Documentos de Académico
Documentos de Profesional
Documentos de Cultura
tiempo
Jhon Jairo Padilla Aguilar, PhD
Introduccin
Aplicacin
exponencial
Poisson
Paretto
Distribucin exponencial
Distribucin exponencial
Representacin en los
Diagramas de Fase
Distribucin exponencial
Propiedades:
x2
tiempo
Ejemplo
Distribuciones Planas:
Distribucin Erlang-k
Distribucin Erlang-K
La caracterizan los
siguientes momentos:
Y el i-simo momento no
central es:
Distribucin de Erlang-k para diferentes
valores de k (con =1). Para k=1 se
comporta como una distribucin
exponencial
Aplicaciones de Erlang-K
x2
x3
tiempo
Tiempo de k=3 ocurrencias
Ejemplos:
(v.a. de Erlang)
Distribuciones Planas
Distribucin Hiper-exponencial
Donde,
Distribucin Hiper-exponencial
Distribucin hiper-exponencial
Dist.
Hiperexponencial
Distribucin exponencial
La grfica muestra
mediciones de los
tiempos de
servicio en lneas
de una central
telefnica local
durante la hora
pico.
Distribuciones de Cox
La media es,
Donde
El trmino
corresponde a la probabilidad de
ramificarse, y es la probabilidad de saltar afuera despus de
dejar la fase i.
La media es,
La varianza ser,
Donde
Principios de descomposicin
Los diagramas de fase son una herramienta til para analizar las
distribuciones de Cox a partir de las propiedades de la
distribucin exponencial.
Teorema 1:
Teorema 2:
En la prctica:
Distribucin gamma:
Distribucin Weibull:
Distribucin de Pareto:
Hiper-exponencial
Weibull
Lognormal
Distribuciones Discretas
Proceso de Bernoulli
Distribucin binomial
Ejemplo
n x n x
b( x; n=
, p ) b=
( x) p q
x
4
2
4 2
=
(0.1)
(0.9)
0, 0486
b(2) =
Media y Varianza
= np
= npq
2
Ejemplo:
Distribucin Geomtrica
f ( x)= (1 p )
x 1
, x=1,2,
Ejemplo
1
(X )
=
E=
p
(1 p)
2
=
p2
Ejemplo
)
=
E ( X=
1
= 10
0,1
1/ 2
1/ 2
(1 p )
(1 0,1)
9, 49
=
=
=
2
2
0, 01
p
x 1
xr r
=
f ( x)
(1 p ) p
r 1
Aclaraciones
Ejemplo
4
1
r=4 xitos
x=10 ensayos
9
9
6
4
6
3
1
=
f ( x) =
(0,9)
0,1
(0,9)
0,1
0,1
3
3
Probabilidad de que
ocurran 3 errores en los
nueve primeros ensayos
(Distribucin binomial)
Prob. Del
cuarto bit
errado
Media y Varianza
r
=
E=
(X )
p
r (1 p )
2
=
p2