Facultad de Ciencias Naturales y Matemáticas Departamento Académico de Matemática Escuela Profesional de Estadística

ASIGNATURA: PROCESOS ESTOCÁSTICOS
PROFESORA: Lic. Rocío Virto Tomasto

a lo largo del tiempo. de acuerdo a unas leyes no determinísticas.a.Procesos estocásticos La teoría de los procesos estocásticos se centra en el estudio y modelización de sistemas que evolucionan a lo largo del tiempo. se puede estudiar cómo evoluciona una v. de carácter aleatorio. La forma habitual de describir la evolución del sistema es mediante sucesiones o colecciones de variables aleatorias. De esta manera. . esto es. o del espacio.

el número de parados en el sector de Hostelería a lo largo de un año. el precio de las acciones de una empresa a lo largo de un año. n ∈ N} donde el subíndice indica el instante de tiempo (o espacio) correspondiente. La primera idea básica es identificar un proceso estocástico con una sucesión de v. .{Xn. el número de personas que espera ante una ventanilla de un banco en un instante t de tiempo.Procesos estocásticos Por ejemplo.a.

que da una idea más exacta de lo que es un proceso estocástico. {Xt. de manera que a cada punto s ∈ S del espacio muestral se le puede asociar un número de la recta real. se podrá hablar de una colección o familia de v. Así. Se tenía que una v. X(s) es una función que va desde un espacio muestral S a la recta real. sean continuos. permitiendo que los instantes de tiempo en los que se definen las v.a.a.Procesos estocásticos Esta idea inicial se puede generalizar fácilmente. t ∈ R}. .a.

Procesos estocásticos De este modo. Si a todo esto se le añade una dimensión temporal.) caiga en un cierto intervalo o conjunto de números reales. la probabilidad de cada suceso de S se puede trasladar a la probabilidad de que un valor de X (v. se obtiene un proceso estocástico.a. La definición formal es la siguiente: .

Ejemplos: Xt: número de personas que esperan un autobús en un instante t donde t ∈ [9. P ) de modo que para todo t ∈ T ⊂ R fijo Xt : (Ω. . 2. . 12). Xt: número de parados en el mes t (t = 1. P ) −→ (R.a. B) w −→ Xt(w) ∈ R esto es. . . X•(w) es una función del tiempo. 30).Proceso estocástico  Dado el espacio de probabilidad (Ω. Xt es una variable aleatoria y ∀w ∈ Ω fijo. . . .       .a. . 2. 10] Xt: precio de una acción de una empresa en un día t del mes (t = 1.

Procesos estocásticos Para que un proceso estocástico esté completamente definido hay que determinar completamente las v. Al conjunto T ⊂ R de subíndices se le denomina conjunto paramétrico y puede ser continuo o numerable. es más. la distribución conjunta de todas ellas..a. determinar e identificar la distribución de probabilidad asociada a cada una de ellas y. De este modo aparece una primera clasificación en procesos estocásticos de parámetro continuo o de parámetro discreto. es decir. .

esta probabilidad depende. en general. Proceso en el que. . en cada instante. bien determinada de ocurrencia de cada uno de los estados en los que se puede encontrar el sistema. existe una prob.Proceso estocástico “Estocástico” (del griego stokhastes = adivino) ~ lo que está ligado al azar. de cuáles hayan sido los estados efectivamente alcanzados en instantes anteriores.

Un ejemplo. su variación es parcialmente determinística y parcialmente aleatoria (figura 1). Se denomina proceso estocástico a toda variable que evoluciona a lo largo del tiempo de forma total o parcialmente aleatoria. es la temperatura en Madrid.Definiciones . que se dice del clima castellano). aumenta en el verano y desciende mucho en invierno (“nueve meses de invierno y tres de infierno”. aumenta durante el día y baja durante la noche. .

.

ordenadas según el subíndice t que en general se suele identificar con el tiempo. para cada instante t tendremos una variable aleatoria distinta representada por Xt. Por ejemplo. Por tanto.Procesos estocásticos Un proceso estocástico es una colección o familia de variables aleatorias {Xt. siobservamos sólo unos pocos valores de t. con lo que un proceso estocástico puede interpretarse como una sucesión de variables aleatorias cuyas características pueden variar a lo largo del tiempo. tendríamos una imagen similar a la de la figura siguiente: . con t ∈ T}.

El índice de la bolsa es un ejemplo de proceso estocástico de tipo no estacionario (por eso no se puede predecir). .

Los proceso estocásticos se clasifican en: Tiempo discreto: Cuando el valor de la variable sólo puede cambiar en una serie de momentos determinados del tiempo (por ejemplo. Tiempo continuo: Cuando el valor de la variable puede cambiar en cualquier momento del tiempo (la temperatura. los sorteos de la lotería tienen lugar en determinadas fechas). por ejemplo). .

o en 1/8 de punto.Otra forma de clasificar a los procesos estocásticos es:  Variable continua: La variable puede tomar cualquier valor comprendido en un rango (la temperatura. . por ejemplo)  Variable discreta: La variable sólo puede tomar determinados valores o estados discretos (los mercados financieros cotizan sus activos con unos precios que oscilan: de céntimo de euro en céntimo de euro.). etc.

Clasificación de los procesos estocásticos .

 Sucesión de variables aleatorias continuas: cantidad de lluvia caída cada mes  Proceso puntual: Número de clientes esperando en la cola de un supermercado  Proceso continuo: velocidad del viento .Ejemplos de los tipos de procesos estocásticos  Cadena: supongamos que un sistema hidráulico de una válvula de seguridad.

Koralov Yakov G.Random Variables and Stochastic Leonid B. Sinai  Theory of Probability and Random Processes  Second Edition .Bibliografía  Processes Fourth Edition  Athanasios Papoulis Polytechnic University  S. Unnikrishna Pillai  Probability.