ESCUELA POLITECNICA NACIONAL

DISEO Y EVALUCION DE REDES

Nombre: David Rodriguez Arboleda
Curso: GR1
Ing. Carlos Egas
DEBER 6
4.6 EL PROCESO DE ENTRADA
Las fuentes de aleatoriedad en redes de comunicacin y sus caractersticas estadsticas se pueden
modelar utilizando una variedad de distribuciones de probabilidad. Una consideracin
importante en la eleccin de la distribucin de probabilidad para el parmetro aleatorio es cmo
se modela el proceso real.
Tres mtodos para la eleccin de distribuciones de probabilidad adecuados estn disponibles.
El primero es el uso de valores de datos reales, el segundo es para derivar una distribucin
emprica, y la tercera es utilizar la mejor distribucin terica. A falta de datos que estamos
restringidos a la eleccin de la distribucin terica ms adecuada.
Las familias de distribuciones de probabilidad pueden ser descritas por una o ms de los tres tipos
de parmetros. El parmetro de localizacin especifica un " valor de x " adecuado para identificar
la ubicacin de la gama de distribuciones de valores. Un cambio en el parmetro de localizacin
simplemente desplaza la distribucin en la abscisa. El parmetro de escala determina la unidad
de medida para los valores de x, y por lo tanto cambia el grado de compresin o expansin. El
parmetro de forma de una distribucin cambia la forma bsica, de su funcin de densidad.
El proceso de generacin de variables aleatorias a partir de una distribucin de probabilidad dada
no siempre es sencillo. Como la mayora de los lenguajes de programacin de alto nivel
proporcionan una funcin estndar para el retorno de las variables entre 0 y 1, se muestra cmo
estos pueden ser utilizados para generar variables de la distribucin requerida. Hay un nmero
de tcnicas disponibles para lograr esto, el mtodo ms popular y eficaz es la transformada
inversa. Un corto algoritmo que describe el mtodo para la generacin de variables aleatorias
usando la funcin de nmeros aleatorios se da para cada una de las distribuciones de
probabilidad.
4.6.1 El generador de nmeros aleatorios
El uso de los ordenadores, sin embargo, dicta que los mtodos secuenciales tienen que ser
utilizados en el siguiente nmero debe depender, en cierta medida, de uno o ms de los valores
anteriores. El uso de este proceso, da lugar a la cuestin de cmo podra ser al azar, independiente,
e idnticamente distribuidos tal secuencia, por esta razn los nmeros aleatorios generados por
computadora se refieren a menudo como pseudoaleatorio.
Se ha informado de que en general, un buen generador de nmeros aleatorios debe poseer un
nmero de propiedades. Como generar nmeros aleatorios independientes, idnticamente
distribuidos de manera uniforme y, por lo general entre 0 y I. Probablemente es justo decir que los
generadores modernos incorporan algoritmos bien desarrollados que son perfectamente

adecuados para los fines de simulacin de la red de comunicacin con la que nos enfrentamos.
4.6.2 Distribucin Uniforme
El tipo ms simple de distribucin es la distribucin uniforme, lo que da una probabilidad igual
para el valor de una variable aleatoria en un intervalo dado La funcin distribucin uniforme
continua viene dada por:

La funcin de densidad correspondiente est dada por:

y esto se ilustra grficamente en la Figura 4.16. Los parmetros de la distribucin son los nmeros
reales a y b, con a <b, de tal manera que cualquiera de ellos puede ser descrito como el parmetro
de localizacin y b - a es el parmetro de escala.

La ausencia de la forma en la distribucin uniforme proporciona evidencia intuitiva para la falta

de un parmetro de forma. Una forma ms general de la distribucin, conocida como la
distribucin triangular, se representa en la Figura 4.17. Aqu el parmetro de forma es c y
claramente si f (a) = f (b) = f (c) se obtiene la distribucin uniforme.

