Proceso estocástico

45 idiomas

 Artículo
 Discusión
 Leer
 Editar
 Ver historial
Herramientas


















Véase también: Sistema estocástico

El índice de la bolsa es un ejemplo de proceso estocástico

de tipo no estacionario.

En la teoría de la probabilidad, un proceso estocástico es un concepto

matemático que sirve para representar 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.
Cada variable o conjunto de variables sometidas a influencias o
efectos aleatorios constituye un proceso estocástico. Un proceso
estocástico puede entenderse como una familia uniparamétrica de variables
aleatorias indexadas mediante el tiempo t. Los procesos estocásticos permiten
tratar procesos dinámicos en los que hay cierta aleatoriedad. Las aplicaciones y el
estudio de los fenómenos han inspirado a su vez la propuesta de nuevos procesos
estocásticos.
Ejemplos de tales procesos estocásticos incluyen el proceso de Wiener o proceso
de movimiento browniano,4 utilizado por Louis Bachelier para estudiar los cambios
de precios en la Bolsa de París,5 y el proceso de Poisson, utilizado por A. K.
Erlang para estudiar el número de llamadas telefónicas que se producen en un
determinado periodo de tiempo.6 Estos dos procesos estocásticos se consideran
los más importantes y centrales en la teoría de los procesos estocásticos,789 y
fueron descubiertos repetida e independientemente, tanto antes como después de
Bachelier y Erlang, en diferentes entornos y países.510
El término función aleatoria también se utiliza para referirse a un proceso
estocástico o aleatorio,1112 porque un proceso estocástico también puede
interpretarse como un elemento aleatorio en un espacio funcional.1314 Los
términos proceso estocástico y proceso aleatorio se utilizan indistintamente, a
menudo sin un espacio matemático específico para el conjunto que indexa las
variables aleatorias.1315 Pero a menudo estos dos términos se utilizan cuando las
variables aleatorias están indexadas por los enteros o un intervalo de la recta
real.1615 Si las variables aleatorias están indexadas por el plano cartesiano o
algún espacio euclidiano de dimensiones superiores, entonces la colección de
variables aleatorias suele llamarse campo aleatorio.1617 Los valores de un proceso
estocástico no son siempre números y pueden ser vectores u otros objetos
matemáticos.1614
Basándose en sus propiedades matemáticas, los procesos estocásticos pueden
agruparse en varias categorías, que incluye camino
aleatorio,18 martingalas,19 Cadena de Márkov,20 Proceso de Lévyes,21 Proceso
gaussiano,22 campos aleatorios,23 proceso de renovación, y proceso de
ramificación.24 El estudio de los procesos estocásticos utiliza conocimientos
matemáticos y técnicas de probabilidad, cálculo, álgebra lineal, teoría de
conjuntos y topología252627 así como ramas del análisis matemático como
el análisis real, la teoría de medidas, el análisis de Fourier y el análisis funcional.28
2930
La teoría de los procesos estocásticos se considera una importante
contribución a las matemáticas31 y sigue siendo un tema activo de investigación
tanto por razones teóricas como por sus aplicaciones.323334
Noción de proceso[editar]
Muchos campos utilizan observaciones en función del tiempo (o, más raramente,
de una variable espacial). En los casos más sencillos, estas observaciones dan
lugar a una curva bien definida. En realidad, desde las ciencias de la tierra hasta
las humanidades, las observaciones suelen producirse de forma más o menos
errática. Por lo tanto, la interpretación de estas observaciones está sujeta a una
cierta incertidumbre, que puede reflejarse en el uso de probabilidades para
representarlas.
Un proceso aleatorio generaliza la noción de variable aleatoria utilizada en
probabilidad. Se define como una familia de variables aleatorias X(t) asociadas a
todos los valores t ∈ T (a menudo tiempo).
Desde un punto de vista estadístico, consideramos todas las observaciones
disponibles x(t) como una realización del proceso, lo que da lugar a ciertas
dificultades. Un primer problema se refiere al hecho de que la duración sobre la
que se construye el proceso es generalmente infinita, mientras que una realización
abarca una duración finita. Por lo tanto, es imposible representar la realidad a la
perfección. Una segunda dificultad, mucho más grave, es que, a diferencia del
problema de las variables aleatorias, la información disponible sobre un proceso
se reduce generalmente a una única realización.
Tipos de procesos[editar]
Se suele distinguir entre procesos de tiempo discreto y continuo, con valores
discretos y continuos.
Si el conjunto T es contable, se llama proceso discreto o serie temporal, si el
conjunto es incontable se llama proceso continuo. La diferencia no es
fundamental: en particular, la estacionariedad, la constancia de las propiedades
estadísticas en función del tiempo, se define de la misma manera. Ni siquiera se
trata de una diferencia práctica, ya que los cálculos sobre un proceso continuo se
realizan mediante el muestreo de una realización del proceso. La diferencia está
más bien en la actitud hacia el uso de una única realización.
Hay una diferencia algo más marcada entre los procesos de valor continuo y los
procesos de recuento de valor discreto. Estos últimos sustituyen las integrales
utilizadas por los primeros por sumas algebraicas.
Ejemplos[editar]
Los siguientes son ejemplos dentro del amplio grupo de las series temporales:

