Upload
javier-berumen
View
217
Download
0
Embed Size (px)
Citation preview
8/10/2019 Procesos estocasticos_1
1/39
Procesosestocasticos
8/10/2019 Procesos estocasticos_1
2/39
Ejemplo
Registro de la temperatura
mxima diaria en una ciudad
durante un mes.
Serie temporal o
cronolgica
- sucesin de valores
de una variable
observada durante un
periodo de tiempo.
Ideas preliminaresSeries temporales
8/10/2019 Procesos estocasticos_1
3/39
comportamiento
Importancia
Conocer la evolucin de
los valores de la variable
tratada en el tiempo.
Predecir el
de los fenmenos.
Ideas preliminaresSeries temporales
8/10/2019 Procesos estocasticos_1
4/39
Proceso estocsticoVariable aleatoria a lo
largo del tiempo
Objetivo
Ajustar un modelo con el fin
de hacer predicciones sobreel comportamiento futuro.
Ideas preliminaresProcesos estocsticos
8/10/2019 Procesos estocasticos_1
5/39
continuo
de tipo discreto o de tipo continuo
Adems la variable tiempo puede ser
espacio de estados
espacio de estados
discreto
Estados:
Posibles
valores quepuede tomar
la variable
aleatoria
Procesos estocsticos (aleatorios)Definicin formal
8/10/2019 Procesos estocasticos_1
6/39
Para cada t
es una variable aleatoria.
Para cada
es una trayectoria del
proceso.
Un proceso estocstico
puede considerarse
tambin como un funcin
de dos variables.
De manera que a la pareja
se le asocia el estado
o
Procesos estocsticos (aleatorios)Definicin formal
8/10/2019 Procesos estocasticos_1
7/39
Si para instante t el proceso estocstico es..
Xtes continua de estado continuo
Xtes discreta de estado discreto
Si el conjunto T es... La v. a. Xt es...
continuo proceso estocstico de
parmetro continuo
discreto proceso estocstico de
parmetro discreto
Procesos estocsticos
8/10/2019 Procesos estocasticos_1
8/39
Supongamos el espacio
parametral:
(Discreto)
que interpretamos como
tiempos.
Entonces habr:
variables aleatorias
estado del sist
es el valor del proceso o
ema al
tiempo n.
Entonces para cada n, Xn
Procesos estocsticosCaso sencillo tiempo discreto
8/10/2019 Procesos estocasticos_1
9/39
Convencin:
si el subndice es n, entonces los
tiempos son discretos, y si el
subndice es t, el tiempo se mide de
manera continua
El espacio parametral tambin
puede ser un conjunto continuo
Entonces el proceso es a
tiempo continuo y se denota:
Procesos estocsticosCaso tiempo continuo
8/10/2019 Procesos estocasticos_1
10/39
Procesos estocsticos
8/10/2019 Procesos estocasticos_1
11/39
Los posibles estados para la mquina son que estoperando o que est fuera de funcionamiento.
Posible secuencia
de cambios de
estado a travs deltiempo para esa
mquina.
La verificacin se realizar al
principio de cada da siendolos estados:
"fuera de operacin" con el
valor 0"en operacin" con el valor 1.
Procesos estocsticosCadena - Ejemplo mquina en una fbrica
8/10/2019 Procesos estocasticos_1
12/39
Seal telegrfica.
Slo hay dos posibles
estados (por ej. 1 y -1)
pero la oportunidad del
cambio de estado se da
en cualquier instante en
el tiempo, es decir, elinstante del cambio de
estado es aleatorio.
Procesos estocsticosProcesos de Saltos Puros - Ejemplo
8/10/2019 Procesos estocasticos_1
13/39
seal de voz modulada
en amplitud.
Seal de voz vista en la
pantalla de un
osciloscopio.
Esta seal acstica estransformada en una seal
elctrica analgica que puede
tomar cualquier valor en un
intervalo continuo de estados.
