Documentos de Académico
Documentos de Profesional
Documentos de Cultura
POSGRADO MATEMÁTICAS
APLICADAS
o
PROCESOS ESTOCÁSTICOS
2. Sumilla
Procesos estocásticos de estado y tiempo discretos. Paseo aleatorio. Teoría de
renovación. Procesos estocásticos de estado discreto y tiempo continuo. Procesos
estocásticos de estado y tiempo continuos. Procesos puntuales. Procesos
estacionarios. Cálculo estocástico. Procesos de ramificación.
3. Objetivos de aprendizaje
Al finalizar el curso el alumno será capaz de
1. identificar y justificar las nociones teóricas sobre los procesos estocásticos que
han sido seleccionados en el curso;
2. resolver ejercicios teóricos y prácticos sobre los procesos estocásticos básicos
estudiados;
3. realizar simulaciones, usando algún lenguaje de computación, de los procesos
estocásticos básicos estudiados.
4. Contenido
1. Procesos estocásticos.
Definición. Caminos muestrales. Distribuciones de probabilidad finito-
dimensionales. Función media. Función de autocovarianza. Sucesión de
variables aleatorias. Proceso de Bernoulli. Paseo aleatorio (Random Walk).
Proceso Gaussiano. Filtraciones.
2. Esperanza condicional.
Condicionando sobre un evento, una variable aleatoria discreta, variable
arbitraria o una sigma-álgebra. Propiedades. Esperanza condicional y
predicción.
3. Procesos estocásticos con espacio de estados discreto: Cadenas de Markov.
Cadenas de Markov en tiempo discreto: Definiciones. Clasificación de
1
ESCUELA DE MAESTRÍA EN
POSGRADO MATEMÁTICAS
APLICADAS
4. Metodología
El curso contempla sesiones de teoría y de práctica. Las clases teóricas son de forma
expositiva usando ZOOM sobre documentos (PowerPoint y pdf) colocados en la
página Paideia del curso donde también se colocarán las clases grabadas después de
cada sesión.
Habrán Listas de ejercicios correspondientes a los temas desarrollados en el curso las
cuales serán colocadas en la página Paideia al inicio de cada tema y que el alumno
deberá resolver. Cada Lista consistirá de una parte de resolución de ejercicios tanto
sobre la teoría como de su aplicación. La segunda parte estará referida a la simulación
de los procesos estocásticos estudiados en el curso.
Las sesiones prácticas consistirán en videos grabados sobre la resolución de ejercicios
elegidos de cada Lista como feedback a la corrección de la misma.
5. Sistema de evaluación
La nota final PF del curso se obtendrá de la siguiente fórmula:
6. Bibliografía
Brzezniak, Z. and Zastawniak, T. 1999. Basic Stochastic Processses. A
Course Through Exercises. Springer.
Dobrow, R.P. 2016. Introduction to Stochastic Processes with R.
2
ESCUELA DE MAESTRÍA EN
POSGRADO MATEMÁTICAS
APLICADAS
7. Cronograma
Semana Unidad, tema o capítulo
1 Revisión Probabilidad-Vectores aleatorios.
Procesos estocásticos. Definición. Caminos muestrales. Distribuciones
de probabilidad finito-dimensionales.
2 Función media. Función de autocovarianza. Sucesión de variables
aleatorias. Proceso de Bernoulli. Paseo aleatorio. Filtraciones.
3 Esperanza condicional. Condicionando sobre un evento; una variable
aleatoria discreta; una variable aleatoria arbitraria o una sigma-álgebra.
4 Esperanza condicional: Propiedades. Esperanza condicional y
predicción.
5 Martingalas en tiempo discreto: Definición. Juegos de azar.
6 Cadenas de Markov en tiempo discreto: Definiciones. Clasificación de
estados. Comportamiento a la larga: caso general y caso con espacio de
estados finito. Distribución invariante. Simulación.
7 Cadenas de Markov en tiempo continuo: Definiciones. Generador.
Distribución estacionaria. Condición de balance
8 Comportamiento a la larga. Simulación
9 Examen 1
10 Tiempos de parada. Teorema de parada opcional. Martingalas en
tiempo continuo.
3
ESCUELA DE MAESTRÍA EN
POSGRADO MATEMÁTICAS
APLICADAS
14 Movimiento Browniano.
Definición. Propiedades. Simulación.
15 Integral estocástica de Ito. Propiedades.
17 Aplicaciones
17 Examen 2