DISTRIBUCIN NORMAL

Se trata, sin duda, del modelo continuo ms importante en estadstica, tanto

por su aplicacin directa, veremos que muchas variables de inters general
pueden describirse por dicho modelo, como por sus propiedades, que han
permitido el desarrollo de numerosas tcnicas de inferencia estadstica. En
realidad, el nombre de Normal proviene del hecho de que durante un tiempo
se crey, por parte de mdicos y bilogos, que todas las variables naturales
de inters seguan este modelo.
Para variables continuas

f ( x )=

( x )
1
exp
donde< x <+
2
2
2

Que, como vemos, depende de dos parmetros (que puede ser cualquier
valor real) y (que ha de ser positiva). Por esta razn, a partir de ahora
indicaremos de forma abreviada que una variable X sigue el modelo Normal
as: X ~ N(, ). Por ejemplo, si nos referimos a una distribucin Normal con
= 0 y = 1 lo abreviaremos N(0, 1). [1]
Su esperanza es .
Su varianza es

DISTRIBUCIN BINOMIAL
En estadstica, la distribucin binomial es una distribucin de probabilidad
discreta que cuenta el nmero de xitos en una secuencia de n ensayos de
Bernoulli independientes entre s, con una probabilidad fija p de ocurrencia
del xito entre los ensayos. Un experimento de Bernoulli se caracteriza por
ser dicotmico, esto es, slo son posibles dos resultados. A uno de estos se
denomina xito y tiene una probabilidad de ocurrencia p y al otro, fracaso,
con una probabilidad q = 1 - p. En la distribucin binomial el anterior
experimento se repite n veces, de forma independiente, y se trata de
calcular la probabilidad de un determinado nmero de xitos. Para n = 1, la
binomial se convierte, de hecho, en una distribucin de Bernoulli. [1]
Para Variables aleatorias

( nk ) p q

p ( X=k )=

nk

Donde:
n es el nmero de pruebas
k es el nmero de xitos

Varianza 2=npq

p es la probabilidad de xito
q es la probabilidad de fracaso

El nmero combbinatorio

n!
( nk )= k ! ( nk
)!
DISTRIBUCIN UNIFORME

La distribucin Uniforme es el modelo (absolutamente) continuo ms simple.

Corresponde al caso de una variable aleatoria que slo 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.
Tambin puede expresarse como el modelo probabilstico correspondiente a
tomar un nmero al azar dentro de un intervalo (a, b).
De la anterior definicin se desprende que la funcin de densidad debe
tomar el mismo valor para todos los puntos dentro del intervalo (a, b) (y
cero fuera del intervalo). Es decir,
Para variables aleatorias [3]

1
f x ( x )= ba
0

si x ( a , b )
si x ( a , b )

Propiedades del modelo Uniforme

Su esperanza vale (b + a)/2

Su varianza es (b a)2/12

DISTRIBUCIN EXPONENCIAL
Es una de las distribuciones de variable continua ms importantes, se la
utiliza como modelo para representar el tiempo de funcionamiento o de
espera.
Tiene como funcin expresar tambin el tiempo transcurrido entre eventos
que se contabilizan por medio de la distribucin de Poisson.
Para variables continuas [2]
Se dice que una variable aleatoria continua X sigue una distribucin
exponencial de parmetro si su funcin de densidad es:

f ( x )=

0
si x <0
x
e
si x 0

Donde es una constante positiva. Se nota como X ~ E ()

Su esperanza : E ( x )=

Su Varianza :Var ( x )=

1
2

CUADRO COMPARATIVO

DISTRIBUCIONES
FRMULA

TIPO
DE
VARIAB
LES

NORMAL

Continu
a

BINOMIAL

Aleatori
a

UNIFORME

Aleatori
a

EXPONENCI
AL

Continu
a

CARACTER
STICA
La grfica
de su
funcin de
densidad
tiene una
forma
acampanad
a
En cada
prueba del
experimento
slo son
posibles dos
resultados
asume cada
uno de los
valores con
una
probabilidad
idntica
Representa
el tiempo en
funcionamie
nto o espera

[1] M. M. Hidalgo, SlideShare, 11 Noviembre 2013. [En lnea]. Available:

http://es.slideshare.net/monicamantillahidalgo/distribucion-exponencial.
[2] U. d. Barcelona, UB, [En lnea]. Available:
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo
4/B0C4m1t1.htm.
[3] P. I. Moncayo, Ditutor, 25 Marzo 2012. [En lnea]. Available:
http://www.ditutor.com/distribucion_binomial/distribucion_binomial.html.