Procesos estocsticosProceso continuo - Ejemplo
8/10/2019 Procesos estocasticos_1
14/39
distribucin de probabilidades, en general, distinta de las
en la que cada variable Xi, i = 0, ..., n, tiene una
otras variables.
Una secuencia de variables que indique el valor del
proceso en instantes sucesivos suele representarse de la
siguiente manera:
Procesos estocsticosProcesos de estado discreto
8/10/2019 Procesos estocasticos_1
15/39
prob abi l idad de transicin
o de cambio de estado.
Principal inters
en el caso
discreto:
* clculo deprobabilidades de
ocupacin de
cada estado a
partir de las
probabilidades decambio deestado.
Procesos estocsticosProcesos de estado discreto
Si en el instante n1 se est
en el estado xn1con qu
probabilidad se estar en el
estado xn en el siguiente n?
Esta probabilidad se denotar
con
8/10/2019 Procesos estocasticos_1
16/39
Probabilidades de
ocupacin de estado
Probabilidades de
transicin o de cambio deestado.
Otra notacin
Procesos estocsticosProcesos de estado discreto
8/10/2019 Procesos estocasticos_1
17/39
Otro probabilidad de inters es la de ocupar un cierto
estado en un instante n, dado que en todos los instantes
anteriores, desde n=0 hasta n1, se conoce en qu
estados estuvo el proceso. Esto se puede escribir como:
Ntese que esta probabilidad
depende de toda la historiapasada del proceso, mientras
que la probabilidad de transicin
depende nicamente del estado
actual que ocupe el proceso.
Procesos estocsticosProcesos de estado discreto
8/10/2019 Procesos estocasticos_1
18/39
Procesos de Markov
Propiedad de Markov.
Son procesos donde,
suponiendo conocido el
estado presente del sistema,
los estados anteriores no
tienen influencia en los
estados futuros del sistema.
Procesos estocsticosProcesos de estado discreto
8/10/2019 Procesos estocasticos_1
19/39
Cadenas de Markov
Aquellas Cadenas que cumplen la propiedad de
Markov se llaman Cadenas de Markov.
Procesos estocsticosProcesos de estado discreto
8/10/2019 Procesos estocasticos_1
20/39
Cadenas de Markov
Considere una mquina que ser
revisado al inicio de cada da paraverificar si est operativa o si est
daada.
diagrama de estados
Procesos estocsticosProcesos de estado discreto
8/10/2019 Procesos estocasticos_1
21/39
Segn el cuento, en la Tierra de
Oz nunca hay dos das buenos
en sucesin. Despus de un da
con buen tiempo, le sigue (conigual probabilidad) un da con
lluvia o nieve. Del mismo modo,
si nieva (o llueve), el da
siguiente nevar (o llover) con
probabilidad 1/2, pero si cambia
el tiempo, solo la mitad de las
veces ser un lindo da.
EjemploEl clima en la Tierra de Oz
8/10/2019 Procesos estocasticos_1
22/39
Primero encontremos la probabilidades de transicin, es
decir las probabilidades de que teniendo cierto clima un da,
al da siguiente se tenga otro clima.
Indiquemos con b un da bueno, con uno lluvioso y n sinieva.
EjemploEl clima en la Tierra de Oz
8/10/2019 Procesos estocasticos_1
23/39
Resumiendo:
Se le llama matriz detransicin (o transiciones).
Veamos que:Los coeficientes son positivos.
Si sumamos una fila el resultado es 1.
En cambio la suma por columnas no da 1.
EjemploEl clima en la Tierra de Oz
8/10/2019 Procesos estocasticos_1
24/39
Una matriz estocstica derecha es una matriz cuadrada cada una de
cuyas filas est formada por nmeros reales no negativos, sumando
cada fila 1.
Una matriz estocstica izquierda es una matriz cuadrada cada una
de cuyas columnas est formada por nmeros reales no negativos,
sumando cada columna 1.
Una matriz doble estocstica es una matriz cuadrada donde todos los
valores son no negativos y todas las filas y columnas suman 1.
