FUNCIONES DENSIDAD DE PROBABILIDAD MS COMUNES

Ortega Vintimilla Hugo Gabriel

gabo_45@hotmail.es
Electrnica e Instrumentacin, UNIVERSIDAD DE LAS FUERZAS ARMADAS-ESPE Extensin
Latacunga, Mrquez de Maenza S/N Latacunga, Ecuador.

RESUMEN
La funcin densidad de probabilidad describe la probabilidad relativa segn la cual dicha variable aleatoria
tomar determinado valor. Es una funcin que se origina al asignar valores de probabilidad al recorrido de
una variable aleatoria. Existen muchas funciones densidad de probabilidad que nos ayudan a manejar
diversos parmetros que se encuentran relacionados a esta funcin como Valor medio, Varianza y
Desviacin Estndar.

ABSTRACT
The probability density function describes the relative probability according to which random variable that takes
certain value. It is a function that originates in assigning probability values to the path of a random variable.
There are many probability density functions that help us manage various parameters that are related to this
function as mean value, variance and standard deviation.

1.1 INTRODUCCIN:

1.1 DESARROLLO:

En el siguiente articulo vamos a analizar funciones

densidad de probabilidad muy comunes como son las:
Raylegh, Normal o Gaussiana, Poisson, Earlang,
Cauchy,Chi-Cuadrado,
Laplace,
Bernoulli,
Rice,
Arccoseno. Adems vamos a determinar su funcin, su
grfico, valor medio, varianza, desviacin estndar y la
Funcin de Distribucin.

1.1.1 Funcin Rayleigh

En

la

teora

de

la probabilidad y estadstica,

la distribucin de Rayleigh es una funcin de

Palabras clave

distribucin continua. Se suele presentar cuando un

Densidad, distribucin, ocurrencia, probabilidad.

vector

bidimensional

(por

ejemplo,

el

que

representa la velocidad del viento) tiene sus dos

componentes,

ortogonales,

siguen una distribucin normal.

independientes

Su funcin es:

p( x)

x2

exp
2
2

La desviacin tpica:

y su Funcin Distribucin de Probabilidad es:

0,655
2

1.1.2 Funcin Normal o Gaussiana

F ( x) 1 exp
2 2

x2

A la distribucin normal tambin se la denomina

con el nombre de campana de Gauss, pues al
representar su funcin de probabilidad, sta tiene
forma de campana
Sea X una variable aleatoria en un espacio muestral
infinito S donde, por definicin,{a X b} es un
evento en S. Recuerde que se dice que X es
continuo si hay una funcin f(x) definida sobre la
lnea real. R=(, ) de manera que
(i)
(ii)
(iii)

f es no negativo.
El rea bajo la curva de f es uno.
La propiedad de que X se encuentre
en el intervalo [a,b] es igual l rea
bajo f entre x=a y x=b

Estas propiedades pueden reformularse de la

siguiente manera utilizando el lenguaje del clculo
para el rea bajo la curva:
Fig. 1 La siguiente figura representa las funciones p(x) y
(ii)

f(x) 0,

f(x)dx = 1

(iii)

P(a X b) = a f(x)dx

(i)

F(x).

Los parmetros de esta funcin son:

La funcin f(x) se denomina FUNCION DE

DENSIDAD DE PROBABILIDAD o, simplemente,
distribucin de X.

Valor medio:

Los parmetros de esta funcin son:

Varianza:

E(x) = xf(x)dx

sucesos
con
probabilidades muy pequeas, o sucesos "raros".
La funcin de masa o probabilidad de la distribucin
de Poisson es:

var(x) = (x )2 f(x)dx

Como en el caso de una variable aleatoria discreta,

la desviacin estndar de X es la raz cuadrada
no negativa de var(x).

(, ) =
La funcin de densidad, es la expresin en trminos
de ecuacin matemtica de la curva de Gauss: [1]

f(x) =

1
2

donde

(x)2
22

< <

k es el nmero de ocurrencias del evento o

fenmeno (la funcin nos da la probabilidad
de
que
el
evento
suceda
precisamente k veces).

es un parmetro positivo que representa

el nmero de veces que se espera que
ocurra el fenmeno durante un intervalo
dado. Por ejemplo, si el suceso estudiado
tiene lugar en promedio 4 veces por minuto
y estamos interesados en la probabilidad
de que ocurra k veces dentro de un
intervalo de 10 minutos, usaremos un
modelo de distribucin de Poisson con =
104 = 40.

e es la base de los logaritmos naturales (e

= 2,71828...)

