Dist ribuciones

CONTENI DO
OBJETI VO
CONCEPTOS CONCEPTOS
TI POS DE DI STRI BUCI ONES TI POS DE DI STRI BUCI ONES
DI STRI BUCI ONES TERI CAS
ELECCI N DE LA
DI STRI BUCI N DI STRI BUCI N
M. Sant os, UCM
2
PROCESOS
ESTOCSTI COS
VARI AS POSI BLES SI TUACI ONES EN
T+ 1 T+ 1
DETERMI NI STAS
UNA POSI BLE SI TUACI N EN T+ 1
CONOCI DA
M. Sant os, UCM
3
OBJETI VO EN LA SI MULACI N
I mplement ar la aleat oriedad de las p
variables en la simulacin discret a,
asignndoles dist ribuciones asignndoles dist ribuciones
est adst icas
j i i ej ercicio
Acer car se a l a r eal i dad Acer car se a l a r eal i dad
M. Sant os, UCM
4
OBJETI VO EN LA SI MULACI N
Usar un modelo probabilst ico no t e
permit e predecir el result ado de un
experiment o individual pero se puede
det erminar la probabilidad de que una
salida caiga dent ro de un rango
especfico de valores
Los comport amient os part iculares o
individuales no son import ant es frent e a individuales no son import ant es frent e a
los valores medios de comport amient o
M. Sant os, UCM
5
CONCEPTOS: PDF
Funcin de densidad de probabilidad p
PDF:
La probabilidad de que un valor x La probabilidad de que un valor x
ocurra es P( x) , expresado con una
fraccin o un porcent aj e fraccin o un porcent aj e
La probabilidad de que x t enga un valor
ent re a y b viene dado por el rea baj o ent re a y b viene dado por el rea baj o
la curva de P( x)
b b l d d d l La probabilidad de que x t enga un valor
ent re - y + es 1
M. Sant os, UCM
6
La PDF es cero o posit iva
LEY DE LOS GRANDES NMEROS
PROBABI LI DAD DE QUE AL ARROJAR UN DADO SALGA UN 1
Experiment alment e: Se t ira el dado 1000 veces y se cuent a el
nmero de result ados posit ivos ( 1) : 149
Probabilidad de sacar 1: 149/ 1000 = 14. 9%.
Tericament e: cada uno de los 6 nmeros t iene igual g
probabilidad de salir
Probabilidad de sacar 1: 1/ 6 = 16. 7%
Segn aument a el nmero de experiment os, la probabilidad
det erminada experiment alment e se aproximar al valor t erico
LEY EXPERI MENTAL DE LOS GRANDES

M. Sant os, UCM

7
NMEROS
EJERCI CI O
SI MULAR MEDI ANTE UN GENERADOR DE
NMEROS ALEATORI OS ENTRE 1 Y 6 EL
HECHO DE TI RAR UN DADO
CALCULAR LA PROBABI LI DAD DE QUE Q
SALGA UN NMERO I MPAR
COMPARAR CON EL VALOR TERI CO
( 50%) ( 50%)
M. Sant os, UCM
8
CONCEPTOS: CDF
Funcin de densidad acumulat iva CDF:
La probabilidad de que x t enga un valor
ent re - y a
}
a
ent re y a
}

