FUNCION DE

DISTRIBUCION

PRESENTADO POR:
Mg.Ing. Wilbert Chávez Irazábal

FUNCION DE DISTRIBUCION
CONCEPTO:

 La función de distribución acumulada (FDA) o también llamada,

simplemente como función de distribución o FD).
Es una función matemática de la variable real: x (minúscula); que
describe la probabilidad de que X tenga un valor menor o igual que x.

 Evidentemente, el valor de la función de distribución es igual a la suma

de todos los valores de la función de probabilidad desde el extremo
inferior del dominio de la variable hasta x inclusive

1
 FUNCION DE DISTRIBUCION

F(x) = P(X  x)

Si
Si X
X es
es una
una v.a.
v.a. Discreta
Discreta Si X es una v.a. Continua
x
F(x) = S f(x ) i F(x) =  f(t) dt
 i  xi  x -

Donde la suma es Donde la sumatoria es

tomada sobre todos los reemplazada por una
índices i que satifacen integración para todos los
xi  x valores de t  x

FUNCION DE DISTRIBUCION

Si X es una v.a. Discreta:

Sea X una variable aleatoria discreta asociada a un espacio probabilístico, se

define la función de distribución:

Que verifica

N
FX ( X )   P  X  xi u ( x  xi )
i 1

2
 FUNCION DE DISTRIBUCION
Si X es una v.a. Continua:
Sea X una variable aleatoria continua con función de densidad f(x), se
define la función de distribución, F(x), como:

La función de distribución para una variable continua siempre verifica las

siguientes propiedades:

FUNCION DE DISTRIBUCION

EJEMPLO:

Se tienen dos dados, cual es la probabilidad que la suma de ellos sea menor o
igual a 5:

F(5) = P(X  5) = P(x = 2 o x = 3 o x = 4 o x = 5)

F(5) = 1/36 + 2/36 +3/36 + 4/36 = 10/36

3
 FUNCION DE DISTRIBUCION

PROPIEDADES:

FUNCION DE DISTRIBUCION

PROPIEDADES:

4
 FUNCION DE DENSIDAD DE PROBABILIDAD fdp (x)

La función de densidad de probabilidad f(x), se define como la derivada de

la función de distribución:

dF ( x)
f ( x) 
dx
Para una función de distribución discreta su f(x) es :

N
f ( x)   P ( xi )d ( x  xi )
i 1

FUNCION DE DENSIDAD DE PROBABILIDAD fdp (x)

PROPIEDADES:

1.- f ( x)  0
x

2.- F ( x)   f ( x)dx


3.-  f ( x )dx  1


x2

4.- P( x1  x  x2 )   f ( x) dx
x1

5
 TIPO FUNCION DE DISTRIBUCION

Distribución de Poisson:
 Es una distribución de probabilidad discreta que expresa, a partir de una
frecuencia de ocurrencia media, la probabilidad de que ocurra un
determinado número de eventos durante cierto período de tiempo.
 Es muy útil cuando la muestra o segmento n es grande y la probabilidad
de éxitos p es pequeña.
 Se utiliza cuando la probabilidad del evento que nos interesa se
distribuye dentro de un segmento n dado como por ejemplo distancia,
área, volumen o tiempo definido.
 La probabilidad del numero de llamadas telefónicas que se reciben en
un día.
 El numero de electrones emitidos por una sección de un cátodo en un
intervalo de tiempo dado.

TIPO FUNCION DE DISTRIBUCION

Distribución de Poisson:

 Cuando en una distribución binomial se realiza el experimento muchas

veces, la muestra n es grande y la probabilidad de éxito p en cada ensayo
es baja, es aquí donde aplica el modelo de distribución de Poisson.

