Distribuciones de Probabilidad DistribucionesdeProbabilidad

Contnuas
Jhon Jairo Padilla Aguilar, PhD. Jhon JairoPadillaAguilar,PhD.
Introduccin Introduccin
Enestaseccinseestudiarnalgunas
distribucionesdeprobabilidadcontnuas que p q
sonbastanteutilizadaseningenierapara
modelar diferentes procesos modelardiferentesprocesos.
DISTRIBUCION CONTINUA
UNIFORME
Distribucin Contnua Uniforme DistribucinContnua Uniforme
Esladistribucinmssencilladetodas
De forma anloga a la distribucin discreta Deformaanlogaaladistribucindiscreta
uniforme,enladistribucincontnua
uniforme el valor de la probabilidad es uniformeelvalordelaprobabilidades
constanteenunrangodelav.a. X.
Definicin Definicin
i f i d d id d d Unav.a. continuaXconfuncindedensidadde
probabilidad
f(x)=1/(ba),a<x<b
Tieneunadistribucincontinuauniforme.
Media y Varianza MediayVarianza
Lamediaylavarianzadeunav.a. aleatoria
continuauniformeXena<x<bson
( )
( )
a b
E X
+
= =
2
2
( )
2
( ) b a

=
12

Ejemplo Ejemplo
S l t X d t l i t did Seaquelav.a. contnua Xdenotelacorrientemedidaenun
alambredelgadodecobreenmA. Supongaqueelrangode
Xes[0,20mA],ysupongaquelafuncindedensidadde
f( ) probabilidaddeXesf(x)=0,05para0<x<20.
Culeslaprobabilidaddequeunamedicindelacorriente
est entre 5 y 10 mA? estentre5y10mA?
Solucin:
Laprobabilidadsecalculacomo: p
10
10
5
5
(5 10) 0.05 0.05 | (0.05)(5) 0,25 P X dx x < < = = = =

(0 20)
Adems,lamediaylavarianzasern:
2
2
(0 20)
( ) 10
2
(20 0)
E X mA
+
= = =

2
(20 0)
33.33
12
= =
DISTRIBUCINNORMAL
Distribucin Normal DistribucinNormal
E l di t ib i tili d Esladistribucinmsutilizada
Teoremadellmitecentral:Loshistogramas
resultado de la toma de muestras suelen tener la resultadodelatomademuestrassuelentenerla
formaaproximadadeunadistribucinnormal
cuando el nmero de muestras es grande cuandoelnmerodemuestrasesgrande.
DesarrolladainicialmenteporDeMoivre en1733,
pero su trabajo estuvo perdido. perosutrabajoestuvoperdido.
Gausshizoelmismodesarrollo100aosdespus
yseledioelcrditoinicialmente. y
Ladistribucinnormaltambinseconocecomo
DistribucinGaussiana.
Definicin Definicin
Unav.a. Xconfuncindedensidadde
probabilidad p
2
2
( )
2
1
( )
2
x
f x e

=
Tieneunadistribucinnormalconparmetros
2
p
:
0

< <
>
Adems,lamediaylavarianzason:
( ) E X =
2
( ) V X =
Forma de la Distribucin Normal FormadelaDistribucinNormal
Formadeladistribucinnormalparadiferentesvaloresde y
2
Ejemplo Ejemplo
Supongaquelasmedicionesdelacorrienteen
unatiradealambresiguenunadistribucin g
normalconunamediade10mAyuna
varianza de 4mA
2
Cul es la probabilidad de varianzade4mA .Culeslaprobabilidadde
queunamedicinexceda13mA?
l Solucin:
2
( 10)
(2)(4)
1
( )
x
d