La funcin de distribucin viene dado por:

(x)
1

e 22
2

Fig2. Campana de Gauss

Fig3. Funcin de Poisson

1.1.3 Funcin Poisson

Funcin de probabilidad:

En teora de probabilidad y estadstica, la

distribucin de Poisson es una distribucin de
probabilidad discreta que expresa, a partir de una
frecuencia de ocurrencia media, la probabilidad de
que ocurra un determinado nmero de eventos
durante cierto perodo de tiempo. Concretamente,
se especializa en la probabilidad de ocurrencia de

(, ) =
Funcin de distribucin:

([ + 1], )
0
[ ]!
Los parmetros de esta funcin son:

Media

Moda

[ ] 1
Varianza

Fig 4.1 Funcin densidad de probabilidad de Erlang.

Funcin de probabilidad:

f(x) =

Fig3.1 Funcin de distribucin de probabilidad

aN xN1 eax
(x)
(N 1)!

Funcin de distribucin:
N1
ax

F(x) = [1 e

1.1.4 Funcin Erlang

n=0

Distribucin Erlang es una distribucin de

probabilidad continua con una amplia aplicabilidad
debido principalmente a 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 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.

(ax)n
] (x)
n!

Los parmetros de esta funcin son:

Media
Varianza
Desviacin estndar

Funcin caracterstica

2 =

N
a2

=
(w) = (

N
a
N
a
)
a jw

F(x) =

1 1
x
)
+ arctan (
2

Fig5. Funcin de Cauchy.

Fig4.2 Funcin de distribucin acumulada de Erlang

1.1.5 Funcin Cauchy

Los parmetros de esta funcin son:

Es una distribucin continua describiendo el

comportamiento de resonancia. Tambin se
describe que es la distribucin de las distancias
horizontales en la que un segmento de lnea
inclinada en un ngulo al azar corta el eje x

Se trata de un ejemplo de variable aleatoria que

carece de esperanza (y, por tanto, tambin de
varianza o cualquier otro momento), ya que la
integral
impropia
correspondiente
no
es
convergente

Esta carece de momentos, por lo que no existen, la

esperanza, la media, la varianza, la asimetra y
curtosis de esta distribucin, adems su funcin de
densidad es simtrica respecto al parmetro de
situacin. La moda y la mediana coinciden en el
parmetro m.

1.1.6

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 idntic
amente distribuidas. Una variable aleatoria posee

Funcin de probabilidad:
1

f(x) =

[1 + (

Funcin Laplace

x 2
) ]

> 0, < <

Funcin de distribucin:

una distribucin de Laplace (, b) si su densidad de

probabilidad.

2
b

Funcin de probabilidad:

Siendo un parmetro de localizacin y b > 0 un

parmetro de escala. Si = 0 y b = 1, la distribucin

Fig6. Funcin de densidad de probabilidad

de Laplace se dice que es estndar y su restriccin

Funcin de distribucin

a los nmeros reales positivos es la distribucin

exponencial de parmetro 1/2.

La integral de la distribucin de Laplace se obtiene

con facilidad gracias al uso del valor absoluto. Su
funcin de distribucin acumulativa es:

La funcin de densidad de probabilidad de la

distribucin

de

Laplace

recuerda

la

de

la

distribucin normal, pero mientras la distribucin

normal se expresa en trminos de la diferencia al

() = ()

cuadrado ( )2 , la distribucin de Laplace hace

intervenir la diferencia absoluta | |

. As la

distribucin de Laplace presenta colas ms gruesas

que la distribucin normal.

Los parmetros de esta funcin son:

Media:
Varianza:

La inversa de la funcin de distribucin acumulativa

es:

=a
2 =

2
b2

Desviacin estndar:

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

0<

Fig6.1 Funcin de distribucin de probabilidad

1.1.7 Funcin Bernoulli

En teora
de
probabilidad y estadstica,
la distribucin
de
Bernoulli (o
distribucin
dicotmica),
nombrada
as
por
el
matemtico y cientfico suizo Jakob Bernoulli, es
una distribucin de probabilidad discreta, que toma
valor 1 para la probabilidad de xito ( ) y valor 0
para la probabilidad de fracaso (

Fig7.1 Funcin de Distribucin

Los parmetros de esta funcin son:

Esperanza matemtica

).

