ITE3248-2491Y2490 PROCESOS ESTOCÁSTICOS 1

Proyecto de Procesos Estocásticos

César Hidalgo, Estudiante UDLA,
cesar.hidalgo@udla.edu.ec

Resumen—Con este trabajo se busca desarrollar un ejemplo I-D. Distribución Exponencial

de aplicación donde se construye una función de distribución
de probabilidad relacionada a una variable aleatoria uniforme La distribución exponencial es el equivalente continuo de
empleando la herramienta de simulación MatLab. la distribución geométrica discreta. Esta ley de distribución
Index Terms—Estadística, Función de Densidad, MatLab, describe procesos en los que:
Modelo probabilístico, Probabilidad. Interesa saber el tiempo hasta que ocurre determinado
evento, sabiendo que,
I. I NTRODUCCIÓN el tiempo que pueda ocurrir desde cualquier instante dado
NA variable aleatoria es una función que asocia un valor t, hasta que ello ocurra en un instante tf , no depende del
U numérico a cada posible resultado de un experimento
aleatorio.1
tiempo transcurrido anteriormente en el que no ha pasado
nada.
I-D1. Ejemplos:
Función de probabilidad: Sea X una variable aleatoria El tiempo que tarda una partícula radiactiva en desinte-
discreta con posibles valores x1 , x2 , .... Se llama función de grarse. El conocimiento de la ley que sigue este evento
probabilidad o función de masa, al conjunto de probabilidades se utiliza en Ciencia para, por ejemplo, la datación de
con las que X toma cada uno de sus valores, es decir, fóiles o cualquier materia orgánica mediante la técnica
pi = P [X = xi ], para i = 1, 2, .... del carbono 14, C14.
El tiempo que puede transcurrir en un servicio de urgen-
I-A. Propiedades de la Función de Densidad de Probabili- cias, para la llegada de un paciente; en un proceso de
dad Poisson donde se repite sucesivamente un experimento
a intervalos de tiempo iguales, el tiempo que transcurre
P≤ P [X = xi ] ≤ 1.
0
entre la ocurrencia de dos sucesos consecutivos sigue
i P [X = xi ]P
= 1.
P [X ≤ xi ] = i,xi ≤x P [X = xi ]. un modelo probabilístico exponencial. Por ejemplo, el
P [X > x] = 1 − P [X ≤ x]. tiempo que transcurre entre que se sufre dos veces una
herida importante.

I-B. Esperanza
Sea X una variable aleatoria discreta que toma valores I-E. Definición de la Función de Distribución Exponen-
x1 , x2 , ...: X cial
E[X] = xi · P [X = xi ] Si una variable aleatoria continua X distribuida a lo largo
i
de R, es tal que su función de densidad es
Sea X una variable aleatoria discreta que toma valores R:
Z px (x) = λe−λx µ(x), λ > 0 (1)
E[X] = xi · f (x)dx
R
Y que se encuentra dispuesta ilustrada gráficamente en
la figura 1.
I-C. Varianza
Sea X una variable aleatoria discreta que toma valores
x1 , x2 , ...:
X
V ar[X] = x2i · P [X = xi ] − E[X]2
i

Sea X una variable aleatoria discreta que toma valores R:

Z
V ar[X] = x2i · f (x)dx − E[X]2
R
C. Hidalgo estudia en el Departamento de Ingeniería en Electrónica y
Telecomunicaciones de la Universidad De Las Américas, Quito, Ecuador
Elaborado el 1 de Febrero de 2020.
1 Notación: Se denotan las variables aleatorias con letras mayúsculas, y sus Figura 1: Distribución Exponencial Negativa.
posibles valores con letras minúsculas.
ITE3248-2491Y2490 PROCESOS ESTOCÁSTICOS 2

II. D ESARROLLO
El enunciado de lo solicitado es:

A partir de una variable aleatoria uniforme, genere un

vector de tamaño 10000 de variables exponenciales negativas,
cuya PDF es dada por: px (x) = λe−λx µ(x), λ > 0. Haga
λ = 10. Obtenga la PDF del vector de variables aleatorias
a través de la normalización del histograma, recordando que
toda PDF tiene área unitaria y obtenga la media y la varianza.
Compare con los resultados teóricos esperados. El código
propuesto para la solución del problema planteado, se halla
en el anexo A.

III. R ESULTADOS
Los valores que arroja el programa están ilustrados en la
figura 2.
Figura 3: Valores numéricos arrojados por el programa
MatLab.

mostrados en la sección III y cuyo código está detallado en

el Anexo A.

