INFORME

NOMBRES: NATHALY FABIOLA LAURA VENTURA

DIEGO ANDRE SUXO SUXO
BLANCA ABIGAIL NINA PACO
MATERIA: modelado y simulacin

FUNCIN DE DENSIDAD DE PROBABILIDAD

1. Antecedentes
En la teora de la probabilidad, la funcin de densidad de probabilidad, funcin de densidad, o,
simplemente, densidad de una variable aleatoria continua describe la probabilidad relativa segn la cual
dicha variable

aleatoria

tomar

determinado

valor.

La probabilidad de que la variable aleatoria caiga en una regin especfica del espacio de posibilidades
estar dada por la integral de la densidad de esta variable entre uno y otro lmite de dicha regin.
La funcin de densidad de probabilidad (FDP o PDF en ingls) es no-negativa a lo largo de todo su
dominio y su integral sobre todo el espacio es de valor unitario.
Una funcin de densidad de probabilidad caracteriza el comportamiento probable de una poblacin en
tanto especifica la posibilidad relativa de que una variable aleatoria continua X tome un valor cercano a x.
2. Objetivo
Poder configurar los parmetros bsicos de una funcin de densidad de probabilidades para que
responda a una funcin de carcter natural
3. Marco Terico
Qu es la funcin de densidad de probabilidad (PDF)?
La funcin de densidad de probabilidad describe la probabilidad de cada valor especfico que puede
tener una variable
Clasificacin de las funciones de densidad de probabilidad
Funciones de densidad de probabilidad continas

INFORME

La funcin que caracteriza las variables continuas es aquella funcin f positiva e integrable en los reales,
tal que acumulada desde hasta un punto x, nos proporciona el valor de la funcin de distribucin en x,
F(x). Recibe el nombre de funcin de densidad de la variable aleatoria continua.
La funcin de densidad continua toma valores en el conjunto de nmeros reales y no se interpreta como
una probabilidad. No est acotada por 1, puede tomar cualquier valor positivo. Es ms, en una variable
continua se cumple que probabilidades definidas sobre puntos concretos siempre son nulas.
Tipos de funciones de densidad de probabilidad continuas
Las funciones de densidad de probabilidad continua ms importantes son las siguientes:

Distribucin Beta
Distribucin exponencial
Distribucin F
Distribucin Gamma
Distribucin ji cuadrado
Distribucin normal
Distribucin t de Student

Funciones de densidad de probabilidad discreta

Se denomina distribucin de variable discreta a aquella cuya funcin de probabilidad slo toma valores
positivos en un conjunto de valores de X Ifinito o infinito numerable. A dicha funcin se le llama funcin
de masa de probabilidad.

Tipos de funciones de densidad de probabilidad discretas

La distribucin de Bernoulli

La distribucin binomial

La distribucin uniforme discreta

La distribucin hipergeomtrica

INFORME

4. Marco Practico
Para la graficacion de funciones de densidad de probabilidades se usas los comandos
Distribucin Uniforme
Sintaxis:
Y = unifpdf(X,A,B,m,n)
Descripcin:

Computa la funcin de distribucin uniforme continua para el valor X y los

parmetros A y B. X, A y B deben ser del mismo tamao. El parmetro B

debe ser mayor que

A.

Genera una matriz de tamao m x n, formada por nmeros aleatorios que

cumplen que su distribucin sobre la recta real es de la forma indicada. (m y n son parmetros
opcionales y pueden no ser necesaria su inclusin).

El resultado Y es la probabilidad de que ocurra X en el intervalo (A,B).

La distribucin uniforme estndar tiene A=0 y B=1.
Ocurre 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.

Distribucin Normal (Gausiana)

Sintaxis:
Y = normpdf(X,MU,SIGMA)
Descripcin:

Computa la funcin de distribucin exponencial negativa para el valor X y los parmetros MU y

SIGMA. X, MU y SIGMA deben ser del mismo tamao. El parmetro SIGMA debe ser positivo.
La distribucin normal estndar tiene MU = 0 y SIGMA = 1.
Fluctuaciones simtricas alrededor de un valor medio (MU).

Distribucin Exponencial (Negativa)

Sintaxis:
Y = exppdf(X,MU)

INFORME

Descripcin:

Computa la funcin de distribucin exponencial negativa para el valor X y el parmetro MU. X y

MU deben ser del mismo tamao. El parmetro MU debe ser positivo.

La pdf exponencial es la pdf gamma con su primer parmetro (a) igual a 1.
La variable aleatoria exponencial es el tiempo que transcurre hasta que se da el primer evento de
Poisson. Es decir, la distribucin exponencial puede modelar el lapso entre dos eventos
consecutivos de Poisson que ocurren de manera independiente y a una frecuencia constante.

