República Bolivariana de Venezuela

Ministerio del Poder Popular para la Defensa

Universidad Nacional Experimental Politécnica de la Fuerza Armada
UNEFA
Núcleo Portuguesa Sede Guanare

FUNDAMENTO DE
LOS PROCESOS
ESTOCASTICOS

BACHILLER: Luis Rosales

ING. SISTEMAS 6TO SEMESTRE | PROF: EYITZA CORREDORES
 Fundamento de los Procesos Estocásticos
CONCEPTOS BÁSICOS
1.- EXPERIMENTO: es cualquier situación en la que existe un conjunto de resultados
posibles. Por ejemplo; una competencia o un juego, una carrera de caballos, una votación.
1.1.- Experimento Aleatorio
Definición 1: conjunto de pruebas realizadas bajo las mismas condiciones y cuyos
resultados son impredecibles.
Definición 2: se llama experimento aleatorio a la expresión y observación de fenómenos no
determinísticos o aleatorios. Por ejemplo: lanzar un dado para observar cuál de los seis
números aparece, sacar un fósforo de una caja que contiene 25 para verificar si se prende o
no.
Los rasgos que distinguen a los experimentos aleatorios son:
- Todos los resultados del experimento son conocidos con anterioridad a su realización.
- No se puede predecir el resultado del experimento.
- El experimento puede repetirse en condiciones idénticas.
ESPACIO MUESTRAL:
Es el conjunto de todos los resultados posibles de un experimento aleatorio. Se denota con
la letra griega Ω o la letra “S”. Este espacio muestral puede ser un conjunto finito, infinito
numerable, infinito no numerable. También se puede clasificar en:
- Discreto: es aquel cuyo resultado puede ponerse en una correspondencia uno a uno con el
conjunto de los números naturales N, por ejemplo; registrar el sexo de un recién nacido,
lanzar una moneda hasta que aparezca cara.
- Continuo: aquel cuyos resultados consisten de un intervalo de los números reales, por
ejemplo, registrar cuánto tiempo dura funcionando un bombillo, tiempo que tarda un atleta
en recorrer 100 metros planos.
PROBABILIDAD:
La probabilidad es una medida de la posibilidad de que un evento ocurra en el futuro. Este
concepto es importante cuando se trabaja con sucesos físicos, biológicos o sociales que
generan observaciones que no pueden predecirse con certeza, por ejemplo, la presión
arterial de una persona en un momento determinado no puede predecirse con exactitud.
- Puede asumir valores entre cero y uno inclusive.
- Un valor cercano a cero significa que es poco probable que el evento suceda. Un valor
cercano a uno significa que es altamente probable que el evento suceda.
- Hay tres definiciones de probabilidad: clásica o “a priori”, empírica o “a posteriori”
y subjetiva.
DISTRIBUCIONES DE PROBABILIDAD
Una distribución de probabilidad es la lista de todos los resultados posibles de un
experimento y la correspondiente probabilidad.
Definiciones Básicas:
1.- Variable Aleatoria: es un valor numérico determinado por el resultado de un
experimento.
2.- Tipos de Variables Aleatorias
2.1. Variable discreta: es aquella que su conjunto de posibles resultados es contable. Ej.
Datos que se cuentan, tales como Nº de niños nacidos en un hospital en un mes, Nº de
accidentes de carretera por año.
2.2. Variable continua: es aquella que puede tomar valores en una escala continua. Ej.
Datos medidos en pesos, alturas, temperaturas, etc.
Tipos de Distribuciones de Probabilidad
1. Distribución de probabilidad discreta: puede asumir sólo valores claramente
separados. Ejemplos: el número de estudiantes en una clase, el número de niños en una
familia, el número de autos entrando en un auto lavado por hora, el número de clientes que
llegan a una estética cada hora.
2. Distribución de probabilidad continua: puede asumir un número infinito de valores
dentro de un rango determinado. La distancia que recorre cada estudiante para llegar a su
clase. Ejemplos: el tiempo que le toma a un ejecutivo llegar a su trabajo, el tiempo invertido
en una llamada telefónica, la estatura de los alumnos de un grupo en clase.
1.- Distribución de Probabilidad Discreta
Definición: el conjunto de pares ordenados (x, f(x)), es una distribución de probabilidad de
la variable aleatoria X; donde f(x) es una función de probabilidad y si se cumple para cada
posible resultado x, que:

1.- f(x)  0

2.-   x f ( ) 1
x
3.- - P(X = x) = f(x)

FUNCIÓN DE DENSIDAD DE PROBABILIDAD

En el contexto de las variables aleatorias continuas, la función de distribución, Fx (x) es
continua y derivable, con derivada continua salvo en un conjunto de medida nula.
Pues bien, la función de densidad de probabilidad, fx (x) o simplemente f (x), no es sino la
derivada de la función de distribución, y es continua salvo en el conjunto de medida nula.
Esta función asigna a cada valor x de la variable aleatoria X la densidad de masa
probabilística que corresponde a un intervalo infinitesimal centrado en x.

PROPIEDADES DE UNA FUNCIÓN DE DENSIDAD

Si f(x) es una función de densidad entonces:

1.- f(x) ≥ 0 para cualquier valor de x.

Si la variable aleatoria x tiene una función de densidad f(x), la probabilidad de que x se

encuentre en el intervalo [a, b] es:

ESPERANZA MATEMÁTICA O VALOR ESPERADO

La esperanza matemática de una variable aleatoria X, es el número que expresa el valor

medio del fenómeno que representa dicha variable.

La esperanza matemática, también llamada valor esperado, es igual al sumatorio de las

probabilidades de que exista un suceso aleatorio, multiplicado por el valor del suceso
aleatorio. Dicho de otra forma, es el valor medio de un conjunto de datos. Esto, teniendo en
cuenta que el término esperanza matemática está acuñado por la teoría de la probabilidad.

Sea X una variable aleatoria continua con función de densidad f(x). El valor esperado o
esperanza matemática de x es:

VARIANZA:

En teoría de probabilidad, la varianza o variancia de una variable aleatoria es una medida

de dispersión definida como la esperanza del cuadrado de la desviación de dicha variable
respecto a su media