DistribucionesdeProbabilidad

Distribuciones
de Probabilidad
Contnuas
Jhon JairoPadillaAguilar,PhD.
Jairo Padilla Aguilar, PhD.

Introduccin
Enestaseccinseestudiarnalgunas
p
que
q
distribucionesdeprobabilidadcontnuas
sonbastanteutilizadaseningenierapara
modelar diferentes procesos
modelardiferentesprocesos.

DISTRIBUCION CONTINUA
UNIFORME

Distribucin Contnua Uniforme

DistribucinContnua
Esladistribucinmssencilladetodas
Deformaanlogaaladistribucindiscreta
De forma anloga a la distribucin discreta
uniforme,enladistribucincontnua
uniforme el valor de la probabilidad es
uniformeelvalordelaprobabilidades
constanteenunrangodelav.a. X.

Definicin
Unav.a. continuaXconfuncindedensidadde
i
f i d d id d d
probabilidad
f(x)=1/(ba),a<x<b
Tieneunadistribucincontinuauniforme.

Media y Varianza
MediayVarianza
Lamediaylavarianzadeunav.a. aleatoria
continuauniformeXena<x<bson
( a + b)
= E( X ) =
2
2

(
b
a
)
2 =
12

Ejemplo
SSeaquelav.a.
l
contnua
t
Xd
Xdenotelacorrientemedidaenun
t l
i t
did
alambredelgadodecobreenmA. Supongaqueelrangode
Xes[0,20mA],ysupongaquelafuncindedensidadde
probabilidaddeXesf(x)=0,05para0<x<20.
f( )
Culeslaprobabilidaddequeunamedicindelacorriente
est entre 5 y 10 mA?
estentre5y10mA?
Solucin:
Laprobabilidadsecalculacomo:
p
10

P (5 < X < 10) = 0.05dx = 0.05 x |10

5 = (0.05)(5) = 0, 25
5

Adems,lamediaylavarianzasern:

(0 + 20)
= 10mA
2
(20 0) 2
2
=
= 33.33
12

= E( X ) =

DISTRIBUCINNORMAL

Distribucin Normal
DistribucinNormal
EEsladistribucinmsutilizada
l di t ib i
tili d
Teoremadellmitecentral:Loshistogramas
resultado de la toma de muestras suelen tener la
resultadodelatomademuestrassuelentenerla
formaaproximadadeunadistribucinnormal
cuando el nmero de muestras es grande
cuandoelnmerodemuestrasesgrande.
DesarrolladainicialmenteporDeMoivre en1733,
pero su trabajo estuvo perdido.
perosutrabajoestuvoperdido.
Gausshizoelmismodesarrollo100aosdespus
y
yseledioelcrditoinicialmente.
Ladistribucinnormaltambinseconocecomo
DistribucinGaussiana.

Definicin
Unav.a. Xconfuncindedensidadde
p
probabilidad
1
f ( x) =
e
2

( x )2
2 2

Tieneunadistribucinnormalconparmetros
p
: < <
>0

Adems,lamediaylavarianzason:
E( X ) =
V (X ) = 2

Forma de la Distribucin Normal

FormadelaDistribucinNormal

Formadeladistribucinnormalparadiferentesvaloresde y2

Ejemplo
Supongaquelasmedicionesdelacorrienteen
g
unatiradealambresiguenunadistribucin
normalconunamediade10mAyuna
varianza de 4mA2.Culeslaprobabilidadde
varianzade4mA
Cul es la probabilidad de
queunamedicinexceda13mA?
Solucin:
l
+

P( X > 13)) =

13

1
e
( 2 )2

( x 10)2
(2)(4)

LLasolucinsehallapormtodosdeclculo
l i
h ll
t d d l l
numricooportablas

d
dx

Resultadostpicosdecualquierv.a.
normal
Anchuradeunadistribucinnormal

Variable Aleatoria Normal estndar

VariableAleatoriaNormalestndar
A
Aunav.a. normalcon
l
=00 y2=11 selellamavariable
l ll
i bl
aleatorianormalestndar.Unav.a. normalestndarse
denotacomoZ.
Lafuncinde distribucindeprobabilidadacumulada,
(z)=P(Z<z), deunav.a normalestndarsueleencontrarse
entablasysuelesermuytilparahacerclculosdeotras
y
y
p
distribucionesnormalesnoestandarizadas.

