Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MATEMÁTICA APLICADA
(PROCESOS ESTOCÁSTICOS)
“TRABAJO INVESTIGATIVO”
DOCENTE:
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
𝑥(𝑡1 , 𝑤)
𝑥(𝑡2 , 𝑤)
.
.
.
(𝑥(𝑡𝑛 , 𝑤))
Donde finalmente, si los valores de 𝑡 𝑦 𝑤 son ambos fijos, el proceso estocástico representa
apenas un número real.
La notación, 𝑥(𝑡, 𝑤), usada para representar un proceso estocástico será simplificada
al omitirse la variable 𝑤, siendo utilizada la representación 𝑥(𝑡).
CLASIFICACIÓN
Según la estructura del conjunto paramétrico (𝑻) y del conjunto de estados (𝑬):
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.
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 {𝑌𝑛 },
en la que cada variable 𝑌𝑛 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(𝑌𝑛 = 1) = = 𝑃(𝑌𝑛 = 0)
2
De esta manera, se tiene que cada variable del proceso original toma la forma:
𝑋𝑛 = 𝑌1 + 𝑌2 + ⋯ . +𝑌𝑛
𝑋𝑛 = 𝑋𝑛−1 + 𝑌𝑛
Son independientes para cualquier colección finita de tiempos 𝑡𝑜 < 𝑡1 < 𝑡2 … . < 𝑡𝑘 ,
decimos que {𝑋(𝑡)} es un proceso de incrementos independientes. Si se trata de
un proceso a tiempo discreto {𝑋𝑛 }, diremos que es un proceso con incrementos
independientes si para cada entero positivo 𝑛 se tiene que.
𝑋𝑜 , 𝑋1 − 𝑋𝑜 , 𝑋2 − 𝑋1 , … … . , 𝑋𝑛 − 𝑋𝑛−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.
Los momentos de un proceso estocástico son los momentos de las variables aleatorias
definidas en cualquier instante del proceso.
➢ Media de un proceso estocástico 𝑥(𝑡), representada por 𝑚𝑥 (𝑡), es definida como la
media de la variable aleatoria 𝑥(𝑡) (en notación más compacta, 𝑥𝑡 ) asociada a un
instante cualquiera 𝑡 ∈ 𝑌, es decir,
𝑚𝑥 (𝑡) = 𝐸[𝑥(𝑡)]; 𝑡 ∈ 𝑌
𝑚𝑥 = 𝜂𝑥 ; ∀𝜏
𝑅𝑥 (𝑡1 , 𝑡2 ) = 𝑅𝑥 (𝜏); 𝜏 = 𝑡2 − 𝑡1
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
1 𝜏
𝑀𝑥 = lim ∫ 𝑋(𝑡)𝑑𝑡 = lim 𝜇𝜏
𝜏→∞ 2𝜏 −𝜏 𝜏→∞
1 𝜏
𝐴𝑥 = lim ∫ 𝑋(𝑡)𝑋(𝑡 + 𝜏)𝑑𝑡
𝜏→∞ 2𝜏 −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 𝜇𝑥
sea constante, esto se cumple si el proceso es estacionario
Ejemplo 2: Sea A una VA 𝑁(0,1), definimos el proceso 𝑋(𝑡) = 𝐴. ¿Es ergódico en
media?
𝜇𝑥 = 𝐸[𝐴] = 0
1 𝜏
𝜇𝜏 = ∫ 𝐴𝑑𝑡 = 𝐴 ≠ 0
2𝑇 −𝜏
𝑛𝑜 𝑒𝑠 𝑒𝑟𝑔𝑜𝑑𝑖𝑐𝑜 𝑒𝑛 𝑚𝑒𝑑𝑖𝑎
𝜇𝑥 = 𝐸[𝑎]𝑐𝑜𝑠(𝑤𝑡) + 𝐸{𝑏}𝑐𝑜𝑠(𝑤𝑡) = 0 + 0 = 0
1 𝜏 𝑠𝑒𝑛(𝑤𝑇)
𝜇𝜏 = ∫ (𝑎𝑐𝑜𝑠(𝑤𝑡) + 𝑏𝑐𝑜𝑠(𝑤𝑡))𝑑𝑡 = → lim 𝜇𝜏 = 0
2𝑇 −𝜏 𝑤𝑇 𝜏→∞
1
𝑅𝑥 (𝜏) = 𝐸[𝑋(𝑡)𝑋(𝑡 + 𝜏)] = cos (𝑤𝜏)
3
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