Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DISTRIBUCIÓN
IEE8K4 SISTEMAS CELULARES
Semestre 2015B
Profesor: MSc Andrés Reyes
2
IEE8K4
Introducción
• La base de la ingeniería de tráfico está en conceptos de probabilidad y
estadística como:
▫ Probabilidad de los procesos
▫ Variables aleatorias
• Estos conceptos permite describir parámetros como:
▫ Periodos de bloqueo
▫ Periodos de ocupación
▫ Tiempos de espera
▫ Tiempos de servicio
▫ Tiempos entre llegadas
3
IEE8K4
Introducción
• Azar: Se habla de azar cuando las causas de un acontecimiento se
atribuyen a las leyes de la probabilidad.
• Aleatoriedad: un suceso es aleatorio cada vez que depende únicamente
de la suerte o del azar. cada posible resultado tiene la misma posibilidad
de resultar en la eventual ejecución del experimento.
• Incertidumbre: Cada vez que un posible resultado no haya sido
cuantificado desde la óptica del azar se dice que existe incertidumbre
• El objetivo es formular un modelo probabilístico que pueda ser usado
para describir eventos en el mundo real.
4
IEE8K4
Espacios de Probabilidad
• Experimento aleatorio ε
▫ Un procedimiento ε tiene la propiedad que al ser ejecutado bajo las
mismas condiciones puede arrojar diferentes resultados se denomina
experimento aleatorio.
▫ Experimentos aleatorios aplicados a ingeniería: el acceso al bus compartido
en una red de computadores, el número de peticiones que apuntan a una
determinada página web, etc.
• Diseño experimental ϕ
▫ A la infraestructura necesaria para la ejecución de un experimento
aleatorio ε se le denomina diseño experimental.
5
IEE8K4
Espacios de Probabilidad
• Espacio muestral Ω
▫ Es el conjunto de todos los posibles resultados de un experimento
aleatorio. El espacio muestral se denota por la letra Ω, de esta manera,
Ω = 𝜔𝑖 𝑖𝜖𝐼
• Evento A
▫ En general, se dice que un evento A es un subconjunto de Ω, el espacio
muestral. Cada evento se denota por una letra mayúscula.
• Espacio de eventos ∆
▫ Se define como la colección, denotada por ∆, de todos los posibles eventos
de un experimento aleatorio.
6
IEE8K4
Función de probabilidad
• Una función P cuyo conjunto de partida es el espacio de eventos y el de
𝑃:△→ 0,1
llegada [0,1], es decir , que cumple con los siguientes
𝐴→𝑃 𝐴
axiomas:
▫ 𝑃 𝐴 ≥0
▫ 𝑃 Ω =1
𝑛
▫ Si A1, A2, …, An ∈ ∆ con 𝐴𝑖 ∩ 𝐴𝑗 = ∅ para 𝑖 ≠ 𝑗. Entonces 𝑃 𝑖=1 𝐴𝑖 =
𝑛
𝑖=1 𝑃(𝐴𝑖 )
7
IEE8K4
Teorema de Bayes
• Si los eventos E1, E2, …, Ek, constituyen una partición del espacion
muestral Ω donde P(Ei) ≠ 0, para i = 1, 2, …, k, entonces para cualquier
evento A en Ω tal que P(A) ≠ 0:
𝑃(𝐸𝑟 ∩ 𝐴) 𝑃 𝐸𝑟 𝑃 𝐴 𝐸𝑟
𝑃 𝐸𝑟 𝐴 = 𝑘 = 𝑘
𝑖=1 𝑃(𝐸𝑖 ∩ 𝐴) 𝑖=1 𝑃 𝐸𝑖 𝑃 𝐴 𝐸𝑖
IEE8K4
Cálculo de la probabilidad
• La probabilidad de que x se encuentre entre a y b se calcula como la
integral de f(x) de a hasta b.
• f(x) es la distribución de probabilidad
𝑏
𝑃 𝑎<𝑥<𝑏 = 𝑎
𝑓(𝑥)
9
IEE8K4
• Definición
▫ La función de distribución acumulada F(x) de una variable aleatoria
contínua X con función de probabilidad f(x) es:
𝑥
𝐹 𝑥 =𝑃 𝑋≤𝑥 = −∞
𝑓 𝑡 𝑑𝑡 para −∞ < 𝑥 < ∞
10
IEE8K4
IEE8K4
IEE8K4
IEE8K4
IEE8K4
IEE8K4
IEE8K4
IEE8K4
𝑚1 = 𝑚1,𝑖
𝑖=1
𝑘
𝜎2 = 𝜎𝑖2
𝑖=1
18
IEE8K4
IEE8K4
IEE8K4
IEE8K4
Proceso de Bernoulli
• Cada prueba del experimento tiene dos resultados posibles (1 ó cero,
éxito o fracaso, etc.).
• Basado en el proceso de Bernoulli
▫ El experimento consiste en n ensayos que se repiten.
▫ Cada ensayo produce un resultado que se puede clasificar como éxito o
fracaso.
▫ La probabilidad de éxito se denota como p y permanece constante de una
prueba a otra.
▫ Los ensayos son independientes entre sí.
22
IEE8K4
IEE8K4
Distribución binomial
• Un experimento de Bernoulli puede tener como resultado un éxito con
probabilidad p y un fracaso con probabilidad q=1-p.
• Entonces la distribución de probabilidad binomial X, que es el número
de éxitos en n pruebas independientes es:
𝑛 𝑥 𝑛−𝑥
𝑏 𝑥; 𝑛, 𝑝 = 𝑏 𝑥 = 𝑝 𝑞 , 𝑥 = 0,1,2, … , 𝑛
𝑥
• La media y la varianza de la distribución binomial son:
𝜇 = 𝑛𝑝
𝜎 2 = 𝑛𝑝𝑞
24
IEE8K4
Distribución de Poisson
• Utilizada para describir el número de resultados que ocurren en:
▫ Un intervalo de tiempo
▫ Una región específica
• Aplicaciones
▫ Número de llamadas por hora que recibe una central telefónica
▫ Número de juegos suspendidos por lluvia durante una temporada
▫ Número de errores ortográficos en una página
25
IEE8K4
Proceso de Poisson
IEE8K4
Distribución de Poisson
• El número de X de resultados que ocurren durante un experimento de
Poisson se llama variable aleatoria de Poisson y su distribución de
probabilidad se llama distribución de Poisson.
• Representa el número de resultados que ocurren en un intervalo dado o
región específicos (t) y que se puede representar como λt, es:
𝑒 𝜆𝑡 (𝜆𝑡)𝑥
𝑃 𝑥 =
𝑥!
▫ Donde λ es el número promedio de resultados por unidad de tiempo,
distancia, área o volumen.
• Tanto media como la varianza de una distribución de Poisson es λ.
27
IEE8K4
Distribución exponencial
• Una de las funciones de distribución de más utilizadas en tráfico de
telecomunicaciones.
• Se encuentra caracterizada por un solo parámetro: intensidad λ.
𝑓 𝑡 = 𝜆𝑒 −𝜆 , 𝜆 > 0, 𝑡 ≥ 0
𝐹 𝑡 = 1 − 𝑒 −𝜆𝑡 , 𝜆 > 0, 𝑡 ≥ 0
28
IEE8K4
Propiedades
• Apropiada para describir intervalos de tiempo físicos.
• Propiedad de la Ausencia de Memoria
▫ La probabilidad de ocurrencia de un evento después de cierto tiempo no
tiene en consideración que ocurrió antes de iniciar el conteo.