La distribución de Bernoulli , que toma el valor 1 con probabilidad p y el valor 0 con probabilidad q = 1 − p .
La distribución de Rademacher , que toma el valor 1 con probabilidad 1/2 y el valor −1 con probabilidad 1/2.
La distribución binomial , que describe el número de éxitos en una serie de experimentos independientes Sí/No, todos con la misma probabilidad de éxito.
La distribución beta-binomial , que describe el número de éxitos en una serie de experimentos independientes Sí/No con heterogeneidad en la probabilidad de éxito.
La distribución degenerada en x 0 , donde X seguramente tomará el valor x 0 . Esto no parece aleatorio, pero satisface la definición de variable aleatoria . Esto es útil porque coloca variables deterministas y variables aleatorias en el mismo formalismo.
La distribución uniforme discreta , donde todos los elementos de un conjunto finito son igualmente probables. Este es el modelo de distribución teórica para una moneda equilibrada, un dado imparcial, una ruleta de casino o la primera carta de una baraja bien barajada.
La distribución hipergeométrica , que describe el número de éxitos en los primeros m de una serie de n experimentos consecutivos Sí/No, si se conoce el número total de éxitos. Esta distribución surge cuando no hay reemplazo.
La distribución hipergeométrica negativa , una distribución que describe el número de intentos necesarios para obtener el enésimo éxito en una serie de experimentos Sí/No sin reemplazo.
La distribución binomial de Poisson , que describe el número de éxitos en una serie de experimentos independientes Sí/No con diferentes probabilidades de éxito.
La distribución de Boltzmann , una distribución discreta importante en física estadística que describe las probabilidades de los distintos niveles de energía discretos de un sistema en equilibrio térmico . Tiene un análogo continuo. Los casos especiales incluyen:
La distribución geométrica , una distribución discreta que describe el número de intentos necesarios para obtener el primer éxito en una serie de ensayos independientes de Bernoulli o, alternativamente, sólo el número de pérdidas antes del primer éxito (es decir, uno menos).
La distribución de Poisson , que describe una gran cantidad de eventos individualmente improbables que ocurren en un determinado intervalo de tiempo. Relacionadas con esta distribución hay varias otras distribuciones: la Poisson desplazada , la hiper-Poisson, el binomial general de Poisson y las distribuciones de tipo Poisson.
La distribución zeta tiene usos en estadística aplicada y mecánica estadística, y quizás pueda ser de interés para los teóricos de números. Es la distribución Zipf para un número infinito de elementos.
La distribución de Hardy , que describe las probabilidades de las puntuaciones de los hoyos para un jugador de golf determinado.
La distribución Beta en [0,1], una familia de distribuciones de dos parámetros con una moda, de la cual la distribución uniforme es un caso especial y que es útil para estimar probabilidades de éxito.
La distribución uniforme o distribución rectangular en [ a , b ], donde todos los puntos en un intervalo finito son igualmente probables, es un caso especial de la distribución Beta de cuatro parámetros.
La distribución de Irwin-Hall es la distribución de la suma de n variables aleatorias independientes, cada una de las cuales tiene una distribución uniforme en [0,1].
La distribución de Bates es la distribución de la media de n variables aleatorias independientes, cada una de las cuales tiene una distribución uniforme en [0,1].
La función delta de Dirac , aunque no es estrictamente una distribución de probabilidad, es una forma limitante de muchas funciones de probabilidad continuas. Representa una distribución de probabilidad discreta concentrada en 0 - una distribución degenerada - es una Distribución (matemáticas) en el sentido de función generalizada; pero la notación lo trata como si fuera una distribución continua.
La distribución Kumaraswamy es tan versátil como la distribución Beta pero tiene formularios cerrados simples tanto para el cdf como para el pdf.
La distribución logit metalog , que tiene una forma muy flexible, tiene formas cerradas simples y se puede parametrizar con datos utilizando mínimos cuadrados lineales.
La distribución triangular en [ a , b ], cuyo caso especial es la distribución de la suma de dos variables aleatorias independientes distribuidas uniformemente (la convolución de dos distribuciones uniformes).
