Licenciatura en matemáticas
8° cuatrimestre
Programa de la asignatura:
Probabilidad III
Clave:
050930831
1
Probabilidad III
Unidad 1. Procesos estocásticos y movimiento Browniano
Índice
Presentación de la unidad…………………………………………………………………………………. 3
Propósitos ……………………………………………………………………………………………………. 3
Competencia específica ……………………………………………………………………………………. 4
1.1 Introducción …………………………………………………………………………………………….. 4
1.1.1 Definición y ejemplos ……………………………………………………………………………….. 4
Actividad 1. Procesos estocáticos…………………………………………………………………….. 10
1.2 Movimiento Browniano ……………………………………………………………………………….. 11
1.2.1 Definición y propiedades…………………………………………………………………………… 12
1.2.2 Procesos derivados del movimiento Browniano ……………………………………………….. 19
Actividad 2. Movimiento Browniano…………………………………………………………………… 20
Autoevaluación………………………………………………………………………………………………. 21
Evidencia de aprendizaje: demostración sobre movimiento browniano…………………………. 21
Atorreflexiones……………………………………………………………………………………………. 22
Cierre de la unidad …………………………………………………………………………………………. 22
Para saber más ……………………………………………………………………………………………… 22
Fuentes de consulta ………………………………………………………………………………………… 23
2
Probabilidad III
Unidad 1. Procesos estocásticos y movimiento Browniano
Presentación de la unidad
En la presente unidad, titulada Procesos estocásticos y movimiento browniano, se presentan temas que
son fundamentales para incursionar en el estudio del cálculo estocástico, el cual tiene diversas aplicaciones
en áreas de conocimiento, como la física, las finanzas, la economía y la econometría, entre otras. La
presentación del contenido se realiza a través de dos subtemas:
Tema 1 Tema 2
Debes tener presente que a lo largo de la unidad, las definiciones, teoremas y propiedades se resaltan
empleando un fondo de color, debiendo hacer énfasis en comprender cada uno de éstos, con la finalidad
de que los emplees para ir construyendo un nivel de conocimientos óptimo acerca de la materia de estudio.
Propósitos de la unidad
3
Probabilidad III
Unidad 1. Procesos estocásticos y movimiento Browniano
Competencia específica
1.1. Introducción
Asimismo, no olvides pedir apoyo de tu Facilitador(a) cuando se te presente algún tipo de problemática,
logrando con ello, reforzar el estudio de los temas de estudio correspondientes a la unidad.
magnitudes aleatorias X t (ω ) que dependen de un parámetro real t, el cual toma valores en un conjunto T
que se le denomina “dominio de definición del proceso”, “espacio parametral” o “conjunto de índices
del proceso”. El conjunto S que contiene a todos los valores posibles que pueden tomar las variables
4
Probabilidad III
Unidad 1. Procesos estocásticos y movimiento Browniano
( X t , t ∈T ) = ( X t (ω ) , t ∈T , ω ∈Ω)
Como puedes ver, la definición nos indica que un proceso estocástico es una función de dos variables t y ω
, definidas de la siguiente manera:
2) Para un suceso aleatorio fijo ω ∈ Ω , es una función del tiempo dada por X t = X t (ω ) , t ∈T .
Esta función recibe el nombre de “realización”, “trayectoria” o “camino muestral” del proceso X.
Debido a que a cada elemento ω ∈Ω se le asocia una realización del proceso, es posible considerar a un
proceso estocástico como una función aleatoria.
5
Probabilidad III
Unidad 1. Procesos estocásticos y movimiento Browniano
Debes tener claro que las variables aleatorias que conforman un determinado proceso estocástico no son,
en general, independientes, lo que significa que éstas presentan algún tipo de relación que determina las
diferencias entre dos o más clases de procesos.
( X t , t ∈T ) , donde T = [0, ∞) .
Considerando un subconjunto A del espacio de estados S, se indica que el proceso estocástico toma un
valor determinado en A para el tiempo i, a través del suceso ( X i ∈ A) . Es por ello que si se considera
distintos tiempos se pueden tener vectores como sucesos, con lo que ahora debe ser fácil de comprender
por qué es posible interpretar a un proceso estocástico como una colección de vectores aleatorios.
