Introduccin a los procesos estocsticos de la maestra en ingeniera ele... http://www.monografias.com/trabajos96/introduccion-procesos-estocas...

Agregar a favoritos

Ayuda

Portugus

Ingles

Regstrese! | Iniciar sesin

Th
Monografas Nuevas
Monografias.com > Ingenieria

t d URL
Publicar Blogs

ld
Foros

tb

t i

d
Descargar

Busqueda avanzada

Imprimir

Comentar

Ver trabajos relacionados

Introduccin a los procesos estocsticos de la maestra en ingeniera electrnica opcin telecomunicaciones

Enviado por Oskar Snchez

INTRODUCCIN
A lo largo de la vida, el ser humano debe tomar decisiones que le permitan realizar acciones; y estas a su vez implican ms y ms decisiones; de tal manera que algunas traen consigo resultados positivos y otras no. As, se ha visto en la necesidad de estudiar las probabilidades de ocurrencia de los eventos para anteponerse a ellos o bien para tomar medidas en funcin a esos resultados.

The requested URL could not be retrieved

The following error was encountered while trying to retrieve the URL: http://pubads.g.doubleclick.net /gampad/ads?

La probabilidad, expresa el grado de certeza y por ende posee un carcter de seguridad en torno a un suceso aleatorio, cuando es relacionado con un fenmeno determinstico. De all que la probabilidad tiene un papel crucial en la aplicacin de la inferencia estadstica porque una decisin, cuyo fundamento se encuentra en la informacin contenida en una muestra aleatoria, pudiera tener un error. En este sentido, se presenta el siguiente informe monogrfico, el cual se desarrolla en forma secuencial y organizada en tres partes: En la primera, dedicada al estudio de las variables aleatorias, el proceso de Poisson, la distribucin de Poisson, la distribucin Gamma y la distribucin Exponencial negativa. En la segunda, orientada al estudio de la probabilidad condicional para las variables aleatorias discretas y continuas, en la cual se detallan la formula de Bayes, la probabilidad y las particiones, el teorema de Bayes, y los conceptos de probabilidad inicial y final. Y en la tercera parte, se desarrolla la esperanza condicional para las variables aleatorias discretas y continuas, cuyos tpicos se centran en las definiciones de prediccin, varianza, momentos, media, mediana, covarianza y correlacin. En cada aspectos se muestran algunos ejemplos orientados a la practica profesional de la Ingeniera en Telecomunicaciones en el marco de la tecnologa de las radiocomunicaciones aeronutica y para finalizar se presentan las conclusiones y referencias bibliogrficas y electrnicas que soportan la presente investigacin.

