Pruebas Secuenciales para Procesos Estocásticos bajo un Horizonte Aleatorio.

Ponente(s): Juan Luis Palacios Soto, Dr. Andrey Novikov

Las pruebas secuenciales clásicas con horizonte infinito han encontrado una gran variedad de aplicaciones en campos como el médico, industrial, etc. Su éxito se basa en maximizar estadísticamente la información de un proceso con la menor cantidad de datos posibles, logrando con ello minimizar costos. Sin embargo, aún cuando existe vasta literatura sobre el tema, este método estadístico no se corresponde totalmente con los procesos actuales en donde la toma de una decisión final se llega a hacer de manera anticipada a la programada por el investigador. Es por ello que se vuelve necesario el desarrollo de pruebas estadísticas que optimicen la información del proceso e incorporen la aleatoriedad al horizonte. Hoy en día este tipo de pruebas tienen su mayor auge en países desarrollados, sin embaro, en nuestro país no se le da la misma importancia. En este trabajo de investigación, que hasta donde sabemos es original, presentaremos un enfoque del tipo de pruebas secuenciales que hemos desarrollado al incorporar la aleatoriedad del horizonte, obteniendo la optimalidad deseada; que además se pueden aplicar a procesos estocásticos a tiempo discreto. Mostraremos los resultados más importantes de esta teoría y algunos resultados numéricos con el método Montecarlo.