Processo stocastico: differenze tra le versioni

Versione delle 06:08, 13 mag 2010

Versione attuale delle 16:34, 10 lug 2025

(85 versioni intermedie di 49 utenti non mostrate)

Riga 1:

In [[matematica]], più precisamente nella [[teoria della probabilità]], un '''processo stocastico''' (o '''processo aleatorio''') è la versione probabilistica del concetto di [[sistema dinamico]]. InUn processo stocastico è un insieme ordinato di [[funzione (matematica)|funzioni]] reali di un certo parametro (in genere, il [[tempo]]) che gode di determinate proprietà [[statistica|statistiche]]. In generale è possibile identificare unquesto processo stocastico come una famiglia adcon un parametro di [[variabili casuali]] reali <math>S_tX(t)</math>, rappresentanti le trasformazioni dellodallo stato iniziale nelloallo stato aldopo un certo tempo <math>t</math>. In termini più precisi, unquesto processosi stocasticobasa èsu una variabile casuale che prendasupera valoriil in spazi più generalilimite dei [[numero reale|numeri reali]] (come ad esempio, <math> \R^n </math>, o [[spazio funzionale|spazi funzionali]], o [[successione (matematica)|successioni]] di numeri reali). I processi aleatori sono un'estensione del concetto di variabile aleatoria quando viene preso in considerazione anche il parametro tempo.

{{S|matematica}}

In [[teoria della probabilità]] un '''processo stocastico''' (o '''processo aleatorio''') è la versione probabilistica del concetto di [[sistema dinamico]]. In genere, è possibile identificare un processo stocastico come una famiglia ad un parametro di [[variabili casuali]] reali <math>S_t</math>, rappresentanti le trasformazioni dello stato iniziale nello stato al tempo <math>t</math>. In termini più precisi, un processo stocastico è una variabile casuale che prenda valori in spazi più generali dei [[numero reale|numeri reali]] (come ad esempio, <math> \R^n </math>, o [[spazio funzionale|spazi funzionali]], o [[successione (matematica)|successioni]] di numeri reali).

== Esempio introduttivoDescrizione ==

Da un punto di vista pratico, un processo stocastico è una forma di rappresentazione di una grandezza che varia nel tempo in modo casuale (ad esempio un [[segnale elettrico]] contenente [[informazione]] ovvero [[modulazione|modulato]], il numero di autovetture che transitano su un ponte, ecc.) e con certe caratteristiche. Facendo delle prove (o osservazioni) ripetute dello stesso processo, si ottengono diversi andamenti nel tempo (realizzazioni del processo); osservando le diverse realizzazioni a un istante <math>t</math> si ottiene una variabile aleatoria <math>X(t)</math> che comprende i diversi valori che il processo può assumere in quell'istante. Tali valori avranno un valore medio, che, nel caso di variabile aleatoria gaussiana, costituiranno il valore al centro della "campana" gaussiana all'istante <math>t</math>. Quindi per ciascun istante si può definire una variabile aleatoria, una gaussiana o altra, che rappresenti il valore più probabile del processo con il relativo indice di scostamento o deviazione standard.

Supponiamo di voler modellizzare matematicamente la dinamica di un punto che si muove su di una retta con una legge probabilistica. Possiamo introdurre un processo stocastico come la collezione delle variabili casuali <math>\{S_t, t \in \R \}</math>, dove per ogni valore della variabile tempo <math> t </math>, <math> S_t</math> è semplicemente la variabile casuale (reale) che esprime la legge probabilistica del punto considerato al tempo <math> t</math>. Se decidiamo di definire <math>S_t</math> in maniera differenziale tramite l'equazione

=== Concetti e definizioni ===

:<math>dS_t=-S_t dt + dW_t,</math>

Si definisce processo stocastico una famiglia di [[variabile casuale|variabili aleatorie]] <math>\{X(t), t \in T \subseteq \R_+\}</math> dipendenti dal tempo, definite su uno [[spazio campionario|spazio campione]] <math>{\Omega}</math> e che assumono valori in un insieme definito ''spazio degli stati del processo''. Un processo stocastico è quindi un insieme di funzioni che evolvono nel tempo (le cosiddette ''funzioni campione'' o ''realizzazioni''), ognuna delle quali è associata ad un determinato elemento dello spazio campione, così che il risultato di un esperimento casuale corrisponde di fatto all'estrazione di una di queste funzioni.

