Binomial: Sea que representa el nmero de xito en n-ensayo y P la probabilidad d xito con cualquiera de estos.

Entonces se dice que tiene una distribucin binomial con funcin de probabilidad.
CARACTERSTICAS DE DISTRIBUCIN BINOMIAL
En los experimentos que tienen este tipo de distribucin, siempre se esperan dos tipos de resultados,
ejemplo. Defectuoso, no defectuoso, pasa, no pasa, etc., etc., denominados arbitrariamente xito (que es
lo que se espera que ocurra) o fracaso (lo contrario del xito).
Las probabilidades asociadas a cada uno de estos resultados son constantes, es decir no cambian.
Cada uno de los ensayos o repeticiones del experimento son independientes entre s.
El nmero de ensayos o repeticiones del experimento (n) es constante.
Estas caractersticas no se cumplen para los siguientes ejemplos:
Si nos interesa saber el nmero de vestidos que se puede probar una mujer antes de comprar 1(donde el
nmero de prueba no es fijo).
Si verificamos cada hora en que el transito esta congestionado en ciertos puntos (donde la probabilidad
acierto no es constante).
POISSON: es una distribucin de probabilidad discreta que expresa, a partir de una frecuencia de ocurrencia media,
la probabilidad que ocurra un determinado nmero de eventos durante cierto periodo de tiempo.
Caractersticas:
En este tipo de experimentos los xitos buscados son expresados por unidad de rea, tiempo, pieza, etc:
Nmero de defectos de una tela por m
2

Nmero de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc.
Nmero de bacterias por cm
2
de cultivo
Nmero de llamadas telefnicas a un conmutador por hora, minuto, etc.
Nmero de llegadas de embarcaciones a un puerto por da, mes, etc.

Geomtrica: es cualquiera de las dos distribuciones de probabilidad discretas siguientes:
la distribucin de probabilidad del nmero X del ensayo de Bernoulli necesaria para obtener un xito,
contenido en el conjunto { 1, 2, 3,...} o
la distribucin de probabilidad del nmero Y = X 1 de fallos antes del primer xito, contenido en el
conjunto { 0, 1, 2, 3,... }. Cual de stas es la que uno llama "la" distribucin geomtrica, es una cuestin de
convencin y conveniencia.
Caractersticas:
El proceso tiene un nmero no definido de pruebas o experimentos separados o separables y este proceso
terminar cuando se obtenga por primera vez el resultado deseado o sea el xito.
Cada prueba puede dar dos resultados mutuamente excluyentes: A y no A
La probabilidad de obtener un resultado A en cada prueba es p y la de obtener un resultado no A es q,
siendo (p + q = 1).
Las probabilidades p y q son constantes en todas las pruebas, por ello, las pruebas, son independientes.
(Derivacin de la distribucin). Si en estas circunstancias aleatorizamos de forma que tomemos como
variable aleatoria X = el nmero de pruebas necesarias para obtener por primera vez un xito o resultado A,
esta variable se distribuir con una distribucin geomtrica de parmetro p.}
Como su anloga continua, la distribucin exponencial, la distribucin geomtrica carece de memoria.
La distribucin de probabilidad condicional del nmero de ensayos adicionales no depende de cuantos
fallos se hayan observado

Hiprbola: Es una distribucin discreta relacionada con muestreos aleatorios y sin reemplazo. La distribucin
hipergeomtrica considera el caso en el cual una poblacin finita se divide en dos grupos, uno de los cuales se
considera "xitos" y el otro "Fracasos".
Caracterstica:
Al realizar un experimento con este tipo de distribucin, se esperan dos tipos de resultados. Es decir cada
una de las pruebas puede dar nicamente dos resultados mutuamente excluyentes: A y no A.
Las probabilidades asociadas a cada uno de los resultados no son constantes.
Cada ensayo o repeticin del experimento no es independiente de los dems. Es decir Las probabilidades de
obtener un resultado A y de obtener un resultado no A varan en las sucesivas pruebas, dependiendo de los
resultados anteriores.
El proceso consta de n pruebas, separadas o separables de entre un conjunto de N pruebas posibles.
El nmero de repeticiones del experimento (n) es constante.
En la primera prueba las probabilidades son: P(A)= p y P(A)= q; con p+q=l.
Uniforme: La distribucin uniforme es aquella que puede tomar cualquier valor dentro de un intervalo, todos ellos
con la misma probabilidad.
Es una distribucin continua porque puede tomar cualquier valor y no nicamente un nmero determinado
(como ocurre en las distribuciones discretas).

Caracterstica:
Toda variable aleatoria continua que sigue una ley de distribucin exponencial tiene como caractersticas:
La media es La varianza es

Ganma: Es una distribucin adecuada para modelizar el comportamiento de variables aleatorias continuas con
asimetra positiva. Es decir, variables que presentan una mayor densidad de sucesos a la izquierda de la media que a
la derecha.
Caractersticas:
1. Su esperanza es .

2. Su varianza es .
2


3. La distribucin Gamma (, = 1) es una distribucin Exponencial de parmetro . Es decir, el modelo
Exponencial es un caso particular de la Gamma con p = 1.

4. Dadas dos variables aleatorias con distribucin Gamma y parmetro comn
X ~ (,
1
) y Y ~ (,
2
)
Se cumplir que la suma tambin sigue una distribucin Gamma
X + Y ~ (,
1
+
2
).
Normal: En estadstica y probabilidad se llama distribucin normal, distribucin de Gauss o distribucin gaussiana, a
la distribucin de probabilidad de variable continua que con ms frecuencia aparece aproximada en fenmenos reales.
La grfica de su funcin de densidad tiene una forma acampanada y es simtrica respecto de un determinado
parmetro. Esta curva se conoce como campana de Gauss.
Caractersticas:
La curva tiene un solo pico, por consiguiente es unimodal (una nica moda). Presenta una forma de
campana.
La media de una poblacin distribuida se encuentra en el centro de su curva normal.
A causa de la simetra de la distribucin normal de probabilidad, la mediana y la moda de la distribucin
tambin se hallan en el centro, por tanto en una curva normal, la media, la mediana y la moda poseen el
mismo valor.
Las dos colas (extremos) de una distribucin normal de probabilidad se extienden de manera indefinida y
nunca tocan el eje horizontal.
Exponencial: La distribucin exponencial es el equivalente continuo de la distribucin geomtrica discreta.
Esta ley de distribucin describe procesos en los que:
Nos interesa saber el tiempo hasta que ocurre determinado evento, sabiendo que, el tiempo que pueda
ocurrir desde cualquier instante dado t, hasta que ello ocurra en un instante tf, no depende del tiempo
transcurrido anteriormente en el que no ha pasado nada.