DISTRIBUCIONES DISCRETAS

Distribución Parámetros Función de probabilidad Media Varianza

x = 1, si se obtiene p = probabilidad de
un tiene éxito en un éxito. ⎧ p x q1− x x = 0, 1
⎪
Bernoulli
ensayo.
x = 0, si se obtiene
0<p<1
------------------
p( x ) = ⎨ p pq
fracaso en un q = 1-p ⎪⎩ 0 c. o. c.
ensayo.
n = número de
x = número de ⎧⎛ n ⎞ x n − x
⎪⎜⎜ ⎟⎟ p q x = 0, 1, 2, ...,n
ensayos
éxitos en n ensayos
p = probabilidad de ⎪ x
Binomial
de Bernoulli,
los ensayos son
éxito. p( x ) = ⎨⎝ ⎠ np npq
independientes
------------------ ⎪
(con reemplazo)
0<p<1
⎪⎩ 0 c. o. c.
p = probabilidad de
x = número de éxito. ⎧ pq x −1 x = 1, 2 , 3, ...
⎪
Geométrica
ensayos necesarios
para obtener el
0<p<1
------------------
p( x ) = ⎨ 1/p q/p2
primer éxito q = 1-p ⎪⎩ 0 c. o. c.
p = probabilidad de
éxito. ⎧⎛ x − 1⎞ k x −k
⎪⎜⎜ ⎟p q x = k, k + 1, k + 2 , ...
x = número de
⎪⎝ k − 1⎟⎠
Pascal k = 1, 2, 3, ...
ensayos
(Binomial independientes
k>0
0<p<1
p( x ) = ⎨ k/p kq/p2
negativa) requeridos para
------------------ ⎪
obtener k éxitos.
q = 1-p ⎪⎩ 0 c. o. c.
N = tamaño de la
⎧ ⎛ k ⎞⎛ N − k ⎞
x = número de población
⎪ ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ x = 0,1, 2 , ..., n
éxitos en n ensayos k = número
⎪ ⎝ x ⎠ ⎝ n − x ⎠
de Bernoulli, elementos en la x ≤ k , (n-x) ≤ (N-k)
⎪ ⎛N⎞ ⎛k⎞ ⎛ k ⎞⎛ k ⎞⎛ N − n ⎞
Hipergeométrica
los ensayos se población que
p( x ) = ⎨ ⎜⎜ ⎟⎟ N , n, k enteros positivos n⎜ ⎟ n ⎜ ⎟⎜ 1 − ⎟⎜ ⎟
realizan sin tienen una
⎪ ⎝n⎠ ⎝N⎠ ⎝ N ⎠⎝ N ⎠⎝ N − 1 ⎠
reemplazo sobre característica en
una población finita particular. ⎪
de tamaño N. n = número de ⎪
ensayos. ⎩ 0 c.o.c.
X = número de λ= número
eventos aleatorios ⎧ e − λ λx
independientes que
promedio de
⎪⎪ x = 0, 1, 2 ,.....; λ > 0
p( x ) = ⎨ x!
ocurrencias por
Poisson ocurren a una
unidad de λ λ
rapidez constante
tiempo. ⎪
sobre el tiempo o el ⎪⎩ o c. o. c.
espacio λ >0

DISTRIBUCIONES CONTINUAS
FormDistribucionesComunes.doc- IPVA-061018 Preparado por Irene Valdez
Distribución Parámetros Función de densidad de probabilidad Media Varianza
⎧ 1
a, b ⎪⎪ a≤ x≤b
a+b
Uniforme f ( x) = ⎨ b − a ( a + b) 2
b>a ⎪ 2 12
⎪⎩ 0 c. o. c
λ ⎧λe − λx x>0
⎪ 1 1
Exponencial f ( x) = ⎨
λ >0 ⎪⎩ 0 c. o. c λ λ2
μ, σ2 − ⎜
1 ⎛ X −μ ⎞
⎟
2

1 σ ⎠ μ σ2
Normal f ( x) = e 2⎝ -∞ < x < ∞
σ2>0 σ 2π
⎧ Γ(α + β ) α −1 β −1 0 < x <1
α, β ⎪⎪ Γ(α ) Γ( β ) x (1 − x ) α, β > 0 α αβ
Beta f ( x) = ⎨
α >0, β >0 ⎪ α+β (α + β ) (α + β + 1)
2

⎩⎪ 0 c. o. c.
⎧ 1 α −1 − x / θ x>0
α, θ ⎪⎪ Γ(α )θ α x e α ,θ > 0
Gamma f ( x) = ⎨ αθ αθ 2
α >0, θ >0 ⎪
⎪⎩ 0 c. o. c.
⎧ α α −1 −( x / θ )α x > 0
α, θ ⎪⎪θ α x e α ,θ > 0 ⎛ 1⎞ 2⎡ ⎛ 2⎞ 2⎛ 1 ⎞⎤
Weibull f ( x) = ⎨ θΓ ⎜ 1 + ⎟ θ ⎢ Γ⎜ 1 + ⎟ − Γ ⎜1 + ⎟⎥
α >0, θ >0 ⎪ ⎝ α⎠ ⎣ ⎝ α⎠ ⎝ α ⎠⎦
⎪⎩ 0 c. o. c.

Nota: Γ(n ) se conoce como función Gamma del argumento n, y es una extensión de la definición de factorial de un número para cuando a pertenece a los números reales.
∞
La función Gamma se define como: Γ( n ) = ∫ u n −1e −u du, n > 0
0
Algunas de sus propiedades son: Γ( n + 1) = n! si n es un entero positivo.
Γ( n + 1) = nΓ( n ), n > 0
⎛1⎞
Γ⎜ ⎟ = π
⎝2⎠

FormDistribucionesComunes.doc- IPVA-061018 Preparado por Irene Valdez