General · 2026
Procesos estocásticos aplicaciones en modelos de servicios, con R
El curso trata acerca modelos de procesos estoc´asticos aplicados en temas de seguros de vida, salud, ramos generales, pero también se incluyen aplicaciones en modelos para embalses de agua, filas de espera e inventarios. Los objetivos son: Introducir los procesos estocásticos básicos: Gaussianos, Poisson, marchas aleatorias, Wiener. Utilizar la simulación MonteCarlo para mostrar sus trayectorias. Implementación en lenguaje R de diferentes técnicas y modelos, utilizando las librerías disponibles Introducir propiedades básicas de estos modelos, en especial, la propiedad de Markov. Introducir herramientas para manejo de cadenas de Markov. Las herramientas consisten en resultados de teor´ıa para clasificar las cadenas, para determinar cuando son estacionarias, para determinar cuando tienen una distribución invariante. Ejemplo de aplicación: un modelo para evaluar reservas en rentas vitalicias utilizando modelos de procesos estacionarios para las tasas de interés. Ejemplo de aplicación: se introducen modelos para series de tiempo para conteo de casos, que son alternativas en tiempo discreto al proceso Poisson. Y se pueden usar como partes de un modelo de riesgo colectivo discreto, en colas y en embalses.
Texto completo 444 páginas con texto de 445
Leer la tesis completa Ficha en el repositorio
Contenido
- Algunas aplicaciones del proceso de Wienerp. 121
- La prueba KPPS para estacionariedadp. 121
- El movimiento Brownianop. 122
- Integral de una funci´on con respecto al proceso Wienerp. 124
- Proceso OU centradop. 128
- Modelo movimiento Browniano geom´etricop. 131
- 4.1.11. Caso coeficientes variablesp. 133
- 4.1.12. Aplicaci´on en finanzas del MBGp. 134
- 4.2. Proceso Poissonp. 16
- Proceso Poisson Homog´eneop. 137
- Proceso Poisson No Homog´eneop. 144
- Idea de integral con respecto al proceso Poissonp. 145
- Definici´on y propiedadesp. 152
- Ecuaci´on diferencial estoc´astica con ruido PCCp. 155
- Proceso de difusi´on con saltosp. 157
- 4.5. Procesos de Levyp. 159
- 4.6. Problemasp. 26
- 5.2. Introducci´onp. 15
- 5.3. Definici´onp. 171
- 5.4. Modelos para el proceso de conteop. 174
- 5.5. La librer´ıa distrp. 169
- 5.6. Modelos para las severidadesp. 178
- 5.7. Distribuciones Compuestasp. 180
- 5.8. Probabilidad de Ruinap. 169
- Coeficiente de Ajustep. 190
- La ecuaci´on de equilibriop. 193
- 5.9. Definici´on de reasegurop. 195
- Reaseguro de Excedentesp. 196
- Reaseguro de Exceso de P´erdidap. 199
- 5.11. El modelo en tiempo discreto en Shi-Wang(2014)p. 205
- 5.12. Modelos en tiempo discreto en Cossette(2010)p. 207
- 6.1. Procesos de Markovp. 213
- 6.4. Cadenas de Markov finitap. 224
- 6.6. Distribuciones Invariantesp. 211
- 6.7. Distribuciones invariantesp. 211
- 6.8. Criterios para existencia de distribuciones invariantesp. 234
- Criterio de la tendenciap. 234
- 6.10. Modelos para series con valores enterosp. 254
- 6.11. Estimaci´on usando modelos GLMp. 263
- 7.2. Funciones de intensidadp. 277
- 7.3. Probabilidades de permanencia en estadosp. 275
- 7.4. Ecuaci´on prospectivap. 275
- 7.5. Aplicaci´on en seguros de saludp. 292
- 7.6. Tipos de seguros m´edicosp. 296
- 7.7. Ejemplos con Rp. 275
- 7.8. Demostraciones de f´ormulasp. 275
- 8.1. Relaci´on entre Procesos de Markov y Procesos Gaussianosp. 327
- 8.2. Procesos de Difusi´onp. 327
- 8.3. Tiempos de primer arribo a una barrerap. 25
- 8.4. Proceso Ornstein-Uhlenbeckp. 338
- Propiedades del Proceso OUp. 339
- 8.6. Problemasp. 26
- 8.7. Solucionesp. 327
- A.1. Manuales y referencias para Rp. 349
- A.2. Espacio Muestral, Eventos, Probabilidadp. 350
- A.3. Espacios Muestrales Contablesp. 353
- A.4. Variables Aleatoriasp. 358
- A.5. Esperanzap. 365
- A.6. Probabilidad Condicional e Independenciap. 368
- A.7. Esperanza Condicionalp. 369
- A.7.1. Esperanza Condicional para σ-´algebras contablesp. 372
- A.7.2. Esperanza Condicional para una σ-´algebra generalp. 374
- A.7.4. Propiedades de la Esperanza Condicionalp. 383
- A.9. Desigualdadesp. 390
- A.10.Convergenciap. 394
- A.10.1. Convergencia en Distribuci´onp. 397
- A.10.2. Convergencia en L2p. 399
- A.11.Problemasp. 402
- A.12.Solucionesp. 406
- B.1. Distribuci´on Normal Multivariadap. 409
- Procedimientos de Factorizaci´onp. 423
- 4.1. Representaci´on de una part´ıcula en movimiento brownianop. 124
- 5.2. Trayectorias de procesos de riesgop. 187
- 6.1. Gr´aficap. 222
- 6.3. Trayectoria y fac del Ejemplo 6.28p. 236
- Exponencialp. 252
- Negativo-AR(1)p. 257
- 7.1. Estados de salud: activo - fallecep. 278
- 7.2. Estados de salud como sistema multiestadosp. 279
- como sistema multiestadosp. 288
- 7.5. Estados de salud como sistema multiestadosp. 291
- 7.6. Modelos multiestados. (a): cuatro estados, (b): tres estadosp. 295
- hombres, (b):mujeresp. 306