ESCUELA MILITAR DE INGENIERIA

Estudiante: Victor Hugo Alanoca Chambi Simulacin Cdigo: A8129-9 "o#ano C.I.: $1%&'%9 " ( del 2)1' re!in"or#e: *+& Materia: Modelaje y Docente: Ing Ce!ar Fecha: )1 de Mar#o Gru$o: $

FUNCIONES DE DISTRIBUCION DE PROBABILIDAD CONTINUA Y DISCRETA

1.- INTRODUCCION Variable Aleatoria Sea S un espacio muestral, sobre el que se encuentra definida una funcin de probabilidad. Sea X una funcin de valor real definida sobre S, de manera que transforme los resultados de S en puntos sobre la recta de los reales. Se dice entonces que X es una variable aleatoria. X es una funcin definida sobre el espacio muestral, de manera que transforma todos los posibles resultados del espacio muestral en cantidades numricas. Se dice que una variable aleatoria X es discreta si el nmero de valores que puede tomar es contable (ya sea finito o infinito), y si stos pueden arreglarse en una secuencia que corresponde con los enteros positivos. En general una variable aleatoria discreta X representa los resultados de un espacio muestral en forma tal que por (X!") se entender# la probabilidad de que X tome el valor de ". Fun i!n "e Den#i"a" A u$ulati%a &CDF' $a funcin de distribucin acumulativa de la variable aleatoria X es la probabilidad de que X sea menor o igual a un valor especfico de x. $a probabilidad de que " tenga una valor entre %& y a es '(") ("!a ! )*&+ (") d" '(") ! (X , ") - , '(") , . para cualquier " '("i) / '("0) si "i / "0 (X 1 ") ! . % '(") Fun i!n "e Den#i"a" "e Probabili"a" &PDF' 2l considerar los valores de una variable aleatoria es posible desarrollar un funcin matem#tica que asigne una probabilidad a cada realizacin " de la variable aleatoria X. Esta funcin recibe el nombre de funcin de distribucin (densidad) de probabilidad de la variable aleatoria X. Se refiere a la coleccin de valores de la variable aleatoria y a la distribucin de probabilidades entre stos. $a probabilidad de que un valor " ocurra es ("), e"presado con un valor o un porcenta0e (3iscreto) $a probabilidad de que " tenga un valor entre a y b viene dado por el #rea ba0o la curva de (") ('ontinuo) $a probabilidad de que " tenga un valor entre %&+y 4&+es . $a funcin de densidad de probabilidad es - o positiva

(.- OB)ETIVOS *. +ARCO TEORICO La# "i#tribu ione# en $atlab Cara ter,#ti a# la%eEl Statistics 5oolbo" proporciona funciones que soportan6 7 8odeli9acin lineal y no lineal 7 Estad:stica multivariante 7 Estad:stica descriptiva 7 '#lculo y a0uste de distribuciones de probabilidad 7 2n#lisis de varian9a (2;<=2) 7 =erificacin de >iptesis 7 Estad:stica industrial (control de procesos estad:sticos, dise?o de e"perimentos) Stati#ti # Toolbo.El Statistics 5oolbo" incluye una @AB interactiva que permite e"perimentar, describir o a0ustar sus datos a una variedad de diferentes probabilidades. or e0emplo, puede usar la @AB para representar gr#ficamente una funcin de densidad de probabilidad o una funcin de distribucin acumulativa para investigar cmo los par#metros de distribucin afectan a su posicin y forma. 2dem#s, puede usar el generador de nmeros aleatorios para simular el comportamiento asociado a distribuciones particulares. Asted puede usar entonces estos datos aleatorios para obtener modelos ba0o diferentes condiciones. El Statistics 5oolbo" aporta C- distribuciones de probabilidad diferentes. $as funciones soportadas para cada distribucin incluyen6 7 Duncin de densidad de probabilidad (pdf) 7 Duncin de distribucin acumulativa (cdf) 7 Bnversa de la funcin de distribucin acumulativa 7 8edia y varian9a 7 @enerador de nmeros aleatorios Eay disponibles funciones adicionales para calcular estimaciones de par#metros e intervalos de confian9a para las distribuciones guiadas por los datos, por e0emplo beta, binominal, e"ponencial, gamma, normal, oisson, uniforme y Feibull. Dunciones del Statistics 5oolbo" m#s tiles6 Di#tribu ione# Fun ione# "e Den#i"a" "e Probabili"a" &/"0' beta/"0 * Geta density bino/"0 * Ginomial density 1i(/"0 * '>i square density e.//"0 * E"ponential density 0/"0 * D density 2a$/"0 * @amma density