+

(2)(4)
13
1
( 13)
( 2 )2
P X e dx

> =

L l i h ll t d d l l Lasolucinsehallapormtodosdeclculo
numricooportablas
Resultadostpicosdecualquierv.a.
normal
Anchuradeunadistribucinnormal
Variable Aleatoria Normal estndar VariableAleatoriaNormalestndar
A l 0
2
1 l ll i bl Aunav.a. normalcon=0 y
2
=1 selellamavariable
aleatorianormalestndar.Unav.a. normalestndarse
denotacomoZ.
Lafuncinde distribucindeprobabilidadacumulada,
(z)=P(Z<z), deunav.a normalestndarsueleencontrarse
entablasysuelesermuytilparahacerclculosdeotras y y p
distribucionesnormalesnoestandarizadas.
Propiedadestilesdeladistribucin
normalestndar
Aproximacindeun
valorde
probabilidadqueno
existeenlatabla
Encontrarzdada
laprobabilidad Casotpico
Encontrarzdadala
probabilidadenun
rangosimtricodez
Estandarizacin de una v a normal Estandarizacindeunav.a. normal
P l l l b bilid d d d l Paracalcularlasprobabilidadesdecadav.a. normal
diferenteserequiereunatabladiferente.
P f t t d l di t ib i l Porfortuna,todaslasdistribucionesnormalesse
relacionanalgebraicamente.
Se puede usar la tabla de probabilidades de la Sepuedeusarlatabladeprobabilidadesdela
distribucinnormalestndarparacalcularla
probabilidad de cualquier otra distribucin normal probabilidaddecualquierotradistribucinnormal
Serequiereentonceshacerunatransformacinsimple
delav.a. normaloriginalalav.a. normalestndar.A g
esteprocesoselellamaestandarizacin.
Estandarizacin de una v a normal Estandarizacindeunav.a. normal
Si X l E(X) V(X)
2
SiXesunav.a. normalconE(X)= yV(X)=
2
,
entonceslav.a.
X
Z

=
Esunav.a. normalconE(Z)=0yV(Z)=1. Esdecir,Z
es una v a normal estndar

esunav.a. normalestndar.
Portanto,
( ) ( )
X x
P X x P P Z z


= =


Esdecir,laprobabilidadseobtieneintroduciendo
el valor en la tabla de la funcin de



X
elvalorenlatabladelafuncinde
distribucinacumuladanormalestndar
X
Z

=
Ejemplo Ejemplo
Supongaqueenladeteccindeunasealdigitalelruidodefondo
i di t ib i G i ( id G i id bl ) sigueunadistribucinGaussiana (ruidoGaussiano ruidoblanco)
conunamediade0voltiosyunadesviacinestndarde0.45
voltios.Sielsistemaasumequesehatransmitidoununodigital
cuando el voltaje excede 0 9 voltios Cul es la probabilidad de cuandoelvoltajeexcede0.9voltios.Culeslaprobabilidadde
detectarununodigitalcuandoseenviuncerodigital?
Solucin:
S l d l l j d id l l j d l l l Seaquelav.a. Ndenoteelvoltajederuido.Elvoltajedelasealenel
canalseraN+S,dondeSeselvoltajedelaseal.
EnestecasoS=0,luegoelvoltajerecibidoserelvalordeN.
E l b bilid d li i d P(N 0 9) EntonceslaprobabilidadsolicitadaesP(N>0.9)
HacemosZ=(N0)/0.45yz=(0.90)/0.45
Luego
0 0.9 0
( 0.9) ( 2)
0.45 0.45
N
P N P P Z


> = > = >


( 2) 1 ( 2) 1 0.97725 0.2275 P Z P Z > = = =
Ejemplo Ejemplo
En el ejemplo anterior determine los lmites simtricos alrededor de 0 Enelejemploanteriordetermineloslmitessimtricosalrededorde0
queincluyanel99%detodaslaslecturasderuido.
Solucin:
El problema requiere encontrar x tal que: Elproblemarequiereencontrarxtalque:
P(x<N<x)=0.99
HallamosprimeroP(z<N<z)=0.99conlatabladeprobabilidadesdeladistribucin
normalestndar:P(N<z)=0.99+0.005
SeobtieneP(2.58<N<2.58)=0.99
Comoz=(x0)/0.45entoncesx=2.58(0.45)=1.16
0.99
0.01/2
Ejemplo Ejemplo
Suponga que en una celda de Supongaqueenunaceldade
telefonacelular,elcampoelctrico
delasealemitidaporlaestacin
base(denotadoporE)sedistribuye ( p ) y
enformaGaussiana sobreelterreno.
Supongaquesetieneuncampo
elctricomediode40dByuna
desviacin tpica de 8 3dB desviacintpicade8.3dB
Sedeseaconocer:
Elporcentajedeubicacionesenquese
rebasan los valores de 60dB y 30dB rebasanlosvaloresde60dBy30dB.
Laprobabilidaddeunadisminucin
respectodelamediade35dB.
ElvalordeEqueesrebasadocon
b bilid d d l 90% (d il i f i ) probabilidadesdel90%(dcilo inferior)
ydel10%(dcilo superior).
Solucin Solucin
E>60dB:
Estandarizacin:
E>30dB:
Estandarizacin:
40 E E 40 E E
Porcentajedeubicacionesque
superan 60dB:
Porcentajedeubicacionesque
superan 30dB:
40
8.3
E E
Z

