En la teoría de la probabilidad, los fenómenos aleatorios que resultan de procesos regidos por leyes probabilísticas (como el crecimiento de una colonia bacteriana o la fluctuación de la corriente eléctrica en un circuito) son procesos estocásticos, según Emanuel Parzen en Procesos estocásticos. Desde una perspectiva matemática, los procesos estocásticos son colecciones de variables aleatorias e involucran eventos o fenómenos con resultados aleatorios. Las variables aleatorias se refieren a variables cuyos valores (por ejemplo, verdadero o falso, sí o no) están determinados por leyes probabilísticas. Los procesos estocásticos incluyen una o más variables aleatorias observadas en múltiples pasos, o iteraciones, cuyos resultados no son independientes. En otras palabras, los resultados, aunque aleatorios, están relacionados y pueden indicar un patrón de comportamiento. En consecuencia, los procesos estocásticos pueden ayudar a eliminar parte de la incertidumbre asociada con el logro de varios objetivos, porque tienen en cuenta la aleatoriedad.
Los procesos estocásticos se utilizan comúnmente en ejemplos de teoría de juegos , encuestas, seguimiento, cálculos de probabilidad y análisis estadístico. En cada caso y en cada paso, un resultado puede depender de uno de varios factores aleatorios. Los procesos estocásticos con mayor frecuencia entran en juego para analizar fenómenos aleatorios pero predecibles, como los de la meteorología, la gestión empresarial , la ingeniería, la biología y la medicina.
Debido a la existencia de al menos una variable aleatoria en los procesos estocásticos, los resultados nunca pueden predecirse con certeza de acuerdo con leyes deterministas. Pero debido a que los resultados tienden a indicar patrones de comportamiento, los procesos estocásticos pueden generar conocimiento en forma de predicciones y pueden indicar parámetros de resultados probables.
Los procesos estocásticos pueden implicar el estudio y la medición de resultados y patrones durante un período de tiempo para fenómenos continuos. En un estudio que involucre el valor de una acción, por ejemplo, se puede observar que una variable A dada (que podría representar un factor como un bajo desempleo) aumenta el valor en el 75 por ciento de las iteraciones pasadas. Se puede observar que la variable B (que podría representar un factor como un alto desempleo) disminuye el valor en el 75 por ciento de los casos. Como resultado, cuando ocurre A, el observador puede asumir una probabilidad del 75 por ciento de que el valor aumente.
La solución no es segura, porque todavía hay un 25 por ciento de posibilidades de que el valor disminuya. Pero los sucesos pasados indican un patrón de comportamiento que sugiere que es probable que el valor aumente cuando A está presente y disminuya cuando B está presente. Las ocurrencias repetidas de variables y resultados pueden proporcionar precisión adicional a la predicción o identificar los efectos de otras variables.
Para eventos de un solo disparo, los procesos estocásticos implican la medición de una serie de factores que pueden afectar el resultado antes y después de cada ocurrencia. Considere, por ejemplo, disparar un proyectil hacia un objetivo a 800 yardas de distancia. Se deben tomar medidas y hacer suposiciones sobre el peso del proyectil, la cantidad de explosivo de lanzamiento, la trayectoria y dirección de lanzamiento, la dirección y velocidad del viento e incluso la humedad.
Si un solo disparo sobrepasa a su objetivo en 100 yardas, se deben hacer ajustes para ganar precisión. Si son posibles disparos adicionales, se pueden ajustar variables como la trayectoria, la dirección y el explosivo de lanzamiento para ganar precisión. El ciclo se repite en un tercer disparo, luego en el cuarto, hasta que se alcanza el objetivo.
Las variables independientes, como las condiciones atmosféricas, pueden cambiar durante el curso de los disparos. Siguen siendo independientes porque los cambios de velocidad del viento no se pueden predecir con total precisión. Como resultado, el proyectil puede aterrizar más cerca del objetivo, pero a menos que las condiciones permanezcan estáticas, no se puede lograr una precisión completa.
APLICACIONES DE NEGOCIOS
Los procesos estocásticos pueden desempeñar un papel importante en la gestión de una empresa y se han aplicado a algunos aspectos de la gestión de las operaciones comerciales, incluidas las estrategias de ventas y el control de inventario. Los procesos estocásticos en los negocios funcionan de manera similar a otros campos. Primero, si una estrategia de ventas para un producto no produce el resultado esperado, se pueden ajustar las variables dependientes. Pero las variables independientes, gobernadas por las acciones de los competidores, siguen siendo impredecibles. Esto es especialmente relevante porque los competidores pueden alterar sus propias acciones en función de los resultados de la primera estrategia.
En segundo lugar, los minoristas, mayoristas y fabricantes se enfrentan a dos problemas importantes de control de inventario: determinar cuándo pedir artículos de stock adicionales y determinar cuántos pedir. Para operar uno de estos negocios de manera eficiente, los gerentes deben considerar la cantidad incierta de artículos que se necesitarán en un período determinado, así como la cantidad incierta de tiempo que llevará la entrega de los artículos después de que se hayan pedido. Debido a estas dos incertidumbres, las empresas deben mantener un inventario de artículos para tenerlos cuando los necesiten. Dado que tener un inventario requiere una inversión significativa, las empresas se esfuerzan por mantener sus inventarios al mínimo para reducir los gastos generales. El proceso estocástico implicaría identificar las políticas actuales sobre cuándo ordenar y cuánto ordenar. Si estas políticas no tienen éxito, si una empresa con frecuencia tiene demasiado o no tiene suficiente inventario, entonces la empresa tendrá que modificarlas y reevaluarlas hasta que produzcan un resultado más favorable. Esta reevaluación podría incluir la consideración de fluctuaciones estacionales, cambios en el movimiento del producto debido a condiciones económicas, niveles de demanda para los diferentes días de la semana, etc. hasta obtener una imagen más precisa de estos factores.