Chanchay Dario.

Dario_gualoto@hotmail.com
Universidad de las Fuerzas Armadas
ESPE-L

Funciones de probabilidad especiales

RESUMEN:
El anlisis probabilstico dentro de las
diversas
seales
digitales
y
analgicas nos permite anticiparnos a
un comportamiento de una variable
aleatoria ya sea variable discreta o
variable continua dentro de un evento
En muchos de los casos la funcin de
densidad de probabilidad se aproxima
mediante una de muchas familias
comunes de curvas o funciones.

distribucin tambin se puede

presentar en el caso de nmeros
complejos con componentes real e
imaginaria independientes y siguiendo
una distribucin normal. Su valor
absoluto sigue una distribucin de
Rayleigh.

2
f ( x )= ( x a ) e
b

( xa )
b

u( xa)

INTRODUCION
En el anlisis de sistemas aparecen
con frecuencia ciertas funciones de
probabilidad
que
describen
situaciones o procesos fsicos. Por
considerarlo de importancia, vamos a
examinar algunas de estas funciones
especiales
y
algunos
de
sus
parmetros.

Figura 1: Distribucin de Rayleigh

PALABRAS CLAVES: Funcion
densidad de probabilidad.

de

Esperanza matemtica:

FUNCIN RAYLEIGH
Definicin
La distribucin de Rayleigh es una
funcin de distribucin continua. Se
suele presentar cuando un vector
bidimensional (por ejemplo, el que
representa la velocidad del viento)
tiene sus dos componentes,
ortogonales, independientes y siguen
una distribucin normal. Su valor
absoluto seguir entonces una
distribucin de Rayleigh. Esta

Varianza:

Desviacin estndar:

Ejercicio
Se dice que una variable aleatoria
tiene una distribucin de Rayleigh si
su densidad de probabilidad es:

Donde

es un nmero real.

La amplitud de la seal de radar que

es retro fundida desde la superficie
del mar, sigue una distribucin de
Rayleigh.
Determinar

si las medidas

muestran que la amplitud X excede a

Xo el 1% de las veces, siendo
2
0

x =ln 0.01.
P ( x xo )=0.01

FUNCION NORMAL O GAUSSIANA

Una de las variables aleatorias ms
usadas en el anlisis de fenmenos es
la variable aleatoria normal cuya
funcin de densidad tiene como
grafica la curva en forma de campana
cumpliendo la siguiente caracterstica

P ( x xo )=1P ( X xo )

P ( X xo )=0.99

La
variable
puede
tomar
cualquier valor: (-, +)
La funcin de densidad, es la
expresin en trminos de
ecuacin matemtica de la
curva de Gauss:

Figura 2 Funcin de densidad Normal

La frmula es:
2

1
f ( x )=
e
2

(x)
2
2

Esperanza matemtica:

E ( x )=0+u

< x<

P ( Z 1 0.125 ) =0.50.05765=0.44235
Varianza:

P ( Z 2 >0.125 ) =0.50.0576=0.4423

var ( x )=E ( x 2 )E 2 ( x)

P ( Z )=0.8847

var ( x )= 2+u 2( u )2= 2

P (|Z| 0.125 )=

FUNCION DISTRIBUCION DE
POISSON

Desviacin estndar:

( x )= var (x )=
Si una variable X sigue una
distribucin normal

2[ 0.0557 +0.0596 ]
=0.1153
2

la nueva

variable
La funcin distribucin:

Cuando en una distribucin binomial

se realiza el experimento un nmero n
muy
elevada
de
veces
y
la
probabilidad de xito p en cada
ensayo es reducida, entonces se
aplica el modelo de distribucin de
Poisson. Esta se caracteriza por un
solo parmetro b. Su media y su
varianza es b, es un parmetro
positivo que representa el nmero de
veces que se espera que ocurra el
fenmeno durante un intervalo dado.
La media est representada por un
tringulo y se puede interpretar como
un punto de equilibrio. Al arrastrarlo
se modifica tambin el parmetro b.

Ejercicio
Suponga que el dimetro d de los
tornillos manufacturados por una
Compaa
est
distribuido
normalmente con media
y desviacin estndar

=0.5 cm
=0.4 cm .

