DISTRIBUCIÓN NORMAL

La distribución normal es la distribución continua que se utiliza más comúnmente en

estadística. La distribución normal es de vital importancia en estadística por tres
razones principales:

 Muchas variables continuas comunes en el mundo de los negocios tienen

distribuciones que se asemejan estrechamente a la distribución normal.
 La distribución normal sirve para acercarse a diversas distribuciones de
probabilidad discreta, como la distribución binomial y la distribución de Poisson.
 La distribución normal proporciona la base para la estadística inferencial clásica
por su relación con el teorema de límite central.

STUDENT
La distribución Student es una distribución de probabilidad que surge del problema de
estimar la media de una población normalmente distribuida cuando el tamaño de la
muestra es pequeño.
Aparece de manera natural al realizar la prueba t de Student para la determinación de
las diferencias entre dos varianzas muéstrales 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 ésta debe ser estimada a partir de los datos de una
muestra
CHI CUADRADA
Chi-cuadrada es una prueba de hipótesis que compara la distribución observada de los
datos con una distribución esperada de los datos.
Existen varios tipos de pruebas de chi-cuadrada:

 Prueba de bondad de ajuste de chi-cuadrada

 Pruebas de chi-cuadrada de asociación e independencia
 Prueba de asociación: Utilice una prueba de asociación para determinar si una
variable está asociada a otra variable. Por ejemplo, determine si las ventas de
diferentes colores de automóviles dependen de la ciudad donde se venden.
 Prueba de independencia: Utilice una prueba de independencia para determinar
si el valor observado de una variable depende del valor observado de otra
variable. Por ejemplo, determine si el hecho de que una persona vote por un
candidato no depende del sexo del elector

DISTRIBUCION F
La distribución F es una distribución de la razón de dos variables aleatorias
independientes.

 F tiene valores no negativos; es igual a cero o positiva.

 F es asimétrica;: está sesgada a la derecha.
 Existen muchas distribuciones F, de manera semejante a las distribuciones t.
 Existe una distribución para cada par de grados de libertad gl1 (grados de
libertad del numerador) y gl2. (grados de libertad del denominador).
EXPONENCIAL
la distribución exponencial estudia el tiempo entre cada una de estas llegadas. Si las
llegadas son de Poisson el tiempo entre estas llegadas es exponencial. Mientras que la
distribución de Poisson es discreta la distribución exponencial es continua porque el
tiempo entre llegadas no tiene que ser un número entero. Esta distribución se utiliza
mucho para describir el tiempo entre eventos. Más específicamente la variable aleatoria
que representa al tiempo necesario para servir a la llegada.

CAUCHY
La distribución Cauchy-Lorentz, llamada en honor a Augustin Cauchy y Hendrik Lorentz,
es una distribución de probabilidad continua. Es conocida como la distribución de Cauchy
y en el ámbito de la física se conoce como la distribución de Lorentz, la función
Lorentziana ó la distribución de Breit-Wigner. Su importancia en la física es dada por ser
la solución de la ecuación diferencial que describe la resonancia forzada. En
espectroscopia describe la forma de las líneas espectrales que son ampliadas por
diversos mecanismos, en particular, el mecanismo de ensanchamiento por colisión.
WEIBULL
Se trata de un modelo continuo asociado a variables del tipo tiempo de vida, tiempo
hasta que un mecanismo falla, depende de dos parámetros: α > 0 y β > 0, donde α es un
parámetro de escala y β es un parámetro de forma (lo que proporciona una gran
flexibilidad a este modelo).
El siguiente programa permite visualizar la forma de la función de densidad de este
modelo y el valor de la función de distribución.

GAMMA
Es una distribución de probabilidad continua adecuada para modelizar el
comportamiento de variables aleatorias con asimetría positiva y/o los experimentos en
donde está involucrado el tiempo
LOGNORMAL
La distribución normal logarítmica es una distribución de probabilidad de una variable
aleatoria cuyo logaritmo está normalmente distribuido. Es decir, si X es una variable
aleatoria con una distribución normal, entonces exp(X) tiene una distribución log-
normal.
La base de una función logarítmica no es importante, ya que loga X está distribuida
normalmente si y solo si logb X está distribuida normalmente, solo se diferencian en un
factor constante.

LOGISTICA
La logística de distribución se refiere a todo el proceso por el que pasan los productos o
servicios desde que se fabrican hasta que son entregados al cliente final.
El objetivo principal de la logística de distribución pasa porque el cliente reciba en buen
estado el producto o servicio que haya demandado.
Poner a disposición del consumidor, y de manera eficaz, el producto o servicio que haya
demandado, en el momento y cantidad precisos.
BINOMIAL
Una distribución binomial es una distribución de probabilidad ampliamente utilizada de
una variable aleatoria discreta es la distribución binomial. Esta describe varios procesos
de interés para los administradores: Existe una fórmula binomial:
Probabilidad de r éxitos en n ensayos es :
N! / R! (N-R)! PR QN-R
Recordemos que el símbolo factorial! Significa por ejemplo que es 3! = 3*2*1 = 6
Los matemáticos definen 0! = 1.

PASCAL
POISSON
La distribución de probabilidad de la variable aleatoria que representa el número de
resultados que suceden durante un intervalo de tiempo dado, o una región específica,
recibe el nombre de distribución de Poisson

HIPERGEOMETRICA
La distribución hipergeométrica es una distribución discreta que modela el número de
eventos en una muestra de tamaño fijo cuando usted conoce el número total de
elementos en la población de la cual proviene la muestra. Cada elemento de la muestra
tiene dos resultados posibles (es un evento o un no evento). Las muestras no tienen
reemplazo, por lo que cada elemento de la muestra es diferente. Cuando se elige un
elemento de la población, no se puede volver a elegir. Por lo tanto, la probabilidad de
que un elemento sea seleccionado aumenta con cada ensayo, presuponiendo que aún no
haya sido seleccionado.
La distribución hipergeométrica se define por 3 parámetros: tamaño de la población,
conteo de eventos en la población y tamaño de la muestra