UNIVERSIDAD TECNOLGICA DE PEREIRA

MAESTRA EN INVESTIGACIN OPERATIVA Y ESTADSTICA

PROCESOS ESTOCSTICOS
TALLER 2 AGOSTO 22 DE 2015

Procesos Estocsticos Taller 2

Juan Manuel Amariles. Cdigo: 1088263915
Diego Armando Galindres. Cdigo: 1088262086
1.0 Del taller 1, respecto a las inspecciones que la jefe de la empresa de software hace en forma aleatoria para
verificar si los programadores estn trabajando o perdiendo el tiempo en cosas no laborales, utilizando las
distribuciones Binomial y Pascal:
1.1 Cmo se estima el parmetro del modelo binomial?

= . .
= 320 = 0.15
1.2 Cul es el valor esperado de programadores que pierden tiempo en el trabajo?

() =
() = 20 0.15 = 3

1.3 Cul es la probabilidad de que se encuentren exactamente tres programadores perdiendo tiempo?
En MatLab
P=0.15;
n=20;
x=3;
P3= binopdf(x,n,P)

P3 = 0.2428
R/ Por tanto la probabilidad de que exactamente tres programadores estn perdiendo el tiempo es de
24.28%
1

1.4 Cul es la probabilidad de que no se encuentre a ninguno de los programadores perdiendo el tiempo?
P=0.15;
n=20;
PDF0=binopdf(0,n,P)

PDF0 = 0.0388
R/ Por tanto la probabilidad de que exactamente tres programadores estn perdiendo el tiempo es de
24.28%
1.5 Cul es la probabilidad de que se encuentren uno o ms programadores perdiendo el tiempo?

P(x 1) = 1- PDF0 = 1 - 0.0388 = 0.9612

R/ la probabilidad es de 96.12% que se encuentre 1 o ms programadores perdiendo el tiempo
1.6 Cul es la probabilidad de que toque inspeccionar los 20 programadores para encontrar uno perdiendo
el tiempo?
Para resolver la pregunta se utiliza la distribucin geomtrica, de la siguiente forma:
X19 = 19;
p = 0.15;
y = geopdf(X19,P)
y = 0.0068
R/ La probabilidad de que toque inspeccionar los 20 programadores para encontrar uno perdiendo el
tiempo es de 0.68%
1.7 Discuta si las condiciones de Bernoulli se cumplen en este proceso de encontrar programadores
perdiendo el tiempo
R/ si se cumplen las condiciones de Benoulli, ya que en el proceso de encontrar programadores
perdiendo el tiempo, se tiene que:

Existen nicamente dos posibles resultados para cada ensayo: ocurrencia y no ocurrencia del
evento de inters (encontrar al programador perdiendo el tiempo o lo contrario)
La probabilidad de ocurrencia de cada evento es la misma para cada ensayo, esto se da porque
P=0.15, se toma como un parmetro.
Los ensayos sucesivos de un mismo tipo son independientes, ya que el comportamiento de cada
programador en la utilizacin de su tiempo, no influye en el de los dems.

2.0 Del taller 1, para la muestra de datos de costos de reparacin de errores del producto estrella de la
empresa de software:
2.1 Estimar los parmetros de modelos exponencial y normal
Del taller 1

E(c) = 10.5218

Sc= 2.6178 por tanto, Sc2 = 6.8529

2

2.2 Hacer la prueba de bondad de ajuste a los modelos exponencial y normal

n=length(x);
Media=mean(x);
desvest=std(x);
CDFall=normcdf(x,mean(x),std(x));
[H,P,KSSTAT,CV] = kstest(x,[x,CDFall],0.05);
if KSSTAT<CV
display('Se Acepta que los datos siguen distribucin Normal')
else
display('Se Rechaza que los datos siguen distribucin Normal')
end
Media=mean(x);
desvest=std(x);
CDF=expcdf(x,mean(x));
[H,P,KSSTAT,CV] = kstest(x,[x,CDF],0.05);
if KSSTAT<CV
display('Se Acepta que los datos siguen distribucin Exponencial')
else
display('Se Rechaza que los datos siguen distribucin Exponencial')
end

