Proceso estocástico

Véase también: Sistema estocástico

En estadística, y específicamente en la teoría de la probabilidad, un proceso estocástico
es un concepto matemático que sirve para usar 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 probabilidady
pueden o no estar correlacionadas entre sí.

Cada variable o conjunto de variables sometidas a influencias o efectos aleatorios

El índice de la bolsa es un
constituye un proceso estocástico. Un proceso estocástico puede entenderse como
ejemplo de proceso estocástico
una familia uniparamétrica de variables aleatorias indexadas mediante el tiempo t. Los de tipo no estacionario.
procesos estocásticos permiten tratar procesos dinámicos en los que hay cierta
aleatoriedad.

Índice
Ejemplos
Casos especiales
Definición matemática
Véase también
Referencias

Ejemplos
Los siguientes son ejemplos dentro del amplio grupo de lasseries temporales:

señales de telecomunicación;
señales biomédicas (electrocardiograma, encefalograma, etcétera);
señales sísmicas;
el número de manchas solares año tras año;
el índice de la bolsa segundo a segundo;
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
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 sólo 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 sólo depende del estado actual y no de los
anteriores.
Procesos de tiempo discreto

Proceso de Bernoulli son procesos discretos en los que el número de eventos viene dado por una distribución
binomial.
Proceso de Galton-Watson: es un tipo de proceso de Markov con ramificación.
Procesos de tiempo continuo:

Proceso de Gauss: Proceso continuo en el que toda combinación lineal de variables es una variable de
distribución normal.
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 varible entre dos instantes tiene una distribución gaussiana y,
por tanto, además de unproceso 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.
Proceso estocástico continuo, es un tipo de proceso estocástico de tiempo continuo en que las trayectorias son
además caminos continuos.

Definición matemática
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 denominaespacio 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 elespacio muestral y es un álgebra de Boole . 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.2

Si es una filtración,3 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 .

Véase también
movimiento browniano
vuelo de Lévy

Referencias
2. Dagum, Camilo y Estela M. Bee de Dagum(1971)
1. Introducción a las series de tiempo. Métodos Introducción a la Econometría: 79-83. México: Siglo
paramétricos (https://books.google.es/books?id=KvLhx XXI editores, séptima edición, 1980.
FPwvsUC&pg=PA13&dq=un+proceso+estoc%C3%A1
stico+es&hl=es&sa=X&redir_esc=y#v=onepage&q=u 3. Se llama "filtración" a una sucesión {B(t), t∈T} de sub-
n%20proceso%20estoc%C3%A1stico%20es&f=false) . σ-álgebras tal que B(t) está incluida en B(r) si r < t.
Universidad De Medellin. 1 de enero de 2007.
ISBN 9789589801079. Consultado el 6 de febrero de
2017.

Obtenido de «https://es.wikipedia.org/w/index.php?title=Proceso_estocástico&oldid=110126159
»

Esta página se editó por última vez el 22 ago 2018 a las 23:15.

El texto está disponible bajo laLicencia Creative Commons Atribución Compartir Igual 3.0 ; pueden aplicarse cláusulas
adicionales. Al usar este sitio, usted acepta nuestrostérminos de uso y nuestra política de privacidad.
Wikipedia® es una marca registrada de laFundación Wikimedia, Inc., una organización sin ánimo de lucro.