Mapa mental
PROCESOS ESTOCÁSTICOS

Conteúdo do mapa
PROCESOS ESTOCÁSTICOS
PROCESO ESTOCÁSTICO
- Conjunto de variables aleatorias
- Depende de un parámetro o argumento
- En análisis de series temporales
- Parámetro: tiempo
- En análisis de series temporales
- Depende de un parámetro o argumento
- Familia de variables aleatorias
- Indiciadas por el tiempo [t]
- para cada valor de t
- Tiene distribución de probabilidad dada
- Indiciadas por el tiempo [t]
- 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
- Electrocardiogramas
- como por ejemplo
- Se mueve al azar
- Conjunto de variables aleatorias
CADENA DE MARKOV
- Concepto de la teoría de probabilidad y estadísticas
- Establece una fuerte dependencia entre
- un evento
- otro suceso anterior
- un evento
- Establece una fuerte dependencia entre
- Serie de eventos
- La probabilidad de que ocurrencia
- Depende del evento inmediato anterior
- La probabilidad de que ocurrencia
- Principal utilidad
- análisis del comportamiento
- de procesos estocásticos
- análisis del comportamiento
- Tienen memoria
- "Recuerdan" el último evento
- Esto condiciona posibilidades
- eventos futuros
- Esto condiciona posibilidades
- "Recuerdan" el último evento
- Concepto de la teoría de probabilidad y estadísticas
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
- Cero probabilidad
- Estado Recurrente
- Un estado es recurrente
- Si comenzando en él
- se tiene la certeza de que volverá sobre si mismo
- Si comenzando en él
- Si la cadena de Markov
- tiene una cantidad finita de estados
- será recurrente positivo
- tiene una cantidad infinita de estados
- será recurrente nulo
- tiene una cantidad finita de estados
- Un estado es recurrente
- Estado Transitorio
- Cuando un proceso pasa por un estado
- después de n pasos
- ya no regresa a él
- después de n pasos
- Un estado j es alcanzable
- desde un estado i
- pero el estado i
- no es alcanzable desde el estado j
- pero el estado i
- desde un estado i
- Cuando un proceso pasa por un estado
- 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
- y el estado i es accesible
- desde el estado i
- si el estado j es accesible
- Un estado se comunica con otro
- 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.
- de la distribución de probabilidad inicial
- es independiente
- tiende al valor πj
- después de un número grande de transiciones
- Se puede alcanzar desde otro estado
- La probabilidad de encontrar el proceso en un estado
- Estado Absorbente
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
- números reales no negativos
- filas formadas
- Matriz cuadrada
- Matriz estocástica izquierda
- Matriz cuadrada
- columnas formadas
- números reales no negativos
- sumando cada columna 1
- sumando cada columna 1
- números reales no negativos
- columnas formadas
- Matriz cuadrada
- Matriz doble estocástica
- matriz cuadrada
- todos los valores son positivos
- todas las filas y columnas suman 1
- todas las filas y columnas suman 1
- todos los valores son positivos
- matriz cuadrada
- Describe transiciones
PROBABILIDADES DE TRANSICIÓN
- Probabilidad
- estando el sistema
- en el estado E¡ en el momento n
- pase
- al estado E¡ en el momento n + 1
- al estado E¡ en el momento n + 1
- pase
- en el estado E¡ en el momento n
- estando el sistema
- Probabilidad
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»
- «la probabilidad de A dado B»
- Probabilidad de ocurrencia de un evento A
PROPIEDADES DE MARKOV
- Irreducibilidad
- Una cadena de Markov
- se dice que es irreducible
- si todos los estados están comunicados entre sí
- se dice que es irreducible
- Una cadena de Markov
- Absorsorbencia
- Una cadena de Markov
- es absorbente
- si tiene algún estado absorbente
- es absorbente
- Una cadena de Markov
- 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 alguna potencia de la matriz de transición
- se dice que es regular
- Una cadena de Markov
- Irreducibilidad
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)-
- que resultan complicados de tratar
- múltiples salidas
- múltiples entradas
- 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)
- donde las variables de estado del sistema
- sistema de ecuaciones diferenciales lineales de primer orden
- expresarse en forma general
- posible para sistemas lineales
- Es útil para sistemas
Imagens e arquivos do mapa
Informações
- Descrição
- Mapa Mental sobre PROCESOS ESTOCÁSTICOS, criado por Mariangel Paredez em 17-07-2020.
- Criado por
- Mariangel Paredez
- Visualizações
- 7
- Avaliação









