Ayúdanos a dar forma a GoConqr. ¿Qué deberíamos añadir?

Mapa mental

Procesos Estocásticos

Angel Pacheco Inglés

Procesos Estocásticos

Contenido del mapa

Procesos Estocásticos

  1. Qué es?

    • Concepto matemático que sirve para usar magnitudes aleatorias que varían con el tiempo o para caracterizar una sucesión de variables aleatorias
      • Un estudio estocástico común es el electrocardiograma
  2. Cadena de Markov

    • Concepto desarrollado que establece una fuerte dependencia entre un evento y otro suceso anterior. Su principal utilidad es el análisis del comportamiento de procesos estocásticos.
    • Según señaló Markov, en sistemas o procesos estocásticoque presentan un estado presente es posible conocer sus antecedentes o desarrollo histórico. Por lo tanto, es factible establecer una descripción de la probabilidad futura de los mismos.
  3. Clasificación de Cadenas de Markov

    • Cadena de Markov Finita
      • Es una cadena de Markov para la que existe sólo un número finito k de estados posibles s1,...,sk y en cualquier instante de tiempo la cadena está en uno de estos k estados.
    • Probabilidad de Transación
      • Es la probabilidad condicionada
    • P.T Estacionaria
      • Una cadena de Markov tiene probabilidades de transición estacionarias si para cualquier par de estados si y sj existe una probabilidad de transición pij tal que
  4. Matriz de Transición

    • Matriz Estocástica
      • Es una matriz cuadrada cuyos elementos son no negativos y tal que la suma de los elementos de cada fila es igual a 1.
        • Matriz de Transición en un solo paso
          • Dada una cadena de Markov con k estados posibles s1,...,sk y probabilidades de transición estacionarias.
            • Matriz de Transición en varios pasos
  5. Probabilidades de Transición

    • En una cadena homogénea finita con m posibles estados E1, E2,...,Em se puede introducir la notación
      • Donde i, j = 1, 2, . . . , m. Si pij > 0 entonces se dice que el estado Ei puede comunicar con Ej . La comunicación puede ser mutua si también pji > 0. Para cada i fijo, la serie de valores {pij} es una distribución de probabilidad, ya que en cualquier paso puede ocurrir alguno de los sucesos E1, E2,...,Em y son mutuamente excluyentes. Los valores pij se denominan probabilidades de transición que satisfacen la 1 condición
        • Para cada i = 1, 2, . . . , m. Todos estos valores se combinan formando una matriz de transición T de tamaño m × m, donde
          • Se puede observar que cada fila de la matriz es una distribución de probabilidad, es decir,
  6. Probabilidades de las cadenas de Markov

    • Irreduccibilidad
      • En una cadena de Markov un estado ej se dice que es accesible desde otro estado ei si la probabilidad de ir desde el estado e i al ej en algún momento futuro es distinta de cero. · Un estado ei está comunicado con otro ej si ej es accesible desde ei y ei lo es desde ej. · Una cadena de Markov se dice que es irreducible si todos los estados están comunicados entre sí.
    • Absorbencia
      • Un estado ej se dice absorbente si es imposible abandonar dicho estado, es decir P(Xk= ej½Xk-1= ej) = 1. · Una cadena de Markov es absorbente si tiene algún estado absorbente. · Si una cadena de Markov es irreducible y absorbente entonces la probabilidad de caer en alguno de los estados absorbentes tiende a uno cuando el número de etapas tiende a infinito.
    • 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) · Si una cadena es regular entonces es irreducible y no absorbente.

Imágenes y archivos del mapa

  • Procesos Estocásticos
  • Procesos Estocásticos
  • Procesos Estocásticos
  • Procesos Estocásticos
  • Procesos Estocásticos
  • Procesos Estocásticos
  • Procesos Estocásticos
  • Procesos Estocásticos
  • Procesos Estocásticos
  • Procesos Estocásticos

Información

Descripción
Mapa Mental sobre Procesos Estocásticos, creado por Angel Pacheco el 14/07/2020.
Creado por
Angel Pacheco
Visitas
4
Valoración

Más sobre Cadenas y procesos de Markov

Escríbenos

¿Sobre qué es tu mensaje?

¿Qué deberíamos añadir?