Professional Documents
Culture Documents
4) En una tienda de supermercado con 6 cajas, se forma una única fila de clientes
que van siendo atendidos por cualquier cajero que se desocupe. Al terminar el
servicio de un cliente en una caja, éste abandona la tiendo El tiempo de servicio
de cada cliente en las cajas, es una variable aleatoria. El número de clientes que
arriban en una hora, es otra variable aleatoria. Se observa la cantidad de clientes
que se encuentran en la tienda en cada instante de tiempo.
El dinero total con que se empieza este juego es a+b que es la suma del dinero
del jugador 1 más la el dinero del jugador 2. Lo menos de dinero que puede tener
el jugador 1 es cero, es decir cuando pierde los a pesos que tenía al principio del
juego.
Entonces el jugador 1 puede tener de cero pesos a a+b pesos.
6) Un paciente en un hospital debe ser revisado una vez cada hora para tener un
estadístico de su recuperación. Se observa su temperatura una vez cada hora.
Considera las posibles temperaturas del ser humano para establecer el problema.
Fuentes de información:
La media es constante
Es una respuesta correcta ya que al ser un proceso estacionario llega un momento en que
se estabiliza, conservándose sin cambios significativos que alteren la media,
manteniéndose constante.
Diga cuál de las siguientes afirmaciones acerca del desarrollo anterior es correcta:
Investiga cada proceso y en tus propias palabras explica a qué se refieren cada
proceso y establece un ejemplo para cada proceso donde definas la variable
aleatoria, S y T, así como la justificación de tu ejemplo.
Fuentes de información:
Unidad 1 EA
Introducción
Desarrollo
Instrucciones:
1. Una partícula se encuentra en un punto al que identificaremos con el origen
de la recta numérica. Con probabilidad p avanza una unidad hacia la derecha
y con probabilidad 𝑞 = 1 − 𝑝 lo hace hacia la izquierda. Sea 𝑋𝑛 el punto donde
se encuentra la partícula después de 𝑛 pasos.
Este proceso se conoce como caminata aleatoria o recorrido aleatorio. Se
puede pensar a 𝑋𝑛 como una suma de variables independientes e
idénticamente distribuidas 𝑌𝑖 que indican lo ocurrido en cada paso:
1 𝑠𝑖 𝑒𝑛 𝑒𝑙 𝑝𝑎𝑠𝑜 𝑖 ℎ𝑎𝑦 𝑢𝑛 𝑚𝑜𝑣𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑎 𝑙𝑎 𝑑𝑒𝑟𝑒𝑐ℎ𝑎
𝑌𝑖 = {
−1 𝑠𝑖 𝑒𝑛 𝑒𝑙 ℎ𝑎𝑦 𝑝𝑎𝑠𝑜 𝑖 𝑢𝑛 𝑚𝑜𝑣𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑎 𝑙𝑎 𝑖𝑧𝑞𝑢𝑖𝑒𝑟𝑑𝑎
O bien,
𝑋𝑛 − 𝑋𝑛−1 = 𝑌𝑛 Para 𝑛 > 0
a) Establece para Xn y para Yn, S y T.
El espacio parametral es 𝑇 = { 0, 1, 2, … , 𝑢}
El espacio parametral es 𝑇 = { 1, 2, 3, … , 𝑤}
Para nuestro ejemplo tenemos que el incremento tras el 𝑛 − é𝑠𝑖𝑚𝑜 paso está dado por
𝑋𝑛 − 𝑋𝑛−1 = 𝑌𝑛
Por lo tanto
𝑃(𝑋𝑛 = 𝑥𝑛 |𝑋1 = 𝑥1 , 𝑋2 = 𝑥2 , … . 𝑋𝑛−1 = 𝑥𝑛−1 ) = 𝑃(𝑋𝑛 = 𝑥𝑛 | 𝑋𝑛−1 = 𝑥𝑛−1 )
Lo que quiere decir que es un proceso de Markov.
Q.E.D.
tienen la misma distribución, lo que significa que {𝑋𝑛 } es un proceso con incrementos
estacionarios.
