Professional Documents
Culture Documents
Generacin de
Procesos Estocsticos
Departamento de Informtica
Universidad Tcnica Federico Santa
Mara
1
x(t )
2
x(t )
3
x(t )
k
x(t )
n
x(t )
Simulacin/2002 t1 Hctor
t2 Allende 5
Proceso Estocstico
Estado
Continuo Discreto
Continuo
Tiempo
Discreto
C xx (t ) : T T
(t1 , t 2 ) C xx (t1,t 2 ) Cov[ xt , xt2 ]
1
x (t ) : T T
Cov[ xt , xt2 ]
(t1 , t 2 ) x (t1,t 2 ) 1
(t1 ) (t 2 )
1 n
donde x (t i ) E[ x (t i )]
n k 1
x (t k
i ) i 1,2
o sea V X (t ) (t ) 2 1 t T
2 2
EX(t) t T
N(t)
4
3
2
1
( )k
P{N (t ) N (t ) k} e , k 0,1,...
k!
tambin se conoce como proceso de incremento de Poisson.
(t1 t 2 ) ( (t 2 t1 )) para 0 t 2 t1
Cov[ x(t1 ), x(t 2 )]
0 e.t.o.c
Por lo tanto un proceso de incremento de Poisson es
estacionario en covarianza.
n k nk
P{ X n k} p q , donde q 1 p
k
donde 1 ,...., q , q 0
Notacin: X ~ MA(q)
donde 1 ,...., p , p 0
Notacin: X ~ AR( p)
1 ,...., p ,1 ,..., q , p 0, q 0
donde
Notacin: X ~ ARMA( p, q)
2 2 2 2 2
0 0 0 0 0
Algoritmo
Hacer t = 0, Xo = io , j = 0
Mientras t < N
Generar tj ~ exp(vxj)
Hacer t = t + tj
Hacer j = j + 1
Generar Xj ~ Pxj-1
-Generar NT ~ P(T)
t
intensidad (t) y u(t) = 0
(s) ds . Entonces
- Generar NT ~ P(u(t))
- Generar T1, T2 ,..., TNT ~ I[ 0,T ]
(t )
El Proceso de Gibbs
El creciente inters en los mtodos de cadenas de Markov,
se debe al uso en Inferencia Bayesiana del Muestrador de
Gibbs. [Geman and Geman (1984)]
Ejemplo: Sean (X,Y) v.a.d. Bernoulli con distribucin
x y P(X,Y) 4
0 0 p1 p
i 1
i 1
1 0 p2
0 1 p3 pi > 0
1 1 p4
P(X=1) = p2 + p4 (Marginal)
p3 x 0
P(X/Y=1) =
p4 x 1
p4
P(X=1/Y=1) =
p3 p 4
Las Distribuciones condicionales
P( y 0 / x 0) p( y 1 / x 0)
Ayx
P( y 0 / x 1) P( y 1 / x 1)
p p1p p3
Ayx 1 3 p1 p3
p2 p4
p2 p4 p2 p4
Algoritmo
p1 p2
Escoger Y0 = y0 , j =1 Axy p1 p2 p1 p2
Repetir p3 p4
p3 p4 p3 p4
Generar Xj ~ X/Y = yj-1
Generar Yj ~ Y/X = xj
j=j+1
(x2/x1) = exp[ x1 x2 ]
2
El muestreador Gibbs
Escoger x20 ; j = 1
Repetir
Generar X1j ~ exp[1+(x2j-1)2]
Generar X2j ~ N(0, 1/2x1j)
OBS: Las secuencias podran efectuarse en forma
aleatoria en lugar de usar la secuenciacin natural
Estudiar el Algoritmo de Metropolis-Hastings.