2eo/"0 * @eometric density /"0 * 3ensity function for a specified distribution /oi##/"0 * oisson density ra3l/"0 * Hayleig> density t/"0 * 5 density uni"/"0 * 3iscrete uniform density uni0/"0 * Aniform density 4eib/"0 * Feibull density

Fun ione# "e Di#tribu i!n A u$ula"a & "0' beta "0 * Geta cdf bino "0 * Ginomial cdf "0 * Specified cumulative distribution function 1i( "0 * '>i square cdf e./ "0 * E"ponential cdf 0 "0 * D cdf 2a$ "0 * @amma cdf 2eo "0 * @eometric cdf 132e "0 * Eypergeometric cdf lo2n "0 * $ognormal cdf nor$ "0 * ;ormal (@aussian) cdf /oi## "0 * oisson cdf ra3l "0 * Hayleig> cdf t "0 * 5 cdf uni" "0 * 3iscrete uniform cdf uni0 "0 * Aniform cdf 4eib "0 * Feibull cdf

5enera"ore# "e N6$ero# Aleatorio# E#ta",#ti o# betarn" * Geta random numbers binorn" * Ginomial random numbers 1i(rn" * '>i square random numbers e./rn" * E"ponential random numbers 0rn" * D random numbers 2a$rn" * @amma random numbers n .(rn" * ;oncentral '>i*square random numbers nor$rn" * ;ormal (@aussian) random numbers /oi##rn" * oisson random numbers ran"o$ * Handom numbers from specified distribution ra3lrn" * Hayleig> random numbers trn" * 5 random numbers uni"rn" * 3iscrete uniform random numbers uni0rn" * Aniform random numbers 4eibrn" * Feibull random numbers

beta#tat * Geta mean and variance bino#tat * Ginomial mean and variance 1i(#tat * '>i square mean and variance 0#tat * D mean and variance 2a$#tat * @amma mean and variance n t#tat * ;oncentral t mean and variance n .(#tat * ;oncentral '>i*square mean and variance nor$#tat * ;ormal (@aussian) mean and variance ra3l#tat * Hayleig> mean and variance t#tat * 5 mean and variance uni"#tat * 3iscrete uniform mean and variance 4eib#tat * Feibull mean and variance

Di#ttool Es una >erramienta de 825$2G que permite visuali9ar de forma gr#fica las caracter:sticas de cada distribucin con la posibilidad de variar sus par#metros. $as funciones que muestra son 3D y '3D. 3e a>: >emos obtenido las gr#ficas con las que ilustramos este documento.

7. +ARCO PRACTICO FUNCI8N DE DISTRIBUCI8N DE PROBABILIDAD &PDF' DISTRIBUCIONES CONTINUAS Di#tribu i!n Uni0or$e Sintaxis: I ! unifpdf(X,2,G,m,n) Descripcin:

'omputa la funcin de distribucin uniforme continua para el valor X y los par#metros 2 y G. X, 2 y G deben ser del mismo tama?o. El par#metro G debe ser mayor que 2. @enera una matri9 de tama?o m " n, formada por nmeros aleatorios que cumplen que su distribucin sobre la recta real es de la forma indicada. (m y n son par#metros opcionales y pueden no ser necesaria su inclusin). El resultado I es la probabilidad de que ocurra X en el intervalo (2,G). $a distribucin uniforme est#ndar tiene 2!- y G!.. <curre en un evento donde una variable aleatoria toma valores de un intervalo finito, de manera que stos se encuentran distribuidos igualmente sobre el intervalo. Esto es, la probabilidad de que la variable aleatoria tome un valor en cada subintervalo de igual longitud es la misma. Se aplica con un conocimiento muy general o poco conocimiento sobre la distribucin. 5ambin para errores de redondeo en la medida, generacin de nmeros aleatorios y llegadas (cuando son independientes y el nmero total est# determinado).