DESARROLLO
1. Variables Aleatorias El estudio de la probabilidad tiene como finalidad predecir el valor que pueda tener un evento, bajo ciertas condiciones. Este concepto, est relacionado con la calidad en la produccin bien sea de bienes o servicios,, dado a que se pueden comprender y controlar datos y de all hacer conclusiones e inclusive aplicar correctivos y disminuir tendencias negativas; o bien tomar medidas preventivas. Es por ello que este estudio, permite confiar en la probabilidad de que un evento suceda o no. Tanto as que, existen procesos que poseen un carcter variable y de aleatoriedad; como el clima por citar un ejemplo. De all que combinando estos aspectos, las variables aleatorias son definidas por Walpole, R. Myers, R. y Myers, S. (1999) como: "una funcin que asocia un nmero real con cada elemento del espacio muestral" (p. 51). La definicin anterior, se relaciona al espacio muestral, es decir a los diversos resultados que puede tener un determinado experimento, que ciertamente est asociado a condiciones no controladas e inclusive al azar. Este tipo de variables permite entonces convertir el resultado de un experimento en una forma numrica, y se utiliza particularmente cuando el investigador se centra en un aspecto especfico del mismo, es decir en una muestra. Para ejemplificar una variable aleatoria se puede tomar en consideracin una situacin en la que un estudiante de postgrado de la UNEXPO intenta estacionar su vehculo en el estacionamiento de la misma. Entonces puede conseguir un lugar para estacionarse (P) y hacerlo, o no encontrar sitio (N) y tener que salir del mismo. Con S = {P, N} la variable aleatoria (X) se puede definir mediante X (P) = 1, X (N) = 0. De manera que 1 indica que pudo estacionarse y 0 que no lo logr. Cabe acotar, que las variables cuyos nicos valores que puede tomar son 1 y 0 se conocen como variables de Bernoulli; no obstante en un sentido general se pueden clasificar las variables aleatorias en dos tipos: continuas y discretas. Devore, J (2005) refiere que: "una variable aleatoria discreta es una variable aleatoria cuyos valores posibles constituyen un conjunto finito// una variable aleatoria es continua si su subconjunto de valores posibles consiste en un intervalo completo en la recta numrica" (p. 100). Es decir que una variable aleatoria es discreta cuando puede tomar valores que se pueden contabilizar e incluso arreglar en forma secuencial, mientras que una variable aleatoria es continua si sus valores consisten en intervalos referenciados en la recta de los nmeros reales. En resumen, en el estudio probabilstico de cierto experimento se pueden considerar variables aleatorias para generalizar sus resultados posibles, y trabajar con las mismas sin tomar en consideracin cual ser el resultado final. Evidentemente, esta variable pertenece al conjunto del espacio muestral y puede ser un valor numrico, booleano, texto, etc. No obstante, se suele trabajar con los valores numricos porque son los que aportan mayor cantidad de informacin al momento de medir magnitudes, o incluso realizar operaciones para establecer conclusiones de los resultados arrojados por dicho experimento. Es importante destacar, que cuando un experimento arroja resultados textuales, o booleanos se establecen parmetros de codificacin para transformar a forma numrica los elementos del espacio muestral. Por ejemplo, si se realizase un experimento en el que se observara cul es la rama de la ingeniera a la que pertenece el participante de la "Maestra en Ingeniera Electrnica Opcin Telecomunicaciones" que entra primero al aula de clases?, el espacio muestral viniera dado por las ramas de la ingeniera que poseen cada uno de los estudiantes de dicho programa, ejemplo: S = {Electrnica, Elctrica, Sistemas, Telecomunicaciones} Y la codificacin sera algo como:

1 de 2

16/07/2013 14:08

Introduccin a los procesos estocsticos de la maestra en ingeniera ele... http://www.monografias.com/trabajos96/introduccion-procesos-estocas...

Agregar a favoritos

Ayuda

Portugus

Ingles

Regstrese! | Iniciar sesin

Ntese, que en el ejemplo anterior la variable aleatoria (X) viene determinada por la persona que entre primero al aula de clases (y la rama de la ingeniera a la que pertenece); y el experimento en general es disjunto ya que no van a entrar dos personas en forma simultanea. Para el caso especifico de las variables aleatorias discretas, estas pueden tomar valores que son numerables, lo que da un carcter de posibilidad en cada punto aislado del espacio muestral; por ende hay una cantidad finita de valores posibles entre los resultados que puede arrojar un experimento. Por lo que en funcin a este tipo de variables aleatorias, se realizaron estudios de distribucin que permiten agrupar el conjunto de valores posibles y relacionar a los mismos con sus respectivas probabilidades de ocurrencia.

