SlideShare una empresa de Scribd logo
1 de 15
TEORIA DE TRAFICO
“VARIABLES ESTOCASTICAS EN SERIE Y
APARALELO”
• VICTOR HUGO OÑA DONAIRE
VARIABLE ESTOCÁSTICA
 El adjetivo estocástico se utiliza como sinónimo de aleatorio.
 Un concepto relacionado es el de proceso estocástico, un conjunto
de variables aleatorias ordenadas (habitualmente por orden o
tiempo).
Tipos deVariables
 Variable aleatoria discreta: una v.a. es discreta si su recorrido es un
conjunto discreto.
 Variable aleatoria continua: una v.a. es continua si su recorrido no
es un conjunto numerable.
Las distribuciones de probabilidad son idealizaciones de los polígonos de
frecuencias. En el caso de una variable estadística continua
consideramos el histograma de frecuencias relativas, y se comprueba
que al aumentar el número de datos y el número de clases el histograma
tiende a estabilizarse llegando a convertirse su perfil en la gráfica de
una función.
Las distribuciones de probabilidad de variable continua se definen
mediante una función y=f(x) llamada función de probabilidad o función
de densidad.
Distribución de Probabilidades
PROCESOS ESTOCÁSTICOS
 En estadística, y específicamente en la teoría de la probabilidad, un
proceso estocástico es un concepto matemático que sirve para
caracterizar una sucesión de variables aleatorias (estocásticas) que
evolucionan en función de otra variable, generalmente el tiempo.
Ejemplo: El índice de la bolsa es un ejemplo de proceso
estocástico de tipo no estacionario
Proceso Estocástico
 Definición Matemática: Una familia de variables
aleatorias x(t) donde t es el parámetro perteneciente
a un conjunto indexadoT es llamado un proceso
estocástico (o proceso aleatorio), y se denota por:
también es definido como:
donde  es el espacio muestral.
}),({ Tttx 
},),,({   Tttx
{ ( ), }x t t T
{ ( , ), , }x t t T  
Proceso Estocástico
}),({ Tttx 
 Observación:
 Si t es fijo, x( ) es una familia de variables aleatorias. (“ensemble”).
 Para  fijo, x(t) es una función del tiempo llamada “función muestrada”.
•Proceso estacionario: Un proceso es estacionario en sentido estricto si
la función de distribución conjunta de cualquier subconjunto de
variables es constante respecto a un desplazamiento en el tiempo.
•Proceso de Márkov: Aquellos procesos discretos en que la evolución
sólo depende del estado actual y no de los anteriores.
•Proceso de Gauss: Proceso continuo en el que toda combinación lineal
de variables es una variable de distribución normal.
•Proceso de Poisson
•Proceso de Gauss-Márkov: Son procesos, al mismo tiempo, de Gauss
y de Márkov
•Proceso de Bernoulli Son procesos discretos con una distribución
binomial.
Casos Especiales Estocásticos
Teoría de colas
 Una cola es una línea de espera
 La teoría de colas es un conjunto de modelos matemáticos que describen
sistemas de líneas de espera particulares
Media Tiempo0
P(t)
k = ∞
k = 1
k = 2
k = 8
Sistemas de colas: modelo básico
Llegadas
Sistema de colas
Cola
Instalación
del servicio
Disciplina
de la cola
Salidas
Estructuras típicas de sistemas de colas:
una línea, un servidor
Llegadas
Sistema de colas
Cola Servidor
Salidas
Estructuras típicas de sistemas de colas: una
línea, múltiples servidores
Llegadas
Sistema de colas
Cola
Servidor
Salidas
Servidor
Servidor
Salidas
Salidas
Estructuras típicas de colas: varias líneas,
múltiples servidores
Llegadas
Sistema de colas
Cola Servidor
Salidas
Servidor
Servidor
Salidas
Salidas
Cola
Cola
COLAS CON SERVIDORES EN PARALELO
 En algunos sistemas la cola no puede albergar
a un número indefinido de clientes. En este
caso se dice que el sistema es de capacidad
limitada. El límite lo fija el parámetro K que
incluye a los servidores. Las probabilidades
de cada estado del sistema
CONCLUSIONES
 Las variables estocásticas corresponden a un amplio
tratado matemático representado por fórmulas que
coadyuvan al entendimiento de los comportamientos de
ciertos fenómenos presentes en el entorno aplicado a
diversos campos de la ciencia.
 El análisis de procesos estocásticos mediante métodos
estadísticos nos ayudan a brindar un acercamiento
cuantificable de los fenómenos que lo integran.
 Las variables estocásticas desarrollan una amplia aplicación
dentro de las redes deTelecomunicaciones a la hora de
analizar los procesos de mejoramiento del servicio de
telefonía.
GRACIAS

