Procesos Estocsticos

Unidad 1 Actividad 1

CONCEPTOS BSICOS
19 de julio de 2015
Autor: Laura Pontn

Procesos Estocsticos
Unidad 1 Actividad 1
Instrucciones:
1. Relaciona las siguientes columnas escribiendo en cada parntesis el nmero que
corresponde.
1. Una variable aleatoria E(X|Y) que toma los valores E(X|Y=y) si Y
es discreta o bien E(X|YA) si Y es absolutamente continua.
2. P X x

x
x!

e
.

3. f x1, x2 ,..., xn P X1 x1, X 2 x2 ,..., X n xn

4. Para una sucesin

La distribucin de
probabilidad Poisson

( 2)

La funcin de densidad
normal

(6)

La regla de probabilidad total

(7)

La funcin de densidad
conjunta de variables
aleatorias discretas

(3)

La funcin de densidad
condicional

( 8)

Esperanza o valor esperado de

una variable aleatoria.

( 5)

Esperanza condicional de una

variable dado que otra
variable toma un valor

(10 )

Esperanza condicional de una

variable dada otra variable

( 1)

La ley fuerte de los grandes

nmeros

(4)

El Teorema del Lmite

Central

(9)

X1, X 2 , X3 ,... de variables aleatorias

independientes e idnticamente distribuidas, con media comn y

varianza finita, se tiene

X1 X 2 ... X n
que converge casi
n

seguramente a cuando n tiende a infinito.

5.

x P X x si X es discreta, xf x dx si X es
i

xi

absolutamente continua.

1
6. f x
e
2

x 2
2 2

7. P B P A1 P B A1 ... P Ak P B Ak donde

A1,..., Ak forman una particin de .

8. f x y

f x, y
si f y 0 .
f y

9. Para una sucesin

X1, X 2 , X3 ,... de variables aleatorias

Procesos Estocsticos | 19/07/2015

independientes e idnticamente distribuidas, con media comn y

varianza finita 2 , se tiene que

X1 X 2 ... X n
converge en
n

distribucin a una variable Y con distribucin normal de parmetros

y 2 /n, cuando n tiende a infinito.
10.

xf x y si X es discreta,
x

absolutamente continua.

xf x y dx si X es

2. Elige los tres conceptos ms difciles para ti de los anteriores y elabora la siguiente tabla, evita colocar
ejemplos de internet:
Concepto 1

La distribucin de
probabilidad Poisson

Ejemplo en tu contexto real

Dado que la distribucin de probabilidad de Poisson es una distribucin de
probabilidad discreta, que nos permite a partir de una frecuencia de ocurrencia
media, la probabilidad de que ocurra un determinado nmero de eventos durante
cierto periodo de tiempo y muchos estudios se basan en conteos de las veces en
que suele ocurrir cierto evento en particular en una cierta rea de oportunidad,
un ejemplo podra ser que si un call center de una compaa de cmputo recibe
en promedio 6 quejas de descomposturas al da cules son las probabilidades de
que reciba a) 4 quejas de descomposturas en un da determinado. Para este caso
entonces se puede aplicar la distribucin de Poisson, donde aplicamos la frmula

P X x

x
x!

Tal que =
=
0,1,2,3,4,
= 6
= 2.718
( = 4, = 6) =

(6)4 (2.718)6
(1296)(0.00248)
=
= 0.13392
4!
24

Referencias bibliogrficas:
Levine, D., Krenhbiel, T., & Berenson, M. (2013). Estadstica para la Admiistracin. Mxico: Pearson
(21 de Julio de 2015) Distribucin de Poisson Extrado de
http://www.itch.edu.mx/academic/industrial/sabaticorita/_private/05Distr%20Poisson.htm
(21 de Julio de 2015) Distribucin de Poisson Extrado de
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Poisson

La funcin de densidad
normal

Ejemplo en tu contexto real

Siendo el modelo continuo ms importante en estadstica, debido a su aplicacin directa,
donde muchas variables de inters general podran describirse por este modelo, como
tambin por sus propiedades, que han permitido el desarrollo de numerosas tcnicas de
inferencia estadstica. Tal que, se le conoce como Normal ya que durante algn un
tiempo se pensaba, por parte de mdicos y bilogos, que todas las variables naturales
seguan este modelo. Tambin conocida como distribucin Gaussiana.
x 2

f x

1
e
2

2 2

Por ejemplo, tenemos el caso de los tests de inteligencia IQ, los cuales han sido
diseados para que muestren un comportamiento normal, tal que cualquier prueba que
contenga una cantidad suficiente de preguntas distribuidas en un rango amplio de grados
de dificultad, en una variedad muy amplia de tpicos o temas y en la que se incluyan
preguntas que tengan una fuerte correlacin con el resultado final de la prueba,
mostrarn una distribucin normal.

Procesos Estocsticos | 19/07/2015

Concepto 2

Referencias bibliogrficas:
(21 de Julio de 2015).. Extrado de
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo4/B0C4m1t4.htm
(21 de Julio de 2015).. Extrado de http://delta.cs.cinvestav.mx/~francisco/prope/Normal.pdf
Concepto 3

La funcin de densidad
conjunta de variables
aleatorias discretas

Ejemplo en tu contexto real

Donde una variable aleatoria se aplica directamente a una pregunta de inters de
un fenmeno, tal que las variables aleatorias conjuntas representan entonces
varias caractersticas, que normalmente se utilizan para responder a diversas
preguntas de inters en un mismo fenmeno

f x1, x2 ,..., xn P X1 x1, X 2 x2 ,..., X n xn

Por ejemplo sea el caso de que se tire 3 veces una moneda equilibrada, donde X
sea el nmero de caras y Y en nmero de caras en las dos primeras tiradas
Entonces ambas variables son discretas, tal que = {0,1,2,3}, = {0,1,2}
y/x

1/8

1/8

2/8

2/8

1/8

1/8

Total

Total

Procesos Estocsticos | 19/07/2015

Con esta tabla obtuvimos la funcin de probabilidad conjunta

Referencias bibliogrficas dcb.unam. (21 de Julio de 2015). Divisin de Ciencias Bsicas, UNAM.
Extrado de
http://www.dcb.unam.mx/users/angellbs/htm/GRUPO1/ARCHIVOS_VARIOS_G1/PyE
_T5.pdf:
http://www.dcb.unam.mx/users/angellbs/htm/GRUPO1/ARCHIVOS_VARIOS_G1/PyE
_T5.pdf
http://www.dm.uba.ar/materias/estadistica_Q/2008/1/EstadQuimDistConjyTCL.pdf