Procesos Estocsticos

Unidad 1 Asignacin FInal

INTRODUCCIN A LOS PROCESOS ESTOCSTICOS

16 de agosto de 2015
Autor: Laura Pontn

Procesos Estocsticos
Unidad 1 Asignacin FInal
Introduccin
Proceso de Bernoulli
El proceso de Bernoulli ocurre cuando un experimento posee las siguientes caractersticas
Slo hay dos resultados posibles
Aceptable(A)

Procesos Estocsticos | 16/08/2015

Defectuoso(D)

La proporcin de A y D es constante en la poblacin y no se modifica cualquiera que sea la cantidad observada

() =
() = = 1
Las observaciones son independientes

Ejemplos
Observar el resultado al lanzar una moneda
Si una pieza es defectuosa o no en un proceso de fabricacin
Si se transmite correctamente un bit a travs de un canal digital
Distribucin de Bernoulli
0 = 1 = Pr( = 0)
={
1 = ( = 1)

La funcin de probabilidad es
() = (1 )1 = 0.1
= [] = 0 (1 ) + 1 =
= [] = (0 )2 (1 ) + (1 )2 = (1 )
Si se repite un nmero fijo de veces n, un experimento de Bernoulli con parmetro p, el nmero de xitos sigue una distribucin Binomial de parmetros (n,p)

Procesos Estocsticos | 16/08/2015

Entonces

 = Nmero de veces que ocurre un suceso en las n pruebas

~(, )
X toma valores 0,1,2,...n
Donde la funcin de probabilidad es
n
P(X = r) = ( ) pr (1 p)nr , r = 0,1, n
r
E[X] = np
Var[X] = np(1 p)

Procesos Estocsticos | 16/08/2015

Suponga un proceso Bernoulli, como el obtener guila o sol al lanzar una moneda.

1. Defina la variable aleatoria, Xn, S y T.

Al obtener guila o sol, tenemos que:
La probabilidad al lanzar una moneda al aire, al caer guila (1) o sol (0), en n intentos
: Resultado de lanzar una moneda, guila o sol, en el lanzamiento n.
: {(1), (0)} el resultado del lanzamiento es: discreto.
: {0,1,2,3, , } Intentos: a tiempo discreto.

Se trata de un proceso estocstico discreto a tiempo discreto.

n
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Xn
0
1
0
0
1
0
0
1
1
0
0
1
1
0
0

2. Obtenga la esperanza estimada y varianza estimada (haciendo uso de estadstica, no es la terica)

[] = ( = )
=1

Como las probabilidades son iguales, tanto la probabilidad de xito y fracaso tienen el mismo valor:
=

1
2

=1 =1

1
2

Procesos Estocsticos | 16/08/2015

Suponga que se obtuvieron los siguientes resultados:

==
[] =

1
2

1 + 2 + 3 + +

Al tener la frmula de la media aritmtica de los valores de 1 + 2 + 3 + + , , la esperanza para este caso, es la media.
Tomando en cuenta:

10

11

12

13

14

15

Entonces la esperanza estadstica para este proceso es:

Procesos Estocsticos | 16/08/2015

[] =

0+1+0+0+1+0+0+1+1+0+0+1+1+0+0
=
15
[] =

6
15

[] =

2
5

Y por consiguiente, la media tiene este valor tambin:

=

2
5

La esperanza estimada estadstica es de [] =

Clculo de la varianza estimada estadstica:
[] = [( )2 ]

2
5

Para el caso de variables aleatorias discretas, con una funcin de probabilidad () tenemos que

= [] = [( )

2]

= ( )2 ( )
=1

Siendo que las probabilidades son iguales:

2 = [] =

(1 )2 + (2 )2 + + ( )2

Tal que se define como la varianza de un conjunto de nmeros 1 + 2 + 3 + +

Y: =

10

11

12

13

14

15

2
5
[] =
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2
2 2 18
(0 ) + (1 ) + (0 ) + (0 ) + (1 ) + (0 ) + (0 ) + (1 ) + (1 ) + (0 ) + (0 ) + (1 ) + (1 ) + (0 ) + (0 )
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5 = 5
=
15
15

[] =

6
25

(
)

Procesos Estocsticos | 16/08/2015

Entonces, tenemos que para:

