Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Deber 3 Evaluacion
Deber 3 Evaluacion
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:
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.
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:
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
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
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 .
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
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.
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
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.
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.