 señales de telecomunicación;
 señales biomédicas (electrocardiograma, encefalograma, etc.);
 señales sísmicas;
 el número de manchas solares año tras año;
 la evolución en el tiempo de las variables macroeconómicas de un paıs;
 la evolución de la población de un municipio año tras año;
 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[editar]
 Proceso estacionario: Un proceso es estacionario en sentido estricto si la función de
distribución conjunta de cualquier subconjunto de variables es constante respecto a
un desplazamiento en el tiempo. Se dice que un proceso es estacionario en sentido
amplio (o débilmente estacionario) cuando se verifica que:

1. La media teórica es independiente del tiempo, y

2. Las autocovarianzas de orden s solo vienen afectadas por el lapso de
tiempo transcurrido entre los dos periodos y no dependen del tiempo.

 Proceso homogéneo: variables aleatorias independientes e idénticamente

distribuidas. Son proceso donde el dominio tiene cierta simetría y las
distribuciones de probabilidad finito-dimensionales tienen la misma simetría. Un
caso especial incluye a los procesos estacionarios, también llamados procesos
homogéneos en el tiempo.
 Proceso de Márkov: aquellos procesos discretos en que la evolución solo depende
del estado actual y no de los anteriores.
 Procesos de tiempo discreto
o Proceso de Bernoulli: son procesos discretos en los que el número de eventos
viene dado por una distribución binomial.
o Proceso de Galton-Watson: es un tipo de proceso de Markov con ramificación.
 Procesos de tiempo continuo:
o Proceso de Gauss: proceso continuo en el que toda combinación lineal de
variables es una variable de distribución normal.
o Proceso de Márkov continuo
 Proceso de Gauss-Márkov: son procesos, al mismo tiempo, de Gauss y de
Márkov.
 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 de Cox: es un proceso doblemente estocástico que
generaliza el proceso de Poisson, donde el parámetro de intensidad
varía aleatoriamente.
 o Proceso estocástico continuo: es un tipo de proceso estocástico de tiempo
continuo en que las trayectorias son además caminos continuos.
Definición matemática[editar]
Un proceso estocástico se puede definir equivalentemente de dos formas
diferentes:

 Como un conjunto de realizaciones temporales y un índice aleatorio que

selecciona una de ellas.
 Como un conjunto de variables aleatorias indexadas por un índice , dado que ,
con .
Un proceso se dice «de tiempo continuo» si es un intervalo (usualmente este
intervalo se toma como ) o de "tiempo discreto" si es un
conjunto numerable (solamente puede asumir determinados valores,
usualmente se toma ). Las variables aleatorias toman valores en un conjunto
que se denomina espacio probabilístico. Sea un espacio probabilístico. En
una muestra aleatoria de tamaño se observa un suceso compuesto formado
por sucesos elementales :
, de manera que .
El suceso compuesto es un subconjunto contenido en el espacio muestral y es
un álgebra de Borel . A cada suceso le corresponde un valor de una variable
aleatoria , de manera que es función de :
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 de un elemento , donde para todo es una variable aleatoria del valor
en .
Si se observa el suceso en un momento de tiempo:
.
define así un proceso estocástico.35
Si es una filtración,36 se llama proceso aleatorio adaptado, al valor en , de
un elemento , donde es una variable aleatoria -medible del valor en . La
función se llama la trayectoria asociada al suceso .