Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Procesos estocásticos
Proceso estocástico
Colección o familia de variables aleatorias
𝑥𝑡 , 𝑡 ∈ 𝑇
Un proceso estocástico es una colección o familia de variables aleatorias ordenadas según
el subíndice t que, en general, se suele identificar con el tiempo. Por lo tanto, para cada
instante t tendremos una variable aleatoria distinta representada por Xt.
Con todo ello, un proceso estocástico puede interpretarse como una sucesión de variables
aleatorias cuyas características pueden variar a lo largo del tiempo. A los posibles valores
que puede tomar la variable aleatoria se le denominan estados, por lo que se puede tener
un espacio de estados discretos y un espacio de estados continuos. Por otro lado, la
variable tiempo puede ser de tipo continuo o discreto.
Por lo tanto, dependiendo de cómo sea el conjunto de subíndices t y el tipo de variable dado
por Xt, se puede establecer la siguiente clasificación de los procesos estocásticos:
t Discreta t Continua
Proceso estocástico
Defectuosos<-rbinom(24,25,0.15)
Defectuosos
## [1] 7 2 0 6 1 4 3 1 3 5 4 5 3 5 8 2 4 2 2 2 3 2 1 7
plot(Defectuosos, main="Número de defectuosos por hora", col="blue", xlab="Horas",type="o")
Supongamos que el número de accidentes que ocurren en una carretera al año tiene una distribución de
Poisson de media 3.7. Simula el número anual de accidentes que se producirán en un periodo de 20 años.
Accidentes<-rpois(20,3.7)
Accidentes
## [1] 3 6 4 1 4 4 4 2 3 9 4 4 4 5 2 4 6 1 6 3
plot(Accidentes, main="Número de accidentes anuales", col="blue", xlab="Años", type="o")
Econometría II ~ Grupo 2602 ~ Salón 525 – A ~ 6 ° semestre ~ 8:30 a 10:30 am 6 de 19 Febrero - marzo de 2020
Procesos de Markov
Caminata aleatoria
• Donde ξ es i.i.d.
• Jugador A tiene k pesos, jugador B tiene N-k pesos
• La probabilidad de ganar de A es p y la de perder 1-p
• Es una caminata aleatoria sobre el conjunto (0, 1, 2, …N)
Econometría II ~ Grupo 2602 ~ Salón 525 – A ~ 6 ° semestre ~ 8:30 a 10:30 am 8 de 19 Febrero - marzo de 2020
set.seed(12)
w=rnorm(100,0,1)
plot.ts(xd,main="random Walk",col="red",ylim=c(-10,60))
lines(x)
lines(.5*(1:200), lty="dashed")
Econometría II ~ Grupo 2602 ~ Salón 525 – A ~ 6 ° semestre ~ 8:30 a 10:30 am 9 de 19 Febrero - marzo de 2020
Martingala
Procesos estacionarios
• Son constantes en el tiempo
Econometría II ~ Grupo 2602 ~ Salón 525 – A ~ 6 ° semestre ~ 8:30 a 10:30 am 11 de 19 Febrero - marzo de 2020
Estacionariedad estricta
Estacionariedad débil
Ruido Blanco
Propiedades
• Ruido Blanco:
𝑦𝑡 = 𝜇 + 𝑢𝑡 donde 𝑢𝑡 ~𝑖𝑖𝑑 0, 𝜎 2
𝐸 𝑦𝑡 = 𝜇
𝑣𝑎𝑟 𝑦𝑡 = 𝜎 2
• Su autocovarianza es:
𝐸 𝑦𝑡 − 𝜇 𝑦𝑡−𝑠 − 𝜇 = 𝛾𝑠
• En el rezago s=0:
2
𝐸 𝑦𝑡 − 𝜇 𝑦𝑡−0 − 𝜇 = 𝐸 𝑢𝑡 = 𝜎2
• En el rezago s=1:
𝐸 𝑦𝑡 − 𝜇 𝑦𝑡−1 − 𝜇 = 𝐸 𝑢𝑡 𝑢𝑡−1 = 0
Econometría II ~ Grupo 2602 ~ Salón 525 – A ~ 6 ° semestre ~ 8:30 a 10:30 am 15 de 19 Febrero - marzo de 2020
Autocorrelación
𝛾𝑠
𝜏𝑠 = s=0, 1, 2,…
𝛾0
𝛾0 𝜎2 0
𝜏0 = = = 1 ; 𝜏1 = = 0 etc.
𝛾0 𝜎2 𝜎2
Econometría II ~ Grupo 2602 ~ Salón 525 – A ~ 6 ° semestre ~ 8:30 a 10:30 am 16 de 19 Febrero - marzo de 2020
Autocovarianzas muestrales
• Autocovarianza:
𝑛
Propiedades
Pruebas de autocorrelación
Prueba Q