DISTRIBUCIONES DE PROBABILIDAD

Distribuciones Continuas de Probabilidad

1. DISTRIBUCIN UNIFORME
Una distribucin Uniforme sobre el rango de 0 a 1 es la base para generar valores de
distribuciones de probabilidad estndar. Una aplicacin comn es para representar el
tiempo de duracin de una actividad cuando se tiene una mnima informacin de la
duracin de la actividad. Algunas veces el tiempo para completar se considera que vara
aleatoria y uniformemente entre dos valores. Dadas estas condiciones, la distribucin
Uniforme es una buena estimacin preliminar para la duracin de una actividad
La funcin de densidad de la distribucin Uniforme de probabilidad es definida como
sigue:

Para obtener la distribucin acumulada de probabilidad, usando la distribucin original de

probabilidad y a travs del clculo, as;

2. DISTRIBUCIN EXPONENCIAL
Es usada extensivamente en modelos de colas. Es la nica distribucin continua con la
propiedad de prdida de memoria: recordar el tiempo desde el ltimo evento no ayuda a
predecir el tiempo hasta el prximo evento. Es usada para modelar el tiempo entre eventos
sucesivos, por ejemplo:
El tiempo entre llegadas.

El tiempo entre fallas.

Un proceso generador uniforme para esta distribucin puede ser desarrollado con el uso de
la tcnica de transformacin inversa. La funcin de densidad de la distribucin
Exponencial de probabilidad es la siguiente:

donde es la tasa de servicio o el nmero de unidades servidas por unidad de tiempo.

Para desarrollar el proceso generador, se debe encontrar primeramente la funcin de
densidad acumulada de probabilidad:

3. DISTRIBUCIN NORMAL
La distribucin Normal es una funcin de distribucin de probabilidad muy popular.

4. DISTRIBUCIN WEIBULL
La distribucin Weibull es introducida como un modelo para tiempo entre falla en
maquinas o equipos, o la vida esperado de los componentes electrnicos. Es usada
comnmente en anlisis de confiabilidad y se usa para modelar tiempo de vida de
componentes Cuando el parmetro de
ubicacin es fijado a cero, su funcin de densidad de probabilidad esta dada por la
ecuacin siguiente:

Para generar una variable Weibull, siga los pasos siguientes:

5. DISTRIBUCIN ERLANG
Una variable aleatoria con distribucin Erlang puede ser generada sobre la base del mtodo
provedo para muestreo de la distribucin Exponencial. Es generalmente usada en modelos
de cola como una extensin de la exponencial cuando el coeficiente de variacin (razn
entre la desviacin estndar y la media) es menor que 1, por ejemplo:
Modelar tiempos de servicio: un taquilla con tiempo de servicios Erlang( , m ) puede
ser representada como m taquillas con tiempos de servicio exponenciales. Modelar el
tiempo de reparacin y el tiempo entre fallas.

Por definicin, una distribucin m-Erlang con parmetro es el resultado de la sumatoria

(Tcnica de convolucin) de m idnticas distribuciones Exponenciales cada una con
parmetro .

6. DISTRIBUCIN GAMMA
La distribucin Gamma puede ser usada para representar el tiempo requerido para
completar una actividad o grupo de actividades. La distribucin Gamma pude ser utilizada
para generar valores que representan el tiempo total requerido para completar n
desempeos independientes de la actividad. Es una generalizacin de la Erlang y tiene
parmetros no enteros. Se usa en modelos de colas para modelar tiempos de servicio y
tiempos de reparacin. El parmetro es llamado parmetro de forma y es llamado
parmetro de escala.

7. DISTRIBUCIN BETA
Dos parmetros son necesarios para definir una distribucin Beta a y b. Variando estos
valores se produce una variedad de forma de la distribucin. Los valores generados de esta
distribucin tendrn un rango entre 0 y 1. Por esta razn, es particularmente til para
representar fenmenos relacionados con proporciones. La proporcin de artculos
defectuosos encontrados en un lote determinado puede ser descrita por esta distribucin. La
distribucin Beta tambin puede ser usada el tiempo para completar una actividad, cuando
se tiene poca o nada de informacin disponible sobre la duracin de una actividad.

