Distribución exponencial: Una propiedad importante es la denominada carencia de

memoria, que podemos definir así: si la variable X mide el tiempo de vida y sigue una
distribución Exponencial. Cuando el número de sucesos por unidad de tiempo sigue una
distribución de Poisson de parámetro λ.
Distribución de Poisson: Es una distribución de probabilidad discreta que se aplica a las
ocurrencias de algún suceso durante un intervalo determinado. La variable discreta x es el
número de ocurrencias de un suceso durante un intervalo Las ocurrencias deben ser
aleatorias y no contener ningún vicio que favorezca unas ocurrencias en favor de otras.
Distribución normal: La forma de la curva de la distribución depende de sus dos
parámetros: la media y la desviación estándar. La media indica la posición de la campana,
la gráfica se desplaza a lo largo del eje x.
Distribución uniforme: La distribución Uniforme es el modelo continuo más simple.
Corresponde al caso de una variable aleatoria que sólo puede tomar valores
comprendidos entre dos extremos a y b, de manera que todos los intervalos de una
misma longitud (dentro de (a, b)) tienen la misma probabilidad.
Distribución triangular: En probabilidad y estadística, la distribución triangular es la
distribución de probabilidad continua que tiene un valor mínimo a, un valor máximo b y
una moda c, de modo que la función de densidad de probabilidad es cero para los
extremos (a y b), y afín entre cada extremo y la moda.
Distribución weibull: Se trata de un modelo continúo asociado a variables del tipo tiempo
de vida, tiempo hasta que un mecanismo falla. Tiene parámetro de forma y escala
Distribución log normal: En probabilidades y estadísticas, la distribución normal
logarítmica es una distribución de probabilidad de una variable aleatoria cuyo logaritmo
está normalmente distribuido. Es decir, si X es una variable aleatoria con una distribución
normal.
Distribución de Earlang: es una distribución de probabilidad continua con amplia
aplicabilidad debido principalmente a su relación con la exponencial y la distribución
gamma dada por la suma de un numero de variables aleatorias independientes que
poseen la misma distribución exponencial.
Distribución de gamma: Este modelo es una generalización del modelo Exponencial ya
que, en ocasiones, se utiliza para modelar variables que describen el tiempo hasta que se
produce p veces un determinado suceso. La distribución Gamma (α, p = 1) es una
distribución Exponencial de parámetro α. Es decir, el modelo Exponencial es un caso
particular de la Gamma con p = 1.

Distribución beta: En estadística la distribución beta es una distribución de probabilidad

continua con dos parámetros Alpha y beta.