Más contenido relacionado

La actualidad más candente

Distribuciones Muestrales
Distribuciones MuestralesDistribuciones Muestrales
Distribuciones Muestrales
Hector Funes
 
Regresión lineal multiple autores grillet montaño rodríguez
Regresión lineal multiple  autores grillet montaño rodríguezRegresión lineal multiple  autores grillet montaño rodríguez
Regresión lineal multiple autores grillet montaño rodríguez
thomas669
 
6993547 analisis-de-autocorrelacion
6993547 analisis-de-autocorrelacion6993547 analisis-de-autocorrelacion
6993547 analisis-de-autocorrelacion
Erika Romero
 
Deber chi cuadrado
Deber chi cuadradoDeber chi cuadrado
Deber chi cuadrado
TATHYYYYY
 
Distribución gamma
Distribución gammaDistribución gamma
Distribución gamma
levisandro
 

La actualidad más candente (20)

Distribuciones muestrales
Distribuciones muestralesDistribuciones muestrales
Distribuciones muestrales
 
Distribuciones Muestrales
Distribuciones MuestralesDistribuciones Muestrales
Distribuciones Muestrales
 
Regresión lineal multiple autores grillet montaño rodríguez
Regresión lineal multiple  autores grillet montaño rodríguezRegresión lineal multiple  autores grillet montaño rodríguez
Regresión lineal multiple autores grillet montaño rodríguez
 
Mic sesión 14
Mic sesión 14Mic sesión 14
Mic sesión 14
 
La metodología para sistemas blandos de peter checkland
La metodología para sistemas blandos de peter checklandLa metodología para sistemas blandos de peter checkland
La metodología para sistemas blandos de peter checkland
 
Teoria de Colas
Teoria de ColasTeoria de Colas
Teoria de Colas
 
Tablas de probabilidades discretas
Tablas de probabilidades discretasTablas de probabilidades discretas
Tablas de probabilidades discretas
 
Matematicasdia
MatematicasdiaMatematicasdia
Matematicasdia
 
6993547 analisis-de-autocorrelacion
6993547 analisis-de-autocorrelacion6993547 analisis-de-autocorrelacion
6993547 analisis-de-autocorrelacion
 
Deber chi cuadrado
Deber chi cuadradoDeber chi cuadrado
Deber chi cuadrado
 
Pensamiento estadístico
Pensamiento estadísticoPensamiento estadístico
Pensamiento estadístico
 
Introd flexsim 1
Introd flexsim 1Introd flexsim 1
Introd flexsim 1
 
Distribución gamma
Distribución gammaDistribución gamma
Distribución gamma
 
Integrales_inmediatas.pdf
Integrales_inmediatas.pdfIntegrales_inmediatas.pdf
Integrales_inmediatas.pdf
 
Distribucion geometrica
Distribucion geometricaDistribucion geometrica
Distribucion geometrica
 
Ejercicios Propuestos-Estadística
Ejercicios Propuestos-EstadísticaEjercicios Propuestos-Estadística
Ejercicios Propuestos-Estadística
 
DIFERENCIAS ENTRE MODELAR-SIMULAR & QUE ES SIMULACIÓN
DIFERENCIAS ENTRE MODELAR-SIMULAR & QUE ES SIMULACIÓNDIFERENCIAS ENTRE MODELAR-SIMULAR & QUE ES SIMULACIÓN
DIFERENCIAS ENTRE MODELAR-SIMULAR & QUE ES SIMULACIÓN
 
