INSTITUTO SUPERIOR DE TECNOLOGIAS DE INFORMAÇÃO E COMUNICAÇÃO - ISUTIC

DISCIPLINA: Processos Estocástico

1º SEMESTRE (4º ANO) - C. H. Semestral
60 horas.
Dr.C. Lindsay Alonso Gómez Beltrán
Dr.C. Lindsay Alonso Gómez Beltrán
Email: lindsay.gomez.beltran@gmail.com
No telemóvel: 944151437
Aula # 1: Conferência: Introdução à disciplina e Noções gerais sobre
processos estocásticos
Sumário:
• Introdução à disciplina
• O que é um processo estocástico?
• Alguns tipos de processos estocásticos
Introdução à disciplina
• A disciplina conta com um total de 60 horas, 20 horas de conferência,
4 horas de seminário (evaluativos), 6 horas de laboratório, 4 horas de
prueva, 4 horas de consolidação e 22 horas de classe pratica.
• Objetivo: Desenvolver o conhecimento da estrutura dos processos
estocásticos, de forma que permita analisar, modelar e resolver
problemas relacionados a fenômenos e sistemas de natureza
estocástica.
O que é um processo estocástico?
O que é um processo estocástico?
• Em estatística, e especificamente na teoria da probabilidade, um
processo estocástico é um conceito matemático que serve para usar
magnitudes aleatórias que variam com o tempo ou para caracterizar
uma sucessão de variáveis aleatórias (estocásticas) que evoluem em
função de outra variável, geralmente o tempo. Cada uma das
variáveis aleatórias do processo tem sua própria função de
distribuição de probabilidade e podem ou não estar correlacionadas
entre si.
Recordemos alguns conceitos.
Recordemos alguns conceitos.
• 1. O que é a estatística? (Com suas palavras)
A estatística (a forma feminina do término alemão Statistik, derivado a
sua vez do italiano statista, "homem de Estado"), é o ramo das
matemática que estuda a variabilidade, assim como o processo
aleatório que a gera seguindo leis de probabilidade.
Recordemos alguns conceitos.
• 1. O que é a estatística? (Com suas palavras)
A estatística (a forma feminina do término alemão Statistik, derivado a
sua vez do italiano statista, "homem de Estado"), é o ramo das
matemática que estuda a variabilidade, assim como o processo
aleatório que a gera seguindo leis de probabilidade.
2. Para que serve a estatística?
Recordemos alguns conceitos.
• 1. O que é a estatística? (Com suas palavras)
A estatística (a forma feminina do término alemão Statistik, derivado a sua vez do
italiano statista, "homem de Estado"), é o ramo das matemática que estuda a
variabilidade, assim como o processo aleatório que a gera seguindo leis de
probabilidade.
2. Para que serve a estatística?
É o ramo das matemática que se ocupa de reunir e organizar dados numéricos,
Possibilita-nos quantificar a realidade e dispor dos elementos que nos permitam sua
análise. Que ajudem a resolver problemas como o desenho de experimentos e a tira
de decisões. Sua finalidade é obter informação, analisá-la, elaborá-la e simplificá-la-
o mais possível, para que possa ser interpretada facilmente, portanto, possa utilizar-
se para o fim que se deseje.
 A estatística se divide em duas grandes áreas
Estatística descritiva:

Estatística inferencial:
 A estatística se divide em duas grandes áreas
Estatística descritiva: dedica-se à descrição, visualização e resumo de dados
originados a partir dos fenômenos de estudo. Os dados podem ser resumidos
numérica ou graficamente. Seu objetivo é organizar e descrever as
características sobre um conjunto de dados com o propósito de facilitar sua
aplicação, geralmente com o apoio de gráficas, pranchas ou medidas
numéricas.
• - Exemplos básicos de parâmetros estatísticos são: a meia e a separação
padrão.
• - Exemplos gráficos são: histograma, pirâmide poblacional, gráfico circular,
entre outros.
 A estatística se divide em duas grandes áreas
Estatística inferencial: dedica-se à geração dos modelos, inferências e
predições associadas aos fenômenos em questão tendo em conta a
aleatoriedad das observações. usa-se para modelar patrões nos dados e extrair
inferências a respeito da população sob estudo. Estas inferências podem tomar
a forma de respostas a perguntas sí/no (prova de hipótese), estimativas de
umas características numéricas (estimativa), prognósticos de futuras
observações, descrições de associação (correlação) ou modelamiento de
relações entre variáveis (análise de regressão). Outras técnicas de
modelamiento incluem análise de variação, séries de tempo e mineração de
dados. Seu objetivo é obter conclusões úteis para conseguir fazer deduções a
respeito da totalidade de todas as observações feitas, apoiando-se na
informação numérica.
Aplicação da estatística na informática e as
telecomunicações
•- mineração de dados
•- processamento de imagens
•- reconhecimento de patrões
•- sistemas de informação geográfica
•- estatística computacional
•- redes de computador
•- telecomunicações
O que é a Teoria da probabilidade?
• A teoria da probabilidade é um ramo das matemática que estuda os
fenômenos aleatórios e estocásticos. Os fenômenos aleatórios se
contrapõem aos fenômenos deterministas, os quais são resultados únicos
e/ou previsíveis de experimentos realizados sob as mesmas condições
determinadas, por exemplo, se se esquentar água a 100 ºC a nível do mar se
obterá vapor. Os fenômenos aleatórios, pelo contrário, são aqueles que se
obtêm de experimentos realizados, outra vez, sob as mesmas condições
determinadas mas como resultado possível possuem um conjunto de
alternativas, por exemplo, o lançamento de um dado ou de uma moeda.
• A teoria de probabilidades se ocupa de atribuir um certo número a cada
possível resultado que possa ocorrer em um experimento aleatório, com o
fim de quantificar ditos resultados e saber se um sucesso for mais provável
que outro.
Uma vez visto e recordado todos os conceitos
anteriores podem começar com o tema dos
processos estocásticos.
Definição de processo estocástico
Existem inumeráveis definições e todas abordam os mesmos conceitos,
veremos alguns definições:
• Uma definição resumida do Luis Rincão
Um processo estocástico é uma coleção infinita de variáveis aleatórias.
(Luis Rincão 2012)
 Sejamos mais específico e delimitemos um
pouco mais esta definição
• Suponhamos que uma variável aleatória X se pode indexar com respeito à
variável t que representa o tempo. Então Xt se interpreta como o estado
de um sistema no tempo T.
t

