UNIVERSIDAD DE LAS FUERZAS ARMADAS

ESPE EXTENSION LATACUNGA

INGENIERÍA ELECTRÓNICA E INSTRUMENTACIÓN.

PROCESOS ESTOCÁSTICOS

CUANTIZACIÓN Y CODIFICACIÓN DE UNA SEÑAL

Wilson Enrique Palomo Urrutia

wepalomo@espe.edu.ec

RESUMEN: 1 INTRODUCCIÓN.

Una función de probabilidad es una función En teoría de la probabilidad, una función de

que asocia a cada punto de su espacio
muestral X la probabilidad de ocurrencia del
mismo.Existen ciertos parámetros, como la
varianza y la desviación estándar, que
proporcionan información importante acerca
del experimento que se realice y varían según
el tipo de función que se utilice.En este
documento se detallan los parámetros más
importantes de varias de las funciones de
probabilidad más utilizadas.
PALABRAS CLAVE:
Densidad, distribución, ocurrencia,
probabilidad
ABSTRACT:
A function of probability is a function that
associates to each point of its sample space X the
probability of occurrence of the same. There are
certain parameters, such as variance and
standard deviation, that provide important
information about the experiment that is carried
out and they vary according to the Type of
function to be used.This document details the
most important parameters of several of the most
commonly used probability functions.
probabilidad (también denominada función
de masa de probabilidad) es una función que
asocia a cada punto de su espacio muestral X
la probabilidad de que ésta lo asuma.
En concreto, si el espacio muestral, E de la
variable aleatoria X consta de los puntos X1,
X2,…, Xk la función de probabilidad P
asociada a X es:
( )
donde pi es la probabilidad del suceso X = xi.
Por definición de probabilidad:
∑ ( )
Hay que advertir que el concepto de función
de probabilidad solo tiene sentido para
variables aleatorias que toman un conjunto
discreto de valores. Para variables aleatorias
continuas el concepto análogo es el de
función de densidad.
1.1. Función distribución de probabilidad
En la teoría de la probabilidad y en
estadística, una función de distribución
acumulada (fda) describe la probabilidad de
que una variable aleatoria discreta X
sujeta a cierta ley de distribución de
probabilidad, se sitúe en la zona de valores
menores o iguales a x.

1.2. Función densidad de probabilidad

KEY WORDS: En la teoría de la probabilidad, la función de
Density, distribution, occurrence, probability densidad de probabilidad, función de
densidad, o, simplemente, densidad de una
variable aleatoria continua describe la
probabilidad relativa según la cual dicha
variable aleatoria tomará determinado valor. ∑

2. Funciones de probabilidad ( )
Varianza
2.1. Función de probabilidad de Poisson
La distribución de Poisson es una ( ) ∑
distribución de probabilidad discreta que
expresa, a partir de una frecuencia de ( ) ∑
ocurrencia media, la probabilidad de que ( )
ocurra un determinado número de eventos
durante cierto período de tiempo. ( ) ∑( )
Concretamente, se especializa en la
probabilidad de ocurrencia de sucesos con
probabilidades muy pequeñas. ( ) [∑ ∑ ]
Cuando en una distribución binomial se
( ) ( )
realiza el experimento un número "n" muy
( )
elevado de veces y la probabilidad de éxito
( ) ( ) [ ( )]
"p" en cada ensayo es reducida, entonces se
( )
aplica el modelo de distribución de Poisson.
( )
( ) ( ) ∑
Desviación estándar
√

Función acumulativa

( ) ∑

Ejemplo:
Si un banco recibe en promedio 6 cheques
sin fondo por día, ¿cuáles son las
Ilustración 1: Distribución de Poisson para varios valores probabilidades de que reciba, a) cuatro
de λ cheques sin fondo en un día dado, b) 10
cheques sin fondos en cualquiera de dos días
consecutivos?
Valor medio x = número de cheques sin fondo que llegan
al banco en un día cualquiera
( ) ∑ a)
λ = 6 cheques sin fondo por día
( ) ∑ ( )
( )
( )
( ) ∑ b)
λ = 6*2 = 12 cheques sin fondo en promedio
que llegan al banco en dos días consecutivos
 ( ) ∫ ( )
√ √
( )
(√ )
√
( )
2.2. Función de probabilidad Normal
La importancia de esta distribución radica en Varianza
que permite modelar numerosos fenómenos
naturales, sociales y psicológicos. Mientras ( ) ∫
que los mecanismos que subyacen a gran √
parte de este tipo de fenómenos son ∫
desconocidos, por la enorme cantidad de √
variables incontrolables que en ellos ∫
intervienen, el uso del modelo normal puede √
justificarse asumiendo que cada observación
se obtiene como la suma de unas pocas
causas independientes.
( )
( ) ( ) [ ∫ ]
√ √
( ) ( ) ( )
Si se hace la sustitución se obtiene ( )
la curva normal estándar Desviación estándar
( ) ( ) √ ( )
√ Ejemplo:
con media y varianza .
Suponga que el diámetro d de los tornillos
manufacturados por una Compañía está
distribuido normalmente con media
y desviación estándar
. Un tornillo es considerado
defectuoso si .
Encuentre el porcentaje de tornillos
defectuosos fabricados por la Compañía