Distribución Binomial Negativa y Geométrica
Distribución Binomial Negativa y GeométricaDistribución Binomial Negativa y Geométrica
Distribución Binomial Negativa y Geométrica
 
CALCULO VECTORIAL UNIDAD 4
CALCULO VECTORIAL UNIDAD 4CALCULO VECTORIAL UNIDAD 4
CALCULO VECTORIAL UNIDAD 4
 
Programación no lineal
Programación no linealProgramación no lineal
Programación no lineal
 

Similar a Variables estocasticas en serie y paralelo

Introduccionseniales
IntroduccionsenialesIntroduccionseniales
Introduccionseniales
lichic
 
Introduccion A SeñAles
Introduccion A SeñAlesIntroduccion A SeñAles
Introduccion A SeñAles
israel.1x
 
Representecion-EspectraDAxz<x<zx<zxz<l.pptx
Representecion-EspectraDAxz<x<zx<zxz<l.pptxRepresentecion-EspectraDAxz<x<zx<zxz<l.pptx
Representecion-EspectraDAxz<x<zx<zxz<l.pptx
SANTOS400018
 
Introducción a los Procesos Estocásticos y sus Aplicaciones en la Actuaría
Introducción a los Procesos Estocásticos y sus Aplicaciones en la ActuaríaIntroducción a los Procesos Estocásticos y sus Aplicaciones en la Actuaría
Introducción a los Procesos Estocásticos y sus Aplicaciones en la Actuaría
EmmanuelRuizG
 
07 procesos estocasticos (1)
07 procesos estocasticos (1)07 procesos estocasticos (1)
07 procesos estocasticos (1)
karelis molina
 
SeñAles Y Sistemas1
SeñAles Y Sistemas1SeñAles Y Sistemas1
SeñAles Y Sistemas1
Matematissen
 

Similar a Variables estocasticas en serie y paralelo (20)

0 Prob7
0 Prob70 Prob7
0 Prob7
 
Econometria
EconometriaEconometria
Econometria
 
Introduccionseniales
IntroduccionsenialesIntroduccionseniales
Introduccionseniales
 
Variable de estado.pdf
Variable de estado.pdfVariable de estado.pdf
Variable de estado.pdf
 
Introduccion A SeñAles
Introduccion A SeñAlesIntroduccion A SeñAles
Introduccion A SeñAles
 
Representecion-EspectraDAxz<x<zx<zxz<l.pptx
Representecion-EspectraDAxz<x<zx<zxz<l.pptxRepresentecion-EspectraDAxz<x<zx<zxz<l.pptx
Representecion-EspectraDAxz<x<zx<zxz<l.pptx
 
Introducción a los Procesos Estocásticos y sus Aplicaciones en la Actuaría
Introducción a los Procesos Estocásticos y sus Aplicaciones en la ActuaríaIntroducción a los Procesos Estocásticos y sus Aplicaciones en la Actuaría
Introducción a los Procesos Estocásticos y sus Aplicaciones en la Actuaría
 
Revista Futuro en el Presente.
Revista Futuro en el Presente.Revista Futuro en el Presente.
Revista Futuro en el Presente.
 
Presentación de Simulación Digital
Presentación de Simulación DigitalPresentación de Simulación Digital
Presentación de Simulación Digital
 
07 procesos estocasticos (1)
07 procesos estocasticos (1)07 procesos estocasticos (1)
07 procesos estocasticos (1)
 
Montecarlo de markov
Montecarlo de markovMontecarlo de markov
Montecarlo de markov
 
3 sd caoticos
3 sd caoticos3 sd caoticos
3 sd caoticos
 
Variables de estado
Variables de estadoVariables de estado
Variables de estado
 
Arima
ArimaArima
Arima
 
S_S de tiempo continuo_V2020.pptx
S_S de tiempo continuo_V2020.pptxS_S de tiempo continuo_V2020.pptx
S_S de tiempo continuo_V2020.pptx
 
