"Año del Bicentenario del Perú: 200 años de Independencia" 

DOCENTE: YASSER EVERET CHIGUALA

CONTRERAS

ALUMNOS(A) :

- LUIZA FLORAYNE SALAS GONZALES

- ANGHELO SALAS GUTIERREZ
- JOSEPH ARRIETA GALVAN
- HERNANDO JOSE GARCIA PONCE

TEMA : DISTRIBUCION CONTINUA DE

PROBABILIDAD

CURSO : ESTADISTICA Y PROBABILIDADES

2021
CICLO : III

FACULTAD : INGENIERIA CIVIL

 DISTRIBUCION CONTINUA DE PROBABILIDAD

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.
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 aleatoria continua
equivalga a algún valor siempre es cero.
EJEMPLO :

La distribución normal continua puede describir la distribución del peso de

hombres adultos. Por ejemplo, usted puede calcular la probabilidad de que un
hombre pese entre 160 y 170 libras.
DISTRIBUCIONES
CONTINUAS
 La distribución beta es una familia de distribuciones de probabilidad continuas definidas ,parametrizada
por dos parámetros positivos de forma, denotados que aparecen como exponentes de la variable aleatoria
DISTRIBUCIO y controlan la forma de la distribución.
N BETA
La generalización de esta distribución a varias variables es conocida como la distribución de Dirichlet.

AMBAS FORMAS SON IGUALES A 1 AMBAS FORMAS SON MENORES QUE 1 AMBAS FORMAS SON IGUALES Y LA PRIMERA FORMA ES MAYOR
SON MAYORES QUE 1 QUE LA SEGUNDA FORMA
DISTRIBUCION En Teoría de Probabilidad y Estadística, la distribución exponencial es una distribución continua que se
utiliza para modelar tiempos de espera para la ocurrencia de un cierto evento. Esta distribución al igual
EXPONENCIAL que la distribución geométrica tiene la propiedad de pérdida de memoria. La distribución exponencial es
un caso particular de la distribución gamma.
 En teoría de probabilidad y estadística, la distribución F, también conocida como distribución de Fisher-
DISTRIBUCION F Snedecor (nombrada por Ronald Fisher y George Snedecor), es una distribución de probabilidad
continua, aparece frecuentemente como la distribución nula de una prueba estadística, especialmente en
el análisis de varianza.
 En teoría de probabilidad y Estadística, la distribución gamma es una distribución con dos
DISTRIBUCION parámetros que pertenece a las distribuciones de probabilidad continuas. La 
GAMMA distribución exponencial, distribución de Erlang y la distribución χ² son casos particulares de
la distribución gamma.
 En teoría de la probabilidad y en estadística, la distribución chi cuadrada (también llamada
distribución de Pearson o distribución ,grados de libertad es la distribución de la suma del
DISTRIBUCION (JI cuadrado de variables aleatorias independientes con distribución normal estándar. La
CUADRADA) distribución chi cuadrada es un caso especial de la distribución gamma y es una de las
distribuciones de probabilidad más usadas en Inferencia Estadística, principalmente en
pruebas de hipótesis y en la construcción de intervalos de confianza.
 En estadística y probabilidad se llama distribución normal, distribución de
Gauss, distribución gaussiana o distribución de Laplace-Gauss, a una de las 
distribuciones de probabilidad de variable continua que con más frecuencia aparece en
estadística y en la teoría de probabilidades.1​
La gráfica de su función de densidad tiene una forma acampanada y es simétrica respecto
de un determinado parámetro estadístico. Esta curva se conoce como campana de Gauss y
es el gráfico de una función gaussiana.2​
DISTRIBUCION La importancia de esta distribución radica en que permite modelar numerosos fenómenos
NORMAL naturales, sociales y psicológicos.3​Mientras que los mecanismos que subyacen a gran parte
de este tipo de fenómenos son desconocidos, por la enorme cantidad de variables
incontrolables que en ellos intervienen, el uso del modelo normal puede justificarse
asumiendo que cada observación se obtiene como la suma de unas pocas causas
independientes.
De hecho, la estadística descriptiva solo permite describir un fenómeno, sin explicación
alguna. Para la explicación causal es preciso el diseño experimental, de ahí que al uso de la
estadística en psicología y sociología sea conocido como método correlacional.
La distribución normal también es importante por su relación con la estimación por 
mínimos cuadrados, uno de los métodos de estimación más simples y antiguos.
Algunos ejemplos de variables asociadas a fenómenos naturales que siguen el modelo de la
normal son:
EJEMPLOS:
•caracteres morfológicos de individuos como la estatura;
•caracteres fisiológicos como el efecto de un fármaco;
•caracteres sociológicos como el consumo de cierto producto por un mismo grupo de
individuos;
•caracteres psicológicos como el cociente intelectual;
•nivel de ruido en telecomunicaciones;
•errores cometidos al medir ciertas magnitudes;
•etc.
 En probabilidad y estadística, la distribución {\displaystyle t}{\displaystyle t} (de Student) es
DISTRIBUCION T una distribución de probabilidad que surge del problema de estimar la media de una
DE STUDENT población normalmente distribuida cuando el tamaño de la muestra es pequeño y la
desviación estándar poblacional es desconocida.

Fue desarrollada por William Sealy Gosset bajo el pseudónimo “Student”.

Aparece de manera natural al realizar la prueba t de Student para la determinación de las

diferencias entre dos varianzas muestrales y para la construcción del intervalo de confianza
para la diferencia entre las partes de dos poblaciones cuando se desconoce la desviación
típica de una población y esta debe ser estimada a partir de los datos de una muestra.
¡GRACIAS!