E[X] = p = u
Varianza:
var[X] = p(1 p) = pq
Funcin de probabilidad
q = (1 p)
Media
p

0 si q > p (hay ms fracasos que xitos)

1 si q < p (hay ms xitos que fracasos)
0 y 1 si q = p (los dos valores, pues hay igual
nmero de fracasos que de xitos)

Fig7. Funcin de Bernoulli

Funcin de probabilidad viene definida por:

1.1.8

Funcin Rice

En teora de la probabilidad, la distribucin de

Rice, la distribucin de Rice o distribucin de Rice
es la distribucin de probabilidad de la magnitud
de una variable aleatoria normal bivariada circular
con media potencialmente no cero. Se nombr por
Stephen O. Rice.
Se aplica al modelado del desvanecimiento rpido
pero cuando hay una componente intensa de
seal (rayo directo) constante.

Los parmetros de esta funcin son:

c 2 : potencia componente constante.

r 2 = 2b:potencia componente variable.

Fig8.1 Funcin densidad de probabilidad Rice

Normalizacin:
c 2 + 2b = 1

Factor rice
k=

c2
2b

Densidad de probabilidad de la envolvente

r
r2 + c 2
c. r
] I0 ( )
f(r) = . exp [
b
2. b
b
I0 : Funcion Bessel de primera especie orden cero
Para 2b>0,5: la distribucin es casi Rayleigh
Para c >> b:
gausiana.

la distribucion tiende a ser

Fig8.2 Funcin de distribucin acumulativa

La amplitud de una
seal de radar retro difundida desde la superficie
del mar sigue la distribucin R( = 1/ 2 ).
Encontrar el valor de la amplitud mnima Xo y que
ocurre el 1 % de las veces.

1.1.9 Funcin Gamma.

En estadstica la distribucin gamma es
una distribucin de probabilidad continua con
dos parmetros k y cuya funcin de
densidad para valores x>0 es

( > ) = 0.01
2
( < ) = 0.99 =
:
= 0.01000503

Aqu e es el nmero e y es la funcin gamma.

Para valores k E N la funcin gamma es
(k) = (k-1)! (el factorial de k-1). En este caso por ejemplo para describir un proceso de
Poisson - se llaman la distribucin Erlang con un
parmetro =1/ .

Ejercicio 2.2 (Gauss):

Suponga que el peso de 2000 estudiantes hombres

est distribuido normalmente con media
y.
Encuentre el nmero de estudiantes con pesos:
a) Que no superen 100 lbs. w=100

El valor esperado y la varianza de una variable

aleatoria X de distribucin gamma son:

P ( x 100)
w

100 155
2.75

20
P( z 2.75) (2.75) 0.4970
z

P( w 100) P( z 0.497)
Si la mitad del rea bajo la curva es 0.5

P 0.5 0.4970 0.003

n 2000(0.003)
n6
Fig.9 Funcin Gamma

Ejercicio 2.3 (Poisson):

La probabilidad de tener un accidente de trfico es
de 0,02 cada vez que se viaja, si se realizan 300
viajes, cul es la probabilidad de tener 3
accidentes?

2. Ejercicios

Ejercicio 2.1 (Rayleigh):

Como la probabilidad " p " es menor que 0,1, y el

producto " n * p " es menor que 10, entonces
aplicamos el modelo de distribucin de Poisson.

( = 3) = 6

63
3!

Ejercicio 2.5 (Cauchy):

Suponga que X tiene una distribucin de Cauchy de
acuerdo con la expresin densidad de probabilidad
a
dada, f(x; 0, a) = (a2+X2) con a = 2. Hallar (a)

Luego

P(X < 2) (b) P(X 12)

P (x = 3) = 0,089

a)

Por lo tanto, la probabilidad de tener 3 accidentes

de trfico en 300 viajes es del 8,9%

P(X<2)= (2+ 2)

Ejercicio 2.4 (Erlang):

2

P(X<2)= (2+ 2)

Suponga que cierta pieza metlica 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 encuentre hasta que ocurre el segundo
ciclo.