Todo proceso estocástico cuenta con características no aleatorias, como por ejemplo: una distribución, un
valor esperado, una varianza, etc. A continuación se definirá el concepto de “distribuciones finito
dimensionales” de un proceso estocástico multidimensional.
6
Probabilidad III
Unidad 1. Procesos estocásticos y movimiento Browniano
Definición. Distribuciones finito dimensionales
(X t1 )
,..., X tn , t1 ,..., tn ∈ T
, para todos los posibles valores que pueden
X = ( X t , t ∈T )
Sea el proceso estocástico representado por la colección de vectores aleatorios
(X t1 )
,..., X tn , t1 ,..., tn ∈ T y n ≥ 1
, entonces:
Esperanza de X
La función de esperanzas de X está dada por…
µ X (t ) = µ xt = EX t , t ∈ T
Covarianza X
La función de covarianzas de X es:
E ⎡⎣( X t − µ X (t )) ( X s − µ X ( s ))⎤⎦ = E [ X t X s ] − µ X (t ) µ X ( s )
7
Probabilidad III
Unidad 1. Procesos estocásticos y movimiento Browniano
= E [ X t X s ] − µ X ( s ) E [ X t ] − µ X (t ) E [ X s ] + µ X (t ) µ X ( s )
= E [ X t X s ] − µ X ( s ) µ X ( t ) − µ X (t ) µ X ( s ) + µ X (t ) µ X ( s )
= E [ X t X s ] − µ X (t ) µ X ( s )
Varianza de X
La función de varianzas de X se define como…
σ X2 (t ) = cX (t , t ) = Var ( X t ) , t ∈T
Como puedes notar, las funciones anteriores se pueden calcular a través de cada componente del vector
aleatorio que representa al proceso estocástico en un instante fijo t.
Ejemplo
Considerando el proceso estocástico
La función de esperanzas de X.
La función de varianzas de X.
8
Probabilidad III
Unidad 1. Procesos estocásticos y movimiento Browniano
1
µ X ( t ) = EX t = E ( A (ω ) sen t ) = sen t , t ∈ T
Solución: 2
σ X2 (t ) = Var ( X t ) = cX (t , t ) = E ⎡( X t ) ⎤ − ( µ X (t ))
2 2
⎣ ⎦
2
⎛1 ⎞
= E ⎡( A (ω ) sen t ) ⎤ − ⎜ sen t ⎟
2
⎣ ⎦ ⎝2 ⎠
⎛1 ⎞ ⎡ ⎡ ⎤ 1⎤
= E ⎡( A (ω ) ) sen 2t ⎤ − ⎜ sen 2t ⎟ = sen 2t ⎢⎣ E ⎣( A (ω ) ) ⎦ − 4 ⎦⎥
2 2
⎣ ⎦ ⎝4 ⎠
⎡1 1 ⎤ 1
= sen 2t ⎢ − ⎥ = sen 2t
⎣ 3 4 ⎦ 12
recuerda que si
Nota:
A (ω ) : Uniforme(0,1)
Entonces
∞ ∞ 1
1 x2 1
E ( A (ω ) ) = ∫ x dx = ∫ x dx = =
−∞
1− 0 −∞
2 0 2
Y además
∞ ∞ 3 1
E ⎡ ( A (ω ) )
2
⎤ = x 1 dx = x 2 dx = x = 1
∫ 1 − 0 −∞∫
2
⎣ ⎦ −∞ 3 0 3
Cuando dos elementos aleatorios (variables aleatorias, vectores aleatorios o procesos estocásticos) X y Y
d
tienen la misma distribución, lo denotarás por el símbolo = . Cabe aclarar que para el caso de dos vectores
aleatorios o variables aleatorias, significa que sus funciones de distribución son iguales.