Propiedadestilesdeladistribucin
normalestndar
Aproximacindeun
valorde
probabilidadqueno
existeenlatabla

Casotpico

Encontrarzdada
laprobabilidad

Encontrarzdadala
probabilidadenun
rangosimtricodez

Estandarizacin de una v a normal

Estandarizacindeunav.a.
P
Paracalcularlasprobabilidadesdecadav.a.
l l l
b bilid d d
d
normall
diferenteserequiereunatabladiferente.
Porfortuna,todaslasdistribucionesnormalesse
P f t
t d l di t ib i
l
relacionanalgebraicamente.
Sepuedeusarlatabladeprobabilidadesdela
Se puede usar la tabla de probabilidades de la
distribucinnormalestndarparacalcularla
probabilidad de cualquier otra distribucin normal
probabilidaddecualquierotradistribucinnormal
Serequiereentonceshacerunatransformacinsimple
g
normalestndar.A
delav.a. normaloriginalalav.a.
esteprocesoselellamaestandarizacin.

Estandarizacin de una v a normal

Estandarizacindeunav.a.
Si
SiXesunav.a.
X
normalconE(X)=
l
E(X) yV(X)=
V(X) 2,
entonceslav.a.
X
Z=

Esunav.a. normalconE(Z)=0yV(Z)=1. Esdecir,Z

es una v a normalestndar.
esunav.a.
normal estndar
Portanto, P( X x) = P X x = P( Z z )

Esdecir,laprobabilidadseobtieneintroduciendo
el valor Z = X en la tabla de la funcin de
elvalorenlatabladelafuncinde
distribucinacumuladanormalestndar

Ejemplo
Supongaqueenladeteccindeunasealdigitalelruidodefondo
sigueunadistribucinGaussiana
i
di t ib i G
i
( id G
(ruidoGaussiano
i
id bl
ruidoblanco)
)
conunamediade0voltiosyunadesviacinestndarde0.45
voltios.Sielsistemaasumequesehatransmitidoununodigital
cuando el voltaje excede 0 9 voltios Cul es la probabilidad de
cuandoelvoltajeexcede0.9voltios.Culeslaprobabilidadde
detectarununodigitalcuandoseenviuncerodigital?
Solucin:
SSeaquelav.a.
l
Ndenoteelvoltajederuido.Elvoltajedelasealenel
d
l l j d
id
l l j d l
l
l
canalseraN+S,dondeSeselvoltajedelaseal.
EnestecasoS=0,luegoelvoltajerecibidoserelvalordeN.
EntonceslaprobabilidadsolicitadaesP(N>0.9)
E
l
b bilid d li i d
P(N 0 9)
HacemosZ=(N0)/0.45yz=(0.90)/0.45
Luego

N 0 0.9 0
P ( N > 0.9) = P
>
= P( Z > 2)
0.45
0.45
P ( Z > 2) = 1 P( Z 2) = 1 0.97725 = 0.2275

Ejemplo

Enelejemploanteriordetermineloslmitessimtricosalrededorde0
En
el ejemplo anterior determine los lmites simtricos alrededor de 0
queincluyanel99%detodaslaslecturasderuido.
Solucin:
El
Elproblemarequiereencontrarxtalque:
problema requiere encontrar x tal que:
P(x<N<x)=0.99
HallamosprimeroP(z<N<z)=0.99conlatabladeprobabilidadesdeladistribucin
normalestndar:P(N<z)=0.99+0.005
SeobtieneP(2.58<N<2.58)=0.99
Comoz=(x0)/0.45entoncesx=2.58(0.45)=1.16

0.99

0.01/2

Ejemplo

Supongaqueenunaceldade
Suponga
que en una celda de
telefonacelular,elcampoelctrico
delasealemitidaporlaestacin
(
p
)
y
base(denotadoporE)sedistribuye
enformaGaussiana sobreelterreno.
Supongaquesetieneuncampo
elctricomediode40dByuna
desviacin tpica de 8 3dB
desviacintpicade8.3dB
Sedeseaconocer:
Elporcentajedeubicacionesenquese
rebasan los valores de 60dB y 30dB
rebasanlosvaloresde60dBy30dB.
Laprobabilidaddeunadisminucin
respectodelamediade35dB.
ElvalordeEqueesrebasadocon
probabilidadesdel90%(dcilo
b bilid d d l 90% (d il inferior)
i f i )
ydel10%(dcilo superior).