Probablemente la distribucin triangular no es muy til en la bsqueda de muchas aplicaciones

en anlisis de la comunicacin de trfico de red, sin embargo, sirve para ilustrar el uso de un
parmetro de forma bastante bien. Es fcil ver cmo el valor de c determina un nmero de las
propiedades asociadas con la distribucin triangular tal como, la asimetra. La propiedad de
asimetra de una distribucin se ha definido en un nmero de formas mediante el uso de una
combinacin de uno o ms momentos de f. la asimetra de una distribucin sin duda afectar a la
variable aleatoria, el parmetro de forma es un concepto importante.
El mtodo de la transformada inversa proporciona un simple algoritmo para la generacin de
variables aleatorias uniformes a partir de una distribucin continua.
Si ponemos u = F (x) en la ecuacin (4.12) y reorganizar obtenemos:

Por lo tanto las variables dadas al azar entre 0 y 1, en cuyo caso

uniforme entre A y B se pueden obtener usando

, una variable aleatoria

la ecuacin. (4.14).

La versin discreta de la funcin de distribucin uniforme viene dada por:

y su funcin de masa, que se ilustra en la figura 4.18, se da por:

Los enteros i y j proporcionan la localizacin de la distribucin y el valor de j - i determina la

escala.

Usando el mtodo de transformada inversa, si ponemos U = f (x) e i = 0 en la ecuacin (4. 15) y

reorganizar para x obtenemos

4.6.3 La distribucin exponencial

La distribucin exponencial es continua y su funcin est dada por

La funcin de densidad correspondiente, que se ilustra en la figura 4.19, se da por

La ubicacin de la funcin de distribucin exponencial en la abscisa es fijo y su escala puede ser

cambiada por la variable B. La propiedad nica de la distribucin exponencial es que es continuo
con la propiedad sin memoria, y esta es la razn por la que es la opcin ms popular para la
generacin de tiempos entre llegadas.
En una seccin anterior obtuvimos la transformada inversa USMG la funcin de densidad de la
distribucin exponencial. El mismo resultado se obtiene si ponemos U = f (x) en la ecuacin. (4.18)
y reorganizar para dar

Por tanto se administra

se puede utilizar para calcular una variable aleatoria
continua que se ha derivado de la distribucin exponencial.

4.6.4 La distribucin m-Erlang

Si
son m variables independientes con distribuciones de probabilidad exponencial,
cada uno con una media de B / m, cuando
es una variable de distribucin m-Erlang
con media B.
La funcin de distribucin de m-Erlang est dada por

y su funcin de densidad, representa grficamente en la Figura 4.20 para m = 1, 2, y 3, est dada

por

La distribucin m-Erlang se fija en la localizacin con un parmetro de escala B y el parmetro de

la forma m. Observe que m = 1 este caso es el mismo que la distribucin exponencial.

es la misma que la suma de m variables de exponenciales independientes cada una con una media
de J3 / m . Por lo tanto una variable de m - Erlang se obtiene a partir de las variables OFM suma
generados usando la ecuacin. (4.20 ). El tiempo de clculo real de este algoritmo se puede reducir
al sealar que la suma ofm logaritmos factorizas sigue de nuevo la sustitucin de (1 - u) con u

4.6.5 La distribucin de Weibull

La distribucin de Weibull se aplica popularmente al tiempo hasta el fracaso del equipo y
encuentra aplicaciones en resistencia de la red. La funcin de distribucin de Weibull se da por

La funcin de densidad correspondiente est dada por

y la ilustracin de la figura 4.21 es la funcin de densidad de probabilidad de Weibull con a = 0,5 ,

1,2 , y 3 y B = 2 . Una vez ms la posicin de la distribucin de Weibull en la abscisa es fijo y los
parmetros
de
escala
y
la
forma
son
Beta
y
Alfa,
respectivamente.
La funcin de distribucin de Weibull se invierte fcilmente, y mediante la sustitucin u = f (x)

obtenemos

Por lo tanto la ecuacin. (4.26) proporciona un mtodo sencillo para el clculo de una variable
aleatoria distribuida - de Weibull
4.6.6 La distribucin normal
La distribucin normal se refiere a menudo en las disciplinas de ingeniera como la distribucin
de Gauss y encuentra aplicaciones tiles en errores de modelado. No hay forma cerrada para la
funcin de distribucin porque no hay primitiva para la funcin de densidad. En otras palabras,
no es posible resolver la integral indefinida

Hemos ilustrado la funcin de distribucin normal en la figura 4.22 con

La funcin de densidad de la distribucin normal est dada por

y
que
se
ilustra
en
la
Figura
4.23
con
y
Porque no hay forma cerrada para la funcin de distribucin no podemos usar la transformada
inversa mtodo para generar variables aleatorias con distribucin normal , en lugar utilizamos el
llamado mtodo polar, inform Marsaglia y Bray , de la siguiente manera .