Fissando un istante di tempo <math>\tilde{t}</math>, è possibile individuare valori generalmente differenti, ognuno relativo a una determinata realizzazione e quindi ad un elemento dello spazio campione: <math>X(\tilde{t})</math> è allora una variabile aleatoria e rappresenta la "fotografia" del processo stocastico in un determinato istante; quindi, rispetto a una semplice variabile aleatoria, esso fornisce anche un'informazione relativa all'evoluzione temporale.

allora <math>(S_t)_t</math> definisce il [[processo di Ornstein–Uhlenbeck]].

Per descrivere un processo aleatorio è sufficiente utilizzare la [[funzione di densità di probabilità|funzione di densità di probabilità congiunta]], o, analogamente, la [[Variabile casuale#Distribuzione di probabilit.C3.A0|funzione di distribuzione di probabilità congiunta]], delle variabili aleatorie <math>\{X(t_1),X(t_2),\ldots,X(t_n)\}</math>.

== Concetti e definizioni ==

Le situazioni descritte dalle variabili casuali sono dette [[stato di sistema|stati del sistema]] e vengono indicati per esempio con <math>S_0,S_1,S_2,\ldots</math>

SeLo spazio della variabile tempo, cioè l'insieme <math>T=\{t_i, i=1,2,\ldots,n\}</math>, èpuò essere continuo, allorao discreto: nel primo caso si parla di processo stocastico "continuo nel tempo" e(o analogamenteprocesso stocastico tempo-continuo), sementre <math>T</math>nel èsecondo discreto,caso si parla di processo stocastico "discreto nel tempo" (o processo stocastico tempo-discreto). In alternativa si usa la formulazione "processo stocastico a parametro discreto" o "continuo".

L'insieme dei valori che possono assumere le realizzazioni costituisce il suddetto [[stato di sistema|spazio degli stati]] del processo e rappresenta le "situazioni" descritte dalle variabili casuali e indicate per esempio con <math>s_0,s_1,s_2,\ldots</math>. Tale insieme può essere continuo o discreto: in quest'ultimo caso, che implica la numerabilità degli stati, il processo aleatorio viene definito catena.

Se la variabile casuale è [[variabile casuale discreta|discreta]] allora si parla di "[[processo stocastico discreto]]", se invece è una [[variabile casuale continua|v.c. continua]] allora si parla di "[[processo stocastico continuo]]" (sottinteso "nello spazio degli eventi").

Se la variabile casuale è [[variabile casuale discreta|discreta]] allora si parla di "[[processo stocastico discreto]]", se invece è una [[variabile casuale continua|v.c. continua]] allora si parla di "[[processo stocastico continuo]]" (sottinteso "nello spazio degli eventi").

I processi stocastici si distinguono in [[processo markoviano|markoviani]] e non markoviani a seconda che la legge di probabilità che determina il passaggio da uno stato all'altro (probabilità di transizione) dipenda unicamente dallo stato di partenza ([[processo markoviano]]) o anche dagli stati ad esso precedenti (processo non markoviano).

Riga 21 ⟶ 22:

I [[processi stocastici ciclostazionari]] servono per descrivere processi generati da fenomeni periodici.

=== Esempio introduttivo ===

SupponiamoSi supponga di voler modellizzaredefinire matematicamente la dinamica di un punto che si muove su di una retta con una data legge probabilistica. PossiamoSi introdurrepuò definire un processo stocastico come la collezione delle variabili casuali <math>\{S_t, t \in \R \}</math>, dove per ogni valore della variabiledel tempo <math> t </math>, <math> S_t</math> è semplicemente la variabile casuale (reale) che esprime la legge probabilistica del punto considerato al tempo <math> t</math>. Se decidiamosi di definiredefinisce <math>S_t</math> income manierala differenziale tramitesoluzione lall'equazione differenziale stocastica

:<math>dS_t=- \mu S_t dt + \sigma dW_t,</math>

dove <math>\mu \in \R</math>, <math>\sigma \in \R_{>0} </math> e <math>W_t</math> denota il processo di Wiener, allora <math>(S_t)_t</math> definisce il [[processo di Ornstein-Uhlenbeck]].