%Grafico de Calificaciones Normales

P=zeros(n,1);
for i=1:n
if i==1
P(i)=(1/(n+1));
else
P(i)=P(i-1)+(1/(n+1));
end
end
z=norminv(P,0,1);
subplot(1,2,1),plot(z,sort(x),'.')
Orden=sort(x);
suma=0;
for i=1:n
for j=1:i
if j==1
suma=suma+(n)*(Orden(j)-0);
else
suma=suma+(n-j+1)*(Orden(j)-Orden(j-1));
end
end
R(i)=suma;
3

suma=0;
end
S=R/R(n);
U=(1:n)/n;
subplot(1,2,2),plot(U,S)
Al correr el algoritmo se encuentra que:
Se Acepta que los datos siguen distribucin Normal
Se Rechaza que los datos siguen distribucin Exponencial

2.3 Hacer la prueba grfica de calificaciones normales

Para esto se hizo el siguiente cdigo
p=0.3;
n=12;
t=1:12;
for i=1:n
Ext(i)=(2*p-1)*i;
end
stairs(t,Ext)
xlabel('tiempo')
ylabel('E[X(t)]')
grid
% pause
% close

for t=0:n
4

for k=0:t
Xt(k+1,t+1)=2*k-t;
PXt(k+1,t+1)=binopdf(k,t,p);
end
end
Xt
PXt
for t=1:12
k=t+1;
subplot(6,2,t),bar(Xt(1:k,t+1),PXt(1:k,t+1))
end

2.4 Hacer la prueba grfica TTT a la distribucin exponencial

La prueba grfica TTT para la distribucin exponencial obtiene los siguientes resultados:

R/ As, se puede ver que la grfica no sigue un comportamiento en zigzag alrededor de la recta de color
verde (recta resultado de hallar la trasformada de la distribucin exponencial), por lo anterior se puede
concluir que los datos no siguen una distribucin exponecial segn la prueba TTT.

3.0 A un conductor de taxi le gusta cometer infracciones de trnsito en forma aleatoria. En un da

cualquiera, en el 70% de las situaciones de manejo a que se enfrenta, comete una infraccin.
Utilizando el modelo de caminata aleatoria binomial:
3.1 Cul es el valor esperado de Xt en t=1, 2, 12. Cmo se interpretan estos resultados?
( ) = (2 1)
= 0.3
( )
-0.4
-0.8
-1.2
-1.6
-2
-2.4
-2.8

1
2
3
4
5
6
7
6

8
9
10
11
12

-3.2
-3.6
-4
-4.4
-4.8

R/ en la tabla anterior se puede observar el valor esperado del nmero de infracciones cometidas
a medida que transcurre el tiempo, as en el tiempo t=12, se espera que el taxista haya
cometido 4.8 infracciones.
3.2 Halle la distribucin de probabilidad de Xt en t=1, 2, 12. Por qu existen todas estas
distribuciones?

Si k es el nmero de infracciones que puede haber cometido para un Xt dado, se tiene lo

siguiente:

K
0
1
2
3
4
5
6
7
8
9
10
11
12

1
2
3
0.3 0.09 0.03
0.7 0.42 0.19
0.49 0.44
0.34

4
0.01
0.08
0.26
0.41
0.24

5
6
0.002 0.001
0.03 0.01
0.13 0.06
0.31 0.19
0.36 0.32
0.17
0.3
0.12

t
7
0.000
0.004
0.03
0.1
0.23
0.32
0.25
0.08

8
9
10
11
12
0.000 0.000 0.000 0.000 0.000
0.001 0.000 0.000 0.000 0.000
0.01 0.004 0.001 0.001 0.000
0.05 0.02 0.01 0.004 0.001
0.14 0.07 0.04 0.02 0.01
0.25 0.17
0.1 0.06 0.03
0.3
0.27
0.2 0.13 0.08
0.2
0.27 0.27 0.22 0.16
0.06 0.16 0.23 0.26 0.23
0.04 0.12
0.2
0.24
0.03 0.09 0.17
0.02 0.07
0.01

