DISTRIBUCIONES ESTADÍSTICAS

Esta distribución asigna igual probabilidad a un conjunto finito de resultados. Se usa en situaciones donde todos los resultados son igualmente probables, como lanzar un dado

Esta distribución representa un único ensayo con dos resultados posibles: éxito (1) o fracaso (0). Se usa para modelar resultados binarios, como lanzar una moneda.

Esta distribución representa el número de éxitos en un número fijo de ensayos de Bernoulli independientes. Se usa para modelar el número de éxitos en una serie de experimentos sí/no.

Esta distribución representa el número de eventos que ocurren en un intervalo fijo de tiempo o espacio. Se usa para modelar el número de eventos en un período dado, como el número de llamadas recibidas por un centro de atención.

Esta distribución representa el número de fracasos antes de un número especificado de éxitos en una serie de ensayos de Bernoulli. Se usa para modelar datos de recuento con sobredispersión o el número de intentos hasta alcanzar un número objetivo de éxitos

Esta distribución representa el número de ensayos necesarios para obtener el primer éxito en una serie de ensayos de Bernoulli independientes

Esta distribución representa el número de éxitos en una muestra extraída sin reemplazamiento de una población finita. Se usa en situaciones donde el muestreo es sin reemplazamiento, como extraer cartas de una baraja

Esta distribución asigna igual densidad de probabilidad a todos los valores de un rango continuo. Se usa cuando todos los resultados de un intervalo son igualmente probables, como en la generación de números aleatorios

Esta distribución es simétrica y tiene forma de campana, caracterizada por su media y desviación típica. Se usa para modelar fenómenos naturales y errores de medición, ya que describe muchas variables del mundo real

La distribución t se usa para hacer inferencia sobre medias cuando la varianza poblacional es desconocida y el tamaño muestral es pequeño

La distribución chi-cuadrado es fundamental en los contrastes de hipótesis, los tests de bondad de ajuste y los intervalos de confianza para la varianza

La distribución F se usa para comparar varianzas y es fundamental en el análisis de varianza y la regresión

Esta distribución representa el tiempo entre eventos en un proceso de Poisson. Se usa para modelar el tiempo hasta el fallo o el tiempo entre eventos, como la vida útil de un componente electrónico

Esta distribución generaliza la distribución exponencial con un parámetro de forma adicional. Se usa para modelar tiempos de espera y análisis de vida útil, como el tiempo hasta que ocurren múltiples eventos

Esta distribución es flexible con parámetros de escala y forma, usada habitualmente para modelar datos de vida útil. Se aplica en análisis de fiabilidad y análisis de tiempos de fallo en ingeniería y estudios de supervivencia

La distribución beta modela variables aleatorias restringidas al intervalo [0,1], lo que la hace ideal para probabilidades, proporciones y distribuciones a priori bayesianas

Esta distribución representa una variable cuyo logaritmo sigue una distribución normal. Se usa para modelar datos con asimetría positiva, como ingresos y precios de activos

Esta distribución de ley potencial se usa para describir fenómenos con colas pesadas. Se aplica en la modelización de la distribución de la riqueza, fenómenos naturales y reclamaciones de seguros