8. Distribucin Chi-cuadrada
Se usa cuando tenemos una suma de cuadrados de normales estndar, por ejemplo, para
modelar varianzas mustrales.

9. DISTRIBUCIN F
La F es la razn entre dos chi-cuadradas. Se usa para modelar la razn entre varianzas
mustrales como por ejemplo en la prueba-F en regresin y anlisis de varianza.

10. DISTRIBUCIN LOGNORMAL

Una distribucin Normal puede ser usada para representar el tiempo para realizar una
actividad. Un ejemplo puede ser el tiempo de ciclo para completar la operacin de un
carrusel de almacenaje y recuperacin de un sistema automatizado de almacenaje.
Es el logaritmo de una normal. Se usa frecuentemente en modelos de regresin y anlisis de
experimentos donde se aplican transformaciones logartmicas.
El producto de un gran nmero de variables aleatorias positivas tiende a la lognormal. Por
lo tanto, tambin se usa para modelar errores que son el producto de efectos de un gran
nmero de factores.

11. DISTRIBUCIN PARETO

12. DISTRIBUCIN T STUDENT

SIMULANDO DISTRIBUCIONES DISCRETAS DE PROBABILIDAD

Existe un nmero de distribuciones discretas tericas de probabilidad; las distribuciones
discretas mas frecuentemente usadas en la simulacin de modelos son la Bernoulli,
Binomial, Poisson, Geomtrica, Pascal y Uniforme discreta. Por lo tanto limitaremos
nuestro anlisis a estas distribuciones.
El proceso generador puede ser desarrollado para distribuciones discretas de probabilidad
usando el mtodo de transformacin inversa. Pero un enfoque simple es utilizar un proceso
de conteo conocido como el mtodo de composicin.
1. DISTRIBUCIN BERNOULLI

2. DISTRIBUCIN BINOMIAL
La funcin de masa de probabilidad, que es e modelo matemtico para la distribucin
Binomial, se expresa como sigue:

3. DISTRIBUCIN POISSON
Se usa extensivamente en modelos de colas para modelar el nmero de llegadas en cierto
intervalo:
Nmero de consultas a un servidor en un intervalo t.
Nmero de fallas en componentes por unidad de tiempo.
Nmero de consultas a una base de datos en t segundos.
Nmero de errores de tecleo por forma.
Si los datos son obtenidos en la forma d el nmero de arribos por unidad de tiempo,
entonces los datos pueden ser descritos por una distribucin Poisson.
La funcin de masa de probabilidad para la distribucin Poisson se define como sigue:

4. DISTRIBUCIN GEOMTRICA
El nmero de ensayos hasta e incluyendo el primer xito en una secuencia Bernoulli es una
Geomtrica. Es la equivalente discreta de la exponencial en cuanto a la propiedad de
prdida de m
emoria: recordar el pasado no ayuda a predecir el futuro.

5. DISTRIBUCIN PASCAL
Es una extensin de la geomtrica. En una secuencia de ensayos Bernoulli, el nmero de
ensayos hasta e incluyendo el m-esimo xito tiene distribucin de Pascal.
Es til para modelar el nmero de intentos para obtener cierto nmero de xitos:
Nmero de intentos para transmitir un mensaje de m paquetes.
Nmero de bits a enviar para recibir exitosamente una seal de m bits.

6. DISTRIBUCIN UNIFORME (DISCRETA)

Toma un nmero finito de valores, todos con la misma probabilidad. Se usa cuando se cree
que los valores sobre un intervalo son equiprobables:
Nmero de pistas a acceder en un disco. El nmero del dispositivo de entrada/salida
seleccionado para la prxima operacin. El nodo de origen y destino del prximo paquete
en una red.