Distribución contínuas:

Autor: Omar Mendoza en el año 2018 investigo “Una distribución de probabilidad

continua, es decir, de variables cuantitativas que pueden tomar cualquier valor que
resultan principalmente del proceso de medición. Además una distribución de
probabilidad se llama continua si función de distribución es continua, puesto que
esta variable viene dada por Fx(x)=P(X ≤ x)”.
Cabe señalar que es una de las probabilidades más importantes en el campo de la
estadística.
Distribución Gamma:
En el año 2020 el autor: Francisco Castillo. “En estadística la distribución gamma
es una distribución de probabilidad continua con dos parámetros k>0 y λ>0 reales
cuya función de densidad para valores x>0 es:
F(x)=𝜆e (elevado a) –𝜆x
f(x)=λe^(-λx) 〖(λx)〗^(k-1)/ (Γ(k))
Aquí (e) es el numero e y Γes la función gamma. Para los valores k E N la función
gamma es Γ(k)=(k-1)! (el factorial de k-1). En este caso por ejemplo para describir
un proceso de Poisson se llama la distribución Erlang con parámetro Ɵ=1/λ
El valor esperado y la varianza de una variable aleatoria X de distribución gamma
son
E[X]=k/λ=kƟ
V[X]=k/λ^2=〖kƟ〗^2” .

Seguidamente el autor: Omar Mendoza en el año 2018 anuncia que “estas

distribuciones juegan un rol fundamental en los problemas de confiabilidad. Los
tiempos entre llegadas en instalaciones de servicio, y tiempos de fallas de partes
de componentes y sistemas eléctricos, frecuentemente son bien moldeados
mediante la distribución exponencial”.

Incluso en el año 2018 en la Habana, se realizó una investigación por el autor:

Reinaldo Ihosvanny , “sobre el cálculo de la mantenibilidad usando distribución
gamma, la cual toma parte de la (ingenieria mecánica), dicho objetivo de esta
investigación fue identificar las distribuciones más usadas en el cálculo de la
mantenibilidad a partir de parámetros de Thom utilizados para estimular los
parámetros de la distribución gamma. Arrojando como resultados, se demostró
que la distribución gamma puede ser utilizada para los cálculos de mantenibilidad.

Ahora bien, lo dicho hasta entonces se dice que la distribución gamma es una
distribución continua la cual esta depende de dos parámetros k (parámetros que
varía la escala) y λ (parámetro que varía la forma).Hay que tener en cuenta que
esta distribución se puede utilizar en la ingenieria como lo usaron, en la
investigación de “Reinaldo Ihosvanny” e inclusivamente para otros parámetros
como lo explica el autor “Omar Mendoza”.

Distribución Exponencial:

Seguidamente de Monografías, autor: Cesar Gonzales expresa; “Mientras que la

distribución de Poisson describe las llegadas por unidad de tiempo, la distribución
exponencial estudia el tiempo entre cada uno de estas llegadas. Si las llegadas
son de Poisson el tiempo entre estas llegadas es exponencial. Mientras que la
distribución des discreta la distribución exponencial es continua porque el tiempo
entre llegadas no tiene que ser un número entero”.

Además Wikipedia comenta; “la distribución exponencial es un caso particular de

distribución gamma con k=1. Además la suma de variables aleatorias que siguen
una misma distribución exponencial es una variable aleatoria expresable en
términos de la distribución gamma. En estadística la distribución exponencial es
una distribución de probabilidad continua λ>0 cuya función de densidad es:

f(x)= 〖λe〗^(λ^(-λx) ) para x≥0

0 en caso contrario”

Seguidamente en el año 2014 el ingeniero Hery Villaroel publico una investigación

la cual menciona la aplicabilidad de esta distribución en la ingenieria, “Muchos
componentes electrónicos tales como circuitos , transistores muestran un
comportamiento de falla exponencial, donde da como ejemplos patrón de fallas ,
donde se muestra , las hora de operación antes de montar un monta carga de la
empresa Otinsa.”
Luego de saber acerca de esa investigación tenemos que tomar en cuenta que el
uso de la distribución exponencial supone que los tiempos de servicio son
aleatorios es decir, que un tiempo de servicio determinado no depende de otro
servicio realizado anteriormente ni de la posible cola que puede estar formándose.

Distribución Erlang:
En el año 2014 , el autor Juan Flores realizo una investigación la cual dedujo: “La
distribución Erlang es el equivalente de la distribución gamma con el parámetro
k=1,2….. y λ=1/Ɵ. Para k=1 eso es la distribución exponencial. Se utiliza la
distribución Erlang para describir el tiempo de espera hasta el suceso numero k en
un proceso de Poisson”

En el año 2018, el autor: Omar Mendoza expresa “Es una distribución de

probabilidad continua con amplia aplicabilidad principalmente debido a su relación
con las distribuciones exponenciales y gamma. Fue desarrollado para examinar el
número de llamadas telefónicas que pudieran ser realizados al mismo tiempo para
los operadores de las estaciones de comunicación. Este trabajo de ingenieria de
trafico de comunicaciones (telefónico), ha sido ampliado para tener en cuenta los
tiempos de esperas en los sistemas de formación de colas en general”.

Como se ha mostrado la distribución Erlang es una distribución de probabilidad

continua con dos parámetros los cuales son:
k, el factor de forma de la distribución.
λ, el factor de proposición de la distribución.
Tiene una amplia aplicabilidad debido a su relación con la exponencial y gamma,
se utiliza en modelos de sistemas de servicios masivos, para escribir el tiempo de
espera hasta el suceso, son aleatorias.

Distribución Weibull:
El autor Diego Jimenez, en el año 2019 publica “En teoría de la probabilidad y
estadística, la distribución de Weibull es una distribución de probabilidad continua,
recibe el nombre de Waloddi Weibull, que la describió detalladamente en 1951,
aunque fue descubierta inicialmente por Fréchet (1927) y aplicada por primera vez
por Rison y Rammler (1933) para la distribución de los tamaños de determinadas
partículas”.

Según Drew Troye en el año 2019 investigo sobre la distribución de Weibull “Es el
más ampliante utilizado modelo estadístico para tratar con datos históricos. Es
usada en muchas aplicaciones desde el pronóstico del tiempo hasta el análisis de
ingenieria con tamañas de muestras muy pequeño”.
Para culminar esta distribución es muy importante ya que es una poderosa
herramienta para los ingenieros de confiabilidad industrial. El trabajo de todo
ingeniero en esta área es cuantificar los riesgos para la producción, los costos de
administración y las metas de seguridad y protección ambiental.