Un tornillo es considerado defectuoso

si

d 0.45 o d> 0.55 cm . Encuentre

el porcentaje de tornillos defectuosos

fabricados por la Compaa

X
Z=

Figura 3 Funcin de la distribucin de

Poisson
La frmula es:

Z 1=

0.450.5
=0.125
0.4

f ( X )=e

bk ! ( xk )
k=0

0.550.5
Z 2=
=0.125
0.4

Funcin de distribucin

F ( X ) =e

P ( 0 )=

e3 ( 30 )
=0.04979
0!

P (1 ) =

e3 ( 31 )
=0.1494
1!

P (2 ) =

e3 ( 31 )
=0.2240
2!

P ( 3 )=

e3 ( 33 )
=0.00471
3!

kb ! u(xk)
k=0

Esperanza matemtica:

E ( k )=b
Varianza:

var ( k )=E ( k 2 ) E2 (k )
var ( k )=b
Desviacin estndar:

P ( x 3 )=1P ( 0 ) P ( 1 ) P ( 2 ) P ( 3 ) =0.3528

( x )= var (x )= b
FUNCION DENSIDAD DE ERLANG
Si el intervalo de tiempo de inters
tiene una duracin T y se sabe que los
sucesos que se quieren contabilizar
tienen lugar a una velocidad promedio

y siguen una distribucin de

poison, entonces la constante b viene

dada.

b=T
Ejercicio
Los empleados de cierta oficina llegan
al reloj controlador a una tasa media
de 1,5 por minuto Calcular la
probabilidad de:
a)4 empleados lleguen en un minuto

e1,5 ( 1, 54 )
P ( 4 )=
=0.00471
4!

b) Al menos tres lleguen en un minuto

Es una distribucin de probabilidad

continua de gran utilidad ya que que
su ntima su relacin con la
exponencial y la distribucin gamma
dada por la suma de un nmero de
variables aleatorias independientes
que poseen la misma distribucin
exponencial
La distribucin se deriva del modelo el
total de tiempo de espera asociado
con una cola de solicitudes en una
central telefnica La distribucin
Erlang se aplica en modelos de
sistemas de servicio masivo, ejemplo:
En situaciones donde el servicio tiene
que realizar dos operaciones c/u con
tiempo deservicio exponencial.

Figura 4 Funcin de densidad de

Erlang

La funcion es:

Funcin acumulativa:

N 1
ax

F ( x )= 1e

n=0

( ax )n
( x)
n!

Esperanza matemtica:

E ( x )=

N
a

Varianza:

var ( x )=

N
2
a

FUNCION DENSIDAD CAUCHY

Cuando
dos variables aleatorias
independientes
y
normalmente
distribuidas con un valor esperado de
cero y una varianza de 1, luego la tasa
es una variable respecto a la otra
tiene la distribucin estndar de
Cauchy.
La distribucin de Cauchy es una
funcin de distribucin infinitamente
divisible. Es tambin una distribucin
estrictamente estable.La distribucin
de Cauchy coincide con la distribucin
t de Student con un grado de libertad

Desviacin estndar:

N
( x )= var (x )=
a

Ejercicio
Suponga que cierta pieza metalica se
romper despus de sufrir dos ciclos
de esfuerzo. Si estos ciclos ocurren de
manera independiente a una
frecuencia promedio de dos por cada
100 horas. Obtener la probabilidad de
que el intervalo de tiempo se
encuentra hasta que ocurre el
segundo ciclo.
a) Dentro de una desviacin con
respecto del tiempo promedio.
b) A ms de dos desviaciones por
encima de la media.

Figura 5 Funcion de la densidad de

Cauchy
La frmula es:

f ( x )=

b/
b>0 y <a<
b +( xa)2
2

Valor medio

No est definida porque no converge.

Varianza

variables son independientes o no. Por

ejemplo un encuestador podra desear
saber si, por ejemplo, el sexo, los
antecedentes tnicos o el rango
salarial de una persona son factores
relevantes en la votacin para una
eleccin de algn legislador.

No est definida porque no converge.

Desviacin Estndar

No est definida porque no converge.

