Universidad Abierta y a Distancia de

Mxico

UnADMxico
Licenciatura en Matemticas
Procesos Estocsticos
(MT-MPES-1602-B1-002)
Actividad 1: Conceptos bsicos
Alumno: Gregorio Islas Oliver
Profesor(a): Georgina Peredo
Morelos

Procesos Estocsticos

Tizayuca Hidalgo a 10 de agosto del

2016
Instrucciones: Relaciona las siguientes columnas escribiendo en cada
parntesis el nmero que corresponde y justifica tu eleccin
Concepto
Esperanza
condicional de una
variable dado que
otra variable toma
un valor

Eleccin

Justifica tu eleccin

xf x y
x

10.

si X es discreta,

xf x y dx
si X es absolutamente

continua.

La distribucin de
probabilidad
Poisson

La funcin de
densidad normal
La regla de
probabilidad total

P X x

x
e
x!

2.

1
f x
e
2

x 2
2 2

6.
Nos permite hallar la probabilidad de
7.
P B P A1 P B A1 ... P Ak P B un
Ak evento A cuando el espacio
muestral S, sea dividido en varios
eventos B1,B2,B3, hasta Bx.

A1 ,..., Ak
donde
de .
El Teorema del
Lmite Central

La probabilidad condicional de un
evento dado otro evento es entonces
un concepto que nos permite
interaccionar con la realidad del
fenmeno azaroso al incorporar
informacin adicional del mismo y
actualizar el clculo de
probabilidades.
Se trata de un modelo discreto, pero
en el que el conjunto de valores con
probabilidad no nula no es finito, sino
numerable. este modelo se
caracteriza por un slo parmetro ,
que debe ser positivo.
Como vemos, depende de dos
parmetros (que puede ser
cualquier valor real) y (que ha de
ser positiva).

forman una particin

X 1 , X 2 , X 3 ,...
9. Para una sucesin
de
variables aleatorias independientes e
idnticamente distribuidas, con media
comn y varianza finita

Dicho teorema garantiza una

distribucin normal cuando n es
suficientemente grande.

, se

X 1 X 2 ... X n
n
tiene que
converge
en distribucin a una variable Y con
distribucin normal de parmetros y

Ciencias Exactas, Ingenieras y Tecnologa/ Licenciatura en Matemticas

Procesos Estocsticos

La funcin de
densidad conjunta
de variables
aleatorias discretas

/n, cuando n tiende a infinito.

x P X x
i

X es una variable aleatoria discreta si

toma un conjunto numerable de
valores

xi

5.

si X es discreta,

xf x dx
si X es absolutamente

continua.

La funcin de
densidad
condicional
Esperanza o valor
esperado de una
variable aleatoria

Esperanza
condicional de una
variable dada otra
variable

La ley fuerte de los

grandes nmeros

f x y
11.
3.
f x1 , x2 ,..., xn

f x, y
f y

X e Y son independientes s y slo si

fXY (x, y) = fX(x)fY (y) salvo quizs
en un conjunto de rea nula

f y 0
si

P X 1 x1 , X 2 x2 ,..., X n xn

1. Una variable aleatoria E(X/Y)

que toma los valores E(X/Y=y)
si Y es discreta o bien
E(X/YA) si Y es
absolutamente continua.

X 1 , X 2 , X 3 ,...
4. Para una sucesin
de
variables aleatorias independientes e
idnticamente distribuidas, con media
comn y varianza finita, se tiene

X 1 X 2 ... X n
n

El valor esperado o esperanza es

muy importante, ya que es uno de
los parmetros que describen una
variable aleatoria. Para
calcular E(X) se multiplica cada valor
que puede tomar la variable aleatoria
por la probabilidad que le
corresponde y despus se suman
esos productos.
Se puede demostrar que la
esperanza condicional cumple con
estas condiciones, es decir, de entre
todas las posibles expresiones de
g(X) para predecir Y, la mejor en el
sentido de tener el error cuadrtico
medio ms pequeo es la funcin
E(Y |X)
Esta relacin entre frecuencia
relativa y probabilidad, precisa la
respuesta originada en la ley dbil de
los grandes nmeros y responde a la
problemtica planteada
anteriormente, en torno a la
vinculacin entre observaciones
experimentales y probabilidad.

que converge casi

seguramente a cuando n tiende a
infinito.

Ciencias Exactas, Ingenieras y Tecnologa/ Licenciatura en Matemticas

Procesos Estocsticos
Probabilidad
Condicional

Teorema de Bayes. Consisti en

haber expresado la probabilidad
condicional en funcin de la
probabilidad conjunta. En otras
palabras, esto es la probabilidad A,
dado B, definida como la razn de la
probabilidad conjunta a la
probabilidad del evento B.

8.

Eleccin
1. Una variable aleatoria E(X/Y) que toma los valores E(X/Y=y) si Y es discreta o bien
E(X/YA) si Y es absolutamente continua.

P X x
2.

x
e
x!

f x1 , x2 ,..., xn P X 1 x1 , X 2 x2 ,..., X n xn

3.

X 1 , X 2 , X 3 ,...
4. Para una sucesin
de variables aleatorias independientes e
idnticamente distribuidas, con media comn y varianza finita, se tiene

X 1 X 2 ... X n
n

x P X x
i

que converge casi seguramente a cuando n tiende a infinito.

xi

5.

6.
7.

1
e
2

si X es discreta,

f x

xf x dx
si X es absolutamente continua.

x 2

2 2

P B P A1 P B A1 ... P Ak P B Ak

A1 ,..., Ak
donde

forman una particin

Ciencias Exactas, Ingenieras y Tecnologa/ Licenciatura en Matemticas

Procesos Estocsticos
de .

8.

X 1 , X 2 , X 3 ,...
9. Para una sucesin

de variables aleatorias independientes e

idnticamente distribuidas, con media comn y varianza finita

2 , se tiene que

X 1 X 2 ... X n
n
converge en distribucin a una variable Y con distribucin normal de
parmetros y

2 /n, cuando n tiende a infinito.

xf x y

10.

si X es discreta,

f x y
11.

f x, y

xf x y dx
si X es absolutamente continua.

f y 0

f y

si

Ciencias Exactas, Ingenieras y Tecnologa/ Licenciatura en Matemticas