U1. Procesos Estocasticos y Movimiento Browniano PDF

Probabilidad III
Unidad 1. Procesos estocsticos y Movimiento Browniano
Universidad Abierta y a Distancia de Mxico
Licenciatura en matemticas
5 Semestre
Programa de la asignatura:
Probabilidad III
Unidad 1. Procesos estocsticos y Movimiento

Browniano
Clave:
05143530/06143530
Ciencias Exactas, Ingenieras y Tecnologas | Licenciatura en Matemticas
Probabilidad III
ndice
Unidad 1. Procesos estocsticos y Movimiento Browniano ........................................................3
Presentacin de la unidad......................................................................................................................3
Propsitos de la unidad ..........................................................................................................................3
Competencia especfica..........................................................................................................................3
Introduccin ...............................................................................................................................................3
Definicin y ejemplos .......................................................................................................................... 4
Actividad 1. Procesos estocsticos ....................................................................................................8
Movimiento Browniano ...........................................................................................................................8
Definicin y propiedades.................................................................................................................... 9
Procesos derivados del movimiento Browniano ....................................................................... 15
Actividad 2. Movimiento Browniano................................................................................................ 17
Evidencia de aprendizaje: Demostraciones sobre movimiento Browniano .......................... 17
Autorreflexiones .................................................................................................................................... 17
Cierre de la unidad ................................................................................................................................ 17
Para saber ms....................................................................................................................................... 18
Referencias Bibliogrficas .................................................................................................................. 18
Probabilidad III
Presentacin de la unidad
En la presente unidad, titulada Procesos estocsticos y Movimiento Browniano, se presentan
temas que son fundamentales para incursionar en el estudio del clculo estocstico, el cual
tiene diversas aplicaciones en reas de conocimiento como son , la fsica, las finanzas, la
economa y la econometra, entre otras. La presentacin del contenido se realiza a travs de
dos subtemas:
En el primero se te brindar el concepto de proceso estocstico y algunos ejemplos del mismo,
con la finalidad de abordar el Movimiento Browniano, el cual es el objeto de estudio del segundo
subtema, en el que se te proporcionar su concepto y algunas generalidades que ste
presenta.
Debes tener presente que a lo largo de la unidad, las definiciones, teoremas y propiedades se
resaltan empleando un fondo de color, debiendo hacer nfasis en comprender cada uno de
stos, con la finalidad de que los emplees para ir construyendo un nivel de conocimientos
ptimo acerca de la materia de estudio.
Propsitos de la unidad
Identificar un proceso estocstico y sus caractersticas.

Identificar un proceso de Wiener (Movimiento Browniano) y algunos procesos derivados
de ste.
Demostrar que un proceso estocstico es un proceso de Wiener.
Competencia especfica
Utilizar la teora de procesos estocsticos para identificar un Movimiento Browniano a travs de
sus definiciones y propiedades.
Introduccin
En esta seccin se te proporcionarn algunas de las definiciones fundamentales de la teora de
procesos estocsticos, algunas de las cuales ya trataste en la asignatura del sptimo Semestre
que lleva el mismo nombre.
Probabilidad III
Cabe mencionar que este curso muestra un grado mayor de rigurosidad con respecto a tus
cursos anteriores de probabilidad, por lo que es necesario que al menos tengas presente todas
las definiciones que contemplaste en dichas asignaturas, y adems, pongas atencin en las
demostraciones que se exhiben para que posteriormente logres la capacidad de ir construyendo
tu propio aprendizaje.
Asimismo, no olvides apoyarte con tu docente en lnea, cuando se te presente algn tipo de
problemtica, logrando con ello, reforzar el estudio de los temas de estudio, correspondiente a
la unidad.
Definicin y ejemplos
Un proceso estocstico (o aleatorio) sobre un espacio de probabilidad , F
, P , es una
familia de magnitudes aleatorias X t que dependen de un parmetro real t, el cual toma

valores en un conjunto T que se le denomina dominio de definicin del proceso o espacio
parametral o conjunto de ndices del proceso. Al conjunto S que contiene a todos los
valores posibles que pueden tomar las variables aleatorias X t es llamado espacio de
estados.
Proceso en tiempo discreto

