Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estocásticos
Modelos Estocásticos - ICI-2212
Claudio Carmona C.
Contenidos
Unidad 1: Introducción a los Procesos
Estocásticos
Unidad 2: Repaso de probabilidad y
estadística
Unidad 3: Proceso de Poisson
Unidad 4: Proceso de Renovación
Unidad 5: Cadenas de Markov en Tiempo
Discreto
Unidad 6: Cadenas de Markov en Tiempo
Continuo
Unidad 7: Sistemas de Espera
Unidad 8: Inventario Probabilístico
Evaluación y Asistencia
Evaluación
Promedio Solemnes (3): 60%
Promedio controles,
trabajos y tareas (3): 40%
Variable aleatoria a lo
Proceso estocástico
largo del tiempo
Objetivo
Ajustar un modelo con el fin
de hacer predicciones sobre
el comportamiento futuro.
Procesos Estocásticos –
Introducción (continuación)
Las distribuciones de probabilidad
(Normal, Poisson, etc.) y las relaciones
que ligan las magnitudes del sistema
constituyen lo que se llama un “modelo
matemático” del fenómeno; se llama
proceso estocástico a un modelo que se
ajusta al caso descrito, en donde una o
varias magnitudes del sistema varían en
una forma aleatoria en función del
tiempo.
Procesos Estocásticos –
Introducción (continuación)
A los posibles valores que puede tomar
la variable aleatoria se le denominaran
estados, por lo que se puede tener un
espacio de estados discreto o un
espacio de estados continuo.
Los estados posibles del sistema
pueden ser en número finito o infinito,
pero a menudo se les definirá en forma
que puedan ser numerados. Cada
estado posible puede ser referido como
X0, X1, … , Xi, …
Procesos Estocásticos –
Introducción (continuación)
Una secuencia de variables que indique
el valor de alguna magnitud del sistema
en instantes sucesivos suele
representarse de la siguiente manera:
Entonces habrá
variables aleatorias
Procesos Estocásticos –
Clasificación (Ejemplo continuo)
Entonces el proceso es a
tiempo continuo y se denota:
Procesos Estocásticos -
Cadena