Procesos Estocsticos | 16/08/2015

10

11

12

13

14

15

2
5
2
5
2
5
2
5
2
5

25

0.16

3
5
25
25
3
5

0.36

2
5
2
5
2
5
2
5
2
5
2
5
2
5
2
5
2
5
2
5

25

0.16

25

0.16

3
5
3
5
25
25
3
5
3
5
2
5
25

0.36

0.16
0.16
0.36

0.36
0.16
0.16
0.36
0.36
0.16
0.16
3.6

[] =

3.6
6
= 0.24 =
15
25

El valor de la varianza estimada estadstica es [] = 25

Tomando en cuenta el proceso Bernoulli podemos formar otro proceso estocstico considerando el conjunto de n procesos Bernoulli donde la variable aleatoria:
= 1 + 2 +
= 1,2,3
A este proceso se la llama Proceso Binomial
3. Qu presenta Sn de este nuevo proceso?

4. Establece de Sn S y T.
= 1 + 2 +
= {0,1,2,3. . . }
= {0,1}
5. Determina si Sn es un proceso independiente
No es un proceso independiente, porque el valor de depende del valor de 1
6. Determina si Sn tiene incrementos independientes
El proceso { 1} es de incrementos independientes:
Sea que por definicin de las variables tal que 1 , 2 , 3 , determinan completamente a 1 , 2 , 3 ,
Ahora como 1 = 1 y = 1 para 2.

Procesos Estocsticos | 16/08/2015

Es la cantidad de guilas, que se han presentado en el tiro o en el tiro. Tal que es la suma de los xitos, (guilas) que se presentan en el
proceso. Siendo una sucesin de variables aleatorias independientes:{ 1}


Al tener 1 , 2 , 3 , tenemos conocido a 1 , 2 , 3 ,

{+ = | 1 , 2 , 3 , } = {+ = | 1 , 2 , 3 , }
Tal que
= {+1 + +2 + + + = | 1 , 2 , 3 , }

= {+1 + +2 + + + = } = {+ = } = ( )

el proceso { 1} es de incrementos independientes.

Procesos Estocsticos | 16/08/2015

7. Determina si Sn es un proceso markoviano

Siendo este tipo de procesos modelos tal que siendo conocido el estado presente del sistema, los estados anteriores no tienen influencia en los estados futuros del
sistema.
Expresndose de la siguiente manera:
Para cualesquiera estados 1 , 2 , , 1 (pasado), (presente), +1 (futuro), se cumple la igualdad:
{+1 = +1 | 1 = 1 , 2 = 2 , , = } = {+1 = +1 | = }
De tal manera que la probabilidad del evento futuro esta representado como +1 = +1 que slo depende del evento = siendo que el evento pasado
1 = 1 , 2 = 2 , , = es irrelevante.
Por lo que si se trata de un proceso de Markov , ya que para calcular la probabilidad de que despus del n-simo lanzamiento se tenga un cierto nmero de guilas,
slo es necesario saber cuntas guilas se haban acumulado hasta el lanzamiento n 1., sin que resulte de importancia cmo fue que se lleg a ese nmero de guilas.

8. Usando los valores del ejercicio 1 y obtn los resultados de Sn, para S1, S2, S15

1 = 1 = 0
2 = 1 + 2 = 0 + 1 = 1
3 = 1 + 2 + 3 = 0 + 1 + 0 = 1
4 = 1 + 2 + 3 + 4 = 0 + 1 + 0 + 0 = 1
5 = 1 + 2 + 3 + 4 + 5 = 0 + 1 + 0 + 0 + 1 = 2
6 = 1 + 2 + 3 + 4 + 5 + 6 = 0 + 1 + 0 + 0 + 1 + 0 = 2
7 = 1 + 2 + 3 + 4 + 5 + 6 + 7 = 0 + 1 + 0 + 0 + 1 + 0 + 0 = 2
8 = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 = 0 + 1 + 0 + 0 + 1 + 0 + 0 + 1 = 3
9 = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 = 0 + 1 + 0 + 0 + 1 + 0 + 0 + 1 + 1 = 4

11 = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10 + 11 = 0 + 1 + 0 + 0 + 1 + 0 + 0 + 1 + 1 + 0 + 0 = 4
12 = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10 + 11 + 12 = 0 + 1 + 0 + 0 + 1 + 0 + 0 + 1 + 1 + 0 + 0 + 1 = 5
13 = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10 + 11 + 12 + 13 = 0 + 1 + 0 + 0 + 1 + 0 + 0 + 1 + 1 + 0 + 0 + 1 + 1 = 6
14 = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10 + 11 + 12 + 13 + 14 = 0 + 1 + 0 + 0 + 1 + 0 + 0 + 1 + 1 + 0 + 0 + 1 + 1 + 0 = 6
15 = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10 + 11 + 12 + 13 + 14 + 15 = 0 + 1 + 0 + 0 + 1 + 0 + 0 + 1 + 1 + 0 + 0 + 1 + 1 + 0 + 0 = 6