Solucin
E>60dB:

E>30dB:

Estandarizacin:
Z=

E 40
=
8.3

Porcentajedeubicacionesque
superan 60dB:
superan60dB:
60 40
= 2.41
8.3
LoquesepideesP(z>2.41)=1
P(Z<2.41)
Delatablaseextraeque:
P(z>2.41)=10.992=0.008
Portanto,el0.8%delas
ubicacionesrebasanlos60dB.
Z=

Estandarizacin:
Z=

E 40
8.3

Porcentajedeubicacionesque
superan 30dB:
superan30dB:
30 40
= 1.2
8.3
LoquesepideesP(z>1.2)=1
P(Z<1.2)=P(Z<1.2)
Delatablaseextraeque:
P(z<1.2)=0.8849
Portanto,el88.49%delas
ubicacionesrebasanlos30dB
Z=

Ejemplo (continuacin)
Ejemplo(continuacin)
ProbabilidadE<(4035)
Estandarizacin:
Z=

5 40
= 4.22
8.3

Probabilidaddeocurrencia:
P(z<4.22)=1P(z<4.22)=2.6*105

EErebasadoenel10%de
rebasado en el 10% de
ubicaciones

P(Z>z)=0.1=1P(z<0.1)
P(z<0.1)=10.1=0.9
Delatabladeladistribucin
normalestandar:z=1.28
Z=

E 40
= 1.28
83
8.3

E = 50.62dB

Nota:Elrestodelejemplo
sedejaallector

Aproximacindeladistribucin
binomial alaNormal
C
Cuandosecumpleque
d
l
np>5 y n(1-p)>5
Yn esgrandeencomparacinconp.
Unav.a. binomial Xpuedeaproximarseaunav.a.
normalestndarhaciendolatransformacin
l d h
d l
f

(estandarizacin):
X
X np
Z=
=

np (1 p )
Estatransformacinsehacereemplazandolosvalores
de=np y2=np(1-p) paraladistribucinbinomial.

Aproximacindeunav.a. dePoisson a
unav.a. Normal
U
Unav.a. condistribucindePoisson
di t ib i d P i
puede
d
aproximarseaunav.a. condistribucinnormal
estndar si >5.
estndarsi
Latransformacin(estandarizacin)selogra
haciendo: Z = X = X

La
Laestandarizacinsehaceteniendoencuenta
estandarizacin se hace teniendo en cuenta
queparaunadistribucindePoisson:
= E( X ) =

2 = V (X ) =

DISTRIBUCION EXPONENCIAL

Relacin con la v a dePoisson

Relacinconlav.a.
de Poisson
Unav.a. condistribucindePoisson cuentael
nmerodeocurrenciasdeunevento
(llegadas)enunintervalodetiempo.
Unav.a.
Una v a condistribucinexponencialcuenta
con distribucin exponencial cuenta
lalongitud(temporaloespacial)entredos
ocurrenciasdeunevento.

