Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Solemne 1 ADV
Solemne 1 ADV
Modelos Estocásticos
Profesores: Javiera Silva Arroyo
2020
• Envíe sus repuestas al correo mestocasticos.advance@gmail.com hasta las 23.59 hrs. del día 31 de Julio.
Conceptos
1. Explique exhaustivamente con sus propias palabras la propiedad Memoryless. Si lo cree necesario, puede
utilizar un ejemplo para usar como base de su explicación.
2. ¾Cuáles son los tipo de probabilidad revisadas en el curso? Entregue un ejemplo en palabras de cada clasi-
cación
Ejercicios
1. Suponga que usted se encuentra esperando su turno para ser atendido en una farmacia, y tiene el número 76.
Justo en el momento en que comienzan a atiender al cliente que tiene el número 74 (la farmacia atiende sólo a
una persona a la vez), usted recuerda que debe comprar algunos productos en una tienda cercana. Considere
que el tiempo medio de atención de un cliente en esta farmacia es de 10 minutos.
(a) Si usted estima que se va a demorar 4 minutos en ir, comprar lo que necesita y volver a la farmacia,
plantee probabilidad de que pierda su turno, argumentando el porqué de su planteamiento.
(b) ¾Cuántos clientes en promedio son atendidos en una hora?
2. Suponga que usted es el Jefe a cargo del área de ventas telefónicas de una empresa. En base a su experiencia,
usted estima que la probabilidad de realizar exitosamente una venta telefónica es de un 10%. El área opera
20 días en un mes.
(a) Si un vendedor realiza 10 llamadas por día, y su meta es de 25 ventas en un mes. Plantee claramente la
probabilidad de que cumpla dicha meta.
(b) Si la meta de ventas de un vendedor es de 50 ventas por mes, ¾cuál es la probabilidad de que logre
cumplir la meta si realiza 300 llamadas en el mes?
(c) ¾Cuántas llamadas debe hacer un vendedor, en promedio, para concretar la primera venta?
1
Formulario
Distribución Binomial
n
F. masa: f (x = k) = pk · (1 − p)n−k k = 0, 1, . . . , n
k
n
Donde: n!
= k!·(n−k)!
k
Esperanza: E(x) = np
Varianza: V (x) = np(1 − p)
Distribución Geométrica
F. masa: f (x = k) = (1 − p)n−1 p k = 1, 2, . . .
Esperanza: E(x) = 1−pp
Varianza: V (x) = p2
(1−p)
Distribución Binomial
Negativa
n−1
F. masa: f (x = n) = pk (1 − p)
n−k
k = 0, 1, . . .
k−1
Esperanza: E(x) = k(1−p)
p
Varianza: V (x) = k(1−p)
(p)2
Distribución Poisson
F. masa: f (i) = f (X = i) = e−λ λi!
i
i = 0, 1, . . .
Esperanza: E(x) = λ
Varianza: V (x) = λ
Distribución Exponencial
F. densidad: f (x) = λe−λx x≥0
1
Esperanza: E(X)=
λ
1
Varianza: V (X)= 2
λ
F. dist. probabilidad:F (a) = P {X ≤ a} = 1 − e−λa
Proceso de Poisson n
F. masa: P (N (t + s) − N (s) = n) = e−λt (λt)
n! , n = 0, 1, . . .
Esperanza: E(N (t))=λt
Varianza: V ar(N (t))=λt
Page 2