Академический Документы
Профессиональный Документы
Культура Документы
Universidad Mayor
Primavera 2014
1
2
1
2
3
1
2
3
4
1
2
3
4
5
1
2
3
4
5
6
Ecuaciones de Chapman-Kolmogorov
Ecuaciones de Chapman-Kolmogorov
Clasificacin de Estados
Ecuaciones de Chapman-Kolmogorov
Clasificacin de Estados
Probabilidades Lmite
Ecuaciones de Chapman-Kolmogorov
Clasificacin de Estados
Probabilidades Lmite
Aplicaciones
4. Procesos de Poisson
4. Procesos de Poisson
Definiciones
4. Procesos de Poisson
Definiciones
Argumento de Renovacin y Prdida de Memoria
4. Procesos de Poisson
Definiciones
Argumento de Renovacin y Prdida de Memoria
Proceso de Poisson Compuesto
4. Procesos de Poisson
Definiciones
Argumento de Renovacin y Prdida de Memoria
Proceso de Poisson Compuesto
Procesos de Poisson Filtrado
4. Procesos de Poisson
Definiciones
Argumento de Renovacin y Prdida de Memoria
Proceso de Poisson Compuesto
Procesos de Poisson Filtrado
Aplicaciones
5. Sistemas de Espera
5. Sistemas de Espera
Introduccin, ejemplos
5. Sistemas de Espera
Introduccin, ejemplos
Sistema M/M/1
5. Sistemas de Espera
Introduccin, ejemplos
Sistema M/M/1
Sistemas M/M/C
5. Sistemas de Espera
Introduccin, ejemplos
Sistema M/M/1
Sistemas M/M/C
La ecuacin de Little
5. Sistemas de Espera
Introduccin, ejemplos
Sistema M/M/1
Sistemas M/M/C
La ecuacin de Little
Costos asociados a la espera
5. Sistemas de Espera
Introduccin, ejemplos
Sistema M/M/1
Sistemas M/M/C
La ecuacin de Little
Costos asociados a la espera
Sistema M/G/1
5. Sistemas de Espera
Introduccin, ejemplos
Sistema M/M/1
Sistemas M/M/C
La ecuacin de Little
Costos asociados a la espera
Sistema M/G/1
Sistema G/M/1
5. Sistemas de Espera
Introduccin, ejemplos
Sistema M/M/1
Sistemas M/M/C
La ecuacin de Little
Costos asociados a la espera
Sistema M/G/1
Sistema G/M/1
Redes de Sistemas de Espera
Prueba 2(20%)
Unidades 3 y 4.
Fecha: 20 de Octubre
Prueba 3(30%):
Unidades 5 y 6
Fecha: 17 de Noviembre
3 Tareas (20%):
Unidades 1 a 6.
Fechas: Entrega el mismo da de la pruebas.
D EFINICIN
Un proceso estocstico(PE) (Xt )t2T R+ es una familia infinita de variables
aleatorias, con ndices en T R+ donde las va Xt toman valores en algn
conjunto E,llamado espacio de estados.
Si T es numerable, se dice que el PE es a tiempo discreto.
Si T = R+ o T = [0, b], se dice que el PE es a tiempo continuo.
Si las va Xt son discretas, se dice que el PE es a valores discretos.
Si las va Xt son continuas, se dice que el PE es a valores continuos.
D EFINICIN
Sea el espacio muestral de algn experimento E . Se dice que la familia
F P () es una -lgebra de si cumple con las siguientes propiedades:
1
2
3
2 F,
2F
Si A 2 F ) A
Para toda familia fAi gi2I
F , I numerable,
i2I
Ai 2 F .
D EFINICIN
Sea el espacio muestral de algn experimento E . Se dice que la familia
F P () es una -lgebra de si cumple con las siguientes propiedades:
1
2
3
2 F,
2F
Si A 2 F ) A
Para toda familia fAi gi2I
F , I numerable,
i2I
Ai 2 F .
E JEMPLO
Para un e.m. cualquiera, las siguientes F cumplen las propiedades de
-lgebra:
g , F = P ()
F = f?, g , F = f?, A, A,
Prof. Jaime Carrasco
Investigacin de Operaciones II
D EFINICIN
P : F ! [0, 1] es una funcin de probabilidad para (, F ) si se cumplen las
siguientes propiedades
1
P () = 1
i2I
Ai
(, F , P)
espacio de probabilidad
1
2
3
4
5
P (?) = 0
) = 1 P (A)
P (A
A B ) P (A) P (B)
P (A [ B) = P (A) + P (B)
P
i2I
Ai
P (Ai ) , I numerable.
i2I
Notacin: AB := A \ B.
P (A \ B)
D EFINICIN
Sea (, F , P) y A, B 2 F . se define
P (A j B) : =
P (AB)
P (B)
D EFINICIN
A y B son independientes ssi P (AB) = P (A) P (B).
Sea jI j < . fAi gi2I es una familia de eventos independientes si
!
P
Ai
i2J
= P (Ai ) , 8J
i2J
i2I
Ai , y
P ROPOSICIN
Sea fAi gi2I una particin de y A 2 F cualquiera. Entonces
P (A) =
P (A j Ai ) P (Ai )
i2I
P ROBABILIDADES T OTALES
E JEMPLO
En cierta planta de montaje, 3 mquinas M1 , M2 y M3 montan el 30%, 40%
y el 25% de los productos respectivamente. Se sabe de la experiencia que el
2%, 3% y el 2% respectivamente de los productos ensamblados por cada
mquina tienen defectos. Se selecciona al azar un producto determinado.
Cul es la probabilidad que est defectuoso?
F RMULA DE B AYES
P ROPOSICIN
Sea fAi gi2I una particin de y Ai , A 2 F cualquieras. Entonces
P (Ai j A) =
P (A j Ai ) P (Ai )
P (A j Ai ) P (Ai )
i2I
F RMULA DE B AYES
P ROPOSICIN
Sea fAi gi2I una particin de y Ai , A 2 F cualquieras. Entonces
P (Ai j A) =
P (A j Ai ) P (Ai )
P (A j Ai ) P (Ai )
i2I
:
:
!V R
w ! X (w) 2 R
(B)
PX (X 2 [a, +)) = P (X
b)
b)
a)
Funcin de Distribucin:
FX ( x ) : = P ( X
FX (x) =
Zx
x)
fX (y) dy (X continua)
FX (x) =
P (X = y)
y x
Prof. Jaime Carrasco
Investigacin de Operaciones II
(X discreta)
DE I NTERS
Esperanza:
E [X ] =
xP (X = x)
(caso discreto)
E [X ] =
2
Varianza:
h
Var (X) = E (X
Covarianza:
Cov (X, Y)
i
h i
X )2 = E X2
= E [(X X ) (Y Y )]
= E [XY] E [X] E [Y]
(E [X])2
PARA
VARIABLES A LEATORIAS
P (A j X = x) dFX (x)
Caso Discreto:
P (A) =
P (A j X = x) P (X = x)
x
E JEMPLO
Si A = X1 < X2 y Xi
E [X j Y = y] fY (y) dy
Caso Discreto
E [X ] =
E [X j Y = y] P (Y = y)
y
1
1 + 2
+ Xn
Gamma (n, )
Pruebe que:
5. E [E [X j Y]] = E [X] .
6. Var (X) = E [Var (X j Y)] + Var (E [X j Y])
X2 , X1 + X2 ) = 0.