Procesos Estocásticos

Departamento de Eléctrica y Electrónica

Dr. Marco J. Flores C.

Octubre 2017 - Febrero 2018

 Distribuciones discretas
Distribuciones continuas

Variables aleatorias discretas

Variables aleatorias discretas

Una v.a. que puede tomar un número contable de valores se dice
discreta. En este caso la pdf es

P (X = x ) = p (x ) (1)

y la cdf es: X
FX (x ) = P (X = y) (2)
y 6x

Propiedades
Debe cumplir las siguientes propiedades:
p(xi ) > 0 para i = 1, 2, ...
p(xi ) = 0 para los otros casos
P∞
i =1 p (xi ) = 1

Dr. Marco J. Flores C. Procesos Estocásticos

 Distribuciones discretas
Distribuciones continuas

Variables aleatorias discretas

Ejemplo
Si X toma valores en x = 0, 1, 2 y su pdf toma los valores {1/4, 1/2, 1, 4},
respectivamente, entonces se tiene la siguiente representación gráca:

Dr. Marco J. Flores C. Procesos Estocásticos

 Distribuciones discretas
Distribuciones continuas

Variables aleatorias discretas

Ejemplo
Sea X una v.a. que tiene función de masa p(i ) = c λi /i ! para
i = 0, 1, 2, ..., donde λ > 0. Encontrar P (X = 0) y P (X > 2).
P∞
i =0 p (i ) = 1, así de manera que :
Se debe cumplir la condición 1

λi
∞
X
c =1 (3)
i =0 i !
de donde c = e −λ . De aquí se tiene:
P (X = 0) = e −λ
P (X > 2) = 1 − P (X = 0) − P (X = 1) = 1 − e −λ − λe −λ =
1 − (1 + λ)e −λ

1 El P∞ i
desarrollo en series de Taylor de f (x ) = e es f (x ) =
x
i =0
x
i !
Dr. Marco J. Flores C. Procesos Estocásticos
 Distribuciones discretas
Distribuciones continuas

Variables aleatorias discretas

Uniforme
La v.a. Uniforme tiene la forma X ∼ U (N ). Su pdf es:
1
P (X = x) = x = 1, ..., N
N
para

donde N es un entero especíco.

Bernoulli
La v.a. Bernoulli tiene la forma X ∼ Be (p ) donde 0 < p < 1 es la
probabilidad de éxito. Su pdf es P (X = x ) = p x (1 − p )1−x para x = 0, 1.

Binomial
La v.a. Binomial tiene la forma X ∼ Bin(n, p ) donde 0 < p < 1 es la
probabilidad de éxito y n es el número de ensayos. Su pdf es:
n x
 
P (X = x) = p (1 − p)n−x , para x = 0, 1, ..., n
x
Dr. Marco J. Flores C. Procesos Estocásticos
 Distribuciones discretas
Distribuciones continuas

Variables aleatorias discretas

Poisson
La v.a. Poisson tiene la forma X ∼ Po (λ) donde λ es el parámetro de
intensidad. Su pdf es:
λx
P (X = x ) = e −λ x = 0, 1, 2...
x!
, para

Esta v.a. es ampliamente utilizada para modelar tiempos de espera, el

número de ocurrencias en un intervalo de tiempo, etc.
Geométrica
La v.a. Geométrica tiene la forma X ∼ Geo (p ) donde 0 < p < 1 es la
probabilidad de éxito. Su pdf es P (X = x ) = p (1 − p )x −1 , para
x = 1, 2....
Esta v.a. modela el evento de que existan x fallos antes del primer éxito.

Dr. Marco J. Flores C. Procesos Estocásticos

 Distribuciones discretas
Distribuciones continuas

Variables aleatorias discretas

Hypergeométrica
La v.a. X sigue una distribuion Hypergeométrica de parametros N , n y
d , representada por X ∼ Hp(N , n, d ), si su funcion de probabilidad es:
d
N −d

P (X = x ) = x Nn
−x , para x = 0, 1..., d
n
donde N es el total de objetos, d son los objetos de la clase A, N − d son
los objetos de la clase B y n son los objetos seleccionados.