En primer lugar observamos que si la muestra X se distribuye normalmente con

entonces
da como una muestra de una distribucin normal con
Ahora X se puede generar utilizando el siguiente algoritmo:

Tenga en cuenta que dos muestras se generan a partir de dos nmeros aleatorios para cada
ejecucin del algoritmo.
4.6.7 La distribucin logartmica normal
Otra distribucin que es til para modelar el tiempo para completar una tarea es la distribucin
lognormal En la seccin final utilizamos este distribucin para. Para reparar el tiempo, ya que da
un "pico " ms pronunciado cerca de x = 0; y puede ser razonable suponer, en ausencia de datos,
que esto es probable que sea el caso. De nuevo no hay forma cerrada para la funcin de
distribucin. Su funcin de densidad est dada por

En la figura 4.24 nos trazan las funciones de densidad de las distribuciones logartmicas normales
con
y
. Los valores de
determinar la escala y forma,
respectivamente

Variables de una distribucin log normal se pueden generar a partir de variables con distribucin
normal utilizando el hecho de que si X es una muestra normal, entonces
da la muestra log
normal Y
4.6.8 La distribucin binomial
Las dos distribuciones de probabilidad discretas ms simples son el uniforme discreta y

distribuciones de Bernoulli. Ya hemos mencionado la distribucin uniforme que se aplica a valores

aleatorios que pueden tener uno de un nmero finito de posibles valores, cada uno de los cuales es
igualmente probable. La distribucin de Bernoulli ofrece dos posibles resultados y por lo general
se considera como la generacin de secuencias aleatorias de xitos y fracasos. La distribucin
binomial proporciona un nmero aleatorio de xitos en un cierto nmero de ensayos
independientes, con una probabilidad de xito o fracaso. Si el nmero de ensayos es T y la
probabilidad de xito es p, la funcin de distribucin de la distribucin binomial est dada por

y la funcin de masa de probabilidad est dada por

En la figura 4.25 se ha representado la funcin de masa para las cuatro combinaciones con t = 5 ,
10 y p = 0,1, 0,5 . Los grficos sirven para ilustrar cmo t puede interpretarse ya sea como una
escala o parmetro de localizacin, mientras que p es sin duda un parmetro de forma.

Una distribucin estrecha relacin con la distribucin binomial es el de la binomial negativa. Se

describe la probabilidad de que un cierto nmero de fallos antes de xito. Si el xito se produce en
el juicio sth, a continuacin, la funcin de distribucin de la binomial negativa est dada por

En este caso s ha reemplazado t como el parmetro de escala, mientras que p sigue siendo el
parmetro de forma.
4.6.9 La distribucin geomtrica
La distribucin geomtrica describe el nmero de fracasos antes del primer xito en una secuencia
de ensayos de Bernoulli independientes. De nuevo, si la probabilidad de xito es p, entonces la
funcin de distribucin para la distribucin geomtrica est dada por

y la funcin de masa de probabilidad est dada por

Dos ejemplos de la funcin de masa con P = 0,25 y 0.5 se presentan en la Figura 4.26. Slo hay un
parmetro asociado a la distribucin geomtrica. El valor de p determina la forma de la
distribucin, ya que afecta a la excentricidad de la envolvente exponencial para la distribucin de
masa.

4.6.10 La distribucin de Poisson

Una serie de nmeros generados a partir de la distribucin de Poisson proporciona una secuencia
de nmeros aleatorios independientes con un valor medio prescrito. Se exhibe la propiedad sin
memoria y es en este sentido el equivalente discreto de la distribucin exponencial.
La funcin de distribucin de Poisson es dada por

Donde es el valor medio. Su funcin de masa est dada por

y los grficos de la figura 4.27 ilustran las funciones de masa de la distribucin de Poisson con
= 0,5 , 1 , 2 , y 6 . Es evidente que el valor de A determina la forma de la distribucin y as puede
considerarse como el parmetro de forma.