Estudiante

1. QUE SON LOS PROCESOS MARCOVIANOS

El análisis de Markov es un procedimiento que se utilizar para describir el comportamiento de un sistema en una situación donde confluyen varias variables, prediciendo los movimientos del sistema entre diferentes posibles estados en un tiempo determinado. El análisis Markoviano o proceso de Markov está formado por un conjunto de objetos y un conjunto deestados. Si el número de estados es contable tal proceso de Markov se denomina Cadena de Markov. Una cadena de Markov es una secuencia de n experimentos en la que cada experimento consta de m resultados o estados posibles E1, E2,… En y la probabilidad de que ocurra un resultado particular depende únicamente de la probabilidad del resultado del experimento anterior. La probabilidad de transición p ijes la probabilidad de que el experimento pase del estado Ei al estado Ei . Así, p ij es una probabilidad condicional que se puede expresar como pij= PEi /Ej ; 1i, jm.. Si los índices i, j de pij representan
 
 el número de renglón y el número de columna, respectivamente, entonces las probabilidades de transición se pueden colocar en una matriz P de probabilidades de transición, cuyos elementosson no negativos y menores o iguales a 1

2. Proceso de nacimiento

3. Distribución normal

En estadística y probabilidad se llama distribución normal, distribución de Gauss o distribución gaussiana, a una de las distribuciones de probabilidad de variable continua que con más frecuencia aparece aproximada en fenómenos reales.
La gráfica de su función de densidad tiene una formaacampanada y es simétrica respecto de un determinado parámetro estadístico. Esta curva se conoce como campana de Gauss y es el gráfico de una función gaussiana.
La importancia de esta distribución radica en que permite modelar numerosos fenómenos naturales, sociales y psicológicos. Mientras que los mecanismos que subyacen a gran parte de este tipo de fenómenos son desconocidos, por la enorme cantidad devariables incontrolables que en ellos intervienen, el uso del modelo normal puede justificarse asumiendo que cada observación se obtiene como la suma de unas pocas causas independientes.
Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su extendida utilización, justificada por la frecuencia o normalidad con la que ciertos fenómenos tienden aparecerse en su comportamiento a esta distribución.
Muchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.
En otras ocasiones, al considerar distribuciones binomiales, tipo B(n,p), para un mismo valor de p y valores de n cada vez mayores, se ve que sus polígonos de frecuencias se aproximan a una curva en "forma de campana".
En resumen, laimportancia de la distribución normal se debe principalmente a que hay muchas variables asociadas a fenómenos naturales que siguen el modelo de la normal.

4. Distribución explonencial
.

Mientras que la distribución de Poisson describe las llegadas por unidad de tiempo, la distribución exponencial estudia el tiempo entre cada una de estas llegadas. Si las llegadas son de Poisson el tiempoentre estas llegadas es exponencial. Mientras que la distribución de Poisson es discreta la distribución exponencial es continua porque el tiempo entre llegadas no tiene que ser un número entero. Esta distribución se utiliza mucho para describir el tiempo entre eventos. Más específicamente la variable aleatoria que representa al tiempo necesario para servir a la llegada.
Ejemplos típicos de estasituación son el tiempo que un medico dedica a una exploración, el tiempo de servir una medicina en una farmacia, o el tiempo de atender a una urgencia.
El uso de la distribución exponencial supone que los tiempos de servicio son aleatorios, es decir, que un tiempo de servicio determinado no depende de otro servicio realizado anteriormente ni de la posible cola que pueda estar formándose. Otra...