Você está na página 1de 7

Tarea 1

Luis Ernesto Sanz Salguero1 Universidad Federico Santa Mara, Modelos ocultos de Marcov

luisesanz@gmail.com
Received ; accepted

Estudiante doctorado en informtica UTFSM

2
1. Tarea

Sea Bt un movimiento Browniano. 1. Sea c > 0. Demuestre que Bt = 2. Demuestre que Bt es un m.B. 3. Sea T > 0 jo. Entonces B = BT BT t ; 0 t T es un m.B. 4. Sea Bt un m.B. que comienza en un punto x, es decir B0 = x con probabilidad 1. Aqu tenemos que Bt se distribuye Normal con media x y varianza t . sea v(t, x) = E(g(Bt )). La densidad de una variable aleatoria Normal(x, t) est dada por:

cBt/c si t > 0 es tambin un movimiento Browniano.

p(t, x, y) =
Verique: Que v(0, x) = g(x) y v(t, x) = Que
p(t, x, y) t

1 (yx)2 e 2t , < y < 2t

g(y)p(t, x, y)dy.

1 2 p(t, x, y). 2 2x

Que v(t,x) satisface:

1 2 v(t, x) = p(t, x) t 2 2x v(0, x) = g(x)

2.

Desarrollo

Para realizar las demostraciones que siguen se debe partir, por supuesto, de las propiedades de todo movimiento Browniano o proceso de Wiener:

3 Un proceso aleatorio {Bt }es un movimiento Browniano si se verican las siguientes propiedades: a. El proceso parte del origen, es decir B0 = 0 . b. Las trayectorias de {Bt } son funciones continuas. c.Para t 0, Bt se distribuye segn una ley normal Bt N (0, t). d. El proceso aleatorio {Bt } tiene incrementos independientes. e. Dado 0 t < t + h, la variable aleatoria Bt+h Bt tiene distribucin normal con esperanza nula y varianza var(Bt+h Bt ) = h. Por otra parte, dados Z1 , Z2 , ..., Zi con P (Zi = 1) = P (Zi = 1) =1/2 , dado que para cada M {1, 2, ...}se dene un proceso aleatorio discreto en el tiempo

{Yi/M : i = 0, 1, ...},
en el que B0
(M )

(M )

=0y 1 (M ) (M ) Y(i+1)/M = Yi/M + Zi+1 M

para i=0,1,2..., tal que

1 (M ) Yi/M = (Z1 + Z2 + ... + Zi ) M


Y dado Bt
(M )

sea un proceso continuo producto de transformar Yi/M en continuo


(M )

(M )

al hacer la funcin lineal en los intervalos [i/M, (i + 1)/M ]. Entonces, un movimiento Browniano puede denirse como el lmite cuando M , de los procesos {Bt 1. Dado c > 0. Demostrar que Bt =
Demostracin:

: t 0}.

cBt/c si t > 0 es tambin un movimiento Browniano. cBt/c , si t > 0 se cumplen las

Para ello hay que corroborar que para Bt =

propiedades de un m.B.

4 a. Dado que Bt cumple que B0 = 0 es posible armar que B0 =

cB0/c = 0.

b. Partiendo del hecho de que Bt puede denirse como el lmite cuando M , de los procesos {Bt
(M )

: t 0}
(M )

Es posible armar que Bt es el lmite cuando M , de los procesos {Bt :t (M ) (M ) (M ) 0}donde Bt es el proceso continuo producto de transformar Yi/M = cYi/M c , lo que prueba que Bt es continuo. c. Si se representa por r el mayor nmero entero que no supera a r, es posible armar que para valores grandes de M, t/c es muy cercano a tM /cM , de forma que Bt prximo a
(M )

es muy

A=Y
Entonces, A es igual a

(M ) tM /cM

1 (Z1 + Z2 + ... + Z cM

tM

1 cM

veces la suma de tM variables aleatorias i.i.d diferentes,

cada una de ellas con media 0 y varianza 1. Del teorema del lmite central se sigue que A converge en distribucin a la distribucin N (0, t) cuando M . A partir del punto anterior, es claro que dados Bt y Bs donde t > s, se puede establecer

AB = Y
1 (Z sM cM

(M ) tM /cM

(M ) sM /cM tM

1 [(Z1 cM

+ Z2 + ... + Z

tM

) (Z1 + Z2 + ... + Z

sM

)] =

+ Z2 + ... + Z

) lo que por teorema del limite central permite establecer que

A-B converge en distribucin N (0, t s) cuando M . Por otra parte, dado que E(A)=E(B)=0, se tiene que cov(A, B) = E(AB), entonces:
sM tM

