República Bolivariana de Venezuela

Ministerio del poder popular para la defensa

Universidad Nacional Experimental de las Fuerzas Armadas
Ingeniera de sistema 6 semestres
Asignatura: PROCESOS ESTOCASTICOS

Guia n3
Espereza de la matemática

Profesor: Alumno:
Florangela Angulo Antonio Alvarez
#27746386
Espereza de la matemática

De una variable X, es el número E [X] o E [X] que formaliza la idea de valor medio de un fenómeno
aleatorio. Es un concepto análogo a la media aritmética de un conjunto de datos.

Cuando la variable aleatoria es discreta, la esperanza es igual a la suma de la probabilidad de cada

posible suceso aleatorio multiplicado por el valor de dicho suceso. Por lo tanto, representa la
cantidad promedio que se "espera" como resultado de un experimento aleatorio cuando la
probabilidad de cada suceso se mantiene constante y el experimento se repite un elevado número
de veces.

Distribución de probabilidad bidimensional

Si disponemos de dos variables aleatorias podemos definir distribuciones bidimensionales de

forma semejante al caso unidimensional.

Dado un espacio muestral Ω asociado a un experimento aleatorio, una variable aleatoria

bidimensional es una aplicación que a un mismo elemento del espacio muestral le hace
corresponder 2 números reales, es decir, una aplicación

(X, Y ) : s ∈ Ω 7→ (X(s), Y (s)) ∈ R 2

A bidimensional resulta de cuanticar dos aspectos, X e Y, de un experimento aleatorio. Podríamos

decir que (X, Y) : Ω → R 2 es una variable aleatoria bidimensional si y sólo si X : ω → R e Y : Ω → R
son ambas variables aleatorias (simples).
Distribución uniforme

Es una familia de distribuciones de probabilidad para variables aleatorias continuas, tales que
para cada miembro de la familia, todos los intervalos de igual longitud en la distribución en su
rango son igualmente probables.
Distribución geométrica
Es cualquiera de las dos distribuciones de probabilidad discretas siguientes:

 la distribución de probabilidad del número X del ensayo de Bernoulli necesaria para

obtener un éxito, contenido en el conjunto { 1, 2, 3,...} o
 la distribución de probabilidad del número Y = X − 1 de fallos antes del primer éxito,
contenido en el conjunto { 0, 1, 2, 3,... }.

EJEMPLO 1:
Supongamos que queremos hacer un estudio sobre la variable aleatoria referente al número de
veces que un jugador necesita para poder efectuar la salida en el juego del parchís. Hay que
recordar que, en este juego, un jugador no comienza el mismo hasta obtener un 5 al lanzar el
dado.
Podría ocurrir que solamente necesitara:

 Una tirada X = 1; con probabilidad 1/6

 Dos tiradas X = 2 con probabilidad (5/6)(1/6)

 Tres tiradas X =3 con probabilidad (5/6)(5/6)(1/6)

 ...

 "k" tiradas X = k con probabilidad

La variable puede seguir tomando valores indefinidamente puesto que es posible encontrar a un
jugador cuya “mala suerte “haga que NUNCA obtenga el dichoso 5.
Estaríamos ante el caso de una distribución geométrica de parámetro 1/6.
Distribución binomial

Es una distribución de probabilidad discreta que cuenta el número de éxitos en una secuencia de n
ensayos de Bernoulli independientes entre sí, con una probabilidad fija p de ocurrencia del éxito
entre los ensayos.

Se lanza una moneda cuatro veces.

Calcular la probabilidad de que salgan más caras que cruces.

Distribución de Poisson

Es una distribución de probabilidad discreta que expresa, a partir de una frecuencia de ocurrencia

media, la probabilidad de que ocurra un determinado número de eventos durante cierto período
de tiempo. Concretamente, se especializa en la probabilidad de ocurrencia de sucesos con
probabilidades muy pequeñas, o sucesos raros.

Si el 2% de los libros encuadernados en cierto taller tiene encuadernación defectuosa, para

obtener la probabilidad de que 5 de 400 libros encuadernados en este taller tengan
encuadernaciones defectuosas usamos la distribución de Poisson. En este caso concreto, k es 5 y λ
—el valor esperado de libros defectuosos—, es el 2% de 400, es decir, 8. Por lo tanto, la
probabilidad buscada es:

P(5;8) 8_5 e_-8 / 5! = 0,092

Distribución normal
Nos permite crear modelos de muchísimas variables y fenómenos, como por ejemplo, la estatura
de los habitantes de un país, la temperatura ambiental de una ciudad, los errores de medición y
muchos otros fenómenos naturales, sociales y hasta psicológicos.

En una distribución normal de media   y desviación típica  , calcular el valor

de a para que: 

Utilizando la formula  , vamos a sustituir el valor de la media (  ), y

la desviación típica (  ).

  

Al simplificar, obtenemos:

  

De donde se sigue que

 

Ahora localizamos en la tabla de distribución normal el valor   y

observamos que corresponde a  , entonces: