PROCESOS ESTOCASTICOS

INTRODUCCION
EJEMPLOS
Un ejemplo de un proceso de parmetro discreto es el
lanzamiento de un dado, en el cual se observa la cara superior.
Los lanzamientos se realizan en los tiempos t n n={1, 2, }
Y los valores que toma la variable aleatoria es E={1, 2,3,4,5,6}.
En este caso el proceso es de parmetro discreto y espacio de
estados E finito y discreto
Xn ; n = 1,2,..
Un ejemplo de un proceso de parmetro continuo es el
monitoreo del funcionamiento de una mquina, esto es en cada
punto del tiempo durante un da, una v.a. toma los valores 1 si la
maquina est funcionando y 0 si no est funcionando.

Este proceso puede ser representado usando un parmetro

continuo por Xt ; t 0 .
 Clasificacion
1. Procesos estacionarios, si su f. de dist. No
cambia en el tiempo.
2. Proceso estacionario en el sentido amplio,
si la estacionariedad no se cumple para todo
n. pero cumple para n k entonces se dice
que es estaacionario de orden k.
Procesos independientes, si
n
FX ( x1 ,..., xn ; t1 ,..., tn ) FX ( xi , ti )
i 1
 ..
4. Proceso estacionario con incrementos
independientes. Si mantiene la misma
distribucion en el tiempo, y si su evaluacion en
intervalos disjuntos son independientes.
Nmero de xitos
Sea un proceso de Bernoulli con probabilidad de xito p.
Definimos Nn como el nmero de xitos en las primeras n pruebas.

0 si
=
si n = 1, 2,

Estamos interesados en el proceso

N {0,1, 2,...} Parmetro tiempo
discreto

Espacio de estado
Nn {0,1, 2,...} discreto
Propiedades
E Nn E x1 x2 ... xn

V Nn V x1 x2 ... xn y por la independencia

E Nn2 V ( Nn ) E ( Nn )
2

.
Lema. Para cualquier

Prueba
Fijamos n y k
Usamos el teorema de la probabilidad total para

los eventos:
y

P{N n 1 k} P{N n 1 k / N n j}P{N n j} (1)

j
y usando el hecho que {X1 X 2 ... X n } es independiente de X n1 , esto es

es independiente de y como
p si j = k - 1
= q si j = k
0 en otro caso
Poniendo esto en (1), obtenemos
Teorema. Para cualquier

, k = 0, 1, , n

Prueba (por induccin)

Corolario. Para cualquier

, k = 0, 1, , n

y es independiente de m. (la dist. Binomial)

Ejemplos
Teorema. Para cualquier

Para k = 0, 1, n.
Prueba
son completamente determinados
Las variables aleatorias

Pues
Por otro lado

y es independiente de

y por el corolario anterior

Ejem.hallar

Solucin

y por la independencia

. .
Corolario. Sean .., enteros las variables

aleatorias son independientes.

Definicin. Un proceso estocstico satisfaciendo el corolario y teorema

anterior, es llamado un proceso con incrementos independientes.
Si adems las v.a. son idnticamente distribuidas el proceso se llama
proceso estocstico estacionario con incrementos independientes.
Tiempos de los xitos.
Sea X n ; n 1 un proceso de Bernoulli, con probabilidad de xito p.

Para un w fijo, considere la realizacin X1 ( w), X 2 ( w), X 3 ( w)... de este

proceso. Esta es una secuencia de unos y ceros. Denote por

T1 ( w), T2 ( w), T3 ( w)... los ndices correspondientes a los sucesivos unos.

Por ejemplo si

X1 (w) 1, X 2 (w) 0, X 3 (w) 0, X 4 (w) 1, X 5 (w) 1 ,

Entonces T1 ( w) 1, T2 ( w) 4, T3 ( w) 5,...
Entonces Tk es el nmero del evento en el cual el k-simo xito ocurre.
Estamos interesados en la secuencia de v. a. Tk ; k 1 .

Las relaciones entre el nmero de xitos N n y los

tiempos de xitos Tk se da en el siguiente lema:
Lema. Para cualquier w , k = 1,2,... y n k,
tenemos, a) Tk (w) n Nn (w) k ,
b) Tk (w) n N n1 (w) k 1, X n (w) 1.
1. Para cualquier k 1,2,... , pruebe que
P Tk n ( kn 11 ) p k q n k , n k , k 1,....
2. Sean Z n v.a.i.i.d. con Prob(Z n = 1) = p y
Prob(Z n = -1)= q, p+q = 1 para todo n.
n
Sea X n = Zi , n=1,2,... y X 0 =0 .
i=1

a) Construya una secuencia muestral para n = 10.

Presente un grfico.
b) Hallar la media y la varianza de X n
3. Para el problema anterior hallar Pn ( k ) P ( X n k ).
n
4. Sean Y1 , Y2 ,..., Yn v.a.i.i.d. y sea Z n Yi , n=1,2,...
i=1

y Z0 =0 y si E (Yn ) a , var(Yn ) b 2 , pruebe que

Zn
para cualquier 0 lim P{ a } 0 .
n n