Figura 6: Distribucin Chi-Cuadrado

Funcin:
Funcin acumulativa

Valor medio

Varianza

Desviacin Estndar

FUNCIN CHI-CUADRADO
La distribucin chi-cuadrado tambin
se utiliza para decidir si ciertas

Funcin acumulativa

Ejercicio

Figura 7 Funcin de densidad

Laplace

Determinatr los valores de una

x 2 con 11 grados de

variable

La frmula es:

libertad:
a) Que deja a su derecha un rea
01
b) Que deja a su derecha un rea
0925

b
f ( x )= eb|xa|
2
Funcin acumulativa:

'

=0 1

b
x< a f ( x )= eb ( xa)
2

x 211=17 ' 275116

x 211=4 ' 574829

Para un rea

a la derecha =095
2

b ( xa)

b
e
F ( x )= e b (xa ) dx =
2
2

'

x 11=5 577713 para un rea a laderecha =0 ' 90

b
x> a f ( x )= eb ( xa)
2
4 ' 574829+5' 577713
2
x 11=
=5' 076271
2
1
eb ( xa ) dx=1 eb (xa )
2
a
b
F ( x )=
FUNCION DENSIDAD DE LAPLACE
2
En estadstica y en teora de la
probabilidad la distribucin de Laplace
es una densidad de probabilidad
continua, llamada as en honor a
Pierre-Simon Laplace. Es tambin
conocida como distribucin doble
exponencial puesto que puede ser
considerada como la relacin las
densidades de dos distribuciones
exponenciales
adyacentes.
La
distribucin de Laplace resulta de la
diferencia
de
dos
variables
exponenciales
aleatorias,
independientes
e
idnticamente
distribuidas.

Esperanza matemtica:

b
b
x eb ( xa ) dx + x eb ( xa ) dx
2
2
a
a

E ( x )=

E ( x )=

casos
b 1 b ( xa) 1 b ( xa) a b 1 b (xa
1 b=( xa
) favorables
xe
2e
+ [
x e P ( b) amarillas
e)
]a
2
casos
posibles
2 b
2 b
b
b

E ( x )=

b a 1 a 1
+ + =a
2 b b2 b b 2

casos posibles=6+ 3+11=20

P ( b Amarillas ) =
Varianza:

11
20

P ( bamarillsa ) =0.55=55

var ( x )=E ( x 2 )E 2 ( x)

b
b
x eb ( xa) dx + x2 eb ( xa) dx
2
2
a
2

FUNCION DENSIDAD DE RICE

E ( x 2) =

Es
una
generalizacin
de
la
distribucin de Rayleigh. Se aplica al
modelado del desvanecimiento rpido
b 1
2 x b (componente
2
a pero
cuando
hay
)
+
x2 eb (xa
una
e xa) 3 eb ( xa )
2 (rayo
intensa
de
seal
directo)
2 b
b
b
constante.

E ( x 2) =

b 1 2 b ( xa) 2 x b ( xa ) 2 b ( xa )
x e
2e
+ 3e
2 b
b
b

E ( x 2) =

b a2 2 a 2
b a2 2a 2
2+ 3 [
2 3]
2 b b b
2 b
b
b

E ( x 2) =

b 2a 4
2
+ 3 =a2 + 2
2 b b
b

var ( x )=

2
2
b

Figura 8 Funcin de densidad de Rice

Parmetros:

: potencia componente

constante
Desviacin estndar:

2
( x )= var (x )=
b
Ejercicio
En una bolsa hay 6 bolas verdes, 3
rojas y 11 amarillas. Calcular la
probabilidad de sacar una bola
amarilla.

r2=2. b : potencia componente

variable.
Normalizacin:

c 2+ 2b=1
Factor rice:
2

k=

c
2b

Densidad de
envolvente:

probabilidad

de

la
PROCESOS DE BERNOULLI

]( )

r
r + c
cr
f ( r ) = exp
I0
b
2b
b

Consideremos un experimento z con

dos
resultados
solamente,
uno
denominado xito (S) y el otro
denominado fracaso (F) (Sea p la
I 0 =Funcion Bessel de primera especie y ordencero
probabilidad
de
xito
de
un
experimento
z
y
q
=1-p
la
probabilidad
de
fracaso
del
mismo
La frmula es:
experimento).
2

x
f ( x )= 2 e
b

a + x
2
2b

Io

Supongamos
que
se
repite
el
experimento z y que los ensayos son
independientes de los resultados
anteriores como en el lanzamiento de
una moneda o la presencia o no de un
virus en un paciente La distribucin
de Bernoulli de parmetro p es el
modelo ms simple de probabilidad

ax
u( x)
b2

( )