Cuando el conjunto T es numerable. Por ejemplo. T = {1, 2, 3, }
Proceso en tiempo continuo
Cuando T es un intervalo de
y es usual emplear como T al conjunto
En virtud de lo anterior, podemos formalizar la definicin de proceso estocstico como se

muestra a continuacin:
Definicin 1.1.1.1
Un proceso estocstico X es una coleccin de variables aleatorias
X t , t T X t , t T ,
Probabilidad III
Definida en algn espacio muestral .
Como puedes ver, la definicin nos indica que un proceso estocstico es una funcin de dos
variables t y , definidas de la siguiente manera:
1) Para un instante fijo de tiempo t, es la variable aleatoria X t X t , .
2) Para un suceso aleatorio fijo , es una funcin del tiempo dada por
X t X t , t T .
Esta funcin recibe el nombre de realizacin, trayectoria o camino muestral del
proceso X.
Debido a que a cada elemento se le asocia una realizacin del proceso, es posible
considerar a un proceso estocstico como una funcin aleatoria.
Debes tener claro que las variables aleatorias que conforman un determinado proceso
estocstico no son, en general, independientes, lo que significa que stas presentan algn tipo
de relacin, siendo sta la que determina las diferencias entre dos o ms clases de procesos.
Ejemplo
Si consideramos la sucesin de observaciones medidas en ciertos momentos de tiempo,
ordenados de manera cronolgica a iguales espacios entre s de forma uniforme.
Dichas observaciones pueden representarse por
X t , t T , donde T [0, ) .
Claramente el conjunto anterior es un proceso estocstico. Este tipo de procesos se conoce
como series temporales y pueden ser empleados, por ejemplo, para predecir y pronosticar
resultados de un fenmeno natural determinado.
Las temperaturas ambientales diarias de una determinada ciudad mexicana representan una
serie temporal, donde, si la temperatura medida al tercer da fue de 30 Celsius, entonces se
dice que 30 es el estado del proceso al tiempo t = 3.
Considerando un subconjunto A del espacio de estados S, indicamos que el proceso

estocstico toma un valor determinado en A para el tiempo i, a travs del suceso X i A . Es
por ello que si consideramos distintos tiempos se pueden tener vectores como sucesos, con lo
que ahora debe ser fcil de comprender por qu es posible interpretar a un proceso estocstico
como una coleccin de vectores aleatorios.
Probabilidad III
Todo proceso estocstico cuenta con caractersticas no aleatorias, como por ejemplo: una
distribucin, un valor esperado, una varianza, etc. A continuacin definiremos el concepto de
distribuciones finito dimensionales de un proceso estocstico multidimensional.
Definicin 1.1.1.2.
Si X es un proceso estocstico, entonces sus distribuciones finito dimensionales son las
distribuciones de los vectores finito dimensionales X t1 ,..., X tn ,
t1 ,..., tn T , para todos los
posibles valores que pueden tomar los tiempos t1 ,..., tn T y cada n 1.

A menudo se hace referencia a las colecciones de distribuciones finito dimensionales de un
proceso estocstico, como su distribucin. Cabe mencionar que la distribucin de un proceso
aleatorio puede ser til para realizar su clasificacin.
En seguida proporcionaremos tres definiciones importantes que es necesario que conozcas.
Definicin 1.1.1.3.
Sea X X t , t T el proceso estocstico representado por la coleccin de vectores aleatorios
t1
,..., X tn , t1 ,..., tn T y n 1 , entonces
1. La funcin de esperanzas de X est dada por
X t xt EX t , t T
2. La funcin de covarianzas de X es
cX t , s cov X t , X s E X t X t X s X s , t , s T
En este caso, es vlido aplicar la igualdad
E X t X t X s X s E X t X s X t X s
Lo anterior se debe a que:
E X t X t X s X s E X t X s X t X s X s X t X t X s
E X t X s E X t X s E X s X t E X t X s
E X t X s X s E X t X t E X s X t X s
E X t X s X s X t X t X s X t X s
E X t X s X t X s
3. La funcin de varianzas de X se define como
Probabilidad III
X2 t c X t , t Var X t , t T
Como puedes notar, las funciones anteriores se pueden calcular a travs de cada componente
del vector aleatorio que representa al proceso estocstico en un instante fijo t.
Ejemplo
Considerando el proceso estocstico
X A sen t , donde A
Uniforme(0,1) .
Calcula:
La funcin de esperanzas de X.
La funcin de varianzas de X.
Solucin:
X t EX t E A sen t sen t , t T
1
2
2
2
X2 t Var X t cX t , t E X t X t
2
1
E A sen t sen t
2
2
1
1
E A sen 2t sen 2t sen 2t E A
1 1 1
sen 2t sen 2t
3 4 12
Nota:Recuerda que si
A Uniforme(0,1)
Entonces
1
x2
1
E A x
dx x dx
1 0
2 0 2
Y adems
2
1
x3
1
E A x 2
dx x 2 dx
1 0
3 0 3
Cuando dos elementos aleatorios (variables aleatorias, vectores aleatorios o procesos