Se tiene que cumplir que:

p < 0.10
p * n < 10

6
 TIPO FUNCION DE DISTRIBUCION

Distribución de Poisson:

Donde:

 P(X=K) es la probabilidad de ocurrencia cuando la variable discreta X

toma un valor finito k.

 b = Es una constante real, o la ocurrencia promedio por unidad

(tiempo, volumen, área, etc.). Es igual a p por el segmento dado,
también sea b= np.
 La constante e tiene un valor aproximado de 2.711828
 K es el número de éxitos por unidad

TIPO FUNCION DE DISTRIBUCION

Distribución de Poisson:


k
F ( x)  e  u( x  k )
K 0 k!

Propiedades:
 Valor esperado (o media): E(X)= b
 Varianza: V(X)= b
 Desviación estándar:
Donde b>0 es una constante real si N y p0 de tal forma que Np=b,
una constante.

7
 TIPO FUNCION DE DISTRIBUCION

Función de Densidad de Probabilidad de Poisson:

La v.a de Poisson X tiene una función de densidad dada por:

TIPO FUNCION DE DISTRIBUCION

Distribución de Poisson:
Ejemplo1:
La probabilidad de que haya un accidente en una compañía de manufactura es
de 0.02 por cada día de trabajo. Si se trabajan 300 días al año, ¿cuál es la
probabilidad de tener 3 accidentes?
Como la probabilidad p es menor que 0.1, y el producto n * p es menor que
10 (300 * 0.02 = 6), entonces, aplicamos el modelo de distribución de Poisson:

Al realizar el cómputo tenemos que P(x = 3) = 0.0892

Por lo tanto, la probabilidad de tener 3 accidentes laborales en 300 días de
trabajo es de 8.9%.

8
 TIPO FUNCION DE DISTRIBUCION

Distribución de Poisson:
Ejemplo2:
La probabilidad de que un producto salga defectuoso es de 0.012. ¿Cuál es la
probabilidad de que entre 800 productos ya fabricados hayan 5 defectuosos?
En este ejemplo vemos nuevamente la probabilidad p menor que 0.1, y el
producto n * p menor que 10, por lo que aplicamos el modelo de distribución
de Poisson:
El resultado es P (x = 5) = 0.04602
Por lo tanto, la probabilidad de que haya 5 productos defectuosos entre 800
recién producidos es de 4.6%.

TIPO FUNCION DE DISTRIBUCION

Distribución de Poisson:
Ejemplo 3:
Una central telefónica recibe una media de 480 llamadas por hora. Si el
número de llamadas se distribuye según una Poisson y la central tiene una
capacidad para atender a lo sumo 12 llamadas por minuto, ¿cuál es la
probabilidad de que en un minuto determinado no sea posible dar línea a
todos los clientes?
Rpta:
Si definimos X = “Nº de llamadas por minuto” entonces X → P (8).

9
 TIPO FUNCION DE DISTRIBUCION

Distribución Exponencial:

Es una distribución continua de probabilidad que se aplica para determinar las

probabilidades de ocurrencias de un evento en el tiempo y espacio, donde b>0 :

Función de distribución acumulada es:

Propiedades:

TIPO FUNCION DE DISTRIBUCION

Función de Densidad de probabilidad Exponencial:

 La fdp exponencial se utilizan cuando se realizan una gran cantidad de
medidas relativas.
 Una de las tantas aplicaciones es para describir de forma aproximada
las fluctuaciones de la intensidad de las señales que recibe un radar de
ciertos tipos de avión.

10
 TIPO FUNCION DE DISTRIBUCION

Función de Distribución Exponencial:

Ejemplo:
Determinar la probabilidad de que un camión que llega a un puerto sea
cargado en 6 minutos o menos. Se sabe que en promedio se demoran 15
minutos.
f ( x)

P( x  6)  1  e6 /15  0.3297

0 6 Tiempo(min)

TIPO FUNCION DE DISTRIBUCION

Distribución Uniforme: 0 xa
xa
La función de Distribución es: F ( x)  a xb
ba
1 xb

x
1
F ( x)   f ( x)dx  .x Ixy
y
(b  a)

1
F ( x)  .( x  y )
(b  a)

Propiedades:
ab (b  a) 2
EX   V X  
2 12

11
 TIPO FUNCION DE DISTRIBUCION
Función de Densidad Uniforme:

La función de Densidad es:

 ( b 1 a ) a xb
f ( x)  
 0 En cualquier otro caso

1
Dada la función de densidad: f ( x)  a xb
ba
 La fdp tiene múltiples aplicaciones tal como
uniforme se puede aplicar en la cuantización
de señales antes de la codificación en los
sistemas de comunicaciones.
La cuantización representa el redondeo del
valor real de la muestra al valor mas
próximo.