La función de distribución exponencial es un caso especial

de la distribución gamma, ambas tienen un gran número
de aplicaciones. Las distribuciones exponencial y gamma
juegan un papel importante tanto en teoría de colas como
en problemas de confiabilidad. El tiempo entre las llegadas
en las instalaciones de servicio y el tiempo de falla de los
componentes y sistemas eléctricos, frecuentemente involucran
la distribución exponencial. La relación entre la gamma y la
exponencial permite que la distribución gamma se utilice en
tipos similares de problemas.

A PÉNDICE
A LGORTIMO UTILIZADO
Figura 2: Valores numéricos arrojados por el programa
MatLab.
1 %% *Procesos Estocásticos*
2 %
El valor medio corresponde al cálculo numérico de la 3 % *Universidad De Las Américas*
esperanza matemática de la distribución buscada, la variable 4 %
5 % Progreso #3
integral efectúa la comprobación de que la PDF hallada 6 %
cumpla con el requisito de que su área bajo la curva valga 7 % Trabajo de Simulación
uno. El error porcentual comprara el área hallada con el área 8 %
9 % Grupo Impar
unitaria, que no llega al 1 %. 10 %
11 % A partir de una variable aleatoria ...
En la figura 3 se puede ver el resultado de la aproximación uniforme, genere un vector de tamaño
12 % $10000$ de variables exponenciales ...
del histograma con barras en color azul con la función de negativas, cuya PDF es dada por:
distribución exponencial en color rojo. 13 % $p_x(x)=\lambda e^{−\lambda x} \mu (x)$, ...
$\lambda >0$. Haga $\lambda=10$.
14 % Obtenga la PDF del vector de variables ...
IV. C ONCLUSIONES aleatorias a través de la
Se ha aprendido a contrastar valores obtenidos 15 % normalización del histograma, recordando ...
que toda PDF tiene área unitaria
experimentalmente de la distribución de probabilidad 16 % y obtenga la media y la varianza. Compare ...
exponencial mediante un algoritmo desarrollado en MatLab con los resultados teóricos
siguiendo los lineamientos determinados por el documento 17 % esperados.
18 %
del proyecto mediante el uso de un histograma que permitió la 19 %% Programa
comprensión de lo solicitado y la obtención de los resultado 20 %
ITE3248-2491Y2490 PROCESOS ESTOCÁSTICOS 3

21 %% Limpiar programa
22 clc; close all; clear all;
23 %% Definición de los $10000$ puntos
24 puntos=10000
25 %% Normalización:
26 limite_inferior=0
27 limite_superior=0.6
28 paso=(limite_superior−limite_inferior)./(puntos−1)
29 %% Definición del factor $\lambda$
30 lambda=10
31 %% Creación del vector de variables ...
aleatorias normalizado con los $10000$ ...
puntos
32 x = limite_inferior:paso:limite_superior;
33 %% Número de elementos en el vector de ...
variables aleatorias x
34 elementos_x=length(x)
35 %% Creación del vector de distribución ...
exponencial negativa normalizado ...
$p_x(x)=\lambda e^{−\lambda x} \mu (x)$
36 y = lambda.*exp(−lambda.*x);
37 %% Número de elementos en el vector de la ...
distribución exponencial negativa
38 elementos_y=length(y)
39 %% Valor medio de un vector aleatorio x
40 valor_medio=sum(x)./length(x)
41 %% Varianza del vector aleatorio x
42 varianza=sum((x−valor_medio).^2)./(length(x)−1)
43 %% Comprobación de la PDF
44 integral = trapz(x,y) %Debe ser uno.
45 %% Cálculo del error porcentual
46 error_porcentual=100.*abs(integral−1)./1
47 %% Histograma del vector de variables ...
aleatorias x
48 %hist(x,2)
49 bar(x, y / trapz(x, y)); hold on ...
%aproximación a la curva
50 plot(x, y, 'r');
51 hold off;
52 xlabel({'Variables Aleatorias ...
x','(normalizado)'})
53 title('p_x(x)=\lambda e^{−\lambda x} \mu ...
(x), \lambda >0','Color','b')
54 grid on

R EFERENCIAS
[1] Walpole, R., Myers, R., Myers, S., & Ye, K. (2007). Probabilidad y
Estadística para Ingeniería y Ciencias (Octava ed.). México: Pearson
Prentice Hall.
[2] Quevedo Urías, H., & Pérez Salvador, B. (2008). Estadística para Inge-
niería y Ciencias. México, D.F. : Grupo Editorial Patria.