= =
40
8.3
E E
Z

= =
superan60dB: superan30dB:
60 40
2.41
8.3
Z

= =
30 40
1.2
8.3
Z

= =
LoquesepideesP(z>2.41)=1
P(Z<2.41)
Delatablaseextraeque:
LoquesepideesP(z>1.2)=1
P(Z<1.2)=P(Z<1.2)
Delatablaseextraeque:
P(z>2.41)=10.992=0.008
Portanto,el0.8%delas
ubicacionesrebasanlos60dB.
P(z<1.2)=0.8849
Portanto,el88.49%delas
ubicacionesrebasanlos30dB
Ejemplo (continuacin) Ejemplo(continuacin)
E rebasado en el 10% de
ProbabilidadE<(4035)
Estandarizacin:
Erebasadoenel10%de
ubicaciones
P(Z>z)=0.1=1P(z<0.1)
Probabilidaddeocurrencia:
P(z<0.1)=10.1=0.9
Delatabladeladistribucin
5 40
4.22
8.3
E
Z

= = =
P(z<4.22)=1P(z<4.22)=2.6*10
5
normalestandar:z=1.28
40
1.28
83
E E
Z

= = =
8.3
50.62 E dB

=
Nota:Elrestodelejemplo
sedejaallector
Aproximacindeladistribucin
binomial alaNormal
C d l Cuandosecumpleque
np>5 y n(1-p)>5
Yn esgrandeencomparacinconp.
Unav.a. binomial Xpuedeaproximarseaunav.a.
l d h d l f normalestndarhaciendolatransformacin
(estandarizacin):
X X np
(1 )
X X np
Z
np p

= =

Estatransformacinsehacereemplazandolosvalores
de=np y
2
=np(1-p) paraladistribucinbinomial.
Aproximacindeunav.a. dePoisson a
unav.a. Normal
U di t ib i d P i d Unav.a. condistribucindePoisson puede
aproximarseaunav.a. condistribucinnormal
estndar si >5 estndarsi>5.
Latransformacin(estandarizacin)selogra
haciendo:
X X
haciendo:
La estandarizacin se hace teniendo en cuenta
X X
Z

= =
Laestandarizacinsehaceteniendoencuenta
queparaunadistribucindePoisson:
( ) E X = =
2
( )
( )
E X
V X

= =
DISTRIBUCION EXPONENCIAL
Relacin con la v a de Poisson Relacinconlav.a. dePoisson
Unav.a. condistribucindePoisson cuentael
nmerodeocurrenciasdeunevento
(llegadas)enunintervalodetiempo.
Una v a con distribucin exponencial cuenta Unav.a. condistribucinexponencialcuenta
lalongitud(temporaloespacial)entredos
ocurrenciasdeunevento.
Relacin con la v a de Poisson Relacinconlav.a. dePoisson
L X i l l di i Lav.a. Xqueesigualaladistanciaentreconteos
sucesivosdeunprocesodePoisson conmedia>0
tiene una distribucin exponencial con parmetro tieneunadistribucinexponencial conparmetro.
LafuncindedensidaddeprobabilidaddeXes
( )
x
f x e

=
Para
Ejemplo: intervalo temporal
( ) f x e =
0 x
Ejemplo:intervalotemporal
x: tiempo entre ocurrencias
v.a. exponencial
ti tiempo
r ocurrencias en t seg.
resunav.a. dePoisson
Media y Varianza MediayVarianza
Silav.a. Xtieneunadistribucinexponencial
conparmetro,entonces p ,
1
( ) E X