Dr. Marco J. Flores C. Procesos Estocásticos

 Distribuciones discretas
Distribuciones continuas

Ejercicios variables aleatorias discretas

Ejemplo 1
Supongamos que la probabilidad de tener una unidad defectuosa en una
línea de ensamblaje es de 0.05. Si el conjunto de unidades terminadas
constituye un conjunto de ensayos independientes:
¾Cuál es la probabilidad de que entre diez unidades dos se
encuentren defectuosas?
¾Cuál es la probabilidad de que a lo sumo dos se encuentren
defectuosas?
¾Cuál es la probabilidad de que por lo menos una se encuentre
defectuosa?

Ejemplo 2
Se tiene una baraja de cartas españolas (N = 40 naipes), de las cuales es
de interés el palo de oros (d = 10 naipes de un mismo tipo). De la baraja
se extraen n = 8 cartas de una vez (sin reemplazamiento) y se plantea el
problema de calcular la probabilidad de que hayan x = 2 oros
(exactamente) en esa extracción.
Dr. Marco J. Flores C. Procesos Estocásticos
 Distribuciones discretas
Distribuciones continuas

Ejercicios variables aleatorias discretas

Ejemplo 3
El gerente de un restaurante que sólo da servicio mediante reservas sabe,
por experiencia, que el 20% de las personas que reservan una mesa no
asistirán. Si el restaurante acepta 25 reservas pero sólo dispone de 20
mesas, ¾cuál es la probabilidad de que a todas las personas que asistan al
restaurante se les asigne una mesa?

Sol: P (X 6 20) = 0.5799

Ejemplo 4
Una empresa electrónica observar que el número de componentes que
fallan antes de cumplir 100 horas de funcionamiento es una v.a. de
Poisson. Si el número promedio de estos fallos es 8:
¾Cuál es la probabilidad de que falle un componente en 25 horas?
¾Cuál es la probabilidad de que fallen no más de dos componentes
en 50 horas?

Dr. Marco J. Flores C. Procesos Estocásticos

 Distribuciones discretas
Distribuciones continuas

Tabla de funciones de distribución discretas

Dr. Marco J. Flores C. Procesos Estocásticos

 Distribuciones discretas
Distribuciones continuas

Variables aleatorias continuas

Variables aleatorias continuas

Una v.a. se dice continua si existe una función no negativa fX (x ) denida
para todos los reales (−∞, +∞) que tiene la siguiente propiedad, para
cualquier conjunto A:
Z
P (X ∈ A) =fX (x )dx (4)
A
La función fX se denomina la función de distribución de probabilidad. La
función FX (x ) = P (X 6 x ) es la cdf.

Propiedades
Debe cumpliar las siguientes propiedades:
fX (x ) > 0 para toda x
R∞
−∞ fX (x )dx = 1

Dr. Marco J. Flores C. Procesos Estocásticos

 Distribuciones discretas
Distribuciones continuas

Ejercicios con v.a. continuas

Ejercicio 1
Supongamos que X es una v.a. continua con pdf dada por:

K (4x − 2x 2 ) para 0 < x < 2
fX (x ) =
0 en otro caso

¾Cuál es el valor de K para que fX (x ) sea una pdf?

Calcular P (X > 1)
Calcular P (0.5 < X < 1.5)

Dr. Marco J. Flores C. Procesos Estocásticos

 Distribuciones discretas
Distribuciones continuas

Ejercicios con v.a. continuas

Ejercicio 2
La cantidad de tiempo en horas que un computador funciona antes de
apagarse es una v.a. continua con pdf:

λe −λx para x > 0
fX (x ) =
0 en otro caso

¾Cuál es la probabilidad de que una computadora funcione entre 5 y

15 horas, cuando λ = 10?
¾Cuál es la probabilidad de que una computadora funcione más de
10 horas, con λ = 10?

