

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Prepara tus exámenes
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Prepara tus exámenes con los documentos que comparten otros estudiantes como tú en Docsity
Encuentra los documentos específicos para los exámenes de tu universidad
Estudia con lecciones y exámenes resueltos basados en los programas académicos de las mejores universidades
Responde a preguntas de exámenes reales y pon a prueba tu preparación
Consigue puntos base para descargar
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Comunidad
Pide ayuda a la comunidad y resuelve tus dudas de estudio
Ebooks gratuitos
Descarga nuestras guías gratuitas sobre técnicas de estudio, métodos para controlar la ansiedad y consejos para la tesis preparadas por los tutores de Docsity
Procesos Estocásticos (Descripción de que se trata y su relación con el tema central de MPC)
Tipo: Guías, Proyectos, Investigaciones
1 / 3
Esta página no es visible en la vista previa
¡No te pierdas las partes importantes!


Se denomina proceso estocástico {Xt, con t ∈ T} a un grupo de variables aleatorias Xt que se encuentran en un espacio probabilístico (Ω, A, P), donde estas variables obtienen los valores en un espacio que sea medible (S,θ) que es nombrado “espacio de estados”, Donde los elementos de “S” son nombrados “Estados”. [1] Por tanto, para cada instante “ t ” se tendrá una variable aleatoria diferente representada por Xt , con lo que un proceso estocástico puede interpretarse como una sucesión de variables que son aleatorias cuyas características pueden variar a lo largo del tiempo actuado. [2] A los posibles valores que puede tomar la variable aleatoria son conocido como estados y pueden estar identificados de dos formas: estados discretos y estados continuo. Por otro lado, la variable tiempo también puede ser de tipo discreto o de tipo continuo. Una forma de asimilar el concepto del tiempo discreto es tomando como ejemplo que los cambios del estado ocurran cada día, cada semana, cada mes y así en continuidad. Con el tiempo continuo se tiene la ventaja que los cambios se pueden realizar en cualquier instante “ t ” Clasificación de los procesos estocásticos Una de las clasificaciones de los procesos estocásticos toma como criterios el tipo de variables involucradas y la dimensión del índice. Es por eso, que se pueden establecer cuatro tipos de procesos diferentes, con sus características identificables. [3]
Figura No. 1 Diferentes procesos estocásticos DTDV, Discret Time / Discret Values (Tiempo discreto / Valores discretos), procesos con índice numerable y variables discretas. DTCV, Discret Time / Continuous Values (Tiempo discreto / Valores continuos), procesos con índice numerable y variables continuas. CTDV, Continuous Time / Discret Values (Tiempo continuo / Valores discretos), procesos con índice no numerable y variables discretas. CTCV, Continuous Time / Continuous Values (Tiempo continuo / Valores continuos), procesos con índice no numerable y variables continuas. Dentro del renglón de tiempo y estado discretos se puede encontrar uno de los procesos más utilizados para la realización de múltiples aplicaciones de ingenieria especialmente. Este proceso es denominado “cadena”. Una Cadena es un proceso estocástico en el cual el tiempo trabaja en forma discreta y la variable aleatoria sólo toma valores discretos en el espacio de estados. [4] Dentro de los procesos de estado discreto y tiempo continuo, se encuentra el proceso de saltos puros, en el cual los cambios de estados ocurren en forma separada y aleatoria pero la variable aleatoria sólo toma valores discretos en el espacio de los estados. Cuando se tiene el estado y el tiempo de forma continua, los cambios de estado se producen en cualquier instante y hacia cualquier estado dentro de un espacio continuo de estados y es denominado proceso continuo. Otro aspecto importante dentro de los procesos es el de paseo aleatorio, que en realidad es un caso particular de procesos más generales como son las cadenas de Markov. Estas cadenas tienen la propiedad de que la probabilidad de que Xn = j sólo depende del estado inmediatamente preliminar del sistema: Xn−1. Cuando en una cadena dichas probabilidades no dependen del tiempo en que se considere, “ n ”, se denomina cadena homogénea, esto es, las probabilidades son las mismas en cada paso del sistema. [5]