Professional Documents
Culture Documents
PROCESOS ESTOCÁSTICOS
RESUMEN: 1 INTRODUCCIÓN.
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
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?
( ) ( ) ( )
Valor medio:
( ) ( ) ( )
Varianza:
( ) ( ) ( )
de la amplitud mínima x0 y que ocurre el 1%
de las veces
( )
( )
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 ( ) ( )
( ) ( ) ( )
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
5 BIBLIOGRAFIA