P(X<2)=

21
2

tan |
2

( < 2) = 0.25 + 0.5 = 0.75

b)

a. Dentro de una desviacin con respecto del

tiempo promedio

P(X12)=12 (2+ 2)

b. A ms de dos desviaciones por encima de la

madia.

21

x
arc tan 2 |
12

P(X2)= 12 (2 2)

+
P(X2)=

P(X 12) = 0.5 0.44741543 = 0.052568

Ejercicio 2.6 (Gamma):
El tiempo en horas que semanalmente requiere
una mquina para mantenimiento es una variable
aleatoria con distribucin gamma con parmetros:
= 3 y =2.
a) Encuentre la probabilidad que en alguna
semana el tiempo de mantenimiento sea
mayor de 8 horas.

10

Solucin: Sea x duracin del

mantenimiento en horas. Su densidad de
probabilidad es:

Por tanto, la distribucin

1

binomial B(6, 2) es la siguiente:

()

1
64

2
6
64

3
15
64

5
20
64

6
15
64

3. CONCLUSIONES

Ejercicio 2.7 (Laplace):

Hal l ar l a probabi l i dad de que al l anzar
do s m oneda s al ai re sal ga n do s car a s.

Ca so s po si bl e s: {cc, cx , x c,
xx }.

Ca so s f av orabl es: 1.

La funcin Cauchy se trata de un ejemplo

de variable aleatoria que carece de
esperanza (y, por tanto, tambin de
varianza o cualquier otro momento), ya que
la integral impropia correspondiente no es
convergente
La funcin de Bernoulli es el modelo ms
simple de probabilidad, se aplica cuando
hay probabilidad de xito o fracaso
La funcin Poisson es una distribucin de
probabilidad discreta que expresa, a partir
de una frecuencia de ocurrencia media, la
probabilidad de que ocurra un determinado
nmero de eventos durante cierto perodo
de tiempo.
La funcin de Rayleigh se utiliza para una
variable continua positiva no limitada. Se
encuentra relacionada con la gaussiana.

La funcin de rice es la distribucin de

probabilidad de la magnitud de una variable
aleatoria normal bivariada circular con
media potencialmente no cero.

Las funciones de probabilidad ya definidas

son herramientas muy tiles para modelar
sistemas.

Ejercicio 2.8 (Bernoulli)

Suponga que una moneda equilibrada se lanza 6
veces y se llama cara un xito. Este es un
1

experimento con n=6 y p= q = 2

15
P(2) =
64

15
P(4) =
64

6
1
P(5) =
P(6) =
64
64

En forma similar,

(0) =

1
64

(1) =

6
64

(3) =

20
64
11

6
64

1
64

Rice distribution Wikipedia, the free encyclopedia. [En lnea].

Disponible en:
https://en.wikipedia.org/wiki/Rice_distribution.
[Accedido: 6-ene-2017].

Referencias:

[1]
[En lnea]. Disponible en:
http://www.vitutor.com/pro/5/a_1.html. [Accedido:
6-ene-2017].
[2]
[En lnea]. Disponible en:
http://es.slideshare.net/sonyelockheart/distribucinbernoulli-y-distribucin-binomial[Accedido: 6-ene2017].
[3]
Distribucin de Cauchy - Wikipedia, la
enciclopedia libre. [En lnea]. Disponible en:
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_d
e_Cauchy. [Accedido: 6-ene-2017].
[4]
Distribucin de Erlang - Wikipedia, la
enciclopedia libre. [En lnea]. Disponible en:
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_d
e_Erlang. [Accedido: 6-ene-2017].
[5]
Distribucin de Poisson - Wikipedia, la
enciclopedia libre. [En lnea]. Disponible en:
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_d
e_Poisson. [Accedido: 6-ene-2017].
[6]
Distribucin de Rayleigh - Wikipedia, la
enciclopedia libre. [En lnea]. Disponible en:
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_d
e_Rayleigh. [Accedido: 6-ene-2017].
[7]
Funcin de densidad de probabilidad - Wikipedia,
la enciclopedia libre. [En lnea]. Disponible en:
https://es.wikipedia.org/wiki/Funci%C3%B3n_de_d
ensidad_de_probabilidad. [Accedido: 6-ene-2017].
[8]
La distribucin de Cauchy. [En lnea]. Disponible
en:
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/
demo/Temas/Capitulo4/B0C4m1t8.htm. [Accedido:
6-ene-2017].
[9]

12