== Bibliografia ==

* {{en}} Malempati Madhusudana Rao (1995): ''Stochastic Processes: General Theory'', Kluwer, ISBN 0-7923-3725-5

* {{en}} [[Kiyoshi Itō]] (2004): ''Stochastic Processes'', Springer, ISBN 3-540-20482-2

* {{en}} {{Cita pubblicazione|nome=G. E. |cognome=Uhlenbeck |nome2=L. S. |cognome2=Ornstein |titolo=On the theory of Brownian Motion |url=https://archive.org/details/sim_physical-review_1930-09-01_36_5/page/n31 |rivista=Phys. Rev. |volume=36 |pp=823-841 |anno=1930 |doi=10.1103/PhysRev.36.823 }}

==Voci correlate==

*[[Variabile casuale]]

*[[Spazio di probabilità]]

*[[pt:Processo estocásticostazionario]]

*[[Ergodicità]]

*[[Processo markoviano]]

*[[Processo gaussiano]]

*[[Processo di Wiener]]

*[[Funzione càdlàg]]

*[[Matrice aleatoria]]

==Altri progetti==

==Collegamenti esterni==

{{interprogetto|preposizione=sul|wikt=processo stocastico|wikt_etichetta=processo stocastico}}

*{{de}} [http://philo.at/wiki/index.php/Quantenphysik_und_Indeterminismus Quantenphysik und Indeterminismus]

*{{en}} [http://www.informationphilosopher.com/freedom/indeterminism.html The problem of indeterminism]

*{{it}} [http://indeterminismo.bravehost.com Indeterminismo]

==Collegamenti esterni==

* {{Collegamenti esterni}}

*{{cita web|1=http://philo.at/wiki/index.php/Quantenphysik_und_Indeterminismus|2=Quantenphysik und Indeterminismus|lingua=de|accesso=22 dicembre 2009|urlarchivio=https://web.archive.org/web/20120523154754/http://philo.at/wiki/index.php/Quantenphysik_und_Indeterminismus|dataarchivio=23 maggio 2012|urlmorto=sì}}

*{{en}}cita [web|http://www.informationphilosopher.com/freedom/indeterminism.html |The problem of indeterminism] |lingua=en}}

*{{cita web |1=http://indeterminismo.bravehost.com |2=Indeterminismo |accesso=6 novembre 2018 |urlarchivio=https://web.archive.org/web/20160304100711/http://indeterminismo.bravehost.com/ |dataarchivio=4 marzo 2016 |urlmorto=sì }}

{{Probabilità}}

{{Controllo di autorità}}

{{Portale|matematica}}

[[Categoria:Processi stocastici]]

[[Categoria:Processi stocastici| ]]

[[af:Stogastiese proses]]

[[ar:عملية عشوائية]]

[[ca:Procés estocàstic]]

[[cs:Náhodný proces]]

[[de:Stochastischer Prozess]]

[[en:Stochastic process]]

[[eo:Stokastiko]]

[[es:Proceso estocástico]]

[[fa:فرایند تصادفی]]

[[fi:Stokastinen prosessi]]

[[fr:Processus stochastique]]

[[gl:Proceso estocástico]]

[[he:תהליך סטוכסטי]]

[[ja:確率過程]]

[[nl:Stochastisch proces]]

[[no:Stokastisk prosess]]

[[pl:Proces stochastyczny]]

[[pt:Processo estocástico]]

[[ro:Proces stochastic]]

[[ru:Случайный процесс]]

[[sk:Stochastický proces]]

[[su:Prosés stokastik]]

[[sv:Stokastisk process]]

[[uk:Випадковий процес]]

[[vi:Quá trình ngẫu nhiên]]

[[zh:随机过程]]