=
=
a
a x
dx x P x C ) ( ) (
) ( ) ( x X P x C s =
M. Sant os, UCM
9
CONCEPTOS: DI STRI BUCI N
ESTAD STI CA DE PROBABI LI DAD ESTAD STI CA DE PROBABI LI DAD
Cmo se repart en las posibilidades p p
Parmet ros de las dist ribuciones :
F ( t i ) Forma ( t ipo)
Valor medio, media o valor esperado
Desviacin est ndar sobre la media
Varianza o ( raz cuadrada de la Varianza o ( raz cuadrada de la
desviacin est ndar)
La eleccin de una correct a
dist ribucin es crucial
M. Sant os, UCM
10
dist ribucin es crucial
EJEMPLO:
DATOS PROBABI L STI COS DATOS PROBABI L STI COS
ROTURA DE UNA MQUI NA proceso est ocst ico
est o no significa que no se pueda decir nada sobre el est o no significa que no se pueda decir nada sobre el
comport amient o de la mquina en est e aspect o
El comport amient o de rot uras y fallos se describe por dos o po a o d o u a y a o d b po do
variables est ocst icas:
Tiempo de reparacin ( MTR: mean t ime t o repair)
Tiempo de operacin ( MTBF: mean t ime bet ween failure) o el
t iempo que un recurso funciona despus de su reparacin
Ej emplo: Dat os hist ricos sobre los t iempos en los que una
mquina se ha rot o en 100 horas:
0, 7, 15, 23, 27, 33, 40, 45, 54, 61, 68, 76, 81, 90, 98
I nt ervalo de t iempo ent re cada dos rot uras consecut ivas:
M. Sant os, UCM
11
7, 8, 8, 4, 6, 7, 5, 9, 7, 7, 8, 5, 9, 8
EJEMPLO:
DATOS PROBABI L STI COS
Media: 98/ 14 = 7
D i i t d
DATOS PROBABI L STI COS
Desviacin est ndar:
( ( 0+ 1+ 1+ 3+ 1+ 0+ 4+ 4+ 0+ 0+ 1+ 4+ 4+ 1) / ( 14- 1) ) = 1. 52
Dist ribucin de frecuencias de int ervalos ent re rot uras Dist ribucin de frecuencias de int ervalos ent re rot uras
valor 4 5 6 7 8 9 10
% 7 14 7 29 29 14 0 % 7 14 7 29 29 14 0
Frec. 1 2 1 4 4 2 0
CONCLUSI ONES
Asumiendo que est os dat os dan una buena represent acin de
la realidad, se puede decir que hay una media de 7 horas
ant es de la prxima rot ura, y que la probabilidad de que un
fallo ocurra en 6 horas ( ent re 5. 5 y 6. 5 horas) es del 7%.
M. Sant os, UCM
12
( y )
TI POS DE DI STRI BUCI ONES
CONTI NUAS O DI SCRETAS CONTI NUAS O DI SCRETAS
EMP RI CAS O TERI CAS EMP RI CAS O TERI CAS
M. Sant os, UCM
13
DI STRI BUCI ONES CONTI NUAS
Permit en obt ener
t odos los valores en
un rango ( el n de
s
i
d
a
d

(
x
)
g (
valores posibles es )
Las probabilidades
d
e
n
Las probabilidades
de obt ener los
valores varan de
a b x
valores varan de
forma cont inua
No se puede dar la No se puede dar la
probabilidad de un
valor det erminado
M. Sant os, UCM
14
valor det erminado
DI STRI BUCI ONES DI SCRETAS
Una variable
est ocst ica
discret a 30
35
40
n


%

represent a a un
nmero finit o de
15
20
25
b
i
l
i
d
a
d

d
e


x

e
n
valores posibles
Un valor en
5
10
15
P
r
o
b
a
b
part icular t iene
una ciert a
0
1 2 3 4 5
probabilidad de
ocurrir
M. Sant os, UCM
15
DI STRI BUCI ONES EMP RI CAS
Basadas en dat os medidos
Cont inuas y discret as
Dat os para aj ust ar la forma Dat os para aj ust ar la forma
No suelen est ar disponibles ( muchos)
Bondad del aj ust e: Test s Bondad del aj ust e: Test s
Difciles y laboriosas
Descripcin incorrect a o idea falsa
t iles para horarios, et c. ( pocos dat os) p , ( p )
Llegada de aviones en el da
M. Sant os, UCM
16
EJEMPLO: DI STRI BUCI N EMP RI CA
P(x) Valor
30
35
40
15% 2
25% 7
20% 10
20
25
30


e
n



%

20% 10
35% 12
5% 30
10
15
P
(
x
)