9
Probabilidad III
Unidad 1. Procesos estocásticos y movimiento Browniano
(X ) ( )
d
t1 ,..., X tn = X t1 + h ,..., X tn + h
Para todas las posibles elecciones de los índices t1 ,..., tn ∈ T con n ≥ 1 y h de tal manera que
t1 + h,..., tn + h ∈ T .
manera que t1 < ... < tn con n ≥ 1 , las variables aleatorias X t2 − X t1 ,..., X tn − X tn−1 son
independientes.
Instrucciones
1. Revisa el listado de situaciones que se te presentan en el archivo “Act. 1. Procesos
estocásticos”.
2. Identifica cuáles de ellas se pueden clasificar como procesos estocásticos, definiendo los
10
Probabilidad III
Unidad 1. Procesos estocásticos y movimiento Browniano
criterios que puedes emplear de manera general para distinguir un proceso estocástico de
uno que no lo es.
Ahora que ya has revisado la teoría de procesos estocásticos, se detallará un tipo especial éstos, el
llamado “movimiento browniano” o “proceso de Wiener”, el cual es fundamental para modelar muchos
fenómenos de la vida real, además para tratar la integral estocástica de Itô.
11
Probabilidad III
Unidad 1. Procesos estocásticos y movimiento Browniano
1.2.1. Definición y propiedades
1. W0 = 0 c.s.
3. Para cualquier sucesión finita de tiempos 0 < t1 < ... < tn y para cualesquiera conjuntos de Borel
( )
P Wt1 ∈ A1 , ..., Wtn ∈ An = ∫ ... ∫ p ( t1 , 0, x1 ) p ( t2 − t1 , x1 , x2 ) ⋅⋅⋅ p (t n − t n −1 , xn −1 , xn ) dxn ⋅⋅⋅ dx1 donde la
A1 An
expresión
( x − y )2
1 −
p ( t , x, y ) = e 2t
2π t
Está definida para cualesquiera x, y ∈ ° y t ≥ 0 . A dicha expresión se le llama la densidad de
transición.
Nota: recuerda que una sucesión de variables aleatorias X 1 ,..., X n converge casi seguramente (c.s.) a una
(
P lim X n − X < ε = 1
n →∞ )
Esta definición establece que X n converge es. a X si las funciones X n ( s ) convergen a X ( s ) para todos
S A⊂ S
los elementos s de un espacio , excepto posiblemente para aquellos elementos s de en los que
P ( A) = 0
.
Es necesario acordar que, en lo sucesivo, cada vez que un proceso estocástico presente la letra W
mayúscula, se tratará de un proceso de Wiener.
12
Probabilidad III
Unidad 1. Procesos estocásticos y movimiento Browniano
Teorema 1.2.1.2
La función
2
x
1 −
fWt ( x ) = e 2t
2π t
Demostración
P (Wt ∈ A ) = ∫ p ( t , 0, x ) dx
A
de donde:
2
x
1 −
p ( t , 0, x ) = e 2t = fWt ( x )
2π t
Es fácil ver que el valor esperado del movimiento browniano W = Wt , t ∈ [0, ∞ ) , cuya función de ( )
densidad de probabilidades se muestra en el teorema anterior, es igual a cero, pues:
∞
∞ ∞ x2 x 2
1 − t −
E (Wt ) = ∫ x p (t , 0, x ) dx = ∫ xe 2t
dx = − e 2t =0
−∞ 2π t −∞ 2π t −∞
∞
∞ ∞ x2 2
∞ x2
( )
x
1 − t − t −
