• Author / Uploaded
• paulo balbino

• Categories
• Distribución de probabilidad
• Distribución de veneno
• Distribución normal
• Probabilidad
• Teoría estadística

Citation preview

INSTITUTO TECNOLÓGICO DE ESTUDIOS SUPERIORES DE LOS CABOS

“Por una patria con sabiduría y espíritu de progreso”

Simulación “VENTAJAS Y DESVENTAJAS DE VARIABLES”

Carrera: Ingeniería En Sistemas Computacionales PRESENTA

Juan Andrés Jiménez Lázaro Profesor:

Ismael Ojeda

San José del Cabo B.C.S., octubre de 2019

Contenido Objetivo ............................................................................................................................. 3 Métodos de generación de variables aleatorias ................................................................... 4

Objetivo Investigar los métodos de la generación de variables aleatorias con el fin de reforzar el conocimiento que se tiene y a su vez entender cuáles son las funciones de cada una así mismo sus características principales.

Métodos de generación de variables aleatorias

Tipo

Método

Ventajas

Distribución de Bernouilli

La distribución de Bernoulli es una distribución discreta que está relacionada con muchas distribuciones, tales como la distribución binomial, geométrica y binomial negativa. El experimento consiste en n intentos repetidos. Los resultados de cada uno de los intentos pueden clasificarse como un éxito o como un fracaso.

Desventajas Existen únicamente dos posibles resultados: S = {éxito, fracaso} Definimos a la variable aleatoria de Bernoulli de la siguiente forma: siguiente forma: 0; Si el resultado del ensayo es “fracaso”. I= 1; Si el resultado del ensayo es “éxito”. A ésta última se le conoce como

Discretas finitas

Distribución binomial

Es una extensión de la distribución de Bernouilli. El resultado obtenido en cada experimento es independiente del anterior. La distribución Binomial se puede obtener como suma de n variables aleatorias independientes Bernouilli con el mismo parámetro “p”. 2. Si tenemos dos variables aleatorias que se distribuyen según una Binomial con el mismo parámetro “p”, es decir, con la misma probabilidad de éxito,

Discretas infinitas

Distribución de poisson

Continuas

Distribución exponencial

se dice que el proceso de Poisson no tiene memoria ya que el número de resultados que ocurren en un intervalo de tiempo o región específicos es independiente del número que ocurre en cualquier otro intervalo El parámetro λ se puede obtener de tres maneras. Este modelo suele utilizarse para variables que describen el tiempo hasta que se produce un determinado suceso.

“función indicadora” Si no tienen la misma probabilidad no se pueden sumar. La probabilidad de fracaso ha de ser también constante.

La probabilidad de que más de un resultado ocurra en ese intervalo de tiempo tan corto o en esa región tan pequeña es despreciable

La tasa de fallo es, en general, una función del tiempo, que define unívocamente la distribución.

este modelo depende de un único parámetro α que debe ser positivo: α > 0. la distribución exponencial tiene una gran utilidad práctica ya que podemos considerarla como un modelo adecuado para la distribución de probabilidad del tiempo de espera entre dos hechos que sigan un proceso de Poisson.

Se debe tener conocimiento de otras distribuciones para hacer uso correcto de la distribución exponencial.

Distribución Earlang

Este modelo es una generalización del Se debe tener conocimiento tanto de la distribución de earlang como de la modelo Exponencial ya que, en distribución de poisson ya ambas están ocasiones, se utiliza para modelar relacionadas. variables que describen el tiempo hasta que se produce p veces un determinado suceso. Existe una asociación entre los modelos de probabilidad de Poisson y de Erlang

Distribución triangular

Es de uso frecuente en la toma de decisiones empresariales, sobre todo en las simulaciones. Se denomina triangular cuando viene definida por dos parámetros, que representan el valor mínimo y el valor máximo de la variable Se puede usar la distribución normal como una herramienta para calcular probabilidades. La función de densidad de una distribución normal tiene forma de campana. Es simétrica en torno a la media. La distribución uniforme es una distribución continua que modela un rango de valores con igual probabilidad. La distribución uniforme se especifica mediante cotas inferior y superior

Distribución normal

Distribución uniforme

La distribución triangular se utiliza normalmente como una descripción subjetiva de una población a lo que solo hay datos de la muestra limitada y sobre todo en los casos en los que la relación entre variables se conoce. Se debe recordar que el área bajo la curva en variables aleatorias continuas corresponde a la posibilidad de sucesos que son intervalos de números reales. Debe ser una función constante en el intervalo de valores de x, esto quiere decir que los valores del rango deben de estar bien definidos.

Conclusión Este trabajo se llevaron a cabo diferentes investigaciones sobre los métodos de generación de variables, que estas son utilizadas en la vida real para la simulación y diferente situaciones, y también poseen diferentes tipos de características.