El peine de Dirac del período 2 π , aunque no es estrictamente una función, es una forma limitante de muchas distribuciones direccionales. Es esencialmente una función delta de Dirac envuelta . Representa una distribución de probabilidad discreta concentrada en 2 π n (una distribución degenerada ), pero la notación la trata como si fuera una distribución continua.
Compatible con intervalos semiinfinitos, normalmente [0,∞)
La distribución de Birnbaum-Saunders , también conocida como distribución de vida por fatiga, es una distribución de probabilidad que se utiliza ampliamente en aplicaciones de confiabilidad para modelar tiempos de falla.
La distribución chi-cuadrado , que es la suma de los cuadrados de n variables aleatorias gaussianas independientes. Es un caso especial de la distribución Gamma y se utiliza en pruebas de bondad de ajuste en estadística .
La distribución F , que es la distribución de la proporción de dos variables aleatorias distribuidas con chi-cuadrado (normalizadas), utilizada en el análisis de varianza . Se denomina distribución beta prima cuando es la proporción de dos variables de chi-cuadrado que no están normalizadas dividiéndolas por su número de grados de libertad.
La distribución Gamma , que describe el tiempo hasta que ocurren n eventos aleatorios raros consecutivos en un proceso sin memoria.
La distribución de Erlang , que es un caso especial de la distribución gamma con parámetro de forma integral, desarrollada para predecir tiempos de espera en sistemas de colas.
La distribución log-metalog , que es muy flexible en cuanto a formas, tiene formas cerradas simples, se puede parametrizar con datos utilizando mínimos cuadrados lineales y subsume la distribución log-logística como un caso especial.
La distribución log-normal , que describe variables que pueden modelarse como el producto de muchas pequeñas variables positivas independientes.
La distribución de Fano inversa centralizada, que es la distribución que representa la proporción de variables aleatorias independientes normales y de diferencia gamma.
La distribución metalog , que tiene una forma muy flexible, tiene formas cerradas simples y se puede parametrizar con datos utilizando mínimos cuadrados lineales.
La distribución normal , también llamada curva gaussiana o de campana. Es omnipresente en la naturaleza y en las estadísticas debido al teorema del límite central : cada variable que puede modelarse como una suma de muchas variables pequeñas independientes, distribuidas idénticamente con media y varianza finitas es aproximadamente normal.
La distribución de valores extremos generalizada tiene un límite superior finito o un límite inferior finito dependiendo del rango en el que se encuentre el valor de uno de los parámetros de la distribución (o esté soportado en toda la línea real para un valor especial del parámetro).
La distribución metalog , que proporciona flexibilidad para soporte ilimitado, acotado y semilimitado, tiene una forma muy flexible, tiene formas cerradas simples y se puede ajustar a los datos mediante mínimos cuadrados lineales.
La distribución lambda de Tukey se admite en toda la línea real o en un intervalo acotado, dependiendo del rango en el que se encuentre el valor de uno de los parámetros de la distribución.
^ Sol, Jingchao; Kong, Maiying; Pal, Subhadip (22 de junio de 2021). "La distribución seminormal modificada: propiedades y un esquema de muestreo eficiente". Comunicaciones en Estadística - Teoría y Métodos . 52 (5): 1591-1613. doi :10.1080/03610926.2021.1934700. ISSN 0361-0926. S2CID 237919587.
^ Polson, Nicolás G.; Scott, James G.; Windle, Jesse (2013). "Inferencia bayesiana para modelos logísticos utilizando variables latentes Pólya-Gamma". Revista de la Asociación Estadounidense de Estadística . 108 (504): 1339-1349. arXiv : 1205.0310 . doi :10.1080/01621459.2013.829001. ISSN 0162-1459. JSTOR 24247065. S2CID 2859721 . Consultado el 11 de julio de 2021 .
^ Amigo, Subhadip; Gaskins, Jeremy (23 de mayo de 2022). "Aumento de datos Pólya-Gamma modificado para análisis bayesiano de datos direccionales". Revista de simulación y computación estadística . 92 (16): 3430–3451. doi :10.1080/00949655.2022.2067853. S2CID 249022546.