E (Wt ) = ∫ x p ( t , 0, x ) dx = ∫x ∫e
2 2 2
e 2t
dx = − x e 2t + 2t
dx
−∞ 2π t −∞ 2π t −∞
2π t −∞
13
Probabilidad III
Unidad 1. Procesos estocásticos y movimiento Browniano
∞ x2
− x , se obtiene que:
Donde, del hecho de que
∫e
−∞
2
dx = 2π , y haciendo la sustitución u =
t
∞ u2
( ) t −
E (Wt ) ∫e
2
= 0+ 2
du = t
2π t −∞
Teorema
Demostración
Para dos tiempos fijos s , t tales que 0 ≤ s < t , y dos borelianos fijos, entonces, por la condición 3 de la
definición de proceso de Wiener se tiene que:
fWs ,Wt ( x, y ) = p ( s, 0, x ) p (t − s, x, y )
Y por tanto:
∞ ∞ ∞ ⎡∞ ⎤
E (Ws ⋅ Wt ) = ∫ ∫ x y p ( s, 0, x ) p (t − s, x, y ) dy dx = ∫ x p ( s, 0, x ) ⎢ ∫ p (t − s, x, y ) dy ⎥ dx
−∞ −∞ −∞ ⎢⎣ −∞ ⎥⎦
∞ ⎡∞ ⎤
E (Ws ⋅ Wt ) = ∫ x p ( s, 0, x ) ⎢ ∫ ( x + u ) p ( t − s, x, x + u ) du ⎥ dx
−∞ ⎣⎢ −∞ ⎦⎥
∞ ⎡∞ ⎤
= ∫−∞ (
x p s , 0, x ) ⎢ ∫ ( x + u ) p (t − s, 0, u ) du ⎥ dx
⎣⎢ −∞ ⎦⎥
∞ ⎡ ∞ ∞ ⎤
= ∫ x p ( s, 0, x ) ⎢ x ∫ p (t − s, 0, u ) du + ∫ u p (t − s, 0, u ) du ⎥ dx
−∞ ⎢⎣ −∞ −∞ ⎥⎦
14
Probabilidad III
Unidad 1. Procesos estocásticos y movimiento Browniano
∞ ∞
∫ x p ( s, 0, x ) [ x + 0] dx = ∫ x p ( s, 0, x ) dx = E ((W ) )=s
2
= 2
s
−∞ −∞
De donde se infiere que para valores arbitrarios s, t mayores o iguales que cero se debe cumplir que:
La siguiente proposición nos proporciona una propiedad de los incrementos de los procesos de Wiener.
Proposición
Demostración
fWs ,Wt ( x, y ) = p ( s, 0, x ) p (t − s, x, y )
15
Probabilidad III
Unidad 1. Procesos estocásticos y movimiento Browniano
∞ ⎡ ⎤ ∞
⎡ ⎤
= ∫−∞ (
p s , 0, x ) ∫
⎢
⎢⎣{ y:x − y∈A}
p ( t − s , x , y ) dy ⎥
⎥⎦
dx = ∫
−∞
p ( s, 0, x ) ⎢ ∫ p (t − s, x, x − u ) du ⎥ dx
⎣A ⎦
∞
⎡ ⎤ ∞
= ∫ p ( s, 0, x ) ⎢ ∫ p ( t − s, 0, u ) du ⎥ dx = ∫ p (t − s, 0, u ) du ∫ p ( s, 0, x ) dx
−∞ ⎣A ⎦ A −∞
= ∫ p ( t − s, 0, u ) du
A
varianza t −s, lo cual nos indica que Wt − Ws : N ( 0, t − s ) para cualesquiera 0 ≤ s < t , culminando así la
demostración.
estacionarios.
Proposición
Para cualesquiera tiempos tales que 0 = t0 < t1 < ... < tn los incrementos
Son independientes.
Demostración
E ((Wu − Wt )(Ws − Wr )) = 0
16
Probabilidad III
Unidad 1. Procesos estocásticos y movimiento Browniano
Para cualesquiera 0 ≤ r ≤ s ≤ t ≤ u
Pero
Ahora, proporciona un teorema que te ayudará a probar que un proceso estocástico es de Wiener, en el
que se emplean algunas de las propiedades que ya has demostrado.
Teorema
Un proceso estocástico Wt , t ≥ 0 es un proceso de Wiener (o movimiento browniano) si y sólo si cumple las
siguientes condiciones:
1. W0 = 0 c.s.
4. Los incrementos Wt − Ws tienen una distribución normal con valor esperado 0 y varianza t−s
para cualesquiera 0 ≤ s < t .