TIPO FUNCION DE DISTRIBUCION

Función de Distribución Uniforme:
Ejemplo 1: el precio medio del litro de gasolina durante el próximo año se
estima que puede oscilar entre 140 y 160 ptas. Podría ser, por tanto, de 143
ptas., o de 143,4 ptas., o de 143,45 ptas., o de 143,455 ptas, etc.
Hay infinitas posibilidades, todas ellas con la misma probabilidad.
Su función de densidad, aquella que nos permite conocer la probabilidad que
tiene cada punto del intervalo, viene definida por: f(x) = 1/(b-a)
Donde:
b: Es el extremo superior = 160 y a: es el extremo inferior = 140
Por lo tanto, la función de distribución del sería: F(x)= 1/(160-140) = 0.05
 El valor medio de esta distribución se calcula: E(x)= (a+b)/2
E(x) = (140 +160) /2 = 150 es el precio medio esperado de la gasolina para
el próximo año es de 150 ptas.

12
 TIPO FUNCION DE DISTRIBUCION
Función de Distribución Uniforme:

Ejemplo 2:

 El volumen de precipitaciones estimado para el próximo año en la ciudad

de Sevilla va a oscilar entre 400 y 500 litros por metro cuadrado. Calcular
la función de distribución y la precipitación media esperada:
 F(x)= 0.01 Es decir, que el volumen de precipitaciones esté entre 400 y
401 litros tiene un 1% de probabilidades; que esté entre 401 y 402 litros,
otro 1%, etc.
 E(x)=450 Es decir, la precipitación media estimada en Sevilla para el
próximo año es de 450 litros.

TIPO FUNCION DE DISTRIBUCION

Función de Distribución Uniforme:
Ejemplo 3:
Seleccionamos al azar un número real en el intervalo [2, 6] y definimos una
variable aleatoria como X=”número seleccionado”.
Calcula la probabilidad de que el número seleccionado sea menor de 5 y el
número esperado.
En este caso X → U (2, 6) Para calcular la probabilidad lo que hacemos es:

Esto se podía haber hecho más rápido con la función de distribución de la

siguiente forma:

13
 TIPO FUNCION DE DISTRIBUCION

Distribución Binomial:

 Es una FDA de probabilidad discreta que mide el numero de éxitos en una

secuencia de N ensayos independientes de Bernoulli con una probabilidad
de “P” de ocurrencia de éxito entre ensayos y q=1-p, la de fracaso.

N
N Coeficiente binomial:
F ( x)     p k (1  p) N k u ( x  k )
k 0  k 

 N: de pruebas.
 K: numero de éxitos.
 K=x Propiedades:
 P: Probabilidad de éxito.
 Probabilidad de fracaso.  Media: E[x]=μ =Np
 Varianza: σ2 = N p q

TIPO FUNCION DE DISTRIBUCION

Distribución Binomial:

 Se aplica para poblaciones grandes N>50 y n<0.1N con p  0.1.

 El muestreo binomial es con reemplazo
 La distribución normal se aproxima a la binomial cuando np > 5

 Si se repite un número fijo de veces, n, un experimento de Bernoulli con

parámetro p, el número de éxitos sigue una distribución binomial de
parámetros (n, p).
 Lanzar una moneda 10 veces y contar las caras. Bin (n=10,p=1/2)
 Lanzar una moneda 100 veces y contar las caras. Bin (n=100,p=1/2)

14
 TIPO FUNCION DE DISTRIBUCION
Densidad de probabilidad Binomial:

Sea 0<p<1 y N=1,2…., entonces la función.