1 E(AB) = E[(Z1 + Z2 + ... + Z cM

tM

)(Z1 + Z2 + ... + Z

sM

1 )] = cM

E(Zi Zj )
i=1 j=1

dado que E(Zi Zj ) = 0 cuando i = j y E(Zi Zj ) = 1 cuando i = j y habrn exactamente

sM trminos en el sumatorio para los que i = j , es decir 1 por cada i dado que t > s,

5 entonces

cov(A, B) =

sM M

, lo que converge a s cuando M .esto demuestra d. y e. 2. Demuestre que Bt es un m.B. A partir de lo expuesto en la demostracin anterior, resulta evidente que si tenemos un proceso

1 (M ) Yi/M = (Z1 + Z2 + ... + Zi ) M


El Bt
(M )

resultante cumple las propiedades necesarias para ser un m.B. el valor de

la funcin en el inicio sigue siendo cero, sin que el signo menos afecte el resultado, la multiplicacin de una constante, en este caso -1 no afecta la continuidad de la funcin transformada, el teorema del lmite central permite mantener una distribucin N (0, t) en la funcin evaluada y dado u t > s y por ende la varianza de Bt Bs = t s. 3. Sea T > 0 jo. Entonces B = BT BT t ; 0 t T es un m.B. Dado que Bt es un movimiento Browniano, en un rango 0 t T , para cualquier

T > 0 jo, el restar un valor jo a t no afectar la continuidad de BT t , por otra parte y en
vista de las demostraciones anteriores, resulta claro que en ese rango existen valores para la funcin y estos estn dados a partir de una funcin Yi/M tranformada en la que i va de T a 0, dado que los elementos que pertenecen a Bt posen incrementos independientes BT t tambin los posee, as mismo sucede con la distribucin de los datos, que no se ve afectada por el orden en que estos son tomados, de tal forma que BT t cumple con la distribucin
(M )

N (0, t).
Ahora, para s t, donde ambas se encuentran dentro del rango establecido,

Bt Bs = BT BT t (BT BT s ) = BT s BT t y su varianza es var(BT s BT t ) = T s (T t) = t s.

6 A partir de lo anterior, puede onbservarse que en el rango establecido BT t cumple b., c. d. y e. pero no cumple a. Al sumarle a BT t un valor jo, esto no afectar ni la distribucin, ni la continuidad, ni la independencia entre sus incrementos. As que al sumarle BT no se estn viendo afectadas las propiedades anteriores y la funcin resultante si cumple a, con lo que queda demostrado lo que se pretenda. 4. Sea Bt un m.B. que comienza en un punto x, es decir B0 = x con probabilidad 1. Aqu tenemos que Bt se distribuye Normal con media x y varianza t . sea v(t, x) = E(g(Bt )). La densidad de una variable aleatoria Normal(x, t) est dada por:

p(t, x, y) =
Verique:

(yx)2 1 e 2t , < y < (2t)1/2

a. Que v(0, x) = g(x) y v(t, x) =

g(y)p(t, x, y)dy.

Dado que v(0, x) = E(g(B0 )) y la probabilidad de B0 = x es 1, entonces v(0, x) = g(x) Por otra parte v(t, x) = E(g(Bt )) =

g(Y )dP =

gdPy =

g(y)dF (y) =

g(y)p(t, x, y)dy
Que
p(t, x, y) t 1 2 p(t, x, y). 2 2x

p(t, x, y) t

(yx) 1 e 2t (2t)1/2

( (yx) + 2t2
2

1 ) 2t

p(t, x, y) x

= =

(yx) 1 2t 1/2 e (2t)

( yx ) t
2

2 p(t, x, y) 2x

(yx) 1 e 2t (2t)1/2

( (yx) + 1 ) 2t t =
1 2 p(t, x, y). 2 2x

Lo que corrobora que Que v(t,x) satisface:

p(t, x, y) t

2 v(t, x) = 2 p(t, x) t x

7

v(0, x) = g(x)

Dado que v(t, x) =

g(y)p(t, x, y)dy , podemos notar que solo la segunda parte de la

expresin se ve afectada por x, esta es p(t, x, y). La misma situacin se presenta con t, esto permite establecer que dado que

p(t, x, y) t

1 2 p(t, x, y) 2 2x

tenemos:

v(t, x) = ( t t

2 g(y)p(t, x, y)dy) = 2 ( x

g(y)p(t, x, y)dy).

Entonces

2 v(t, x) = 2 p(t, x) t x