Q.E.D.
f) Si el siguiente elemento del espacio muestral representa una
colección de valores tomados por las variables 𝑌´𝑠, dibuja la trayectoria
muestral correspondiente:
𝜔 = (−1, −1, 1, −1,1, −1,1, −1,1,1, −1, −1, −1, 1, −1, −1 … )
𝐸(𝑌𝑖 ) = 𝑝 − 𝑞
Recordemos que
𝑛
𝑋𝑛 = 𝑌1 + 𝑌2 + ⋯ + 𝑌𝑛 = ∑ 𝑌𝑖
𝑖=1
Entonces para la esperanza 𝐸(𝑋𝑛 ) se tiene que
𝑛
𝐸(𝑌𝑖2 ) = 1
2𝑝𝑞 + 𝑝 + 𝑞 − 𝑝2 − 𝑞 2 = 2𝑝𝑞 + 𝑝𝑞 + 𝑞𝑝
𝑉𝑎𝑟(𝑌𝑖 ) = 4𝑝𝑞
Entonces
𝑛
𝑉𝑎𝑟(𝑋𝑛 ) = 4𝑛𝑝𝑞
Q.E.D.
Esto se traduce en que la caminata va a tomar más pasos hacia la derecha, entonces
el estado promedio después de 𝑛 pasos será un número positivo, observando la
expresión de nuestra esperanza 𝐸(𝑋𝑛 ) = 𝑛(𝑝 − 𝑞) notamos que cuando 𝑝 > 𝑞 entonces
𝑝 − 𝑞 > 0 y como 𝑛 siempre es un entero positivo entonces 𝐸(𝑋𝑛 ) > 0.
Con esta gráfica podemos notar que el espacio comprendido entre las curvas de color
morado y café representan la gama de posibilidades que puede ir tomando la variable 𝑋𝑛
en la medida que se van sucediendo más pasos, cada vez que se aumenta un paso para
este caso 𝑝 > 𝑞 se tiene que los valores esperados serán enteros positivos con mayor
seguridad.
Observemos que las curvas de color morado y café se ensanchan conforme n crece,
esto nos dice que la varianza se está incrementando; es decir mientras más grande sea el
paso n más grande es la incertidumbre respecto a la posición de la partícula.
Interpretando cuando 𝑝 < 𝑞
Esto se traduce en que la caminata va a tomar más pasos hacia la izquierda, entonces
el estado promedio después de 𝑛 pasos será un número negativo, observando la
expresión de nuestra esperanza 𝐸(𝑋𝑛 ) = 𝑛(𝑝 − 𝑞) notamos que cuando 𝑝 < 𝑞 entonces
𝑝 − 𝑞 < 0 y como 𝑛 siempre es un entero negativo entonces 𝐸(𝑋𝑛 ) < 0
Con esta gráfica podemos notar que el espacio comprendido entre las curvas de color
morado y café representan la gama de posibilidades que puede ir tomando la variable 𝑋𝑛
en la medida que se van sucediendo más pasos, cada vez que se aumenta un paso para
este caso 𝑝 < 𝑞 se tiene que los valores esperados serán enteros negativos con mayor
seguridad.
Observemos que las curvas de color morado y café se ensanchan conforme n crece,
esto nos dice que la varianza se está incrementando; es decir mientras más grande sea el
paso n más grande es la incertidumbre respecto a la posición de la partícula.
Interpretando cuando 𝑝 = 𝑞
Grafiquemos así:
La esperanza
𝐸(𝑋𝑛 ) = 0
Observemos que las curvas de color morado y café se ensanchan conforme n crece,
esto nos dice que la varianza se está incrementando; es decir mientras más grande sea el
paso n más grande es la incertidumbre respecto a la posición de la partícula.
Conclusiones
Hemos observado como los procesos estocásticos son modelos que nos ayudan a
describir procesos donde está involucrado el azar y los cuales se rigen por las leyes de la
probabilidad y su teoría.
A primera vista pareciera que uno pudiera no estar involucrado en este tipo de
fenómenos estocásticos, pero como pocas cosas o quizás ninguna carezcan de cierto
grado de incertidumbre en nuestras vidas, la realidad es que si estamos cohabitando en
sistemas estocásticos.
Los procesos estocásticos son una herramienta matemática que nos ayuda a
pronosticar posibles estados de un sistema determinado, observar tendencias y tomar las
medidas pertinentes si es que los resultados son algo deseado o no.
Fuentes de información: