Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ndice
1 Ejemplos
1.1 Casos especiales
2 Definicin matemtica
3 Vase tambin
4 Referencias
Ejemplos
Los siguientes son ejemplos dentro del amplio grupo de las series temporales:
Seales de telecomunicacin.
Seales biomdicas (electrocardiograma, encefalograma, etc.)
Seales ssmicas.
El nmero de manchas solares ao tras ao.
El ndice de la bolsa segundo a segundo.
La evolucin de la poblacin de un municipio ao tras ao.
El tiempo de espera en cola de cada uno de los usuarios que van llegando a una ventanilla.
El clima es un gigantesco conjunto de procesos estocsticos interrelacionados (velocidad del
viento, humedad del aire, etc) que evolucionan en el espacio y en el tiempo.
Los procesos estocsticos de orden mayor a uno, como el caso de una serie de tiempo de orden 2 y
una correlacin de cero con las dems observaciones.
Casos especiales
Proceso estacionario: Un proceso es estacionario en sentido estricto si la funcin de distribucin conjunta
de cualquier subconjunto de variables es constante respecto a un desplazamiento en el tiempo. Se dice
que un proceso es estacionario en sentido amplio (o dbilmente estacionario) cuando se verifica que:
Proceso homogneo: variables aleatorias independientes e idnticamente distribuidas. Son proceso donde
el dominio tiene cierta simetra y las distribuciones de probabilidad finito-dimensionales tienen la misma
simetra. Un caso especial incluye a los procesos estacionarios, tambin llamados procesos homogneos
en el tiempo.
Proceso de Mrkov: Aquellos procesos discretos en que la evolucin slo depende del estado actual y no
de los anteriores.
Procesos de tiempo discreto
Proceso de Bernoulli son procesos discretos en los que el nmero de eventos viene dado por una
distribucin binomial.
Proceso de Galton-Watson: es un tipo de proceso de Markov con ramificacin.
Procesos de tiempo continuo:
Proceso de Gauss: Proceso continuo en el que toda combinacin lineal de variables es una variable
de distribucin normal.
Proceso de Mrkov continuo
Proceso de Gauss-Mrkov: Son procesos, al mismo tiempo, de Gauss y de Mrkov
Proceso de Feller: son procesos estocsticos que toman valores sobre espacios de operadores
de algn espacio funcional.
Proceso de Lvy: son procesos homogneos de Markov de "tiempo continuo" que
generalizan el paseo aleatorio que usualmente se define como de "tiempo discreto".
Proceso de Poisson, es caso particular de proceso de Lvy donde el tiempo
transcurrido entre saltos sigue una distribucin exponencial y, por tanto, el nmero de
eventos en un intervalo viene dado por una distribucin de Poisson.
Proceso de Wiener, el incremento de la varible entre dos instantes tiene una
distribucin gaussiana y, por tanto, adems de un proceso de Lvy es un proceso de
Gauss simultneamente.
Proceso doblemente estocstico, es un tipo de modelo estocstico usado para modelar ciertas
series temporales, en el que los parmetros que dan las distribuciones tambin varan
aleatoriamente (de ah el trmino de doblemente estocstico).
Proceso de Cox es un proceso doblemente estocstico que generaliza el proceso de
Poisson, donde el parmetro de intensidad vara aleatoriamente.
Proceso estocstico continuo, es un tipo de proceso estocstico de tiempo continuo en que las
trayectorias son adems caminos continuos.
Definicin matemtica
Un proceso estocstico se puede definir equivalentemente de dos formas diferentes:
Como un conjunto de realizaciones temporales y un ndice aleatorio que selecciona una de ellas.
Como un conjunto de variables aleatorias indexadas por un ndice , dado que , con .
Un proceso se dice de "tiempo continuo" si es un intervalo (usualmente este intervalo se toma como )
o de "tiempo discreto" si es un conjunto numerable (solamente puede asumir determinados valores,
usualmente se toma ). Las variables aleatorias toman valores en un conjunto que se denomina
espacio probabilstico. Sea un espacio probabilstico. En una muestra aleatoria de tamao se
observa un suceso compuesto formado por sucesos elementales :
, de manera que .
Vase tambin
Movimiento browniano
Vuelo de Lvy
Referencias
2. Dagum, Camilo y Estela M. Bee de Dagum(1971)
1. Introduccin a las series de tiempo. Mtodos Introduccin a la Econometra: 79-83. Mxico: Siglo
paramtricos (https://books.google.es/books?id=KvL XXI editores, sptima edicin, 1980.
hxFPwvsUC&pg=PA13&dq=un+proceso+estoc%C 3. Se llama "filtracin" a una sucesin {B(t), tT} de
3%A1stico+es&hl=es&sa=X&redir_esc=y#v=onepag sub--lgebras tal que B(t) est incluida en B(r) si r <
e&q=un%20proceso%20estoc%C3%A1stico%20es& t.
f=false). Universidad De Medellin. 1 de enero de
2007. ISBN 9789589801079. Consultado el 6 de febrero
de 2017.
Se edit esta pgina por ltima vez el 6 jul 2017 a las 01:29.
El texto est disponible bajo la Licencia Creative Commons Atribucin Compartir Igual 3.0; pueden
aplicarse clusulas adicionales. Al usar este sitio, usted acepta nuestros trminos de uso y nuestra poltica
de privacidad.
Wikipedia es una marca registrada de la Fundacin Wikimedia, Inc., una organizacin sin nimo de
lucro.