PROCESOS ESTOCASTICOS

• EJEMPLOS
 Cuadro nro. 8. Tiempos de inter-llegadas a los estados de la magnitud de los
sismos

       
Estadísticos                    
    t11 t12 t13 t21 t22 t23 t31 t32 t33
N   73 27 5 30 19 5 3 7 4
Media   2.00 3.09 2.41 2.91 4.94 11.34 2.45 2.12 1.39
Mediana   1.21 1.79 2.34 1.29 1.31 10.05 2.12 0.36 0.20
Desv. típ.   2.44 2.94 1.71 4.41 8.37 10.87 2.26 2.40 2.47
Varianza   5.96 8.65 2.92 19.47 70.12 118.26 5.11 5.74 6.08
Mínimo   0.00 0.01 0.46 0.00 0.07 2.60 0.38 0.00 0.07
Máximo   11.60 9.78 4.47 20.96 33.57 29.29 4.86 5.52 5.08
Suma   145.97 83.35 12.06 87.38 93.82 56.68 7.36 14.82 5.55
Percentiles 25 0.16 0.84 0.75 0.46 0.45 2.72 0.38 0.26 0.09
  50 1.21 1.79 2.34 1.29 1.31 10.05 2.12 0.36 0.20
  75 2.72 4.66 4.11 3.72 5.46 20.60 . 4.21 3.87
Un ejemplo de un proceso de parámetro discreto es el
lanzamiento de un dado, en el cual se observa la cara superior.
Los lanzamientos se realizan en los tiempos tn 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 parámetro discreto y espacio de
estados E finito y discreto
X n ; n = 1,2,..
Un ejemplo de un proceso de parámetro continuo es el
monitoreo del funcionamiento de una máquina, esto es en cada
punto del tiempo durante un día, una v.a. toma los valores 1 si la
maquina está funcionando y 0 si no está funcionando.

Este proceso puede ser representado usando un parámetro

continuo por X t ; 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.
Número de éxitos
Sea un proceso de Bernoulli con probabilidad de éxito p.
Definimos Nn como el número de éxitos en las primeras n pruebas.

0 si
=
si n = 1, 2, …

Estamos interesados en el proceso

N  {0,1, 2,...} Parámetro tiempo
discreto

Espacio de estado
N n  {0,1, 2,...} discreto
Propiedades
E  N n   E  x1  x2  ...  xn 

V  N n   V  x1  x2  ...  xn  y por la independencia

E  N n2   V ( N n )   E ( N n )
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 { X 1  X 2  ...  X n } es independiente de X n1 , 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 inducción)

 Hallar
• P { N6 = 4}

• P { N12 -N5 = 2}
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

Solución

y por la independencia

. .
Corolario. Sean ….., enteros  las variables

aleatorias son independientes.

Definición. Un proceso estocástico satisfaciendo el corolario y teorema

anterior, es llamado un proceso con incrementos independientes.
Si además las v.a. son idénticamente distribuidas  el proceso se llama
proceso estocástico estacionario con incrementos independientes.
Tiempos de los éxitos.
Sea  X n ; n  1 un proceso de Bernoulli, con probabilidad de éxito p.

Para un w   fijo, considere la realización X 1 ( 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 índices correspondientes a los sucesivos unos.

Por ejemplo si

X 1 ( 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 número del evento en el cual el k-ésimo éxito ocurre.
Estamos interesados en la secuencia de v. a. Tk ; k  1.

Las relaciones entre el número de éxitos N n y los

tiempos de éxitos Tk se da en el siguiente lema:
Lema. Para cualquier w , k = 1,2,... y n  k,
tenemos, a) Tk ( w)  n  N n ( w)  k ,
b) Tk ( w)  n  N n1 ( w)  k  1, X n ( w)  1.