0
5
2 7 10 12 30
Hist ograma
M. Sant os, UCM
17
Hist ograma
BONDAD DEL AJUSTE
Dibuj ar el hist ograma y comprobar Dibuj ar el hist ograma y comprobar
visualment e si t iene la misma forma que la
funcin de densidad t erica funcin de densidad t erica
La media y la desviacin est ndar de
la funcin de densidad deben ser
similares a los result ados observados
Juzgar la similit ud visualment e es Juzgar la similit ud visualment e es
muy subj et ivo
M. Sant os, UCM
18
TEST PARA BONDAD DEL AJUSTE
Medir la similit ud ent re funciones de probabilidad
i i l l empricas y t ericas y expresarla como un valor
TESTS Chi t t TESTS: Chi- square t est
Kolmogorov- Smirnov
Punt os a t ener en cuent a:
Una desviacin del 10% en la media es mucho
peor que una desviacin del 10% en la desviacin p q
est ndar, que a su vez es mucho peor que un
pequeo error en la forma de la dist ribucin
M. Sant os, UCM
19
DI STRI BUCI ONES TERI CAS
Basadas en el conocimient o
Cont inuas y discret as
No dat os hist ricos disponibles No dat os hist ricos disponibles
Conocimient o
I t it i I nt uit ivo
Medidas
d Asumiendo suposiciones
Son mej ores para describir la realidad
Ms fciles de usar ( ya const ruidas en el
programa)
M. Sant os, UCM
20
p g )
Caract erizacin simple
DI STRI BUCI ONES
TERI CAS
DI STRI BUCI N UNI FORME
Puede usarse si se t iene informacin muy general o
i i t b l di t ib i poco conocimient o sobre la dist ribucin
Simt rica
(
x
)

1
b
Simt rica
b
a
b
i
l
i
d
a
d

P
(

s s
+ =
0
,
1 ) (
1
) (
b x a
a b x P
P
r
o
b

0
a x b
Errores de redondeo en medidas, generacin de nmeros
l t i ll d ( d i d di t l t t l
M. Sant os, UCM
22
aleat orios, llegadas ( cuando son independient es y el n t ot al
est det erminado)
DI STRI BUCI N TRI ANGULAR
Si x y son variables uniformes Si x, y son variables uniformes,
z = x + y

P(x)
2a 2b
M. Sant os, UCM
23
DI STRI BUCI N NORMAL O
GAUSSI ANA GAUSSI ANA
Fluct uaciones simt ricas alrededor de
un valor medio ( simt rica)
Variabilidad en at ribut os

Variabilidad en at ribut os
humanos o de cosas: peso,
alt ura, not as de los
d
e
n
s
i
d
a
d

(
x
)
alt ura, not as de los
exmenes, et c., dent ro de
un grupo
d
Medidas de errores
angulares o lineales
x
g
Generacin de ruido y
pequeas pert urbaciones

=
= u
0
) (

x
M. Sant os, UCM
24
pequeas pert urbaciones

=
= u
1
) (
o
x
DI STRI BUCI N NEGATI VA
EXPONENCI AL
Para modelizar procesos independient es
EXPONENCI AL
Asimt rica
n
s
i
d
a
d

(
x
)

Asimt rica
No t iene memoria
d
e
n
Solo un parmet ro
( la media)
0 x
N de llegadas ( de client es et c ) o acciones por N de llegadas ( de client es, et c. ) o acciones por
unidad de t iempo
Tiempo ent re rot uras t amao de pedidos
M. Sant os, UCM
25
Tiempo ent re rot uras, t amao de pedidos,
t iempos de proceso, et c.
DI STRI BUCI N LOGNORMAL
Dist ribucin Normal asimt rica
Tiempos de proceso y de reparacin
Una dist ribucin
en la cual
n
s
i
d
a
d

(
x
)