= =
2
2
( )
1
( ) V X

= =
2
( )

Comportamientoparadiferentes
valoresde
Ejemplo Ejemplo
E d d d d l Enunareddecomputadorasdeunagranempresa,el
accesodeusuariosalsistemapuedemodelarsecomo
un proceso de Poisson con una media de 25 accesos unprocesodePoisson conunamediade25accesos
porhora.Culeslaprobabilidaddequenohaya
accesosenunintervalode6minutos(queelprimer (q p
accesoocurradespusde6minutos)?
Solucin:
=25accesos/hora
x=6min=0,1hora
25 25(0.1)
0.1
( 0.1) 25 0.082
x
P X e dx e

> = = =

,
1
( ) 0.04
25
E X horas = = =
1
0.04horas

= =
Propiedad de Falta de Memoria PropiedaddeFaltadeMemoria
U X di t ib i i l t bi f Unav.a. Xcondistribucinexponencialtambinsufre
delapropiedaddefaltadememoria.
Esta propiedad significa que la probabilidad de Estapropiedadsignificaquelaprobabilidadde
ocurrenciadeuneventodespusdeciertotiempo(o
distancia)notieneencuentaquocurriantesde
i i i l t iniciarelconteo.
Elconteosereinicia
x
1
x
2
tiempo
Proceso de Poisson ProcesodePoisson
Aplicacionesdeladistribucin
exponencial
di i d l i f ll d l Medicindeltiempoentrefallosdealgn
dispositivo(eldispositivonosedesgasta,porlo
l ti t d f ll f t l queeltiempoentredosfallosnoseafectaporlos
anterioresfallos)
Aplicacinenteoradecolasparamodelarel
tiempoentrellegadasdeclientesaunacola.
Servidor(distribucinexponencial)
Tasadeservicio: elementos/seg g
ColaM/M/1
DISTRIBUCION DEERLANG
Relacinconladistribucin
exponencial
Unav.a. exponencialmideladistancia
(tiempo,longitud,etc)hastaqueocurreel ( p g ) q
primerconteodeunprocesodePoisson
Una v a de Erlang mide la distancia hasta que Unav.a. deErlang mideladistanciahastaque
ocurranrconteosenunprocesodePoisson.
Definicin Definicin
Lav.a. Xqueesigualalalongituddelintervalo
hastaquesucedenrocurrenciasenun q
procesodePoisson conmedia>0tieneuna
distribucin de Erlang con parmetros y r distribucindeErlang conparmetros yr.
Lafuncindedensidaddeprobabilidades
1 r r x

1
( )
( 1)!
r r x
x e
f x
r

Parax>0yr=1,2,
Ejemplo Ejemplo
L f ll d l id d d i t t l (CPU) Lasfallasdelasunidadesdeprocesamientocentral(CPU)
delossistemasdecomputadoresgrandessemodelancon
frecuenciacomounprocesodePoisson.Porlogeneral,las
f f fallasnosoncausadaspordesgastesinoporotrosfactores.
Supongaquelasunidadesquefallansereparande
inmediatoyqueelnmeropromediodefallasporhoraes y q p p
de0.0001.SeaqueXdenoteeltiempohastaqueocurren4
fallasenunsistema.DeterminelaprobabilidaddequeX
exceda 40000 horas. exceda40000horas.
Solucin:
x=40000horas 1 r r x
x e

=0.0001fallas/hora
r=4fallas
40000
( 40000) 0.433
( 1)!
x e
P X
r

> = =

Media y Varianza MediayVarianza

Si X d E l t SiXesunav.a. deErlang conparmetros yr,
entonceslamediaylavarianzadeXson
( )
r
E X = =
2
2
( )
( )
E X
r
V X

= =
= =
Loanteriorsedebeaqueunav.a. deErlang puede
versecomolasumaderv.a. exponenciales.
2
( )

x
1
x
2
x
3
tiempo
Tiempoder=3ocurrencias
(v.a. deErlang) Iniciodelconteo