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

Mapa mental

Procesos Estocásticos

Jesús Alejandro Otero Perez Ingeniería Español

Procesos Estocásticos

Contenido del mapa

Procesos Estocásticos

  1. ¿Qué es 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 que evolucionan en función de otra variable, generalmente el tiempo.
  2. ¿Qué es una Cadena de Markov?

    • Es un tipo especial de proceso estocástico discreto en el que la probabilidad de que ocurra un evento depende solamente del evento inmediatamente anterior.
  3. Clasificación de Estados de una Cadena de markov

    • • Un estado j se dice accesible desde el estado i si y sólo si para algún n:
    • • Una cadena es irreducible si tiene una única clase de estados, es decir, los estados que la componen se comunican entre sí
    • • Un estado es periódico si, partiendo de ese estado, sólo es posible volver a él en un número de etapas que sea múltiplo de un cierto número entero mayor que uno
    • • Si F(i, i) = 1 se dice que el estado es recurrente (en caso contrario, es decir, F(i,i)<1, el estado es transciente)
  4. Matriz de Transición de Markov

    • Es una matriz utilizada para describir las transiciones en una cadena de Markov
  5. Probabilidades de Transición

    • Se denominan probabilidades de transición a los valores Pij que satisfacen la condición
  6. Probabilidades Condicionales

    • Consiste en la probabilidad de que ocurra un evento A, sabiendo que también sucede otro evento B
  7. Propiedades de Markov

    • Irreducibilidad
      • • 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
    • Abosrbencia
      • • 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
  8. Variables de Estado

    • Se trata de una serie de variables aleatorias donde el rango de variables es conocido como espacio estado, cuyo valor Xn es el estado actual en el tiempo n

Imágenes y archivos del mapa

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

Información

Descripción
Ingeniería Mapa Mental sobre Procesos Estocásticos, creado por Jesús Alejandro Otero Perez el 15/07/2020.
Creado por
Jesús Alejandro Otero Perez · jul 2020
Actualizado
15 jul 2020
Visitas
1
Valoración

Escríbenos

¿Sobre qué es tu mensaje?

¿Qué deberíamos añadir?