Procesos Estocsticos | 16/08/2015

10 = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10 = 0 + 1 + 0 + 0 + 1 + 0 + 0 + 1 + 1 + 0 = 4

10

9.- Determina las frmulas de la esperanza y la varianza de terica:

Para el ejercicio 9, realiza la demostracin para llegar a las frmulas. Reconsidera tus resultados ya que p no es justamente 1/2, es el valor que
calculaste en el ejercicio 2. Reconsidera tu grfica.
Maestra ya puse la demostracin de las frmulas, pero en el punto de que p no es 1/2 no me queda claro porqu si lo que obtuvimos en el inciso 2 es la
varianza es [] =

6
25

entonces en lugar de aplicar ( ) =

aplico [] =

6
25

Pero como asi queda que p= [] = 25

Por eso ya no hice esa parte de la correccin porque tengo esa duda
Demostracin de la frmula de la esperanza matemtica
Sea que =
Tal que

( = ) = ( ) (1 )

Procesos Estocsticos | 16/08/2015

11

() = ( ) (1 )

=0

Pero como si k fuese igual a cero al multiplicar por cualquier valor nos dara cero, tal que entonces para efectos consideramos que = 1
Entonces

() = ( ) (1 )

=1

Ahora desarrollamos ( ) y obtenemos lo siguiente

() =
=1

!
(1 )
( )! !

Pero sabemos que ! = ( 1)! y que ! = ( 1)!

Entonces tenemos que:

() =
=1

( 1)!
(1 )
( )! ( 1)!

Al eliminar K nos queda

() =
=1

( 1)!
(1 )
( )! ( 1)!

() =
=1

( 1)!
( 1 )(1 )
( )! ( 1)!

Ahora extraemos de la sumatoria tanto a n como a p tal que

() =
=1

( 1)!
(1 )(1 )
( )! ( 1)!

Ahora para efectos vamos a considerar que:

1=
1=

Procesos Estocsticos | 16/08/2015

Pero como = 1 Entonces

12

Si despejamos tenemos que:

=+1
=+1
como nos queda sin definir entonces igualamos las ecuaciones para obtenerla de tal manera que:
= ( + 1) ( + 1)
=+11
=
Vamos a decir que = = 1
Ahora si 1 = 1 1 = = 0
Entonces sustituimos en la ecuacin y tenemos que

() =

Procesos Estocsticos | 16/08/2015

=0

13

!
(1 )
! ( )!

Entonces obtuvimos la sumatoria de la probabilidad de c/u de los sucesos de una distribucin binomial y como por definicin sabemos que sumando
todas las probabilidades de un suceso es igual a UNO
() = (1)

() =

Demostracin de la frmula de la varianza

Como por la Ley de Bernoulli tenemos que:

[ 2 ] = 0 (1 ) + 1 =

[] = 2 = (1 )
Ahora para la Ley Binomial tenemos la suma de Bernoullis independientes

() = = (1 )

Ahora como:

[ ] =
( ) = = (1 )
1

= [ ] =

1 1

( ) = = ( ) ( ) =
2 2
4
( ) =

2 = ( )
Entonces:

Procesos Estocsticos | 16/08/2015

Para = = 2

14


= =
4
2
Por lo tanto las formulas son:
[ ] =

( ) =

10. Obtn la esperanza y varianza usando los resultados para Sn, es decir para S1, S2, .. S15 haciendo uso de las formulas establecidas en el
ejercicio 9.

