Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Distribuciones de probabilidad
En el proceso de modelamiento de sistemas que presentan un comportamiento aleatorio utilizamos
dos familias de variables aleatorias para modelar la probabilidad de ocurrencia de los eventos. Estas
son las variables aleatorias continuas y las variables aleatorias discretas.
Distribución Exponencial
Parámetro: 𝜆, que indica la tasa de ocurrencia de eventos por unidad de tiempo. Las unidades de
1
medida de este parámetro son de tiempo; por ejemplo: segundos−1 , horas−1 , meses−1 .
Distribución Lognormal
Se dice que 𝑋 es una variable aleatoria que sigue una distribución de probabilidad lognormal si el
logaritmo de 𝑋 es una variable siguen una distribución normal con parámetros 𝜇 y 𝜎. Estos dos
valores también son los parámetros de la distribución lognormal.
2
Dominio: (0, ∞) 1 −(ln(𝑡)−𝜇)
Función de densidad 𝑡⋅𝜎 √2𝜋
𝑒 2𝜎2
𝜎2
𝜇+
Valor esperado: 𝐸[𝑋] = 𝑒 2
Función de densidad de probabilidad
2 2
acumulada: no tiene forma explicita
Varianza: 𝑉𝑎𝑟[𝑋] = (𝑒 𝜎 − 1) ⋅ (𝑒 2⋅𝜇+𝜎 )
Distribución Triangular
Parámetros: 𝑎 (mínimo) , 𝑏 (máximo) y 𝑐 (valor más probable).
A continuación, se presenta el histograma de frecuencias para una variable aleatoria 𝑋 que sigue
una distribución de probabilidad triangular con parámetros 𝑎 = 0, 𝑏 = 60 y 𝑐 = 20.
Histograma de 𝑇𝑟𝑖𝑎𝑛𝑔(0,60,20)
Distribución Erlang
Se define 𝑋 como una variable aleatoria que sigue una distribución Erlang si constituye una suma
de K variables aleatorias distribuidas exponencialmente con el mismo parámetro 𝜆, y estas son
independientes entre sí. Los parámetros de la distribución Erlang son 𝑘 (cantidad de variables
aleatorias exponenciales que se suman) y 𝜆 (parámetro de cada una de esas variables aleatorias).
Sea 𝑌𝑖 un conjunto de variables aleatoria distribuidas exponencialmente con parámetro 𝜆. 𝑌𝑖 son iid
(independientes e idénticamente distribuidas).
𝑋 = ∑ 𝑌𝑖
𝑖=1
𝑋~𝐸𝑟𝑙𝑎𝑛𝑔(𝑘 = 𝑁, 𝜆)
En caso en que 𝑌𝑖 no sean variables aleatorias iid, la distribución de probabilidad de 𝑋 no será Erlang.
Distribución Poisson
Una variable aleatoria que siga una distribución de Poisson nos permite conocer la probabilidad que
ocurra una cantidad determinada de eventos durante un período de tiempo definido t. De este
modo, el parámetro de esta distribución es 𝜆, que indica la tasa de ocurrencia de eventos por unidad
1
de tiempo. Las unidades de medida de 𝜆 son de tiempo; por ejemplo, segundos−1 , horas−1 , meses−1.
Distribución Bernoulli
Sea 𝑋 variable aleatoria que mide el resultado de un único experimento con dos posibles resultados:
éxito (1) o fracaso (0). Esta variable aleatoria sigue una distribución de probabilidad Bernoulli. Por
ende, el único parámetro es 𝑝, que indica la probabilidad de éxito del experimento.
Distribución Geométrica
Sea 𝑋 una variable aleatoria que cuenta el número de intentos necesarios hasta obtener el primer
éxito, de un fenómeno aleatorio con dos posibles resultados: éxito o fracaso. Dicha variable
aleatoria sigue una distribución de probabilidad Geométrica.
Parámetro: 𝑝, que indica la probabilidad que en cada uno de los intentos el resultado sea exitoso.
Distribución Binomial
Sea 𝑋 una variable aleatoria que cuenta el número de éxitos en una secuencia de n intentos
independientes y aleatorios con dos posibles resultados: éxito o fracaso. Dicha variable aleatoria
sigue una distribución de probabilidad Binomial.
Parámetros: 𝑘 (número de éxito de interés), 𝑝 (probabilidad de éxito de cada uno de los intentos).
Parámetros: 𝑎 (mínimo) y 𝑏 (máximo), que indican los límites entre los cuales estará definida la
variable aleatoria.