Processos Estocásticos e Aplicações
Objetivos
Esta UC fundamenta o conhecimento na área dos fenómenos estocásticos. São estudados alguns exemplos fundamentais dos processos estocásticos, suas propriedades e exemplos de aplicações.
No final da UC o estudante terá adquirido conhecimentos, aptidões e competências que lhe permitam:
- Reconhecer e utilizar as principais propriedades de processos estocásticos em tempo discreto.
- Saber decidir face a uma situação real qual o melhor modelo de processo estocástico a utilizar.
- Identificar os fenómenos passíveis de modelação através de Processos de Poisson, utilizar as suas propriedades, dando especial relevo a aplicações reais.
- Identificar uma cadeia de Markov e utilizar as propriedades deste tipo de processos para análise de um modelo concreto. Efetuar aplicações a problemas reais.
- Identificar uma martingala e utilizar as propriedades deste tipo de processos no estudo do seu comportamento, em particular, na determinação do eventual comportamento assimptótico
Caracterização geral
Código
12233
Créditos
6.0
Professor responsável
Luís Pedro Carneiro Ramos
Horas
Semanais - 4
Totais - 59
Idioma de ensino
Português
Pré-requisitos
O aluno deve deter conhecimentos de Teoria das Probabilidades.
O aluno deve possuir conhecimentos de programação (R ou Python)
Bibliografia
Dobrow, R. (2016) Introduction to Stochastic Processes with R, John Wiley & Sons
Jones, P.; Smith, P. (2018) Stochastic Processes: An Introduction, 3rd Ed, CRC Press, Chapman & Hall
Muller, D. (2007) Processos Estocásticos e Aplicações, Almedina
Norris, J.R. (1997) Markov Chains, Cambridge University Press
Parzen, E. (1965) Stochastic Processes, Holden Day
Rolski, T., Schmidli, H., Schmidt, V., Teugels, J. (1999) Stochastic Processes for Insurance and Finance, Wiley
Ross, S. M. (1996) Stochastic Processes, 2nd Ed., Wiley & Sons
Williams, D. (1991), Probability with Martingales, Cambridge University Press
Método de ensino
A disponibilizar brevemente
Método de avaliação
Regras de Avaliação
Obtenção de Frequência
Para obtenção de Frequência à UC, o aluno deve realizar o Trabalho Prático e respectiva discussão.
AVALIAÇÃO CONTÍNUA / ÉPOCA NORMAL
A avaliação contínua será feita através de um teste (T), um mini-teste (MT) a realizar em modo presencial, e um trabalho prático computacional (TP), a realizar em grupo.
Nota Época Normal = 0.4 T + 0.2 MT + 0.4 TP , com T >= 7.5 valores
O aluno que obtiver uma nota final superior ou igual a 18.5 deverá realizar uma prova oral de defesa de nota (em data a acordar). Se o aluno não comparecer à prova oral a nota final será de 18 valores.
O aluno obtém aprovação à UC se Nota da Época Normal for superior ou igual a 9.5 valores.
AVALIAÇÃO DA ÉPOCA DE RECURSO
A avaliação da Época de Recurso é efetuada por Exame (E), sendo válida tanto para melhoria de nota como para aprovação à UC.
Nota Época Recurso = 0.6 E + 0.4 TP , com E >= 7.5 valores
O aluno obtém aprovação à UC se Nota da Época de Recurso for superior ou igual a 9.5 valores.
O aluno que obtiver uma nota final superior ou igual a 18.5 deverá realizar uma prova oral de defesa de nota (em data a acordar). Se o aluno não comparecer à prova oral a nota final será de 18 valores.
Instrumentos de Auxílio em Avaliações
Durante a realização dos elementos de avaliação presenciais (Testes e Exames), os alunos poderão utilizar máquina de calcular e poderão consultar o Formulário da UC. O Formulário será cedido em pdf no início das aulas e, no dia das avaliações, será fornecido pelo docente em papel.
MELHORIA DE NOTA
Os alunos que pretenderem realizar o Exame de Recurso, com vista à melhoria de nota, devem, antecipadamente, requerer essa melhoria junto dos serviços académicos.
O trabalho prático não é passível de ser melhorado.
Conteúdo
0. Revisões de Conceitos Fundamentais
1. Noções Gerais de Processos Estocásticos
1.1 Definições
1.2 Processos Estacionários e Processos Evolutivos
1.3 Processos de Incrementos Independentes e Estacionários
1.4 Passeios Aleatórios
1.5 Processos de Poisson
1.6 Processos de Markov
2. Processos de Contagem
2.1 Definição
2.2 Axiomática do Processo de Poisson Homogéneo
2.3 Processos derivados do Processo de Poisson
2.3.1 Processo de Poisson Não Homogéneo
2.3.2 Processo de Poisson Misto
2.3.3 Processo de Poisson Composto
2.4 Tempos entre Chegadas e Tempos de Espera
3. Cadeias de Markov a Tempo Discreto
3.1 Definições
3.2 Probabilidades de Transição e Equação de Chapman-Kolmogorov
3.3 Classificação dos Estados e Decomposição da Cadeia
3.4 Tempos de Ocupação e 1ª Passagem
3.5 Distribuição Estacionária
3.6 Teoremas Limite
4. Martingalas a Tempo Discreto
4.1 Definições
4.1.1 Filtração
4.1.2 Martingala
4.2 Martingalas
4.2.1 Martingala a Tempo Discreto
4.2.2 Incrementos de Martingala
4.2.3 Supermartingala e Submartingala
4.3 Tempo de Paragem
4.4 Convergência em Martingalas
Cursos
Cursos onde a unidade curricular é leccionada: