Distribucin gamma

En estadstica la distribucin gamma es una distribucin de probabilidad continua con dos

parmetros cuya funcin de densidad para valores es

Aqu e e es el nmero e y es la funcin gamma. Para valores la funcin gamma es

el factorial de . En este caso - por ejemplo para describir

un proceso de Poisson - se llaman la distribucin Erlang con un parmetro

El valor esperado y la varianza de una variable aleatoria X de distribucin gamma son

Distribucin normal

En estadstica y probabilidad se llama distribucin normal, distribucin de

Gauss o distribucin gaussiana, a una de las distribuciones de probabilidad de variable
continua que con ms frecuencia aparece aproximada en fenmenos reales.[cita requerida]
La grfica de su funcin de densidad tiene una forma acampanada y es simtrica respecto de
un determinado parmetro estadstico. Esta curva se conoce como campana de Gauss y es el
grfico de una funcin gaussiana.
La importancia de esta distribucin radica en que permite modelar numerosos fenmenos
naturales, sociales y psicolgicos. Mientras que los mecanismos que subyacen a gran parte
de este tipo de fenmenos son desconocidos, por la enorme cantidad de variables
incontrolables que en ellos intervienen, el uso del modelo normal puede justificarse asumiendo
que cada observacin se obtiene como la suma de unas pocas causas independientes.
De hecho, la estadstica descriptiva slo permite describir un fenmeno, sin explicacin
alguna. Para la explicacin causal es preciso el diseo experimental, de ah que al uso de la
estadstica en psicologa y sociologa sea conocido como mtodo correlacional.
La distribucin normal tambin es importante por su relacin con la estimacin por mnimos
cuadrados, uno de los mtodos de estimacin ms simples y antiguos.
Algunos ejemplos de variables asociadas a fenmenos naturales que siguen el modelo de la
normal son:

caracteres morfolgicos de individuos como la estatura;

caracteres fisiolgicos como el efecto de un frmaco;
caracteres sociolgicos como el consumo de cierto producto por un mismo grupo de
individuos;
caracteres psicolgicos como el cociente intelectual;
nivel de ruido en telecomunicaciones;
errores cometidos al medir ciertas magnitudes;
etc.
La distribucin normal tambin aparece en muchas reas de la propia estadstica. Por
ejemplo, la distribucin muestral de las medias muestrales es aproximadamente normal,
cuando la distribucin de la poblacin de la cual se extrae la muestra no es normal.1 Adems,
la distribucin normal maximiza la entropa entre todas las distribuciones con media
y varianza conocidas, lo cual la convierte en la eleccin natural de la distribucin subyacente a
una lista de datos resumidos en trminos de media muestral y varianza. La distribucin normal
es la ms extendida en estadstica y muchos tests estadsticos estn basados en una
"normalidad" ms o menos justificada de la variable aleatoria bajo estudio.
En probabilidad, la distribucin normal aparece como el lmite de varias distribuciones de
probabilidad continuas y discretas.
Distribucin geometrica

En teora de probabilidad y estadstica, la distribucin 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,... }.

La funcin de densidad puede deducirse fcilmente de la definicin:

f(k) = P[X = k] = (1 p)^k p k = 0, 1, 2, ...

En el programa siguiente podis ver su forma y obtener los valores de la funcin

de densidad y de la de distribucin:

Algunas puntualizaciones de la definicin de X:

Notse que, en esta definicin, condiciones independientes significa que p,

la probabilidad de A, y 1 p, la de su complementario Ac, no varan a lo
largo de las sucesivas repeticiones de la experiencia.

Tal y como la hemos definido, X se refiere al nmero de lanzamientos

hasta que se produce A, pero sin contabilizar el ltimo caso en que se da A.
Por dicha razn X puede tomar los valores k = 0, 1, 2, ... con probabilidad
no nula.

Un ejemplo de este modelo podra ser la experiencia consistente en lanzar

sucesivamente un dado regular hasta que aparezca el nmero 6. Si definimos la
variable aleatoria X como el nmero de lanzamientos de un dado regular hasta
que aparezca un 6, queda claro que X sigue una distribucin geomtrica de
parmetro p = 1/6.
En anlisis matemtico, una distribucin o funcin generalizada es un objeto
matemtico que generaliza la nocin de funcin y la de medida.

Adems la nocin de distribucin sirve para extender el concepto de derivada a

todas las funciones localmente integrables y a entes an ms generales. Su uso es
indispensable en muchos campos de las matemticas, la fsica y la ingeniera.
As, por ejemplo, se utiliza en el anlisis de Fourier para obtener soluciones
generalizadas de ecuaciones en derivadas parciales. Tambin juegan un papel
muy importante en electrodinmica cuntica y en procesamiento de seales.

Las "funciones generalizadas" fueron introducidas por Sergui Sbolev en 1935.

Independientemente y a finales de la dcada de 1940 Laurent Schwartz formaliz
la teora de distribuciones, lo que le vali la medalla Fields en 1950.