>
| | ) ln(x P
en la cual
d
e
n
est normalment e
dist ribuida
0 x
Solo para variaciones aleat orias donde los valores
M. Sant os, UCM
26
Solo para variaciones aleat orias donde los valores
medidos son t odos posit ivos ( operarios, ingresos,
averas)
DI STRI BUCI N DE ERLANG
Parmet ros: media y un fact or K ( posit ivo)
K= 1: igual que la dist ribucin exponencial negat iva
K - > , se aproxima a una dist ribucin normal
Valores alt os de K: cuant o ms pequeo es un Valores alt os de K: cuant o ms pequeo es un
valor mayor probabilidad t iene de ocurrir.
Por debaj o de un ciert o lmit e ( ent re 0 y la media Por debaj o de un ciert o lmit e ( ent re 0 y la media,
dependiendo de K) , la frecuencia de ocurrencia
baj a de nuevo baj a de nuevo
Asimt rica ( si K aument a, la asimet ra disminuye)
M. Sant os, UCM
27
Asimt rica ( si K aument a, la asimet ra disminuye)
DI STRI BUCI N GAMMA
La dist ribucin de Erlang con K negat ivo
La anchura de la dist ribucin de Erlang depende
d K
La dist ribucin de Erlang con K negat ivo
de K:
K= 1, la anchura es igual a la media , g
K - > , la anchura se aproxima a 0 ( si la
media no cambia) media no cambia)
Tiempos de proceso, t iempos de reparacin,
t iempos de manipulacin, t iempos ent re llegadas
( con poca aleat oriedad) et c
M. Sant os, UCM
28
( con poca aleat oriedad) , et c.
DI STRI BUCI N BI NOMI AL
MODELA EL NMERO TOTAL DE
XI TOS/ FALLOS EN UNA SERI E DE
EXPERI MENTOS REPETI DOS
1) Solo dos result ados posibles en cada
experiment o experiment o
2) La probabilidad de xit o en cada int ent o
es const ant e
3) Los experiment os son independient es 3) Los experiment os son independient es
ent re s
M. Sant os, UCM
29
DI STRI BUCI N BI NOMI AL
La probabilidad de
t que un event o, con
probabilidad p,
ocurra x veces de n ocurra x veces de n
int ent os ( q= 1- p,
probabilidad de fallo)
Media: np
Varianza: npq
0 1 2 3 4 5
pq
Se represent a como
un hist ograma
0
f al l os
1
f al l o
2
f al l os
3
f al l os
4
f al l os
5
f al l os
x n x
q p
x
n
x P

|
|
.
|

\
|
= ) (
p =
q = 1- =
M. Sant os, UCM
30
x
. \
q 1
DI STRI BUCI N BERNOULLI
Parmet ros:
70
- probabilidad en %
- result ado1
50
60
70
%

- result ado2
La probabilidad de
30
40
50
i
l
i
d
a
d

e
n


%
obt ener un result ado1
es igual a probabilidad;
result ado2 t iene un
10
20
30
P
r
o
b
a
b
result ado2 t iene un
100- probabilidad
( complement arios)
0
10
6 10
( complement arios)
Bernoulli(40,6,10)
M. Sant os, UCM
31
OTRAS DI STRI BUCI ONES
Discret as:
- Poisson: (exponencial)
- Geomtrica Geomtrica
- Binomial negativa (Pascal)
Cont inuas:
- Bet a: [ 0, 1]
- Pearson Pearson
- Weibull
Chi Square (
2
) : Gamma b 2
M. Sant os, UCM
32
- Chi- Square ( _
2
) : Gamma b= 2
ELECCI N DE LA DI STRI BUCI N
SUCESOS I NDEPENDI ENTES?
Si Exponencial Negat iva
No Dist ribucin simt rica?
Si Lmit es superior e inferior fij ados?
Si Uniforme
No Normal
No Marcados picos ( alt os y baj os) ? p ( y j )
Si Emprica
No Desviacin st andar mayor que la media? No Desviacin st andar mayor que la media?
Si Lognormal
No Erlang o Lognormal
M. Sant os, UCM
33
No Erlang o Lognormal
EJERCI CI O
1. Exponencial Negat iva 2. Normal 3. Erlang
4. Uniforme 5. Emprica 6. Const ant e
a. Tiempo de espera despus de llamar a un t axi
b Ti id d i d A B
p
b. Tiempo requerido para conducir de A a B
c. Tiempo requerido para empaquet ar 100 caj as con velas
d Tiempo ent re dos accident es de coche en un pas A d. Tiempo ent re dos accident es de coche en un pas A
e. Tiempo para coger un product o de una localizacin
aleat oria en un almacn
f. Tiempo ent re dos averas de una mquina con muchos
element os sensibles a rot uras
g Tiempo ent re dos averas de una mquina con una part e g. Tiempo ent re dos averas de una mquina con una part e
sensible a rot uras
h. Tiempo de un AGV ( aut omat ically guided vehicle) en
recoger un product o
M. Sant os, UCM
34
recoger un product o
i. Nmero de client es en una oficina de correos un lunes