Di#tribu i!n Nor$al &5au#iana' Sintaxis: I ! normpdf(X,8A,SB@82) Descripcin: 'omputa la funcin de distribucin e"ponencial negativa para el valor X y los par#metros 8A y SB@82. X, 8A y SB@82 deben ser del mismo tama?o. El par#metro SB@82 debe ser positivo. $a distribucin normal est#ndar tiene 8A ! - y SB@82 ! .. Dluctuaciones simtricas alrededor de un valor medio (8A). Se aplica para describir atributos >umanos o de ob0etos6 peso, altura, etc. 3entro de un grupo (variaciones en las notas de e"#menes), medidas de errores angulares o lineales, generacin de ruido y peque?as perturbaciones, datos meteorolgicos como temperatura y precipitacin pluvial, errores de instrumentacin, etc.

Di#tribu i!n E./onen ial &Ne2ati%a' Sintaxis: I ! e"ppdf(X,8A) Descripcin: 'omputa la funcin de distribucin e"ponencial negativa para el valor X y el par#metro 8A. X y 8A deben ser del mismo tama?o. El par#metro 8A debe ser positivo. $a pdf e"ponencial es la pdf gamma con su primer par#metro (a) igual a .. $a variable aleatoria e"ponencial es el tiempo que transcurre >asta que se da el primer evento de oisson. Es decir, la distribucin e"ponencial puede modelar el lapso entre dos eventos consecutivos de oisson que ocurren de manera independiente y a una frecuencia constante. Se utili9a en sucesos independientes entre s:. Es apropiada para modelar tiempos de espera cuando dic>o tiempo se supone independiente del tiempo que >aya transcurrido >asta ese momento. or e0emplo, la probabilidad de que una bombilla de0e de lucir en el pr"imo minuto es relativamente independiente del tiempo que >aya estado luciendo >asta a>ora. 5iempos entre roturas, tama?o de pedidos, tiempos de procesos, llegada de personas a una tienda y, en general, acciones por unidad de tiempo.

Di#tribu i!n Lo2-Nor$al

Sintaxis: I ! lognpdf(X,8A,SB@82) Descripcin: 'omputa la funcin de distribucin log*normal para el valor X con media 8A y desviacin est#ndar SB@82. X, 8A y SB@82 deben ser del mismo tama?o, que determina el tama?o de I. Es una distribucin normal asimtrica. Se utili9a para modelar tiempos de procesos y reparacin, aver:as de un coc>e con el tiempo, poblacin de un sitio con respecto al dinero, estancia de tiempo en un banco, etc.

Di#tribu i!n 5a$$a &Erlan2' Sintaxis: I ! gampdf(X,2,G) Descripcin: 'omputa la funcin de distribucin gamma para el valor X y los par#metros 2 y G. X, 2 y G deben ser del mismo tama?o. 2 y G deben ser positivos y X tiene que estar dentro del intervalo J-,). $a pdf gamma es til en los modelos de dependencia de ciclos de vida. $a distribucin gamma es m#s fle"ible que la e"ponencial. $os casos especiales de la funcin gamma son las funciones e"ponenciales y c>i*cuadrado. Se aplica para tiempos de procesos, tiempos de reparacin, tiempos entre llegadas (con poca aleatoriedad), incluso ingresos familiares, edad del >ombre al contraer matrimonio por primera ve9, etc.

Di#tribu i!n Beta Sintaxis: I ! gampdf(X,2,G) Descripcin: 'omputa la funcin de distribucin gamma para el valor X y los par#metros 2 y G. X, 2 y G deben ser del mismo tama?o. 2 y G deben ser positivos y X tiene que estar dentro del intervalo J-,.K. $a distribucin uniforme en J-,.K es un caso derivado de la distribucin beta donde 2!. y G!.. ermite generar una gran variedad de perfiles. Se puede usar para representar la distribucin de art:culos defectuosos sobre un intervalo de tiempo espec:fico, etc.

