PROCESOS ESTOCÁSTICOS

Por
Ivan Torres Peña
Francisco Quetzal Cha Martínez Cortez
Luis Enrique Hernández Martínez
 ¿Que es un Proceso estocástico?
Un proceso estocástico es un conjunto de variables aleatorias que depende de un parámetro
o de un argumento. En el análisis de series temporales, ese parámetro es el
tiempo. Formalmente, se define como una familia de variables aleatorias {; definidas sobre
un espacio de probabilidad (Ω, A, P).

En términos mucho más sencillos, un proceso estocástico es aquel que no se puede

predecir.
Existen dos tipos de procesos estocásticos:

 Procesos estocásticos estacionarios: Tiene una serie de características que lo hacen,

en cierta manera intuir el resultado.

 Procesos estocásticos no estacionarios: En términos generales, sería impredecible.

 Proceso estocástico estacionario

Un proceso estocástico estacionario es aquel cuya distribución de probabilidad varía de

forma más o menos constante a lo largo de cierto periodo de tiempo. Con otras palabras,
una serie de números puede parecer (y ser) caótica pero tomar valores dentro de un rango
limitado. A través de esta información se pueden realizar modelos que intenten predecir la
variable. Los retornos diarios de un activo financiero son un ejemplo de procesos
estocásticos estacionarios.
Proceso estocástico no estacionario

Un proceso estocástico no estacionario es aquel cuya distribución de probabilidad varía de

forma no constante. Dicho de otra forma, si una serie de números se comporta de forma
totalmente caótica, podríamos decir que es aleatorio no estacionario.
 Proceso gaussiano

En teoría de probabilidad y estadística , un proceso gaussiano es un proceso estocástico, de

modo que cada colección finita de esas variables aleatorias tiene una distribución normal
multivariante , es decir, cada combinación lineal finita de ellas es normalmente repartida. La
distribución de un proceso gaussiano es la distribución conjunta de todas esas variables
aleatorias y, como tal, es una distribución sobre funciones con un dominio continuo, por
ejemplo, tiempo o espacio.

Un proceso estocástico continuo en el tiempo {; es gaussiano si y solo si para cada conjunto

finito de índices , . . . , en el conjunto de índices , . . . , = (, . . . , )
 Proceso gaussiano

Los procesos gaussianos son útiles en el modelado estadístico , beneficiándose de las
propiedades heredadas de la distribución normal. Por ejemplo, si un proceso aleatorio se
modela como un proceso gaussiano, las distribuciones de varias cantidades derivadas se
pueden obtener explícitamente. Tales cantidades incluyen el valor promedio del proceso en
un rango de tiempos y el error al estimar el promedio usando valores de muestra en un
pequeño conjunto de tiempos. Si bien los modelos exactos a menudo escalan mal a medida
que aumenta la cantidad de datos, se han desarrollado múltiples métodos de
aproximación que a menudo conservan una buena precisión al tiempo que reducen
drásticamente el tiempo de cálculo.