Distribuciones continuas, discretas y empricas

Seleccin de distribuciones de probabilidad

Para llevar a cabo una simulacin usando variables aleatorias como tiempos entre llegadas
o tiempos de servicio, es necesario especificar su distribucin de probabilidad. Una vez que
las distribuciones de probabilidad han sido especificadas, la simulacin a travs del tiempo
generar variables aleatorias a partir de estas distribuciones.
Las distribuciones de probabilidad ms usadas en simulacin pueden ser divididas de la
siguiente manera:
1. Distribuciones Continuas.
2. Distribuciones Discretas.
3. Distribuciones Empricas.
Distribuciones continuas
1. Uniforme.
Usada como un primer modelo para una cantidad que oscila aleatoriamente entre a y b
y de la que se conoce muy poco. La distribucin U(0,1) es esencial para generar variables
aleatorias de las otras distribuciones. La figura 1 muestra dicha grfica.
Parmetros: a,b en donde a<b
Rango: [a,b]

Distribuciones continuas, discretas y empricas

Fig. 1 GRFICA DE LA DISTRIBUCIN UNIFORME

2. Exponencial.
Tiempos entre llegadas de clientes a un sistema que ocurren a un tasa constante.
Parmetros: en donde >0
Rango: [0, ]

Fig. 2 GRFICA DE LA DISTRIBUCIN EXPONENCIAL

Distribuciones continuas, discretas y empricas

3. Gamma.
Tiempo para cumplir alguna tarea. Por ejemplo, tiempo de servicio de clientes o reparacin
de una mquina.
Parmetros: , en donde 0 > 0
Rango: [0, ]

Fig. 3 GRFICA DE LA DISTRIBUCIN GAMMA

4. Weibull.
Tiempo para completar alguna tarea (la funcin densidad es muy parecida a la gamma),
tiempo para que falle una mquina.
Parmetros: , en donde 0 > 0
Rango: [0, ]

Distribuciones continuas, discretas y empricas

Fig. 4 GRFICA DE LA DISTRIBUCIN WEIBULL

5. Normal.
Errores de varios tipos, por ejemplo punto de impacto de una bomba; cantidades que son
las sumas de un gran nmero de otras cantidades (en virtud del Teorema del Lmite
Central).
Parmetros: ,
Rango: [- , ]

Fig. 5 GRFICA DE LA DISTRIBUCIN NORMAL

Distribuciones continuas, discretas y empricas

6. Lognormal.
Tiempo para desarrollar una tarea.
Parmetros: 0 , ( , )
Rango: [ 0, ]

Fig. 6 GRFICA DE LA DISTRIBUCIN LOGNORMAL

7. Beta.
Usada como un modelo burdo en la ausencia de datos; tiempo para completar una tarea
(PERT), proporcin de artculos defectuosos en un lote.
Parmetros: 1 0 , 2 0
Rango: [ 0,1]

Distribuciones continuas, discretas y empricas

Fig. 7 GRFICA DE LA DISTRIBUCIN BETA

8. Triangular.
Usada como un modelo burdo en la ausencia de datos. Cuando el sistema que se va a
simular no existe, no ser posible tomar datos, por lo que se tendr que seguir un
procedimiento especial para realizar la simulacin. Asuma que la cantidad de inters es una
variable aleatoria continua X, la cual puede ser el tiempo para realizar una tarea, el tiempo
para reparar mquinas, etc.
Parmetros: a,b,c a < c < b
Rango: [ a,b ]

Fig. 8 GRFICA DE LA DISTRIBUCIN TRIANGULAR.

Distribuciones continuas, discretas y empricas

Distribuciones discretas
1. Bernoulli.
Ocurrencia aleatoria con dos posibles resultados; usada para generar otras variables
aleatorias discretas, como por ejemplo: binomial, geomtrica y binomial negativa.
Parmetros: p (0 ,1)
Rango: [ 0,1 ]

Fig. 9 GRFICA DE LA DISTRIBUCIN BERNOULLI.

2. Uniforme Discreta.
Ocurrencia aleatoria con varios posibles resultados, cada uno de los cuales es igualmente
probable.
Parmetros: i , j enteros en donde i j
Rango: [ i, i+1,.....,j ]

Distribuciones continuas, discretas y empricas

Fig. 10 GRFICA DE LA DISTRIBUCIN UNIFORME DISCRETA

3. Binomial.
Nmero de xitos en t pruebas Bernoulli independientes con probabilidad p de xito en
cada prueba; nmero de artculos defectuosos en un lote de tamao t.
Parmetros: t un nmero positivo, p(0,1)
Rango: [ 0,1,......,t ]

Fig. 11 GRFICA DE LA DISTRIBUCIN BINOMIAL

Distribuciones continuas, discretas y empricas

4. Geomtrica.
Nmero de fracasos antes del primer xito en una secuencia de pruebas Bernoulli
independientes con probabilidad p de xito en cada prueba. Por ejemplo, el nmero de
artculos inspeccionados antes de encontrar el primer defectuoso.
Parmetros: p(0,1)
Rango: [ 0,1,..... ]

Fig. 12 GRFICA DE LA DISTRIBUCIN GEOMTRICA

5. Binomial Negativa.
Nmero de fracasos antes del isimo xito en una secuencia de pruebas Bernoulli
independientes con probabilidad p de xito en cada prueba. Por ejemplo, el nmero de
artculos inspeccionados antes de encontrar el isimo defectuoso.
Parmetros: S un nmero positivo; p (0,1)
Rango: [ 0,1,..... ]

Distribuciones continuas, discretas y empricas

Fig. 13 GRFICA DE LA DISTRIBUCIN BINOMIAL NEGATIVA

6. Poisson.
Nmero de eventos que ocurren en un intervalo de tiempo cuando los eventos ocurren a una
tasa constante; nmero de artculos demandados de un inventario.
Parmetros: 0
Rango: [ 0,1,..... ]

Fig. 14 GRFICA DE LA DISTRIBUCIN POISSON

10

Distribuciones continuas, discretas y empricas

Distribuciones empricas
En algunas ocasiones se usarn los datos observados directamente para especificar una
distribucin llamada distribucin emprica en lugar de una distribucin terica. Esto se har
cuando los datos no se ajustan a ninguna distribucin de probabilidad conocida.
Una desventaja clara de las distribuciones empricas es que las variables aleatorias
generadas durante la simulacin nunca son menores a X(1) o mayores a X(n).
En estos casos, en el programa de simulacin se utilizar la funcin de distribucin
emprica F.

11

Distribuciones continuas, discretas y empricas

12