Ilustración 2: Curva normal estándar

Valor medio ( )
( ) ( ) ∫
√ ( )
( )
∫ [ ]
√ ( )
∫
√
3.3. Función de probabilidad de Rice
Es una generalización de la distribución de
Rayleigh. Se aplica al modelado del
desvanecimiento rápido pero cuando hay
una componente intensa de señal (rayo
directo) constante.
( ) ( ) ( )

Valor medio:
( ) √ [( ) ( )
Ilustración 3: Función densidad de Laplace
( )]
Valor medio:
Varianza: ( ) ∫ ( )
( ) ( ) ( ( ))
( )
Desviación estándar: ∫
( ) √ ( ) ( ) ( )
( ) [ ]
√ ( ) ( ( ))
( )
[
Función acumulativa: ( )
]
( ) [ ( )] ( )
( ) [ ]
2.4. Función de probabilidad de Laplace
La función de probabilidad de Laplace es una Varianza:
densidad de probabilidad continua, llamada ( ) ( )
∫
así en honor a Pierre-Simon Laplace. Es
también conocida como distribución doble ( )
∫
exponencial puesto que puede ser
considerada como la relación las densidades ( ) ( )
( ) [
de dos distribuciones exponenciales
adyacentes. La distribución de Laplace ( )
]
resulta de la diferencia de dos variables
exponenciales aleatorias, independientes e [ ( )
idénticamente distribuidas.
( )
( )
( )
]

( ) [ ] [

]
 ( )
( ) [ ] ( ) ( )

( ) Desviación estándar:
( ) √
Desviación estándar:
√ Función acumulativa:
( ) √ ( ) ( ) ( ) ( ) ( )

Función acumulativa:
( )
Ejemplo:
( ) Supongamos que la probabilidad de tener una
( )
( ) unidad defectuosa en una línea de ensamblaje
( ) ∫
es de 0.05. Si el conjunto de unidades
( ) ( ) terminadas constituye un conjunto de
ensayos independientes. ¿Cuál es la
probabilidad de que entre diez unidades dos
( ) ( )
( ) ∫ se encuentren defectuosas?
( ) ( ) ( )

Ejemplo: 2.6. Función de probabilidad de Rayleigh

En una bolsa hay 6 bolas verdes, 3 rojas y 11 La función de probabilidad de Rayleigh es
amarillas. Calcular la probabilidad de sacar una función de distribución continua. Se
una bola amarilla. suele presentar cuando un vector
bidimensional (por ejemplo, el que
( ) representa la velocidad del viento) tiene sus
dos componentes, ortogonales,
independientes y siguen una distribución
( ) normal. Su valor absoluto seguirá entonces
( ) una distribución de Rayleigh. Esta
distribución también se puede presentar en
2.5. Función de probabilidad de Bernoulli el caso de números complejos con
La distribución de Bernoulli (o distribución componentes real e imaginaria
dicotómica), nombrada así por el independientes y siguiendo una distribución
matemático y científico suizo Jakob normal. Su valor absoluto sigue una
Bernoulli, es una distribución de distribución de Rayleigh.
probabilidad discreta, que toma valor 1 para ( )
la probabilidad de éxito (p) y valor 0 para la ( ) ( ) ( )
probabilidad de fracaso (q=1-p)
( ) ( ) ( ) ( )

Valor medio:
( ) ( ) ( )

Varianza:
( ) ( ) ( )
 de la amplitud mínima x0 y que ocurre el 1%
de las veces
( )
( )