SeñAles Y Sistemas1
SeñAles Y Sistemas1SeñAles Y Sistemas1
SeñAles Y Sistemas1
 
lineales
lineales lineales
lineales
 
Introduccion a los procesos estocasticos
Introduccion a los procesos estocasticosIntroduccion a los procesos estocasticos
Introduccion a los procesos estocasticos
 
Jairo Rodriguez
Jairo RodriguezJairo Rodriguez
Jairo Rodriguez
 
Variables estadon
Variables estadonVariables estadon
Variables estadon
 

Último

sigof.sisfoh.gob.pe_consulta_hogares_ULE_busqueda_print.php (1).pptx
sigof.sisfoh.gob.pe_consulta_hogares_ULE_busqueda_print.php (1).pptxsigof.sisfoh.gob.pe_consulta_hogares_ULE_busqueda_print.php (1).pptx
sigof.sisfoh.gob.pe_consulta_hogares_ULE_busqueda_print.php (1).pptx
sutti0808
 
4º Clase Laboratorio (2024) Completo Mezclas Asfalticas Caliente (1).pdf
4º Clase Laboratorio (2024) Completo Mezclas Asfalticas Caliente (1).pdf4º Clase Laboratorio (2024) Completo Mezclas Asfalticas Caliente (1).pdf
4º Clase Laboratorio (2024) Completo Mezclas Asfalticas Caliente (1).pdf
nicolascastaneda8
 

Último (20)

PERFORACIÓN Y VOLADURA EN MINERÍA APLICADO
PERFORACIÓN Y VOLADURA EN MINERÍA APLICADOPERFORACIÓN Y VOLADURA EN MINERÍA APLICADO
PERFORACIÓN Y VOLADURA EN MINERÍA APLICADO
 
Estadística Anual y Multianual del Sector Eléctrico Ecuatoriano
Estadística Anual y Multianual del Sector Eléctrico EcuatorianoEstadística Anual y Multianual del Sector Eléctrico Ecuatoriano
Estadística Anual y Multianual del Sector Eléctrico Ecuatoriano
 
MANTENIBILIDAD Y CONFIABILIDAD DE LOS SISTEMAS MECANICOS
MANTENIBILIDAD Y CONFIABILIDAD DE LOS SISTEMAS MECANICOSMANTENIBILIDAD Y CONFIABILIDAD DE LOS SISTEMAS MECANICOS
MANTENIBILIDAD Y CONFIABILIDAD DE LOS SISTEMAS MECANICOS
 
Quimica Raymond Chang 12va Edicion___pdf
Quimica Raymond Chang 12va Edicion___pdfQuimica Raymond Chang 12va Edicion___pdf
Quimica Raymond Chang 12va Edicion___pdf
 
PostgreSQL on Kubernetes Using GitOps and ArgoCD
PostgreSQL on Kubernetes Using GitOps and ArgoCDPostgreSQL on Kubernetes Using GitOps and ArgoCD
PostgreSQL on Kubernetes Using GitOps and ArgoCD
 
UNIDAD II 2.pdf ingenieria civil lima upn
UNIDAD  II 2.pdf ingenieria civil lima upnUNIDAD  II 2.pdf ingenieria civil lima upn
UNIDAD II 2.pdf ingenieria civil lima upn
 
sigof.sisfoh.gob.pe_consulta_hogares_ULE_busqueda_print.php (1).pptx
sigof.sisfoh.gob.pe_consulta_hogares_ULE_busqueda_print.php (1).pptxsigof.sisfoh.gob.pe_consulta_hogares_ULE_busqueda_print.php (1).pptx
sigof.sisfoh.gob.pe_consulta_hogares_ULE_busqueda_print.php (1).pptx
 
TIPOS DE SOPORTES - CLASIFICACION IG.pdf
TIPOS DE SOPORTES - CLASIFICACION IG.pdfTIPOS DE SOPORTES - CLASIFICACION IG.pdf
TIPOS DE SOPORTES - CLASIFICACION IG.pdf
 
