Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Proceso Estocastico
Proceso Estocastico
Simulación 2001
Profesor: Héctor Allende
Introducción
• Las características de un fenómeno aleatorio puede ser
descrito a través de la distribución de probabilidad de una
variable aleatoria que representa el fenómeno.
3
x(t )
k
x(t )
n
x(t )
Profesor Dr. Héctor Allende 5
t1 Desarrollado por Rodrigo Salas t 2
Proceso Estocástico
Estado
Continuo Discreto
Continuo
Tiempo
Discreto
C xx (t ) : T T
(t1 , t 2 ) C xx (t1,t 2 ) Cov[ xt , xt 2 ]
1
1 n k
donde x(t i ) E[ x(t i )] x(ti ) i 1,2
n k 1
x (t ) : T T
Cov[ xt , xt 2 ]
(t1 , t 2 ) x (t1, t 2 ) 1
(t1 ) (t 2 )
1 n
n x(ti ) para un proceso de tiempo discreto.
i 1
E[ x(t )] T
1 x(t )dt para un proceso de tiempo continuo.
T
0
2 2 2 2 2
0 0 0 0 0
Profesor Dr. Héctor Allende 24
Desarrollado por Rodrigo Salas
7.- Proceso Normal(Gaussiano)
• Un proceso estocástico x(t) se dice que es un proceso
normal (o gaussiano) si para cualquier tiempo t, la variable
aleatoria x(t) tiene distribución Normal.
• Obs:
– Un proceso normal es importante en el análisis
estocástico de un fenómeno aleatorio observado en las
ciencias naturales, ya que muchos fenomenos aleatorios
pueden ser representados aproximadamente por una
densidad de probabilidad normal. Ejm: movimiento de
la superficie del oceano.
(t1 t 2 ) ( (t 2 t1 )) para 0 t 2 t1
Cov[ x(t1 ), x(t 2 )]
0 e.t.o.c
Por lo tanto un proceso de incremento de Poisson es
estacionario en covarianza.
n k nk
P{ X n k} p q , donde q 1 p
k
• Notación: X ~ MA(q )
• Notación: X ~ AR ( p )
• Notación: X ~ ARMA( p, q)