Help shape GoConqr. What should we add next?

Mind map

PROCESOS ESTOCÁSTICOS

Mariangel Paredez Spanish

PROCESOS ESTOCÁSTICOS

Map content

PROCESOS ESTOCÁSTICOS

  1. PROCESO ESTOCÁSTICO

    • Conjunto de variables aleatorias
      • Depende de un parámetro o argumento
        • En análisis de series temporales
          • Parámetro: tiempo
    • Familia de variables aleatorias
      • Indiciadas por el tiempo [t]
        • para cada valor de t
      • Tiene distribución de probabilidad dada
    • No se puede predecir
      • Se mueve al azar
        • como por ejemplo
          • Electrocardiogramas
          • Terremotos
          • Clima
          • El segundo concreto de un partido en el que un jugador anota un gol
          • Número de personas que dicen una palabra concreta alrededor del mundo
  2. CADENA DE MARKOV

    • Concepto de la teoría de probabilidad y estadísticas
      • Establece una fuerte dependencia entre
        • un evento
          • otro suceso anterior
    • Serie de eventos
      • La probabilidad de que ocurrencia
        • Depende del evento inmediato anterior
    • Principal utilidad
      • análisis del comportamiento
        • de procesos estocásticos
    • Tienen memoria
      • "Recuerdan" el último evento
        • Esto condiciona posibilidades
          • eventos futuros
  3. ESTADOS DE LA CADENA DE MARKOV

    • Estado Absorbente
      • Cero probabilidad
        • de hacer transición fuera de este estado
      • Si se hace una transición hacia un estado absorbente
        • permanece en él siempre
    • Estado Recurrente
      • Un estado es recurrente
        • Si comenzando en él
          • se tiene la certeza de que volverá sobre si mismo
      • Si la cadena de Markov
        • tiene una cantidad finita de estados
          • será recurrente positivo
        • tiene una cantidad infinita de estados
          • será recurrente nulo
    • Estado Transitorio
      • Cuando un proceso pasa por un estado
        • después de n pasos
          • ya no regresa a él
      • Un estado j es alcanzable
        • desde un estado i
          • pero el estado i
            • no es alcanzable desde el estado j
    • Estado de Periodicidad
      • Un estado se comunica con otro
        • si el estado j es accesible
          • desde el estado i
            • y el estado i es accesible
              • desde el estado j
    • Probabilidad de Estado Estable
      • La probabilidad de encontrar el proceso en un estado
        • después de un número grande de transiciones
          • tiende al valor πj
            • es independiente
              • de la distribución de probabilidad inicial
                • definida por los estados.
      • Se puede alcanzar desde otro estado
  4. MATRIZ DE TRANSICIÓN DE MARKOV

    • Describe transiciones
      • en una cadena de Markov.
    • Matriz estocástica derecha
      • Matriz cuadrada
        • filas formadas
          • números reales no negativos
            • sumando cada fila 1
    • Matriz estocástica izquierda
      • Matriz cuadrada
        • columnas formadas
          • números reales no negativos
            • sumando cada columna 1
    • Matriz doble estocástica
      • matriz cuadrada
        • todos los valores son positivos
          • todas las filas y columnas suman 1
  5. PROBABILIDADES DE TRANSICIÓN

    • Probabilidad
      • estando el sistema
        • en el estado E¡ en el momento n
          • pase
            • al estado E¡ en el momento n + 1
  6. PROBABILIDADES CONDICIONALES

    • Probabilidad de ocurrencia de un evento A
      • sabiendo que también sucede otro evento B
    • P(A|B) o P(A/B)
      • «la probabilidad de A dado B»
  7. PROPIEDADES DE MARKOV

    • Irreducibilidad
      • Una cadena de Markov
        • se dice que es irreducible
          • si todos los estados están comunicados entre sí
    • Absorsorbencia
      • Una cadena de Markov
        • es absorbente
          • si tiene algún estado absorbente
    • Regularidad
      • Una cadena de Markov
        • se dice que es regular
          • si alguna potencia de la matriz de transición
            • tiene todos sus elementos positivos (no hay ceros)
  8. VARIABLES DE ESTADO

    • Es útil para sistemas
      • múltiples entradas
        • múltiples salidas
          • que resultan complicados de tratar
            • bajo Función de Transferencia (una sola entrada-una sola salida)-
    • Representación de Estado
      • posible para sistemas lineales
        • expresarse en forma general
          • sistema de ecuaciones diferenciales lineales de primer orden
            • donde las variables de estado del sistema
              • x(t)
              • entradas u(t)
              • posibles salidas y(t)

Images and files in the map

  • PROCESOS ESTOCÁSTICOS
  • PROCESOS ESTOCÁSTICOS
  • PROCESOS ESTOCÁSTICOS
  • PROCESOS ESTOCÁSTICOS
  • PROCESOS ESTOCÁSTICOS
  • PROCESOS ESTOCÁSTICOS
  • PROCESOS ESTOCÁSTICOS
  • PROCESOS ESTOCÁSTICOS
  • PROCESOS ESTOCÁSTICOS
  • PROCESOS ESTOCÁSTICOS
  • PROCESOS ESTOCÁSTICOS

Information

Description
Mind Map on PROCESOS ESTOCÁSTICOS, created by Mariangel Paredez on 17/07/2020.
Views
7
Rating

Feedback

What is it about?

What should we add next?