Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CARATULA LOJA
AREA DE LA ENERGÍA Y LOS RECURSOS NATURALES NO
RENOVABLES
INGENIERIA EN ELECTRÓNICA Y
TELECOMUNICACIONES
MATEMÁTICA APLICADA
(PROCESOS ESTOCÁSTICOS)
“TRABAJO INVESTIGATIVO”
DOCENTE:
ING. MARIANELA CARRIÓN GONZÁLEZ MG.SC
INTEGRANTE:
PAUL MERINO
-
Ciclo: 6º “A”
LOJA - ECUADOR
2020
PROCESOS ESTOCÁSTICOS
INTRODUCCIÓN
En muchas ocasiones de nuestra vida nos enfrentamos a procesos afectados por eventos
fortuitos que inciden en los resultados que esperábamos, donde estos procesos son los
denominados procesos estocásticos. Dentro de esto los procesos estocásticos se centran
en el estudio y modelización de sistemas que evolucionan a lo largo del tiempo, o del
espacio, de acuerdo a unas leyes no determinísticas, esto es, de carácter aleatorio. La
forma habitual de describir la evolución del sistema es mediante sucesiones o colecciones
de variables aleatorias, de esta manera un mapa que asocia a cada punto de muestra
w ∈ Ω una función real de un parámetro t perteneciente a un conjunto Y (en la mayoría de
los procesos estocásticos, el parámetro t este asociado al tiempo). Se crea de esta
manera una familia N de funciones de t , t ∈ Y .
De este modo se puede decir que un proceso estocástico es un mapa definido por:
x : Ω→ N
w → x ( t , w ) , t ∈Y
x ( t1 , w )
( )
x ( t2 , w )
.
.
.
x ( tn , w )
CLASIFICACIÓN
Por ejemplo, considere una máquina dentro de una fábrica, los posibles estados de
para la máquina son que esté operando o que esté fuera de funcionamiento y la
verificación de esta característica se realizará al principio de cada día de trabajo. Si
hacemos corresponder el estado” fuera de funcionamiento” con el valor 0 y el
estado “en operación” con el valor 1, se tiene que el espacio de estado es E={ 0,1 }
y el espacio del parámetro es T ={ 1,2 , … … … ,20 }correspondientes a los días
laborales, la siguiente figura muestra una posible secuencia de cambios de estado
a través del tiempo para esa máquina.
Figura 3: Estado de la máquina al inicio del día.
Un
Proceso Puntual es un proceso estocástico en el cual los cambios de estados
pueden ocurrir en cualquier momento, pero la variable aleatoria sólo toma valores
discretos en el espacio de estados, por ejemplo, unidades producidas hasta el
instante de tiempo t . La representación gráfica común de este tipo de procesos se
muestra en la figura:
Por ejemplo,
consideremos de número de estudiantes que están solicitando libros en la
biblioteca de la Facultad de Ciencias Económicas y Sociales en un instante de
tiempo al día. El espacio de estados está representado por E={ 1,2, … … … , n },
número de estudiantes, el cual es discreto, y el espacio de estados sería
T =[ 0,480 ] tomando el tiempo en minutos, el cual es continuo.
En la vida real se producen distintas relaciones entre las variables aleatorias que
constituyen un proceso estocástico. Estas propiedades probabilísticas son importantes a
la hora de identificar y clasificar un proceso estocástico.
Para analizar este proceso se puede considerar otra sucesión de variables aleatorias { Y n } ,
en la que cada variable Y n toma el valor 1 si en el n-ésimo lanzamiento sale cara y toma
el valor 0 si cae en cruz. Es claro que estas variables son independientes e idénticamente
distribuidas, y su distribución de probabilidad común es:
1
P ( Y n=1 ) = =P ( Y n =0 )
2
De esta manera, se tiene que cada variable del proceso original toma la forma:
X n=Y 1 +Y 2+ … .+Y n
X n=X n−1 +Y n
X ( t o ) , X ( t 1 ) −X ( t o ) , X ( t 2 ) −X ( t 1) , … … .. X ( t k )−X (t k−1 )
Son independientes para cualquier colección finita de tiempos t o <t 1 <t 2 … .< t k ,
decimos que { X (t) } es un proceso de incrementos independientes. Si se trata de
un proceso a tiempo discreto { X n }, diremos que es un proceso con incrementos
independientes si para cada entero positivo n se tiene que.
X o , X 1 −X o , X 2− X 1 , … … . , X n− X n−1
Son variables aleatorias independientes. Esto significa que lo que haya ocurrido en
intervalos ajenos al que se observa en un momento dado, no afecta la probabilidad
de los eventos relacionados con el proceso en ese intervalo.
P ( X ( t n )=x n|X ( t o ) =x o , X ( t 1 )=x 1 ,.. , X ( t n−1) =x n−1 )=P( X ( t n ) =x n∨X ( t n−1 )=x n−1)
Un proceso de Markov en el cual las X (t) son variables aleatorias continuas, se
conoce como punto de difusión.
En un proceso a tiempo discreto { X n }, escribimos la propiedad de Markov de la
siguiente forma:
P ( X n =xn| X o=x o , X 1=x 1 ,.. , X n−1=x n−1 )=P (X ¿ ¿ n=x n∨X n−1=x n−1 )¿
Los momentos de un proceso estocástico son los momentos de las variables aleatorias
definidas en cualquier instante del proceso.
m x ( t ) =E [ x (t ) ] ; t ∈ Y
R x (t 1 , t 2 )=E [ x (t 1 )x (t 2) ] ; t 1 ∈Y , t 2 ∈Y
R x (t 1 , t 2 )=E [ x 2( t) ] ; t ∈Y
k x ( t 1 ,t 2 )=R x ( t 1 , t 2 ) −m x ( t 1 ) m x ( t 2 )
px x … … x ( X 1, X2 , … … , Xm)
1 2 tm
¿ px t1 + xt 2+ τ +… .+ x tm+τ ( X 1 , X 2 ,… … , X m ) ; ∀ τ
Observaciones:
p x ( X ) =p x + τ ( X ) ; ∀ τ
t t
p x px ( X 1 , X 2 )= p x + x +τ ( X 1 , X 2 ) ; ∀ τ
1 1 t 2
mx =ηx ; ∀ τ
En muchas ocasiones, sólo disponemos de una realización del proceso (es decir,
disponemos de una función temporal), en este caso, para conocer el proceso calculamos
sus promedios temporales
τ
1
M x =lim ∫ X (t) dt =lim μτ
τ → ∞ 2 τ −τ τ→∞
τ
1
A x =lim ∫ X (t) X (t + τ )dt
τ → ∞ 2 τ −τ
Ambas son variables aleatorias ya que toman valores distintos para cada realización del
proceso. Diremos que un proceso es ergódico si sus promedios estadísticos coinciden
con los temporales, sólo necesitamos una realización del proceso para conocer los
promedios estadísticos, por consiguiente, tenemos dos tipos de ergodicidad:
Ergodicidad en media, dado que la media temporal μτ no depende del tiempo, para
que un proceso sea ergódico en media, es necesario que la media del proceso μ x
sea constante, esto se cumple si el proceso es estacionario
μ x =E [ A ] =0
τ
1
μτ = ∫ Adt = A ≠ 0
2T −τ
no es ergodico en media
Bibliografía
Lara, P. (04 de 09 de 2015). issuu. Obtenido de
https://issuu.com/pedrodaniellaramaldonado/docs/u1._introduccion_a_los_procesos_est