Documentos de Académico
Documentos de Profesional
Documentos de Cultura
usar magnitudes aleatorias que varían con el tiempo o para caracterizar una sucesión de variables
aleatorias (estocásticas) que evolucionan en función de otra variable, generalmente el tiempo.1
Cada una de las variables aleatorias del proceso tiene su propia función de distribución de
probabilidad y pueden o no estar correlacionadas entre sí.
Índice
1 Ejemplos
2 Definición matemática
3 Véase también
4 Referencias
Ejemplos
Los siguientes son ejemplos dentro del amplio grupo de las series temporales:
señales de telecomunicación;
señales sísmicas;
el tiempo de espera en la cola de cada uno de los usuarios que van llegando a una ventanilla;
el clima, un gigantesco conjunto de procesos estocásticos interrelacionados (velocidad del viento,
humedad del aire, etcétera) que evolucionan en el espacio y en el tiempo;
los procesos estocásticos de orden mayor a uno, como el caso de una serie de tiempo de orden 2 y
una correlación de cero con las demás observaciones.
Casos especiales
Las autocovarianzas de orden s sólo vienen afectadas por el lapso de tiempo transcurrido entre los
dos periodos y no dependen del tiempo.
Proceso de Márkov: Aquellos procesos discretos en que la evolución sólo depende del estado
actual y no de los anteriores.
Proceso de Bernoulli son procesos discretos en los que el número de eventos viene dado por una
distribución binomial.
Proceso de Gauss: Proceso continuo en el que toda combinación lineal de variables es una variable
de distribución normal.
Proceso de Feller: son procesos estocásticos que toman valores sobre espacios de operadores de
algún espacio funcional.
Proceso de Lévy: son procesos homogéneos 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 Lévy donde el tiempo transcurrido entre
saltos sigue una distribución exponencial y, por tanto, el número de eventos en un intervalo viene
dado por una distribución de Poisson.
Proceso de Wiener, el incremento de la variable entre dos instantes tiene una distribución
gaussiana y, por tanto, además de un proceso de Lévy es un proceso de Gauss simultáneamente.
Proceso doblemente estocástico, es un tipo de modelo estocástico usado para modelar ciertas
series temporales, en el que los parámetros que dan las distribuciones también varían
aleatoriamente (de ahí el término de doblemente estocástico).
Proceso estocástico continuo, es un tipo de proceso estocástico de tiempo continuo en que las
trayectorias son además caminos continuos.
Definición matemática
Como un conjunto de realizaciones temporales y un índice aleatorio que selecciona una de ellas.
Un proceso se dice «de tiempo continuo» si {\displaystyle T\,}T\, es un intervalo (usualmente este
intervalo se toma como {\displaystyle [0,\infty )}{\displaystyle [0,\infty )}) o de "tiempo discreto" si
{\displaystyle T\,}T\, es un conjunto numerable (solamente puede asumir determinados valores,
usualmente se toma {\displaystyle T\subseteq \mathbb {N} }{\displaystyle T\subseteq \mathbb {N}
}). Las variables aleatorias {\displaystyle X_{t}\,}{\displaystyle X_{t}\,} toman valores en un
conjunto que se denomina espacio probabilístico. Sea {\displaystyle (\Omega ,{\mathcal {B}},P)}
{\displaystyle (\Omega ,{\mathcal {B}},P)} un espacio probabilístico. En una muestra aleatoria de
tamaño {\displaystyle n}n se observa un suceso compuesto {\displaystyle E}E formado por sucesos
elementales {\displaystyle \omega }\omega :
El dominio de esta función o sea el campo de variabilidad del suceso elemental, es el espacio
muestral, y su recorrido, o sea el de la variable aleatoria, es el campo de los números reales. Se
llama proceso aleatorio al valor en {\displaystyle (A,{\mathcal {A}})}{\displaystyle (A,{\mathcal
{A}})} de un elemento {\displaystyle X=(\Omega ,{\mathcal {B}},(X_{t})_{t\geq 0},P)}{\displaystyle
X=(\Omega ,{\mathcal {B}},(X_{t})_{t\geq 0},P)}, donde para todo {\displaystyle t\in \mathbb {R}
,X_{t}\,}{\displaystyle t\in \mathbb {R} ,X_{t}\,} es una variable aleatoria del valor en {\displaystyle
(A,{\mathcal {A}})}{\displaystyle (A,{\mathcal {A}})}.
{\displaystyle V=V(\omega ,t),\qquad \omega \in \Omega ,t\in T,-\infty <V<\infty }{\displaystyle
V=V(\omega ,t),\qquad \omega \in \Omega ,t\in T,-\infty <V<\infty }.
movimiento browniano
vuelo de Lévy
Referencias
Se llama "filtración" a una sucesión {B(t), t∈T} de sub-σ-álgebras tal que B(t) está incluida en B(r) si
r < t.