R/ se produce una distribucin diferente, porque el nmero de infracciones cometidas a

medida que transcurre el tiempo, es un proceso estocstico, donde a medida que t cambia, el
valor esperado y la varianza tambin cambian, por tanto para cada valor de t, la distribucin
va a ser diferente.
3.3 Realice un cdigo para simular la caminata aleatoria binomial y presente 10 realizaciones del
fenmeno aleatorio entre t=0 y t=12.

p=0.3;
7

n=12;
N=10; %Numero de realizaciones
X0=0;
for i=1:N %for de la Realizacin
for j=1:n %for de los tiempos
U=rand();
if U<=p
D=1;
else
D=-1;
end
if j==1
Xt(i,j)=X0+D;
else
Xt(i,j)=Xt(i,j-1)+D;
end
end
end
% Xt
EXt=mean(Xt)
stairs(Xt(1,:))
plot(EXt)

Nmero de realizaciones
3.4 Con la simulacin estime el valor esperado de Xt en t=1, 2, 12. Qu diferencia existe con
respecto al mtodo analtico?

1
2
3
4
5
6
7
8
9
10
11
12

( )

( )
-0.4
-0.8
-1.2
-1.6
-2
-2.4
-2.8
-3.2
-3.6
-4
-4.4
-4.8

-0.2
-0.6
-1.4
-1.2
-1.6
-1.6
-1.6
-1.6
-2.4
-2.4
-2.8
-2.4

R/ la discrepancia entre el valor esperado y el simulado para cada t se hace ms grande con el
incremento de t, esto se da porque el nmero de realizaciones es pequea, ya que si se hace la
simulacin con un nmero mayor de realizaciones, por la Ley Fuerte de los Grandes Nmeros,
el valor simulado ser igual al valor esperado. Como es muestra a continuacin con 10.000
realizaciones
( )

( )
1
-0.4
-0.3998
2
-0.8
-0.8124
3
-1.2
-1.2032
4
-1.6
-1.603
5
-2
-1.9994
6
-2.4
-2.4138
7
-2.8
-2.8094
8
-3.2
-3.2138
9
-3.6
-3.6234
10
-4
-4.0144
11
-4.4
-4.4174
12
-4.8
-4.818

3.5 Qu informacin adicional brinda el mtodo de simulacin con respecto a las ecuaciones
presentadas en el texto?

R/ La simulacin permite generar varios escenarios los diferentes parmetros de las

caminatas, adems que grficamente se pueden ver que tan distintos son dichos escenarios o
la tendencia que cada uno tiene.
3.6 Vuelva a correr la simulacin utilizando como parmetro p=0.5. Por qu en este caso, el
modelo se llama recurrente y en caso contrario transiente?
R/ porque el parmetro p o sesgo, define la forma del modelo, as para p = 0.5 el modelo es
recurrente y para p 0.5 el modelo es transiente.
4.0 Considere una accin que se transa en el mercado de valores, vale inicialmente COP$60 y sus
incrementos son normales con $0.08 y volatilidad del 125%. Utilizando el modelo de
caminata aleatoria normal:
4.1 A los 45 das, cul es el valor esperado, la volatilidad, el intervalo de estimacin del valor
esperado y la probabilidad de que el valor de la accin supere COP$70?
( ) = 0 +
(45 ) = $60 + $0.08 45 = $63.6
R/ se espera que la accin, a los 45 cueste $63.6
( ) =
(45 ) = $0.08 1.25 45
(45 ) = $0.6708
R/ la volatilidad a los 45 das ser de $0.6708