TIPO FUNCION DE DISTRIBUCION

Función de Distribución Rayleigh:
Es una función de distribución continua:

La función de Distribución es:

Propiedades:

b
b V X   b 
EX   4
2

15
 TIPO FUNCION DE DISTRIBUCION
Función de Densidad de probabilidad de Rayleigh:

La función de Densidad es:

 La densidad de Rayleigh describe

la envolvente de un tipo de ruido
cuando se pasa a través de un
filtro paso banda.
 También es importante en el
análisis de errores de diversos
sistemas de medida.

TIPO FUNCION DE DISTRIBUCION

FUNCION DE DISTRIBUCION DE GAUSS:

V.A Gaussiano:
La FD de Gauss es una función continua que se aproxima a la exacta
distribución Binomial de eventos.

x  ( x  x )2
1
F(x) 
2d 2 e

2d 2
dx

16
 TIPO FUNCION DE DISTRIBUCION

FUNCION DE DENSIDAD DE GAUSS:

La fdp de Gauss se emplea en todas las áreas de las ciencias de ingeniería.

Permite describir de forma precisa muchas magnitudes importantes, la
tensión de voltaje, la agitación térmica aleatoria de los electrodo.

 ( x  x )2
1
f(x) 
2
e 2d 2

2d

TIPO FUNCION DE DISTRIBUCION

FUNCION DE DENSIDAD DE GAUSS:

 ( x  x )2
1
f(x)  e 2d 2

2d 2

De la ecuación general se tienen los siguientes casos:

1 1 0.398
1.- para x= x entonces: f(x)  e 0
 
2d 2 2d 2 d

1 1 0.241
2.- para x- x= ±Kd si K=1 entonces: f(x)  e 2

2d 2 d
0.135
3.- para x- x= ±2d entonces: f(x) 
d

4.- para x- x= ±3d entonces: 0.011

f(x) 
d

17
 TIPO FUNCION DE DISTRIBUCION

FUNCION DE DENSIDAD DE GAUSS:

Luego después de tabular se obtiene:

d= Es una medida de la
concentración de la fdp
alrededor de la media.

TIPO FUNCION DE DISTRIBUCION

FUNCION DE DISTRIBUCION GAUSS:

PROPIEDADES:

1.- F(X)+Q(X)=1

2.- F(-X)= 1- F(X)

3.- Q(-X)= 1- Q(X)

X- X
4.- F (X )= F ( δ )

18
 TIPO FUNCION DE DISTRIBUCION
LA FUNCION Q(X)

Es una función no elemental que se utiliza en el campo de la probabilidad:

  ( x  x )2
1
Q(x)   e 2d 2
dx
x 2d 2

Si X=kd

  ( x  x )2
1
Q(kd )  d 2
e 2d 2
dx
xk 2d

FUNCION DE DISTRIBUCION DE GAUSS

Desigualdad de CHEBYSHOV

 kd kd 
d x2   x 2 px ( x)dx   x 2 px ( x)dx   x 2 px ( x)dx
  kd kd

Formula de TCHEBYCHEFF

1
P( x  kd x ) 
k2
1
P( x  kd x )  1 
k2

19
 FUNCION DE DISTRIBUCION DE GAUSS

Función de error de Gauss:

La función error es una función especial (no elemental) que se utiliza en el
campo de la probabilidad, la estadística y las ecuaciones diferenciales
parciales.

La función error complementaria, llamada erfc, se define a partir de la

función error:

FUNCION DE DISTRIBUCION DE GAUSS

Función de error de Gauss:

Aplicación:
En sistemas de comunicación digitales ópticos, la "Relación de error de
bit" -BER- queda expresado por la siguiente función:

20
 Universidad Nacional del Callao
Facultad de Ingeniería Eléctrica y Electrónica

21