Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Procesos Estocasticos Presentacion 2017 PDF
Procesos Estocasticos Presentacion 2017 PDF
ACETATOS DE CLASE
son independientes.
Xt = Acos(wt);
A es v. a. con A = 1, 2, 3, 4, 5, 6;
P(A = i) = 1/6 i
Xt =
FILTRO LINEAL
Yt = Yt-1 + Xt
donde Xt es un proceso Bernoulli
donde t1 < t2 < ... < tn < tn + 1 y xi est incluida en algn espacio de
estado discreto.
Martingalas
Xn = X0 + 1 + 2 + + n para n = 0, 1, 2,
{p, si j = i + 1
P[Xn+1 = jXn = i] = { q, si j = i - 1
{ 0, en otro caso
X n = X0 + 1 + 2 + + n
Algunas propiedades de Xn
Teorema: Para cualquier n 0,
1) E(Xn) = n(p q) y 2) Var(Xn) = 4npq
Ejercicio 1: Demostracin.
Ejercicio 2: Hacer una discusin de las expresiones
E(Xn) = n(p q) y Var(Xn) = 4npq
Ejercicio: Demostrar
Idea: Considerar la v. a. Xn = Rn - Ln donde Rn y Ln
representan el nmero de pasos a la derecha y a
la izquierda respectivamente. Adems considerar
n = Rn + Ln y de donde se tiene la v. a. Rn dada por:
Rn = (n + Xn) =
CALCULADORA
X CUADRADO
0,30000
0,25000
0,20000
x2 0,15000
0,10000
0,05000
0,00000
-0,05000 0 5 10 15 20 25 30 35 40 45
Iteraciones
5,00000
4,00000
3,00000
1/x
2,00000
1,00000
0,00000
0 10 20 30 40 50
Iteraciones
RAIZ CUADRADA DE X
1,20000
1,00000
0,80000
RAIZ(X) 0,60000
0,40000
0,20000
0,00000
0 10 20 30 40 50
Iteraciones
COSENOS
1,20000
1,00000
0,80000
Cos(x)
0,60000
0,40000
0,20000
0,00000
0 10 20 30 40 50
Iteraciones
X CUADRADO - UNO
0,40000
0,20000
0,00000
-0,20000 0 10 20 30 40 50
x2 + 1
-0,40000
-0,60000
-0,80000
-1,00000
-1,20000
Iteraciones
PROGRAMA EXCEL
Estos sistemas se llaman sistemas dinmicos
discretos. Aqu es posible obtener la secuencia x0,
x1, , xn de sucesivos estados del sistema (rbita de
x0) de forma que:
La iteracin de la funcin:
f(x) = K.x.(1 x), 0 < x < 1
Se llama cascada logstica.
0,35
0,3
0,25
kx(1-x)
0,2
0,15
0,1
0,05
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Iteraciones
0,7
0,6
0,5
kx(1-x)
0,4
0,3
0,2
0,1
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Iteraciones
LOGISTICA. K=2.9; X0 = PI/10
0,8
0,7
0,6
0,5
kx(1-x)
0,4
0,3
0,2
0,1
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Iteraciones
0,8
0,7
0,6
0,5
kx(1-x)
0,4
0,3
0,2
0,1
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Iteraciones
LOGISTICA. K=3.2; X0 = PI/10
0,8
kx(1-x)
0,6
0,4
0,2
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Iteraciones
0,8
kx(1-x)
0,6
0,4
0,2
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Iteraciones
LOGISTICA. K=3.56; X0 = PI/10
0,8
kx(1-x)
0,6
0,4
0,2
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Iteraciones
1,2
1
0,8
kx(1-x)
0,6
0,4
0,2
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Iteraciones
LOGISTICA
1,200000
1,000000
0,800000
KX(1 - X)
0,600000
0,400000
0,200000
0,000000
-0,200000 0 10 20 30 40 50 60 70 80
1,2
1
0,8
KX(1 - X)
0,6
0,4
0,2
0
-0,2 0 10 20 30 40 50 60 70 80
Iteraciones
1,2
1
0,8
KX(1 - X)
0,6
0,4
0,2
0
-0,2 0 10 20 30 40 50 60 70 80
Iteraciones
Existe contraparte continua:
d
x 1 F1 (x, t; ),
dt
d
x 2 F2 (x, t; ),...
dt
d
x g Fg (x, t; )
dt
Se puede escribir:
d
x = F(x, t; )
dt
Donde x y F son vectores de la forma:
x 1 F1
x F
2
x := (t), F := 2 (x, t; )
... ...
x g Fg
n 1 G 1 (x n ; ),
x (1)
n 1 G 2 (x n ; ),...
x (2)
n 1 G g (x n ; )
x (g)
Xt = a + rXt-1 + t
Donde:
x0 conocido, a y r constantes con 0 r 1,
Para cada t, t sigue una distribucin N(0, )
PROCESO WIENER
Xt = Xt-1 + tt
x0 conocido, t = t-1 + t
Para cada t, t sigue una distribucin N(0, 1)
t es independiente de s para todo t s
DISTRIBUCIONES MARGINALES
Si se tiene un proceso estocstico tal como
X(t1),X(t2),X(t3), . . .
se define la funcin de distribucin de probabilidad de
cada una de ellas:
Ft(x) = FX(t)(x) = Pr[X(t) x],
y su funcin de densidad de probabilidad (V continuas)
ft(x) = fX(t)(x) = FX(t)(x),
X(k, l) = {Cov[X(k),X(l)]}/sqr{Var[X(k)]Var[X(l)]}