Procesos Estocsticos | 16/08/2015

[ ] =

15

( ) =

Para: = 1 los clculos son para 1 :

[1 ] =

1
= 0.5
2

[2 ] =

2
=1
2

(1 ) =

1
= 0.25
4

1 =

1
= 0.5
2

Para: = 2 los clculos son para 2 :

Para: = 3 los clculos son para 3 :

(2 ) =

2
= 0.5
4

2 =

2
= 0.707
2

[3 ] =

3
= 1.5
2

3
= 0.75
4

3 =

3
= 0.866
2

4
=1
4

4 =

4
=1
2

5
5
= 2.5 (5 ) = = 1.25
2
4

5 =

5
= 1.118
2

(3 ) =

Para: = 4 los clculos son para 4 :

[4 ] =

4
=2
2

(4 ) =

Para: = 5 los clculos son para 5 :

[5 ] =

Para: = 6 los clculos son para 6 :

6
6
= 3 (6 ) = = 1.5
2
4

[6 ] =

6 =

6
= 1.224
2

[7 ] =

7
= 3.5
2

(7 ) =

7
= 1.75
4

8
=4
2

(8 ) =

9
= 4.5
2

( ) =

7 =

7
= 1.322
2

Para: = 8 los clculos son para 8 :

[8 ] =

8
=2
4

8 =

8
= 1.414
2

Para: = 9 los clculos son para 9 :

[9 ] =

9
= 2.25
4

9 =

9
= 1.5
2

Procesos Estocsticos | 16/08/2015

Para: = 7 los clculos son para 7 :

16

Para: = 10 los clculos son para 10 :

[10 ] =

10
=5
2

[10 ] =

11
= 5.5
2

[10 ] =

12
=6
2

[10 ] =

13
= 6.5
2

[10 ] =

14
=7
2

(10 ) =

10 5
= = 2.5
4
2

10 =

10
= 1.5811
2

11
= 2.75
4

10 =

11
= 1.6583
2

12 6
= =3
4
2

10 =

12
= 1.7320
2

13
= 3.25
4

10 =

13
= 1.8027
2

14 7
= = 3.5
4
2

10 =

14
= 1.8708
2

Para: = 11 los clculos son para 10 :

(10 ) =

Para: = 12 los clculos son para 10 :

(10 ) =

Procesos Estocsticos | 16/08/2015

Para: = 13 los clculos son para 10 :

17

(10 ) =

Para: = 14 los clculos son para 10 :

Para: = 15 los clculos son para 10 :

(10 ) =

[10 ] =

15
= 7.5
2

(10 ) =

15
= 3.75
4

10 =

15
= 1.9364
2

Tanto la varianza, como la esperanza y la desviacin estndar son crecientes, tanto es como crezca n, crecen los tres parmetros.
12.

Determina si es un proceso estacionario.

El proceso no es estacionario debido a que la varianza y la esperanza crecen conforme avanza el tamao de la muestra, a diferentes tiempos

Procesos Estocsticos | 16/08/2015

11. Determina si la esperanza y varianza son crecientes, constantes o decrecientes. Elabora una grfica que muestre los resultados de la varianza y
esperanza. (Graficar los resultados del ejercicio 10)

18

13.Establece dnde puede usarse este proceso (Explica una posible aplicacin)
Las aplicaciones son muy amplias en la industria, por ejemplo sea el caso de la fabricacin de agujas estriles para la industria farmacutica, si se producen un millar de
agujas diariamente, siendo que el 20% de ellas son defectuosas, al extraer una muestra aleatoriamente de 100 agujas, se calcula la media y la desviacin estndar de la
distribucin binomial tal que:
= = 100 0.2
= = (100) (0.2) (0.8)
= 16
= 4
Un aparato electrnico contiene 40 circuitos integrados. La probabilidad de que un circuito sea defectuoso es 0.01 y los circuitos son independientes.
El producto funciona slo si no hay ningn circuito defectuoso
X = Nmero de circuitos defectuosos en los 40 de un aparato
( = 0)

Procesos Estocsticos | 16/08/2015

Cul es la probabilidad de que el aparato funcione?

19

X = Nmero de circuitos defectuosos en los 40 de un aparato

Lo que implica observar si un circuito es defectuoso o no. Se repite 40 veces por lo que son independientes
La probabilidad de ser defectuoso es constante, 0.01
~ (40,0.01)
40
( = 0) = ( ) 0.010 (1 0.01)40 = 0.669
0

Rbrica de evaluacin:
https://drive.google.com/file/d/0ByYJU1IJwKgkXzlNemRaTmJRVDg/view?usp=sharing
Bibliografa
Rincn, L. (2012). Introduccin a los procesos estocsticos. Mxico: UNAM-FC.
Spiegel, M. (1977). Probabilidad y estadstica. Bogot: Mc Graw Hill.

Procesos Estocsticos | 16/08/2015

Durban,M (s.f.) Apuntes de clase. Modelos de Probabilidad. Estadstica. Espaa: Carlos III de Madrid,.

20