DISTRIBUCIONES DISCRETAS

Di#tribu i!n Uni0or$e Sintaxis: I ! unidpdf(X,;) Descripcin: 'omputa la funcin de distribucin uniforme discreta para el valor X y el par#metro ;. X y ; deben ser del mismo tama?o y ; un entero positivo. El resultado I es la probabilidad de que ocurra X de entre ; nmeros, que en este caso, por ser uniforme, ser# la misma para cualquier X entre . y ;. Se usa para generar nmeros aleatorios de entre ;. or e0emplo podemos calcular la probabilidad de sacar un nmero X (del . al L) al tirar un dado.

Di#tribu i!n Bino$ial Sintaxis: I ! binopdf(X,;, ) Descripcin: 'omputa la funcin de distribucin binomial para el valor X y los par#metros ; y . X, ; y deben ser del mismo tama?o. ; debe ser un entero positivo y tiene que estar en el intervalo J-,.K. El resultado I es la probabilidad de observar X sucesos en ; pruebas independientes, donde la probabilidad de que ocurra el suceso (acierto) viene dada por el par#metro , que permanece constante para cada prueba, y la probabilidad de que no ocurra el suceso (fracaso) es .* . Sus #reas de aplicacin incluyen inspeccin de calidad, ventas, mercadotecnia, medicin, investigacin,de opiniones y otras. or e0emplo, un proceso de manufactura produce un determinado producto en el que algunas unidades son defectuosasM si la proporcin de unidades defectuosas producidas por este proceso es constante durante un periodo ra9onable y, si como procedimiento de rutina, se seleccionan aleatoriamente un determinado nmero de unidades, entonces las proposiciones de probabilidad con

respecto al nmero de art:culos defectuosos puede >acerse mediante el empleo de la distribucin binomial. Di#tribu i!n Bino$ial Ne2ati%a Sintaxis: I ! nbinpdf(X,H, ) Descripcin: 'omputa la funcin de distribucin binomial negativa para el valor X y los par#metros H y . X, H y deben ser del mismo tama?o. $a funcin de densidad es - a menos que X sea un entero. $a variable aleatoria representa el nmero de ensayos necesarios para observar H "itos. $os ensayos son independientes entre s:. $a probabilidad de "ito en cada ensayo es constante e igual a . $a aplicacin principal de esta distribucin es una alternativa adecuada para el modelo de oisson cuando la frecuencia de ocurrencia no es constante en el tiempo o el espacio. 5ambin se emplea para modelar las estad:sticas de accidentes, datos psicolgicos, compras del consumidor y otras situaciones similares en donde la frecuencia de ocurrencia entre grupos o individuos no se espera que sea la misma.

Di#tribu i!n "e Poi##on Sintaxis: I ! poisspdf(X,$28G32) Descripcin: 'omputa la funcin de distribucin de oisson para el valor X y el par#metro $28G32. X y $28G32 deben ser del mismo tama?o y $28G32 positivo. X puede ser cualquier entero no negativo. $a funcin de densidad es - a menos que X sea un entero. $a variable aleatoria representa el nmero de eventos independientes que ocurren a una velocidad constante en el tiempo o en el espacio. <frece una apro"imacin muy buena a la funcin de probabilidad binomial cuando p es peque?o y n grande. Es el principal modelo de probabilidad empleado para anali9ar problemas de l:neas de espera. Se usa para estimar el nmero de personas que llegan a una tienda de autoservicio en un tiempo estimado, el nmero de defectos en pie9as similares para el material, el nmero de bacterias en un cultivo, nmero de solicitudes de seguro procesadas por una compa?:a en un per:odo espec:fico, etc.

9. APLICACI8N :. BIBLIO5RAFIA >ttp6NNes.scribd.comNdocNOCOPOOQONDdp*y*'df*'on*8atlab (.QNRNC-.C) >ttp6NNgrupo.unavirtual.una.ac.crNma>araNartefactNfileNdoSnload.p>pT file!LRCUVvieS!.-RQ (.QNRNC-.C)