Nombre: Jessica Guaño Gusqui

Curso: 4-2

Distribución continúa

Una distribución continua describe las probabilidades de los posibles valores de una
variable aleatoria continua. Una variable aleatoria continua es una variable aleatoria con
un conjunto de valores posibles (conocido como el rango) que es infinito y no se puede
contar
Exponencial

Las probabilidades de las variables aleatorias continuas (X) se definen como el área por
debajo de la curva de su PDF. Por lo tanto, solo los rangos de valores pueden tener una
probabilidad diferente de cero. La probabilidad de que una variable aleatSe la utiliza
como modelo para representar el tiempo de funcionamiento o de espera. Tiene como
función expresar también el tiempo transcurrido entre eventos que se contabilizan por
medio de la distribución de Poisson.
El tiempo que tarda una partícula radiactiva en desintegrarse. Por ejemplo, la datación
de fósiles o cualquier materia orgánica mediante la técnica del carbono 14. El tiempo
que puede transcurrir, en un servicio de urgencias para la llegada de un paciente; En un
proceso de Poisson donde se repite sucesivamente un experimento a intervalos de
tiempo iguales, el tiempo que transcurre entre la ocurrencia de dos sucesos consecutivos
sigue un modelo probabilístico exponencial.

La distribución Uniforme

es el modelo (absolutamente) 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. También puede expresarse como el modelo probabilístico
correspondiente a tomar un número al azar dentro de un intervalo (a, b). De la anterior
definición se desprende que la función de densidad debe tomar el mismo valor para
todos los puntos dentro del intervalo (a, b) (y cero fuera del intervalo).2 suele conocerse
como la "campana de Gauss".

La distribución normal
de probabilidad conocida como distribución normal es, por la cantidad de fenómenos
que explica, la más importante de las distribuciones estadísticas. A la distribución
normal también se la denomina con el nombre de campana de Gauss, pues al representar
su función de probabilidad, ésta tiene forma de campana. En el match-block sobre la
distribución binomial se introduce el concepto de variable aleatoria, distinguiendo
además dos tipos de variables, las discretas y las continuas. En este apartado seguimos
con el estudio de distribuciones de probabilidad analizando la distribución de
probabilidad continua más importante, la distribución normal. A continuación veremos
las características principales de una distribución de probabilidad normal, definiendo
 posteriormente la distribución normal estándar así como sus usos. Posteriormente,
veremos cómo utilizar la distribución normal para estimar probabilidades binomiales
Continua equivalga a algún valor siempre es cero.

Distribución discreta

Una distribución discreta describe la probabilidad de ocurrencia de cada valor de una

variable aleatoria discreta. Una variable aleatoria discreta es una variable aleatoria que
tiene valores contables, tales como una lista de enteros no negativos. Con una
distribución de probabilidad discreta, cada valor posible de la variable aleatoria discreta
puede estar asociado con una probabilidad distinta de cero. Por lo tanto, una
distribución de probabilidad discreta suele representarse en forma tabular.

la distribución binomial

es una distribución de probabilidad discreta que cuenta el número de éxitos en una

secuencia de n ensayos de Bernoulli independientes entre sí, con una probabilidad
fija p de ocurrencia del éxito entre los ensayos. Un experimento de Bernoulli se
caracteriza por ser dicotómico, esto es, solo dos resultados son posibles. A uno de estos
se denomina «éxito» y tiene una probabilidad de ocurrencia p y al otro, «fracaso», con
una probabilidad q = 1 - p.2En la distribución binomial el anterior experimento se
repite n veces, de forma independiente, y se trata de calcular la probabilidad de un
determinado número de éxitos. Para n = 1, la binomial se convierte, de hecho, en
una distribución de Bernoulli.

Para representar que una variable aleatoria X sigue una distribución binomial de
parámetros n y p, se escribe:
El número de eventos (X) en n ensayos sigue una distribución binomial si se cumplen
las siguientes condiciones:

 El número de ensayos es fijo.

 Cada ensayo es independiente de otros ensayos.
 Cada ensayo tiene uno de dos resultados: evento o no evento.
 La probabilidad de un evento es igual para cada ensayo.

Distribución de Poisson
Es una distribución de probabilidad discreta que expresa, a partir de una frecuencia de
ocurrencia media, la probabilidad de que ocurra un determinado número de eventos
durante cierto período de tiempo. Concretamente, se especializa en la probabilidad de
ocurrencia de sucesos con probabilidades muy pequeñas, o sucesos "raros".}
Hipérgeometrica
En teoría de la probabilidad la distribución hipergeométrica es una distribución discreta
relacionada con aleatorios y sin reemplazo. Suponga que se tiene una población
de N elementos de los cuales, d pertenecen a la categoría A y N-d a la B. La distribución

hipergeométrica mide la probabilidad de obtener x ( ) elementos de la

categoría A en una muestra sin reemplazo de n elementos de la población original.
La función de probabilidad de una variable aleatoria con distribución hipergeométrica
puede deducirse a través de razonamientos combinatorios y es igual a

https://www.google.com.ec/search?q=distribucion+discreta&oq=distribucion+di
screta&aqs=chrome..69i57j0l5.9000j0j7&sourceid=chrome&ie=UTF-8

http://www.juntadeandalucia.es/averroes/centros-
tic/14002996/helvia/aula/archivos/repositorio/250/295/html/estadistica/ddiscreta

m#Dos

https://www.uv.es/ceaces/base/modelos%20de%20probabilidad/exponencial.ht