4º Clase Laboratorio (2024) Completo Mezclas Asfalticas Caliente (1).pdf
4º Clase Laboratorio (2024) Completo Mezclas Asfalticas Caliente (1).pdf4º Clase Laboratorio (2024) Completo Mezclas Asfalticas Caliente (1).pdf
4º Clase Laboratorio (2024) Completo Mezclas Asfalticas Caliente (1).pdf
 
Six Sigma Process and the dmaic metodo process
Six Sigma Process and the dmaic metodo processSix Sigma Process and the dmaic metodo process
Six Sigma Process and the dmaic metodo process
 
CALCULO DE ENGRANAJES RECTOS SB-2024.pptx
CALCULO DE ENGRANAJES RECTOS SB-2024.pptxCALCULO DE ENGRANAJES RECTOS SB-2024.pptx
CALCULO DE ENGRANAJES RECTOS SB-2024.pptx
 
Elaboración de la estructura del ADN y ARN en papel.pdf
Elaboración de la estructura del ADN y ARN en papel.pdfElaboración de la estructura del ADN y ARN en papel.pdf
Elaboración de la estructura del ADN y ARN en papel.pdf
 
Principales aportes de la carrera de William Edwards Deming
Principales aportes de la carrera de William Edwards DemingPrincipales aportes de la carrera de William Edwards Deming
Principales aportes de la carrera de William Edwards Deming
 
Resistencia-a-los-antimicrobianos--laboratorio-al-cuidado-del-paciente_Marcel...
Resistencia-a-los-antimicrobianos--laboratorio-al-cuidado-del-paciente_Marcel...Resistencia-a-los-antimicrobianos--laboratorio-al-cuidado-del-paciente_Marcel...
Resistencia-a-los-antimicrobianos--laboratorio-al-cuidado-del-paciente_Marcel...
 
Sesion 6 _ Curso Integrador II_TSZVQJ.pdf
Sesion 6 _ Curso Integrador II_TSZVQJ.pdfSesion 6 _ Curso Integrador II_TSZVQJ.pdf
Sesion 6 _ Curso Integrador II_TSZVQJ.pdf
 
Aportes a la Arquitectura de Le Corbusier y Mies Van der Rohe
Aportes a la Arquitectura de Le Corbusier y Mies Van der RoheAportes a la Arquitectura de Le Corbusier y Mies Van der Rohe
Aportes a la Arquitectura de Le Corbusier y Mies Van der Rohe
 
Controladores Lógicos Programables Usos y Ventajas
Controladores Lógicos Programables Usos y VentajasControladores Lógicos Programables Usos y Ventajas
Controladores Lógicos Programables Usos y Ventajas
 
programacion orientada a objetos poo.pptx
programacion orientada a objetos poo.pptxprogramacion orientada a objetos poo.pptx
programacion orientada a objetos poo.pptx
 
Mapas y cartas topográficas y de suelos.pptx
Mapas y cartas topográficas y de suelos.pptxMapas y cartas topográficas y de suelos.pptx
Mapas y cartas topográficas y de suelos.pptx
 
Ejemplos de cadenas de Markov - Ejercicios
Ejemplos de cadenas de Markov - EjerciciosEjemplos de cadenas de Markov - Ejercicios
Ejemplos de cadenas de Markov - Ejercicios
 