Para cerrar este tema, se mostrará una definición de suma importancia, así como una proposición sobre los
procesos de Wiener, en el entendido de que ésta se presentará sin demostración.
17
Probabilidad III
Unidad 1. Procesos estocásticos y movimiento Browniano
similar, para algún H > 0 , si sus distribuciones finito
dimensionales satisfacen la siguiente condición
(T ) ( )
d
H
Wt1 , ..., T HWtn = WTt1 , ..., WTtn
Se puede verificar que los procesos de Wiener son 0.5-auto-similares, lo cual trae como consecuencia que
sus caminos muestrales no sean diferenciables en ninguna parte, en el sentido de la siguiente proposición.
X t − X t0
lim sup =∞
t ↓t0 t − t0
Debido a que para llevar a efecto la demostración de los hechos anteriores se requieren algunos otros
contenidos, los cuales no están contemplados en el desarrollo de esta unidad, es necesario que por el
momento los consideres una propiedad más de los procesos de Wiener de forma axiomática.
18
Probabilidad III
Unidad 1. Procesos estocásticos y movimiento Browniano
1.2.2. Procesos derivados del movimiento Browniano
Esta sección tiene como finalidad mostrarte algunos modelos probabilísticos que se derivan del movimiento
browniano, con el objetivo de proporcionarte algunos elementos más acerca de este tema. Se reitera que
en el presente documento se emplea la letra W para los procesos aleatorios que son brownianos, aunque
se debe contemplar el hecho de que existen autores que los denotan con la letra B , lo cual es totalmente
válido.
X t = Wt − t W1 , 0 ≤ t ≤ 1
se llama puente browniano.
Este tipo de procesos reciben su nombre debido a que cumplen la siguiente propiedad:
X 0 = X1 = 0
µ X (t ) = µ t , donde s, t ≥ 0 19
y su función de covarianzas es
Probabilidad III
Unidad 1. Procesos estocásticos y movimiento Browniano
El siguiente proceso fue propuesto por Black, Scholes y Merton (1973), y es empleado para modelar la
“especulación de precios” en el área de las finanzas.
σ X2 (t ) = e σ 2t
− 1
Es fácil darse cuenta de que se trata de un modelo exponencial para el movimiento browniano con
dirección.
Instrucciones:
20
Probabilidad III
Unidad 1. Procesos estocásticos y movimiento Browniano
Wiener.
Autoevaluación
Para reforzar los conocimientos relacionados con los temas que se abordaron en esta unidad
del curso, es necesario que resuelvas la autoevaluación.
Es momento de realizar tu evidencia de aprendizaje, donde podrás resolver ejercicios sobre movimiento
Browniano, auxiliándote de toda la teoría aprendida durante la unidad. En esta sección terminarás de
formalizar tus conocimientos.
Instrucciones:
5. Sustituye las XX por las dos primeras letras de tu primer nombre, la Y por la inicial de tu apellido
paterno y la Z por la inicial de tu apellido materno.
21
Probabilidad III
Unidad 1. Procesos estocásticos y movimiento Browniano
7. Consulta la Escala de Evaluación para conocer los criterios con que será evaluado tu trabajo.
Autorreflexiones
Como parte de cada unidad, es importante que ingreses al foro Preguntas de autorreflexión y
leas los cuestionamientos que formuló tu Facilitador(a), ya que a partir de ellos debes elaborar
tu Autorreflexión y enviarla mediante la herramienta Autorreflexiones. No olvides que también
se toman en cuenta para la calificación final.
Cierre de la unidad
Revisa los contenidos de la asignatura Probabilidad I, y II, así como la de Procesos Estocásticos.
Modelo Estocástico Wiener Gauss: una Aplicación a la Economía Financiera en el Mercado de Capitales de
España http://www.redalyc.org/articulo.oa?id=11400805
22
Probabilidad III
Unidad 1. Procesos estocásticos y movimiento Browniano
Fuentes de consulta
Para finalizar la unidad acude a las fuentes de consulta que se utilizaron para el desarrollo de ésta.
23