Funcin acumulativa:

a x
F ( x )=[1Q( , )]u ( x )
b b
Esperanza matemtica:

[( ) ( ) ( )]
k

4
k2
k2 k2
k2
E ( x )=b
e
1+
I
+ I
2
4 0 4
2 1 4
Varianza:

k 2=

Figura 9 Funcin de la distribucin de

Bernoulli

a
2
b

La frmula es:

f ( x )=( 1 p ) ( x ) + p ( x1 )

var (x)=b 2 ( 2+ k 2 )(E ( x ))

0< p<1

Desviacin estndar:

( x )= var (x )= b 2 ( 2+k 2) ( E ( x ) )

Funcin acumulativa:

F ( x )=( 1 p ) u ( x )+ pu ( x1 ) 0< p<1

Para

2 b>0.5 ; la distribucin se

aproxima a la funcin densidad de

Rayleigh
Para

c b ; la distribucin tiende

a ser gaussiana

Esperanza matemtica:

E ( x )=p (1 ) + q ( 0 )= p
Varianza:

Funcin Arcoseno

var ( x )=E ( x 2 )E 2 ( x)
E ( x 2) = p ( 1 ) + q ( 0 ) = p
var ( x )= pp 2
var ( x )= p ( 1 p )= pq

Figura 10: Distribucin Arco seno

Definicin

Desviacin estndar:

( x )= var (x )= pq

Valor medio
a

1
a 2x 2 = a2a2 + a2(
X = x
=

a
a
a 2x 2

Ejercicio
Calcular P(k) para la
binomial B(n,p) donde

distribucin

Varianza
a

X 2= x2

a) n=5, p=1/3, k=2;

1
1 a2 cos 2
=
asin a sin d= 1

2
2

a x
a

q=2/3

1
p (2 )= 5
2 3

2 3 80
=
3
243

( )( ) ( )

[ ]

1
p (7 )= 10
7 2

1 3 15
=
2
128

( )( ) ( )

2
Var ( x )= X

Var ( x )=
c) n=4, p=1/4, k=3;

a2
2

Desviacin Estndar

q=3/4

1
4

3
3
=
4
64

( )( ) ( )

p (3 )= 4
3

a a
=
2
2

b) n=10, p=1/2, k=7;

q=1/2

a 2 1+cos 2 a2 sin 2
a2 0

=
+
=
+0

2
2
4 2
2

( x )=

Funcin acumulativa

a
2

F ( x )=
a

Las
funciones
pueden
1
a cos
1
1
1 x
dx
d=
=
sin

aproximarse
a
otras
o ser
2
2
a cos

a a
a x
partes de ellas, facilitando el

x
a
sin 1 +

1
2

1
( x )=

CONCLUSIONES

Las diferentes funciones de

distribucin y densidad son
herramientas matemticas en
el
anlisis
probabilsticos
ayudando a pronosticar un
evento futuro y saber el
comportamiento que tendra su
variable
aleatoria
disminuyendo la incertidumbre

anlisis, como la distribucin

de
Poisson
que
es una
aproximacin
de
un
a
distribucin binomial y la
Binomial esta compuesta por
varias pruebas de Bernoulli
REFERENCIAS
[1] SEYMOUR LIPSCHUTZ, Teora y
problemas de probabilidad, Segunda
Edicion, Colombia 2004
[2] PEYTON Z. PEEBLES, Principios de
probabilidad variables aleatorias y
seales aleatorias, Cuarta Edicin,
Espaa 2006
[3] (Teoria de Probabilidad, 2014)
Disponible
en:
http://www.stadcenterecuador.com/eje
rcicios/16/24-ejercicios-resueltosdistribucion-de-probabilidad-discretay-normal.html