Escolar Documentos
Profissional Documentos
Cultura Documentos
Dario_gualoto@hotmail.com
Universidad de las Fuerzas Armadas
ESPE-L
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.
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.
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.
si las medidas
x =ln 0.01.
P ( x xo )=0.01
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:
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
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:
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 .
X
Z=
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
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!
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
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.
f ( x )=
b/
b>0 y <a<
b +( xa)2
2
Valor medio
Varianza
Desviacin Estndar
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
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
Para un rea
a la derecha =095
2
b ( xa)
b
e
F ( x )= e b (xa ) dx =
2
2
'
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
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
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
: 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.
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
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=
a
2
b
La frmula es:
f ( x )=( 1 p ) ( x ) + p ( x1 )
0< p<1
Desviacin estndar:
( x )= var (x )= b 2 ( 2+k 2) ( E ( x ) )
Funcin acumulativa:
2 b>0.5 ; la distribucin se
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
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
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
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