Relacin con la v a dePoisson

Relacinconlav.a.
de Poisson
LLav.a. Xqueesigualaladistanciaentreconteos
X
i l l di
i
sucesivosdeunprocesodePoisson conmedia>0
tiene una distribucin exponencial conparmetro.
tieneunadistribucinexponencial
con parmetro
LafuncindedensidaddeprobabilidaddeXes
f ( x) = e x
Para 0 x
Ejemplo:intervalotemporal
Ejemplo: intervalo temporal
v.a. exponencial
x: tiempo entre ocurrencias

r ocurrencias en t seg.

tiempo
ti
resunav.a. dePoisson

Media y Varianza
MediayVarianza
Silav.a. Xtieneunadistribucinexponencial
conparmetro,entonces
p
,
= E( X ) =

= V (X ) =
2

Comportamientoparadiferentes
valoresde

Ejemplo
EEnunareddecomputadorasdeunagranempresa,el
dd
d
d
l
accesodeusuariosalsistemapuedemodelarsecomo
un proceso de Poisson conunamediade25accesos
unprocesodePoisson
con una media de 25 accesos
porhora.Culeslaprobabilidaddequenohaya
accesosenunintervalode6minutos(queelprimer
(q
p
accesoocurradespusde6minutos)?
Solucin:

=25accesos/hora
P( X > 0.1) = 25e 25 x dx = e 25(0.1) = 0.082
0.1
,
x=6min=0,1hora
1
= E( X ) =
= 0.04horas
25
1
= = 0.04horas

Propiedad de Falta de Memoria

PropiedaddeFaltadeMemoria
U
Unav.a. Xcondistribucinexponencialtambinsufre
X
di t ib i
i l t bi
f
delapropiedaddefaltadememoria.
Esta propiedad significa que la probabilidad de
Estapropiedadsignificaquelaprobabilidadde
ocurrenciadeuneventodespusdeciertotiempo(o
distancia)notieneencuentaquocurriantesde
i i i
iniciarelconteo.
l
t
Elconteosereinicia
x1

x2

tiempo
Proceso de Poisson
ProcesodePoisson

Aplicacionesdeladistribucin
exponencial
Medicindeltiempoentrefallosdealgn
di i d l i
f ll d l
dispositivo(eldispositivonosedesgasta,porlo
queeltiempoentredosfallosnoseafectaporlos
l ti
t d f ll
f t
l
anterioresfallos)
Aplicacinenteoradecolasparamodelarel
tiempoentrellegadasdeclientesaunacola.

Servidor(distribucinexponencial)
elementos/segg
Tasadeservicio:
ColaM/M/1

DISTRIBUCION DEERLANG

Relacinconladistribucin
exponencial
Unav.a. exponencialmideladistancia
(
(tiempo,longitud,etc)hastaqueocurreel
p
g
)
q
primerconteodeunprocesodePoisson
Unav.a.
Una v a deErlang
de Erlang mideladistanciahastaque
mide la distancia hasta que
ocurranrconteosenunprocesodePoisson.

Definicin
Lav.a. Xqueesigualalalongituddelintervalo
q
hastaquesucedenrocurrenciasenun
procesodePoisson conmedia>0tieneuna
distribucin de Erlang conparmetros
distribucindeErlang
con parmetros yr.
yr
Lafuncindedensidaddeprobabilidades
f ( x) =

Parax>0yr=1,2,

r x r 1e x
(r 1)!

Ejemplo
LLasfallasdelasunidadesdeprocesamientocentral(CPU)
f ll d l
id d d
i t
t l (CPU)
delossistemasdecomputadoresgrandessemodelancon
frecuenciacomounprocesodePoisson.Porlogeneral,las
f
fallasnosoncausadaspordesgastesinoporotrosfactores.
f
Supongaquelasunidadesquefallansereparande
inmediatoyqueelnmeropromediodefallasporhoraes
yq
p
p
de0.0001.SeaqueXdenoteeltiempohastaqueocurren4
fallasenunsistema.DeterminelaprobabilidaddequeX
exceda 40000 horas.
exceda40000horas.
Solucin:

x=40000horas
r x r 1e x
= 0.433
=0.0001fallas/hora P( X > 40000) =
(r 1)!
40000
r=4fallas

Media y Varianza
MediayVarianza
Si
SiXesunav.a.
X
d El
deErlang
conparmetros
t yr,
entonceslamediaylavarianzadeXson
= E( X ) =

2 = V (X ) =

Loanteriorsedebeaqueunav.a. deErlang puede

versecomolasumaderv.a. exponenciales.
x1

x2

x3

tiempo
Tiempoder=3ocurrencias
Iniciodelconteo

(v.a. deErlang)