a) Xt = Estado de um Sistema ao tempo t

Figura 1. Processo estocástico a tempo discreto

Os tipos de processos estocásticos podem ser
a tempo discreto ou contínuo.
• Si, , = {123, …} então é Si Se disser então que o
um processo estocástico a processo é a tempo contínuo.
tempo discreto. Figura 1.
t

t
 Supomos que as variáveis aleatórias Xt tomam valores em um
subconjunto S de números reais a tal subconjunto chamaremos espaço
de estado do processo estocástico ou também número de realização

Definição: Um processo estocástico é uma coleção de variáveis

aleatórias parametrizada por um conjunto T, chamado
espaço parametral, aonde as variáveis tomam valores em um
conjunto S chamado espaço de estados.
Veremos um Exemplo prático: Processo
estocástico na teoria da comunicação
• Definição: Um Processo Estocástico é uma função que associa um
sinal a cada possível resultado de um experimento aleatório.

• Variável independente: (T espaço de tempos)

 Interpretação dos gráficos

1. Se se fixa o sucesso:
é um sinal
2. Se se fixa o tempo:
é uma variável aleatória
3. Se se fixarem ambos:
é um não real
4. Se ambos variarem:
é um processo estocástico
 Outras definições: Trajetória de um processo
estocástico
• Uma trajetória de um processo estocástico é uma função
(a cada valor do parâmetro t lhe atribui o número real Xt de omega) para
cada (para cada omega do espaço muestral)

Exemplo: na seguinte figura existem 6 trajetórias

Nos processos estocásticos nos interessasse calcular
algumas probabilidades como por exemplo:
Existem distintos tipos de processos
estocásticos. Estes se obtêm ao considerar:
• a) Distintos espaços parametrales
• b) Distintos espaços de estados
• c) Distintas características das trajetórias
• d) Distintas relações de dependências estocástica entre as variáveis
aleatórias que conformam o processo
Exemplos de processos estocásticos
• Exemplo 1: Na informática, podemos encontrar aplicações como o
modelamiento e processamento digital de sinais, de imagens ou de
comunicações. Por outro lado, é estudo da teoria de filas é
importante para o rendimento de um sistema ou uma rede de
ordenadores.
Exemplos de processos estocásticos
• Exemplo 2: (Processamento de imagens) Identificação de tipos de
vegetação em imagens digitais (fotografia aérea ou imagem de
satélite): O tipo identificado em um ponto servirá para tratar de
identificar o de pontos próximos.
Exemplos de processos estocásticos
• Exemplo 3: Os possíveis retângulos (pixels) que se podem definir em
uma imagem para o estudo de variáveis aleatórias, como “densidade”
ou “abundância” de elementos do meio, índices de vegetação,...
 Exemplos de processos estocásticos
• Exemplo 4: Na transmissão de sinais em telecomunicações
• I - Sinal transmitido como processo aleatório
• a) Do ponto de vista do receptor, tudo os sinais que se recebem são
desconhecidas e imprevisíveis.
• b) Ao avaliar o desempenho dos sistemas de comunicação, os sinais
transmitidos-se modelan como processos aleatórios.
 Exemplos de processos estocásticos
• II - Um sinal de voz que se transmite em
uma comunicação Telefónica pode
considerar um sinal aleatório.
• a) Ruído poluente na transmissão I Por
outro lado, todo sistema de comunicação
é afetado por ruído.
• b) O ruído é tudo sinal não desejado que
se mescla com o sinal útil que quer
transmitir. I O ruído se deve a diversas
causas: aos componentes eletrônicos
imperfeitos (por exemplo, amplificadores),
ao ruído térmico das resistências, às
interferências de sinais externos.
Na transmissão de dados
Em outras áreas
• - sinais de telecomunicação;
• - sinais biomédicos (eletrocardiograma, encefalograma, etcétera);
• - sinais sísmicos;
• - o número de manchas revestir ano detrás ano;
• - o índice da segundo bolsa a segundo;
• - a evolução da população de um município ano detrás ano;
• - o tempo de espera na cauda de cada um de quão usuários vão chegando a um
guichê;
• - o clima, um gigantesco conjunto de processos estocásticos interrelacionados
(velocidade do vento, umidade do ar, etcétera) que evoluem no espaço e no tempo
Conclusões
• Na classe pudemos recordar e enunciar novos conceitos alguns conceitos como são:
• 1. Estatística (conceito e para que serve), que a estatística se divide na descritiva e a
inferencial (série de tempo)
• 2. Teoria da probabilidade: A teoria da probabilidade é um ramo das matemática
que estuda os fenômenos aleatórios e estocásticos
• 3. Processo estocástico: Um processo estocástico é uma coleção de variáveis
aleatórias parametrizada por um conjunto T, chamado espaço parametral, aonde as
variáveis tomam valores em um conjunto S chamado espaço de estados.
• 4. espaço de estados
• 5. espaço parametral
• 6. Trajetória de um processo estocástico
• Também vimos que os tipos de processos estocásticos podem ser a tempo discreto
ou contínuo