2.7 Función de probabilidad de Cauchy

La distribución Cauchy-Lorentz, llamada en
honor a Augustin Cauchy y Hendrik Lorentz,
es una distribución de probabilidad
continua. Es conocida como la distribución
Ilustración 4: Función densidad de Rayleigh de Cauchy y en el ámbito de la física se
conoce como la distribución de Lorentz, la
Valor medio: función Lorentziana ó la distribución de
Breit-Wigner. Su importancia en la física es
( ) ∫
dada por ser la solución de la ecuación
diferencial que describe la resonancia
forzada. En espectroscopia describe la forma
( ) [√ ]
de las líneas espectrales que son ampliadas
por diversos mecanismos, en particular, el
√ mecanismo de ensanchamiento por colisión.
( ) √
( )
( )
( ) ( ) √

Varianza:
( ) ( ) ( )
( ) ∫

( ) [ ] ( )

( ) ( )
( )
( )
Ilustración 5: Función densidad de Cauchy
Desviación estándar:
Valor medio:
( )
( ) √
( ) ∫
( )
Ejemplo:
La amplitud de una señal de radar retro ( ( ) )
difundida desde la superficie del mar sigue la
distribución ( ) Encontrar el valor
√
 ( )
( ) ( )
∫

( ) [∫ ∫ ]

( ) [ ]
( )

Varianza:
( )
Ilustración 6: Función densidad Chi – Cuadrado
Desviación estándar:
( ) Valor medio:
( )
Función acumulativa:
Varianza:
( ) ∫ ( )
( )
Desviación estándar:
( ) ( )∫ ( ) √ ( ) √
( ( ) )
1.1.1 Función acumulativa:
( )
1.1.2 ( ) ( )
( ) ( ) ( )

1.1.3 ( ) ( ) 2.9. Función de probabilidad de Erlang

2.8. Función de probabilidad Chi –
Cuadrado
La distribución de Pearson, llamada también
ji cuadrada o chi cuadrado (χ²) es una
distribución de probabilidad continua con un
parámetro k que representa los grados de
libertad de la variable aleatoria.
La distribución chi-cuadrado también se
utiliza para decidir si ciertas variables son
independientes o no. Por ejemplo un
encuestador podría desear saber si, por
ejemplo, el sexo, los antecedentes étnicos o
el rango salarial de una persona son factores
relevantes en la votación para una elección
de algún legislador.
( )
( )
( )
Es una distribución de probabilidad continua
de gran utilidad ya que su íntima su relación
con la exponencial y la distribución gamma
dada por la suma de un número de variables
aleatorias independientes que poseen la
misma distribución exponencial.
La distribución se deriva del modelo el total
de tiempo de espera asociado con una cola
de solicitudes en una central telefónica. La
distribución Erlang se aplica en modelos de
sistemas de servicio masivo.
( ) ( )
( )
( )
 Ilustración 8: Función Beta
Ilustración 7: Función densidad de Erlang
Valor medio:
Valor medio: ( ) ∫
√
( )
( ) ( )( )∫
Varianza: √
( ) ( ) [√ ]
( )
Desviación estándar:
√ Varianza:
( ) √ ( )
( ) ∫
√
Función acumulativa: √
( ) ( )
( ) [ ∑ ] ( ) ( )
( )
( ( )) ( ( ))
∫
2.10. Función de probabilidad Arcoseno ( )
La distribución arcoseno es la distribución de ( )
probabilidad cuya función de distribución [ ]
acumulativa es 0 para x = 1. La distribución
arcoseno estándar es un caso especial de la [ ]
distribución beta.
( ) ( ) ( ) ( )
( )
√
Desviación estándar:
( )
√

Función acumulativa:
( ) ∫
√
 ( ) ∫
√ ( )

( )
( ) ( )

3 CONCLUSIONES


Es posible realizar el análisis de
varios procesos complejos en forma
probabilística de una manera muy
precisa.
 Las diferentes funciones de
probabilidad ya definidas son
herramientas muy poderosas para
modelar sistemas con variables
aleatorias. Son muy utilizadas en
modelos de sistemas de servicio
masivo como telefonía y redes
bancarias.
4 RECOMENDACIONES

 Se recomienda analaizar cad una de las

funciones de probabilidad.
 Utilizar las diferentes formas de Valor
Médio y Varinza para cada caso.

5 BIBLIOGRAFIA

 [1] Peyton Z, Peebles Jr. Principios

de probabilidad, variables aleatorias y
señales aleatorias. 4ta edición.
España: MC Graw – Hill.

 [2] Función de probabilidad.

Disponible en:
http://www.ub.edu/stat/GrupsInnovac
io/Statmedia/demo/Temas/Capitulo1/
B0C1m1t3.htm