Variables estocasticas en serie y paralelo

  • 1. TEORIA DE TRAFICO “VARIABLES ESTOCASTICAS EN SERIE Y APARALELO” • VICTOR HUGO OÑA DONAIRE
  • 2. VARIABLE ESTOCÁSTICA  El adjetivo estocástico se utiliza como sinónimo de aleatorio.  Un concepto relacionado es el de proceso estocástico, un conjunto de variables aleatorias ordenadas (habitualmente por orden o tiempo). Tipos deVariables  Variable aleatoria discreta: una v.a. es discreta si su recorrido es un conjunto discreto.  Variable aleatoria continua: una v.a. es continua si su recorrido no es un conjunto numerable.
  • 3. Las distribuciones de probabilidad son idealizaciones de los polígonos de frecuencias. En el caso de una variable estadística continua consideramos el histograma de frecuencias relativas, y se comprueba que al aumentar el número de datos y el número de clases el histograma tiende a estabilizarse llegando a convertirse su perfil en la gráfica de una función. Las distribuciones de probabilidad de variable continua se definen mediante una función y=f(x) llamada función de probabilidad o función de densidad. Distribución de Probabilidades
  • 4. PROCESOS ESTOCÁSTICOS  En estadística, y específicamente en la teoría de la probabilidad, un proceso estocástico es un concepto matemático que sirve para caracterizar una sucesión de variables aleatorias (estocásticas) que evolucionan en función de otra variable, generalmente el tiempo. Ejemplo: El índice de la bolsa es un ejemplo de proceso estocástico de tipo no estacionario
  • 5. Proceso Estocástico  Definición Matemática: Una familia de variables aleatorias x(t) donde t es el parámetro perteneciente a un conjunto indexadoT es llamado un proceso estocástico (o proceso aleatorio), y se denota por: también es definido como: donde  es el espacio muestral. }),({ Tttx  },),,({   Tttx { ( ), }x t t T { ( , ), , }x t t T  
  • 6. Proceso Estocástico }),({ Tttx   Observación:  Si t es fijo, x( ) es una familia de variables aleatorias. (“ensemble”).  Para  fijo, x(t) es una función del tiempo llamada “función muestrada”.
  • 7. •Proceso estacionario: Un proceso es estacionario en sentido estricto si la función de distribución conjunta de cualquier subconjunto de variables es constante respecto a un desplazamiento en el tiempo. •Proceso de Márkov: Aquellos procesos discretos en que la evolución sólo depende del estado actual y no de los anteriores. •Proceso de Gauss: Proceso continuo en el que toda combinación lineal de variables es una variable de distribución normal. •Proceso de Poisson •Proceso de Gauss-Márkov: Son procesos, al mismo tiempo, de Gauss y de Márkov •Proceso de Bernoulli Son procesos discretos con una distribución binomial. Casos Especiales Estocásticos
  • 8. Teoría de colas  Una cola es una línea de espera  La teoría de colas es un conjunto de modelos matemáticos que describen sistemas de líneas de espera particulares Media Tiempo0 P(t) k = ∞ k = 1 k = 2 k = 8
  • 9. Sistemas de colas: modelo básico Llegadas Sistema de colas Cola Instalación del servicio Disciplina de la cola Salidas
  • 10. Estructuras típicas de sistemas de colas: una línea, un servidor Llegadas Sistema de colas Cola Servidor Salidas
  • 11. Estructuras típicas de sistemas de colas: una línea, múltiples servidores Llegadas Sistema de colas Cola Servidor Salidas Servidor Servidor Salidas Salidas
  • 12. Estructuras típicas de colas: varias líneas, múltiples servidores Llegadas Sistema de colas Cola Servidor Salidas Servidor Servidor Salidas Salidas Cola Cola
  • 13. COLAS CON SERVIDORES EN PARALELO  En algunos sistemas la cola no puede albergar a un número indefinido de clientes. En este caso se dice que el sistema es de capacidad limitada. El límite lo fija el parámetro K que incluye a los servidores. Las probabilidades de cada estado del sistema
  • 14. CONCLUSIONES  Las variables estocásticas corresponden a un amplio tratado matemático representado por fórmulas que coadyuvan al entendimiento de los comportamientos de ciertos fenómenos presentes en el entorno aplicado a diversos campos de la ciencia.  El análisis de procesos estocásticos mediante métodos estadísticos nos ayudan a brindar un acercamiento cuantificable de los fenómenos que lo integran.  Las variables estocásticas desarrollan una amplia aplicación dentro de las redes deTelecomunicaciones a la hora de analizar los procesos de mejoramiento del servicio de telefonía.