NOMBRE: MENA IZA AMARYLIS GISSELL FECHA: 15/10/2018

CURVAS DE DISTRIBUCIÓN
Una distribución de probabilidad indica toda la gama de valores que pueden representarse
como resultado de un experimento si éste se llevase a cabo. Es decir, describe la probabilidad
de que un evento se realice en el futuro, constituye una herramienta fundamental para la
prospectiva, puesto que se puede diseñar un escenario de acontecimientos futuros
considerándolas tendencias actuales de diversos fenómenos naturales.
Las distribuciones continuas son:
- Uniforme - Ji-cuadrado
- Normal - t de Student
- Normal bivariante - F de Snedecor
- Lognormal - Cauchy
- Logística - Weibull
- Beta - Laplace
- Gamma - Pareto
- Exponencial - Triangular

DISTRIBUCIÓN NORMAL

De modo riguroso, se dice que una variable aleatoria sigue una distribución normal de media
µ, y desviación típica σ, y se designará por N(µ, σ), si se cumplen las siguientes condiciones:
La variable recorre toda la recta real, y la función de densidad es de la forma:

donde e = 2.71828; π= 3.14159; µ es la media de la distribución y σ es la desviación típica.

Características distintivas de este tipo de distribución son:
1.- Es unimodal;
2.- Es simétrica, situándose el eje de simetría sobre el valor de la media (mediana, moda) de la
distribución de la variable;
3.- Es asintótica;
4.- Hace corresponder valores de probabilidad altos para los valores centrales de la variable,
mientras que esas probabilidades decaen de forma progresiva a medida que nos alejamos del
centro de la distribución, más aceleradamente en la zona central, menos en los extremos.
Permite modelar numerosos fenómenos naturales, sociales y psicológicos

MODELO JI-CUADRADO (DE PEARSON)

Es una variable obtenida al sumar los cuadrados de n variables aleatorias normales estándar,
independientes entre sí. Recibe el nombre de χ2n de PEARSON, con n grados de libertad, o
sea, χ2n = Z12 + Z22 +... + Zn2 siendo cada Zi una variable normal N(0,1), e independientes.
Esta variable depende, pues, del número de sumandos que la forman, llamado "grados de
libertad", y el rango es el semieje real positivo (ya que es una suma de cuadrados).

Propiedades de la distribución chi-cuadrado

1.- La variable solo puede tomar valores positivos.
2.- Es asimétrica.
3.- Depende del parámetro n (grados de libertad).
4.- Su esperanza matemática es n, y su varianza, 2n.
Tiene muchas aplicaciones en inferencia estadística.

DISTRIBUCIÓN T DE STUDENT
Se define la variable "t" de STUDENT con n grados de libertad como

Propiedades de la distribución "t"

1.- Depende de un único parámetro, el número de grados de libertad.
2.- El rango de la variable es todo el eje real (-∞, +∞).
3.- Su gráfica es simétrica respecto al eje de ordenadas OY.
4.- El valor x = 0 es la media, mediana y moda de la distribución.
5.- Al aumentar n, se va haciendo cada vez más apuntada la gráfica de su función de densidad,
siendo el límite para n →∞ la curva normal tipificada
Se usa para probar hipótesis cuando una investigación se basa en muestreo pequeño, para
probar si dos muestras provienen de una misma población.

DISTRIBUCIÓN "F" DE FISHER-SNEDECOR

Se define la variable F de Snedecor (o de Fisher-Snedecor), la definida por

denominada distribución F de Fisher-Snedecor con n y m grados de libertad.

Propiedades de la distribución F de Snedecor

1.- El recorrido de la variable F es el intervalo (0,∞).
2.- Depende de dos parámetros, los grados de libertad n y m.
3.- Presenta asimetría positiva, con un grado que depende conjuntamente de los grados de
libertad del numerador y del denominador.
4.- La distribución F juega un papel importante en el análisis de la varianza (ANOVA) y en el
análisis de la regresión.
Se usa para la comparación de varianzas muestrales, fundamentalmente en la estadística
inferencial, no tiene aplicación en la vida diaria.

DISTRIBUCIÓN LAPLACE (A, B)

Esta distribución viene determinada por dos parámetros, uno de situación (a) y otro de escala
(b).
Su función de densidad es simétrica y el parámetro de situación determina su eje de simetría,
además de ser el punto donde la función alcanza su valor máximo en forma de pico afilado.
Independientemente de los valores que tomen sus parámetros, es una distribución leptocúrtica,
lo que quiere decir que su función de densidad es más apuntada que la función de densidad de
la normal con la misma media y desviación estándar.
Campo de variación: - < x < 
Parámetros: a: situación, - < a < 
b: escala, b > 0
En la hidrología, se utiliza la distribución de Laplace para analizar variables aleatorias como
valores máximos de la precipitación y la descarga de ríos, y además para describir épocas de
sequía.

BIBLIOGRAFÍA
Barón-López, J. (2005). Bioestadística: métodos y aplicaciones. Recuperado de
http://www.bioestadistica.uma.es/baron/apuntes/
Canavos, G.(1988). Probabilidad y estadística: aplicaciones y métodos. Recuperado de
http://biplot.usal.es/problemas/libro/3%20Distribuciones.pdf
https://www.sergas.es/Saude-publica/Documents/1899/Ayuda_Epidat_4_
Distribuciones_de_probabilidad_Octubre2014.pdf