$63.6 1.967 $0.6708 ( ) $63.6 + 1.967 $0.6708

$62.2805 ( ) $64.9195
R/ el valor esperado de la accin estar entre $62.2805 y $64.9195
4.2 Realice un cdigo para simular la caminata aleatoria normal y presente 10 realizaciones del
fenmeno aleatorio entre t=0 y t=60 das.
miu=0.08;
sig=miu*1.25;
n=60;
t=1:n;
N=10; %Numero de realizaciones
10

X0=0;
for i=1:N %for de la Realizacin
for j=1:n %for de los tiempos
D=normrnd(miu,sig);
if j==1
Xt(i,j)=X0+D;
else
Xt(i,j)=Xt(i,j-1)+D;
end

end
end
EXt=mean(Xt)
plot(t,Xt)

4.3 Con la simulacin estime el valor esperado de la accin entre t=0 y t=60 das. Qu diferencia
existe con respecto al mtodo analtico?
t ( ) Terico ( ) Simulado Discrepancia
1
60.08
60.09
-0.01
2
60.16
60.19
-0.03
3
60.24
60.25
-0.01
4
60.32
60.35
-0.03
5
60.4
60.44
-0.04
6
60.48
60.53
-0.05
7
60.56
60.65
-0.09
8
60.64
60.77
-0.13
9
60.72
60.84
-0.12
11

10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53

60.8
60.88
60.96
61.04
61.12
61.2
61.28
61.36
61.44
61.52
61.6
61.68
61.76
61.84
61.92
62
62.08
62.16
62.24
62.32
62.4
62.48
62.56
62.64
62.72
62.8
62.88
62.96
63.04
63.12
63.2
63.28
63.36
63.44
63.52
63.6
63.68
63.76
63.84
63.92
64
64.08
64.16
64.24

60.99
61.01
61.08
61.15
61.25
61.27
61.36
61.49
61.59
61.64
61.73
61.81
61.91
61.97
62.05
62.14
62.15
62.20
62.32
62.40
62.49
62.54
62.68
62.75
62.83
62.94
63.04
63.11
63.20
63.26
63.30
63.39
63.47
63.55
63.60
63.69
63.78
63.87
63.94
64.02
64.11
64.18
64.27
64.34
12

-0.19
-0.13
-0.12
-0.11
-0.13
-0.07
-0.08
-0.13
-0.15
-0.12
-0.13
-0.13
-0.15
-0.13
-0.13
-0.14
-0.07
-0.04
-0.08
-0.08
-0.09
-0.06
-0.12
-0.11
-0.11
-0.14
-0.16
-0.15
-0.16
-0.14
-0.10
-0.11
-0.11
-0.11
-0.08
-0.09
-0.10
-0.11
-0.10
-0.10
-0.11
-0.10
-0.11
-0.10

54
55
56
57
58
59
60

64.32
64.4
64.48
64.56
64.64
64.72
64.8

64.36
64.46
64.58
64.63
64.67
64.72
64.78
Desviacin
Estndar

-0.04
-0.06
-0.10
-0.07
-0.03
0.00
0.02
0.04

R/ La discrepancia entre el valor esperado y el simulado para cada t es pequea, como se puede ver
con el valor de la desviacin estndar para todas las discrepancias, y si se hacen ms realizaciones,
est discrepancia se va a tender a ser cero.
4.4 Compare los resultados para $0.08 , $0.00 y $0.08 , manteniendo fija la
volatilidad en el 125%.
R/ Al ser la constante de incrementos a transcurrir t, se evidencia que cuando $0.08 la
accin tiende a desvalorizarse, cuando $0.00 , se mantiene constante, ya que la volatilidad
tambin seria cero, y finalmente al tener $0.08 se observa que la tendencia de la accin
es positiva. Como se muestra a continuacin
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

