de elegir

al azar un número entre 1 y n sin disponer de ninguna información adicional.

(𝑥1 + ⋯ + 𝑥𝑛 ) (𝑥1 − 𝜇)2 + ⋯ + (𝑥𝑛 − 𝜇)2

𝜇= = 𝑥 ; 𝜎2 =
𝑛 𝑛

 Distribución uniforme continua

 Distribuciones Uniforme Continua en el intervalo [a, b] (U[a, b])
Es la distribución de probabilidad que se asocia a variables aleatorias que
pueden tomar cualquier valor en el intervalo [a, b] y cuya función de densidad
es:
1
𝑓(𝑥) = ; 𝑥 ∈ [𝑎, 𝑏]
𝑏−𝑎

Intuitivamente, es la distribución de probabilidad que se asocia a experimentos

similares a elegir un número al azar entre los valores a y b. La gráfica de su
función de densidad es:

 Distribución normal
 Distribución normal de parámetros µ y σ (N(µ, σ))
Es la distribución de probabilidad que viene determinada por la siguiente
función de densidad, definida en toda la recta real:

1 2 ⁄2𝜎2
𝑓(𝑥) = 𝑒 −(𝑥−𝜇) ; −∞ < 𝑥 < ∞
𝜎√2𝜋
 Intuitivamente, es la distribución de probabilidad que se asume para una
variable cuyos posibles valores se disponen de forma simétrica en torno a su
media de modo que los valores próximos a dicha media tendrán mayor
probabilidad de ser alcanzados. Conforme más alejados estén de la media, los
valores tienen menor probabilidad de ser alcanzados.
La gráfica de la función de densidad de la distribución normal es la denominada
campana de Gauss y se representa del siguiente modo:

Los parámetros de esta distribución son la media,

µ, que es el eje de simetría de la gráfica, y la
desviación típica σ.

Los parámetros de esta distribución son la media, µ, que es el eje de simetría de

la gráfica, y la desviación típica σ.

 Distribución normal de media 0 y desviación típica 1 (N(0, 1)):

La distribución N(µ, σ) se puede relacionar con la distribución N(0, 1), mediante
el siguiente proceso al que se denomina tipificación o estandarización:
𝑋−𝜇
𝑋~𝑁(𝜇, 𝜎) ⇒ 𝑍 = ~𝑁(0,1)
𝜎

A la distribución N(0, 1) se le denomina Normal Estándar.

Como ya dijimos anteriormente, la distribución N(0, 1) es simétrica respecto al
0, es decir, si 𝑍~𝑁(0,1)
 𝑃(𝑍 ≤ 𝑥) = 𝑃(𝑍 ≥ −𝑥)

Gráficamente, las siguientes áreas son idénticas:

Bibliografía:
 http://matematicas.unex.es/~mota/ciencias_ambientales/tema5_nuevo.pdf
 http://www.bqto.unexpo.edu.ve/avisos/PROBABILIDADYESTADISTICA%282-7-
13%29.pdf
 http://www4.ujaen.es/~mjolmo/EstadI/LADE_DCHO/Distribuciones.pdf