1.1 Distribucin y Proceso de Poisson

Particularmente, el proceso de Poisson toma en cuenta un continuo en el cual ocurren los eventos; de manera que se establece una relacin entre estos dos aspectos. Por ejemplo: si se evalan la cantidad de fallas de un sistema cualquiera en 5 horas, el continuo sera el tiempo y los eventos serian las fallas que ocurren. La referencia al continuo no necesariamente est ligada al tiempo, tal que si se toma en consideracin una rollo de cinta para impresoras y se cuentan los tramos en los que el rollo no posee tinta, el continuo sera la longitud de cinta que posee el rollo y los eventos la cantidad de tramos sin tinta. En este orden de ideas, el proceso de Poisson toma en cuenta 3 variables a saber: T: representa la longitud de un intervalo del continuo que va a estudiarse K: representa la cantidad de eventos en ese intervalo: ?: representa la cantidad esperada de eventos por unidad de tiempo. Estas 3 variables pueden observarse en el siguiente ejemplo: Si se considera un equipo de Radio Ayudas (DVOR) el cual falla 2 veces cada una hora, y se evala dicho evento durante 5 horas (desde las 13:00 hasta las 18:00), en los que falla 11 veces. Las variables seran vistas como: T = 5 horas "el continuo tiempo de evaluacin" K= 11 eventos "cantidad de fallas registradas" ?= 2 eventos/hora "cantidad de eventos por horas" De tal manera que, conocidas las cantidades de eventos que se registran en la evaluacin (?) podra cuestionarse acerca de la cantidad de eventos en un determinado tiempo, o bien el tiempo que hay que esperar hasta observar una cantidad de eventos. De este planteamiento surgen 3 distribuciones de probabilidad a estudiar en la presente investigacin: a) distribucin de Poisson: en la cual se considera la cantidad de eventos en el periodo de evaluacin el continuo, b) distribucin Gamma en la cual se determina la cantidad de tiempo necesario hasta observar cierta cantidad de eventos, c) distribucin exponencial negativa, que es una derivacin de la distribucin Gamma y se determina la cantidad de tiempo para observar el primer evento. El proceso de Poisson se caracteriza por ser estacionario, independiente en el nmero de resultados que suceden en un intervalo de tiempo o regin del espacio y simple. De manera que, de acuerdo a este proceso la probabilidad de que ocurra un solo resultado durante un intervalo de tiempo muy corto o en una regin pequea es proporcional al propio valor tomado como referencia (bien sea de tiempo o regin); mientras que la probabilidad de que ocurra mas de un resultado en tal intervalo corto o que caiga en tal regin es prcticamente insignificante. En referencia a la distribucin de Poisson, se utiliza cuando existe un determinado intervalo en el que suceden eventos y se necesita calcular la cantidad de stos en dicho intervalo, de manera que para utilizar esta distribucin se toma en consideracin un parmetro denominado Media, que no es ms que una tendencia estadstica. Sus aplicaciones se evidencian con frecuencia en el control de calidad, la garanta de la calidad, el muestreo e incluso para estudios de confiabilidad. EL PRESENTE TEXTO ES SOLO UNA SELECCION DEL TRABAJO ORIGINAL. PARA CONSULTAR LA MONOGRAFIA COMPLETA SELECCIONAR LA OPCION DESCARGAR DEL MENU SUPERIOR.

Comentarios
Para dejar un comentario, regstrese gratis o si ya est registrado, inicie sesin.

Trabajos relacionados
Modelo de formacin de valores del profesional de ingeniera mecnica. Experiencias adquiridas en la aplicacin de este ...

La formacin de valores cvicos y ticos en estudiantes de ingeniera mecnica Transporte y Distribucin de HidrocarburosPlanificacin de un
Sistema de Transmisin de Gas Natural. Estudios de Impacto Ambiental y de Riesgos en Ductos. Transpo...

Produccin y Almacenamiento de Petrleo y GasProduccin

Petrolera. Accesorios de Superficie. Reactivacin de pozos de baja productividad. Mtodos para mejorar la rec... Ver mas trabajos de Ingenieria
Nota al lector: es posible que esta pgina no contenga todos los componentes del trabajo original (pies de pgina, avanzadas formulas matemticas, esquemas o tablas complejas, etc.). Recuerde que para ver el trabajo en su versin original completa, puede descargarlo desde el men superior.

Todos los documentos disponibles en este sitio expresan los puntos de vista de sus respectivos autores y no de Monografias.com. El objetivo de Monografias.com es poner el conocimiento a disposicin de toda su comunidad. Queda bajo la responsabilidad de cada lector el eventual uso que se le de a esta informacin. Asimismo, es obligatoria la cita del autor del contenido y de Monografias.com como fuentes de informacin.

El Centro de Tesis, Documentos, Publicaciones y Recursos Educativos ms amplio de la Red. Trminos y Condiciones | Haga publicidad en Monografas.com | Contctenos | Blog Institucional Monografias.com S.A.

2 de 2

16/07/2013 14:08