DISTRIBUCIÓN DISCRETA UNIFORME

Si la v.a.discreta X toma cada uno de los n valores: x1, x2,..., xn con la misma
probabilidad, entonces la distribución de probabilidad es:
f ( x)  1 / n

La media es m =å xi / n, i = 1,..,n
La varianza es s2 = å (xi - m)2 / n, i=1...n

DISTRIBUCIÓN BINOMIAL

Si la v.a.discreta X es igual al número de ensayos donde el resultado es un éxito,

y toma los valores de 0, 1, 2,..., n, tiene una distribución de probabilidad:
n
f ( x, p, n)  C x p x (1  p) n  x
La media es m = E(X) = np
La varianza es s2 =V(X)= np(1-p)

DISTRIBUCIÓN GEOMETRICA

Si la v.a.discreta X es igual al número de ensayos realizados hasta obtener el

primer éxito con probabilidad p, (x = 1,2,3,...),entonces la distribución de probabilidad
es: f ( x, p )  (1  p ) x 1 p

La media es m = E(X) =1 / p
La varianza es s2 =V(X)= (1 - p) / p2

DISTRIBUCIÓN BINOMIAL NEGATIVA

Si la v.a.discreta X es igual al número de ensayos realizados hasta obtener r

éxitos con probabilidad p, con x = r, r+, r+2, la distribución de probabilidad es:

. f ( x, r , p)  Crx11 (1  p ) x  r p r
La media es m = E(X) = r / p
La varianza es s2 =V(X)= r (1 - p) / p2

DISTRIBUCION HIPERGEOMETRICA

Si son seleccionados n elementos de un grupo de N resultados y de estos, k

pueden ser clasificados como éxitos y N – k como fracasos; entonces, es definida la
variable aleatoria X como el número de éxitos en n elementos, seleccionados de N
resultados de los cuales k son éxitos y N – k son fracasos. Esta variable sigue una
distribución de probabilidad hipergeométrica:

f (x, N, n, k) = kCx Cn-x / NCn ,

N-k x = 0,1,2,3,....

La media es m = E(X) = nk / N
La variancia es s2 =V(X)=
DISTRIBUCION DE POISSON

Si el número promedio de ocurrencias en el intervalo de tiempo dado o región específica

es l > 0, X tiene una distribución de Poisson, y su función de probabilidad es
f (x, m) = e -lt lxt / x! , x = 0,1, 2, 3, ...

La media es E(X) = m = l
La varianza es s2 =V(X)= l

DISTRIBUCIÓN UNIFORME CONTINUA

Una variable aleatoria continua X con función de densidad de probabilidad

1
f ( x)  a xb
ba
tiene una distribución continua uniforme.

La media es m = E(X) =(a + b) / 2

La varianza es s2 =V(X)= (b - a)2 / 2

DISTRIBUCIÓN NORMAL

Una v.a. continua X con función de densidad de probabilidad :

f(x, m,s) = (1/ (2p)½ s) e - ( x-m ) ( x-m ) / 2ss
tiene una distribución normal con parámetros m y s, donde - ¥ < m < ¥ y s > 0

La media es E(X) = m
La varianza es V(X) = s2

Una v.a. normal con m = 0 y s2 = 1 recibe el nombre de v.a. normal estándar y es

denotada como Z
Z = (X- m) / s

DISTRIBUCION EXPONENCIAL

La v.a. continua X representa la distancia entre ocurrencias sucesivas de un

proceso Poisson con media β > 0, y tiene una distribución exponencial con parámetro β
> 0 si su función de densidad está dada por:
f(x, β) = 1/β e – x/ β , x>0
0, en cualquier otro caso

La media es m = E(X) = β
La varianza es s2 =V(X)= 1 / β2