UNIVERSIDAD AUTNOMA DE YUCATN

FACULTAD DE MATEMTICAS
CAMPUS DE CIENCIAS EXACTAS E INGENIERAS

PROCESOS ESTOCSTICOS

DR. JOS VIDAL LCALA BURGOS

TAREA 5

JACQUELINE LISSETTE HERNNDEZ NEZ

INGENIERA EN COMPUTACIN

MRIDA, YUCATN

OCTUBRE 2014

Genera L=1000 muestras del puente Browniano P(t) en el intervalo[0,T], el

cual es el movimiento Browniano condicionado a BT=0.

Genera la posicin del puente Browniano en los tiempos t= con los

parmetros = . , = = . Utiliza los caminos generados para
estimar la probabilidad de que el puente Browniano cruze el nivel =-0.10
antes del tiempo final T. Entrega un script con nombre bridge.r
En los siguientes ejercicios {B(t), t 0} es un proceso de movimiento
browniano estndar es decir B (t) ~N (0, t) = .
10.1 Cul es la distribucin de B(s) + B (t), st?
Sabemos que B(s) ~ N (0, s 2 ) y B (t) ~N (0, 2 t)
Entonces
B(s)+B(t)=2B(s)+B(t)-B(s)
Sabemos que B(s)+B(t) se distribuye normal ya que la suma de dos normales es
una normal entonces calculemos su media y su varianza:
E[2B(s)+B(t)-B(s)]= E[2B(s)]+E[B(t)]-E[B(s)]=0
Var(2B(s)+B(t)-B(s))= Var(2B(s))+ Var(B(t)-(B(s))
= 4s+t-s
=3s+t
B(s)+B(t) ~ N (0, 3s+t)
10.2 Calcular la distribucin condicional de B(s) dado que B (t1)= A y B(t2) =B,
donde 0 <t1 <s <t2.

10.3 Calcular E[B(t1)B(t2)B(t3)] para t1 < t2 < t3.

[(1)(2)(3)] = E[[(1)(2)(3)|(1)(2)]]
Lo anterior sucede por ley de probabilidad total
= E[(1)(2)[(3)|(1)(2)]]
= E[(1)(2)(2)]
= E[(1)(2)2 ]
= E[E[(1)(2)2 |(2)]]
= E[(2)2 E[(1)|(2)]]
1
= E[(2)2 (2)]
2
1
= E[(2)3 ]
2

1
=
(2) 2
=

1
(2)
2

Calculemos la esperanza de E[(2)3 ]

Sabemos que B(t2)=2 Z~N(0,1)
E[(2)
=

3
22

Entonces E[(2)3 ] = 0

3]

3
E [22 3 ]

3
22 E[ 3 ]

1 2

3 2
2

[(1)(2)(3)] = 0

10.9 Sea {X (t), t0} un proceso de movimiento browniano con coeficiente drift
y varianza 2. Cul es la funcin de densidad conjunta de X (s) y X (t), s <t?
X(t)= + (),
Var(B(t))=t 2 ,
s<t.
La funcin de densidad conjunta est dada por:

( , ) =

1
( , )1 ( )

(2)2

Calculemos pues la E[X(s)] y E[X(t)]

E[X(s)]=E[ + ()]= [()] =
E[X(t)]=E[ + ()]= [()] = t
Calculemos las entradas de la matriz de covarianza
Cov(X(s), X(t))= Cov ( + (), + ())=Cov(B(s),B(t))=s 2
Cov(X(s), X(s))= Cov ( + (), ( + ()) = Cov(B(s),B(s))=Var(B(s))= 2
Cov(X(t), X(t))= Cov ( + (), ( + ()) = Cov(B(t),B(t))=Var(B(t))= 2
Entonces:
(

2
()

) ~ (( ) , ( 2
()

2 ))
2

10.26 Sea Y (t) = t B( ), t> 0 e Y (0) = 0.

(a) Cul es la distribucin de Y (t)?
(b) Comparar Cov (Y (s), Y (t)).
(c) argumentar que {Y (t), t0} es un proceso de movimiento browniano
estndar. B (t) ~N (0, 2 t) con 2 = 1
a) Y(t) se distribuye normal ya que B(t) se distribuye normal y pues Y(t) esta en
funcin del B(t) que se multiplica por una constante entonces Y(t)~N.
1

b) Cov(Y(s),Y(t))= Cov (s B( ),t B( ))= s t Cov(B( ),B( ))

1

Sabemos que s<t entonces >

=s t ( ) =
c) Para que sea un proceso browniano debe cumplir que :
i.
Y(t)~N
ii.
E[Y(t)]=0
iii.
Cov(Y(s),Y(t))=s
Como podemos notar i) y iii) quedaron demostrados en los incisos anteriores solo
falta demostrar que E[Y(t)]=0
1
1
E[Y(t)]=E[t B( )]=t E[B( )]=0
1

Var(Y(t))= Var[t B( )]= 2 (B ( )) = 2 ( ) =

Y (t) es un proceso browniano normal estandar

10.29 Sea {Z (t), t0} que denota un proceso de puente browniano. Demostrar
que si Y (t) = (t + 1) Z(

)entonces {Y (t), t0} es un proceso de movimiento

browniano estndar.
Hay que demostrar lo siguiente:
i.
Y(t)~N
ii.
E[Y(t)]=0
iii.
Cov(Y(s),Y(t))=s
Demostracin:
i.

Y(t)~N ya que Z~N y como Y (t) = (t + 1) Z (

) entonces una normal

+1

multiplicada por una constante es normal.

)]=(t+1)E[Z(+1)]=(t+1)(0)=0

ii.

E[Y(t)]=E[(t + 1) Z (

iii.

Cov(Y(s),Y(t))= Cov((s + 1) Z (

+1

),(t + 1) Z ( ))
+1
+1

= ( + 1)( + 1)( Z (
),Z (
))
+1
+1
Usando Cov(Z(s),Z(t))=s(1-t)

= ( + 1)( + 1) (
) [1 (
)]
+1
+1

= ( + 1)()[1 (
)]
+1

( + 1)
= ()( + 1) [1 (
)] = ()[( + 1) (
)]
+1
+1
= ( + 1 ) =