Distribucin Log-Normal
Sintaxis:
Y = lognpdf(X,MU,SIGMA)
Descripcin:
Computa la funcin de distribucin log-normal para el valor X con media MU y
desviacin estndar SIGMA. X, MU y SIGMA deben ser del mismo tamao,
que determina el tamao de Y.
Es una distribucin normal asimtrica.
Distribucin Gamma (Erlang)
Sintaxis:
Y = gampdf(X,A,B)
Descripcin:
Computa la funcin de distribucin gamma para el valor X y los parmetros A y
B. X, A y B deben ser del mismo tamao. A y B deben ser positivos y X tiene
que estar dentro del intervalo [0,).
La pdf gamma es til en los modelos de dependencia de ciclos de vida. La
distribucin gamma es ms flexible que la exponencial. Los casos especiales de la funcin gamma son
las funciones exponencial y chi-cuadrado.
Distribucin Beta
Sintaxis:
Y = gampdf(X,A,B)
Descripcin:
Computa la funcin de distribucin gamma para el valor X y los parmetros A y
B. X, A y B deben ser del mismo tamao. A y B deben ser positivos y X tiene
que estar dentro del intervalo [0,1].
La distribucin uniforme en [0,1] es un caso derivado de la distribucin beta donde A=1 y B=1.

INFORME

DISTRIBUCIONES DISCRETAS
Distribucin Uniforme
Sintaxis:
Y = unidpdf(X,N)
Descripcin:
Computa la funcin de distribucin uniforme discreta para el valor X y el
Parmetro N. X y N deben ser del mismo tamao y N un entero positivo.
El resultado Y es la probabilidad de que ocurra X de entre N nmeros, que en este caso, por ser
uniforme, ser la misma para cualquier X entre 1 y N.
Distribucin Binomial
Sintaxis:
Y = binopdf(X,N,P)
Descripcin:
Computa la funcin de distribucin binomial para el valor X y los parmetros N
y P. X, N y P deben ser del mismo tamao. N debe ser un entero positivo y P tiene que estar en el
intervalo [0,1].
El resultado Y es la probabilidad de observar X sucesos en N pruebas independientes, donde la
probabilidad de que ocurra el suceso (acierto) viene dada por el parmetro P, que permanece constante
para cada prueba, y la probabilidad de que no ocurra el suceso (fracaso) es 1-P.

Distribucin Binomial Negativa

Sintaxis:
Y = nbinpdf(X,R,P)
Descripcin:
Computa la funcin de distribucin binomial negativa para el valor X y los parmetros R y P. X, R y P
deben ser del mismo tamao. La funcin de densidad es 0 a menos que X sea un entero.
La variable aleatoria representa el nmero de ensayos necesarios para observar
R xitos. Los ensayos son independientes entre s. La probabilidad de xito en cada ensayo es constante
e igual a P.
Distribucin de Poisson
Sintaxis:
Y = poisspdf(X,LAMBDA)
Descripcin:

INFORME

Computa la funcin de distribucin de Poisson para el valor X y el parmetro

LAMBDA. X y LAMBDA deben ser del mismo tamao y LAMBDA positivos. X puede ser cualquier entero
no negativo. La funcin de densidad es 0 a menos que X sea un entero.
La variable aleatoria representa el nmero de eventos independientes que ocurren a una velocidad
constante en el tiempo o en el espacio.
Marco practico
Ejemplo de una PDF discreta
Para una variable discreta, la PDF es una lista que contiene cada valor que la variable puede tener y su
probabilidad asociada. Por ejemplo, una fbrica de caramelos produce un solo tipo de caramelo en
mltiples colores. Un 30% de los caramelos producidos son amarillos, 10% anaranjados, 10% rojos, 20%
verdes y 30% azules.

PDF discreta
Esta grfica de barras muestra la PDF por color de caramelo. Cada barra representa la probabilidad de
caramelos de ese color expresada como un porcentaje.
Ejemplo de una PDF contina
Para una variable continua, la PDF es la curva que aproxima la forma cuando sus valores se muestran en
una grfica de barras o histograma. Por ejemplo, una mquina que corta corchos para botellas de vino
produce corchos de diferentes dimetros. En la siguiente grfica de barras de dimetros de corchos, cada

INFORME

barra representa el porcentaje de corchos con el correspondiente dimetro.

PDF contina
La curva es la PDF para el dimetro del corcho. Utilice la PDF para determinar la probabilidad de que
ocurra un evento. Por ejemplo, solo un pequeo porcentaje de corchos (1%) tiene un dimetro por debajo
de 2.8 cm.

PDF contina con lmites de especificacin

Si los lmites de especificacin para el dimetro de corchos son de 2.85 cm a 3.15 cm, la PDF ofrece la
probabilidad o el porcentaje de todos los corchos de este proceso que cumplen con las especificaciones.
La forma de la PDF es diferente para distribuciones diferentes. La curva familiar con forma de campana
representa la PDF para una distribucin normal. Aunque el dimetro de los corchos sigue una distribucin
normal, otras mediciones, tales como la fuerza necesaria para retirar el corcho de la botella de vino,
pueden seguir una distribucin diferente. Por ejemplo, la PDF para una distribucin lognormal tiene una
cola larga hacia la derecha.

INFORME

PDF log normal

Debido a que una botella de vino ocasionalmente requiere una cantidad poco comn de fuerza para
retirar el corcho, las mediciones de esta fuerza suelen seguir una distribucin con una cola larga hacia la
derecha tal como la distribucin log normal.

LABORATORIO

INFORME

Distribucin gaussiana

Distribucin negativa

INFORME

Distribucin log normal

Distribucin gamma

INFORME

INFORME