Dr. Marco J. Flores C. Procesos Estocásticos

 Distribuciones discretas
Distribuciones continuas

Algunas v.a. continuas

Normal
La v.a. X tiene distribución normal de parámetros µ ∈ R y σ2 ∈ R+ ,
representada por X ∼ N (µ, σ2 ) si tiene como pdf la función:

1 1 (x − µ)2
 
fX (x ) = √ 2 exp − para − ∞ < x < ∞
2πσ 2 σ2

Sea Z = X −µ , esta v.a. se denomina variable normal estandar. Su cdf es:

σ
Z
1 z −t
Φ(z ) = P (Z 6 z ) = √ e /2
dt
2

2π −∞

Exponencial
La v.a. X tiene distribución exponencial de parámetro λ, representada
por X ∼ Exp (λ) si tiene como pdf la función

fX (x ) = λe −λx para x >0

Dr. Marco J. Flores C. Procesos Estocásticos
 Distribuciones discretas
Distribuciones continuas

Algunas v.a. continuas

Gamma
La v.a. X tiene distribución gamma de parámetros α, β representada por
X ∼ Ga(α, β) si tiene como pdf la función
1
fX (x ) = x α−1 e −x /β para x > 0
βα Γ (α)

Weibull
La v.a. X tiene distribución Weibull de parámetros α, β representada por
X ∼ W (α, β) si tiene como pdf la función
β  x β−1 −( αx )β
fX ( x ) = e para x >0
α α

Dr. Marco J. Flores C. Procesos Estocásticos

 Distribuciones discretas
Distribuciones continuas

Algunas v.a. continuas

Rayleigh
La v.a. X tiene distribución Rayleigh de parámetro σ representada por
X ∼ Ry (σ) si tiene como pdf la función
x x2
fX (x ) = exp(− ) para x >0
σ2 2σ2

Chi-cuadrado
La v.a. X tiene distribución Chi-cuadrado de parámetro ν representada
por X ∼ χ2 (ν) si tiene como pdf la función
1
fX (x ) = x (ν/2)−1 exp(−x /2) para x > 0
2ν/2 Γ (ν/2)

Dr. Marco J. Flores C. Procesos Estocásticos

 Distribuciones discretas
Distribuciones continuas

Ejercicio con v.a. continuas

Ejemplo 1
Razali and Hashim [?] utilizan la distribución de Weibull para la
generación de escenarios en la generación de energía eólica.
 k
k V
k −1 e −( Vλ ) para v > 0
fV (v ) = λ λ
0 en otro caso
donde V es la velocidad del viento, k > 0 y λ > 0 son los parámetros de
forma y escala, respectivamente. Si k = 2.776 y λ = 4.9. Gracar su pdf
y cdf.

Dr. Marco J. Flores C. Procesos Estocásticos

 Distribuciones discretas
Distribuciones continuas

Ejercicios variables aleatorias continuas

Ejemplo 2
Considere el experimento de lanzar una echa sobre un blanco de una
unidad de radio. Sea X la variable aleatoria que representa la distancia
entre el origen y el lugar donde cae la echa. ¾Cuál es el rango de X ?.
Calcular P (a < X < b) para a < b 6 1.
Resp: P (a < X < b ) = b 2 − a2

Dr. Marco J. Flores C. Procesos Estocásticos

 Distribuciones discretas
Distribuciones continuas

Tabla de funciones de distribución continuas

Dr. Marco J. Flores C. Procesos Estocásticos

 Distribuciones discretas
Distribuciones continuas

Tabla de funciones de distribución continuas

Dr. Marco J. Flores C. Procesos Estocásticos

 Distribuciones discretas
Distribuciones continuas

Tarea para reforzar el conocimiento

Laboratorio
Usando Matlab, generar los histogramas y las funciones de distribución
de las variables antes citadas.

Tarea
Desarrollar ejercicios de este tema, en los grupos discretas, continuas y
mixtas, por separado.

Dr. Marco J. Flores C. Procesos Estocásticos