8/10/2019 Procesos estocasticos_1
25/39
En el siguiente momento
volveremos a ese estado o a
otro.
Pasaremos de un estado a
otro con cierta probabilidad.
Solo depende del estado
inmediato anterior.
La probabilidad no cambiacon el transcurso del tiempo.
Este es un ejemplo de una
cadena de Markov
Hay ciertos estados: b,l y n.
En cada momento estamos en
alguno de esos estados.
EjemploEl clima en la Tierra de Oz
8/10/2019 Procesos estocasticos_1
26/39
estar en el estado j dado
La matriz de transicin
Con la condicin (matriz
estocstica.
pijes la probabilidad de
que est en el estado i.
En cualquier paso puedeocurrir alguno de lossucesos E
1, E
2, . . . , E
my
Procesos estocsticosCadenas de Markov
8/10/2019 Procesos estocasticos_1
27/39
Procesos estocsticosCadenas de Markov - Ejemplo 1
8/10/2019 Procesos estocasticos_1
28/39
Las siguientes matrices son estocsticas?
EjemploCadenas de Markov
8/10/2019 Procesos estocasticos_1
29/39
PaseanteLa zona urbana de mi pueblo tiene 6
cuadras de largo, que van de norte a
sur.
Estoy con ganas de deambular y pasar
el tiempo, y como tengo una moneda,
se me ocurre tirarla y caminar una
cuadra hacia el norte si sale cara o unacuadra hacia el sur si sale cruz. Y
contino este juego hasta salir de la
zona urbana, ya sea hacia el norte o hacia
el sur
Procesos estocsticosCadenas de Markov - Ejemplo 2
8/10/2019 Procesos estocasticos_1
30/39
Podemos pensar que los estados son 0,1,...,5,6, donde
0 es la esquina sur donde empieza la zona urbana, 6 la
esquina norte.
La matriz de transicin puede escribirse entoncescomo:
Al llegar al estado 0 o 6
el "juego" se termina,
por lo que ponemos un
1 en la entradacorrespondiente
indicando que ya nos
quedamos para siempre
en esa posicin.
Procesos estocsticosCadenas de Markov - Ejemplo 2
8/10/2019 Procesos estocasticos_1
31/39
En cada camino
multiplicamos
las probabilidades, y
despus sumamos los
caminos
Supongamos que estando
en un estado i lleguemos
en dos pasos al estado j.
Evidentemente en el
primer paso estaremos
en algn estado
intermedio
k (que puede ser i o j) y
despus pasar de k a j
Procesos estocsticosCadenas de Markov - Dos pasos, ejemplo.
8/10/2019 Procesos estocasticos_1
32/39
Procesos estocsticosCadenas de Markov - Dos pasos, ejemplo.
8/10/2019 Procesos estocasticos_1
33/39
Supongamos que estando en un estado i lleguemos envarios pasos al estado j.
Entonces la matriz que
contiene todos estosestados se llama:
matriz de transicin depasos. n
Nota
La matriz P es de un paso
es la probabilidad de
transicin del estado i al
estado j en n pasos
Procesos estocsticosCadenas de Markov
8/10/2019 Procesos estocasticos_1
34/39
8/10/2019 Procesos estocasticos_1
35/39
ms, podemos escribir:
Matriz de transicin de n
pasos.
Propiedades
Se puede obtener
multiplicando la matriz de
transicin de un paso.
Puesto que para hacer n
pasos necesitamos hacer
n-1 pasos y luego otro
En general:
Procesos estocsticosCadenas de Markov
8/10/2019 Procesos estocasticos_1
36/39
Procesos estocsticosCadenas de Markov - Probabilidades iniciales
8/10/2019 Procesos estocasticos_1
37/39
8/10/2019 Procesos estocasticos_1
38/39
Procesos estocsticosCadenas de Markov - Probabilidades iniciales
8/10/2019 Procesos estocasticos_1
39/39
Procesos estocsticosCadenas de Markov - Probabilidades iniciales