Terico
60.08
60.16
60.24
60.32
60.4
60.48
60.56
60.64
60.72
60.8
60.88
60.96
61.04
61.12
61.2
61.28
61.36
61.44
61.52
61.6
61.68

= - 0.08
59.92
59.78
59.75
59.67
59.67
59.61
59.57
59.48
59.38
59.28
59.19
59.10
59.05
58.99
58.95
58.89
58.78
58.69
58.64
58.57
58.52

=0
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
13

= + 0.08
60.09
60.19
60.25
60.35
60.44
60.53
60.65
60.77
60.84
60.99
61.01
61.08
61.15
61.25
61.27
61.36
61.49
61.59
61.64
61.73
61.81

22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60

61.76
61.84
61.92
62
62.08
62.16
62.24
62.32
62.4
62.48
62.56
62.64
62.72
62.8
62.88
62.96
63.04
63.12
63.2
63.28
63.36
63.44
63.52
63.6
63.68
63.76
63.84
63.92
64
64.08
64.16
64.24
64.32
64.4
64.48
64.56
64.64
64.72
64.8

58.45
58.41
58.35
58.27
58.19
58.11
58.03
58.01
57.91
57.81
57.71
57.64
57.54
57.48
57.36
57.29
57.16
57.07
56.98
56.92
56.78
56.70
56.62
56.57
56.52
56.47
56.37
56.28
56.17
56.10
56.03
55.95
55.85
55.76
55.67
55.55
55.49
55.47
55.35

60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00
60.00

14

61.91
61.97
62.05
62.14
62.15
62.20
62.32
62.40
62.49
62.54
62.68
62.75
62.83
62.94
63.04
63.11
63.20
63.26
63.30
63.39
63.47
63.55
63.60
63.69
63.78
63.87
63.94
64.02
64.11
64.18
64.27
64.34
64.36
64.46
64.58
64.63
64.67
64.72
64.78

 $0.08

$0.00

$0.08

4.5 Compare los resultados para volatilidades del 50%, 125% y 200% manteniendo fijo $0.08

50%

Volatilidad
125%

200%

R/ la Volatilidad hace que la accin vari ms con el transcurso del tiempo, haciendo que sea ms
difcil predecir su comportamiento futuro.
4.6 Qu informacin adicional brinda el mtodo de simulacin con respecto a las ecuaciones
presentadas en el texto?
R/ La simulacin permite generar varios escenarios los diferentes parmetros de las caminatas,
adems que grficamente se pueden ver que tan distintos son dichos escenarios o la
tendencia que cada uno tiene.

1.
2.
3.
4.
5.

1.
2.
3.
4.

Reglas para entrega de trabajos va email

Enviar un solo archivo en formato PDF que contenga todo el material del taller (No un archivo por cada pgina)
El archivo debe nombrarse de la siguiente forma: estocsticos taller X pepito perez y compaia.pdf
No colocar hoja de portada. En la primera fila de la primera pgina escribir: Procesos estocsticos taller X pepito perez cdigo
9999999 y en seguida el desarrollo de la tarea.
Si el taller se realiz a mano, se puede escanear y enviar siguiendo las instrucciones de los puntos 1, 2 y 3
Para reducir el nmero de pginas: usar mrgenes de 1cm, letra tamao 10 y espaciamiento sencillo
Reglas para entrega de trabajos en forma impresa
No colocar hoja de portada. En la primera fila de la primera pgina escribir: Procesos estocsticos taller X pepito perez cdigo
99999999 y en seguida el desarrollo del taller.
Pegar las hojas con grapadora (cosedora). No empastar ni anillar. No colocar hojas en blanco al inicio ni final
Para reducir el nmero de pginas: usar mrgenes de 1cm, letra tamao 10 y espaciamiento sencillo
Los talleres pueden realizarse a mano, en cualquier tipo de hoja, incluso utilizando papel reciclado

15

16