d
estocsticos) X y Y tienen la misma distribucin, lo denotaremos por el smbolo . Cabe aclarar

que para el caso de dos vectores aleatorios o variables aleatorias, significa que sus funciones
de distribucin son iguales.
Definicin 1.1.1.4.
Probabilidad III
Un proceso aleatorio X X t , t T y T
se dice que es estacionario en sentido estricto si
sus distribuciones finito dimensionales son invariantes bajo cambios del ndice t:
t1
,..., X tn X t1 h ,..., X tn h
Para todas las posibles elecciones de los ndices t1 ,..., tn T con n 1 y h de tal manera que
t1 h,..., tn h T .
En otras palabras, un proceso es estacionario en sentido estricto si la funcin de distribucin
conjunta de cualquier subconjunto de variables es constante respecto a un desplazamiento en
el tiempo.
Definicin 1.1.1.5.
Si X X t , t T es un proceso estocstico y T
es un intervalo, entonces diremos que
1. X tiene incrementos estacionarios si

d
X t X s X t h X s h para todos los valores de t , s T y h tales que t h, s h T

Para todas las posibles elecciones de los ndices t1 ,..., tn T con n 1 y h de tal manera que
t1 h,..., tn h T .
2. X presenta incrementos independientes si para cada eleccin que se realice de ti T
de tal manera que t1 ... tn con n 1, las variables aleatorias X t2 X t1 ,..., X tn X tn1
son independientes.
Actividad 1. Procesos estocsticos

A travs de esta actividad podrs identificar procesos estocsticos de situaciones diversas,
adems de argumentar bajo qu criterios se identifican
Nota: Antes de participar en el foro, recuerda consultar la Rbrica general de participacin en
foros que se encuentra en la seccin Material de apoyo.
Movimiento Browniano
Ahora que ya has revisado la teora de procesos estocsticos, detallaremos un tipo especial de
dichos procesos, el llamado Movimiento Browniano o Proceso de Wiener, el cual es
Probabilidad III
fundamental para modelar muchos fenmenos de la vida real, y adems para tratar la integral
estocstica de It.
Su nombre se debe a los estudios del botnico Robert

Brown (1773 - 1858), quien encontr, con ayuda de un
microscopio, que los granos de polen de la flor silvestre
Robert
Brown.(2009)obtenido el 07 Clarkia Pulcella, suspendidos en una cierta sustancia, se
de mayo 2013 desde
movan errtica e inexplicablemente. Aunque de manera
http://astrojem.com/teorias posterior a su muerte se llevaron a efecto diversos
materia.html
estudios con la finalidad de brindar una explicacin
satisfactoria a este fenmeno, no se contaba con una
estructura rigurosa de este problema, y es aqu donde el
matemtico Norbert Wiener (18941964) jug un papel
primordial en el estudio del fenmeno propuesto por
Brown, pues es l quien le confiere una estructura
Norbert Weiner.(2008).
matemtica, situacin por la cual actualmente se da su
obtenido el 07 de mayo
nombre a este tipo de procesos estocsticos.
desde http://canalhypatiapensamientosciencia.blogsp
ot.mx/2009/03/norbertwiener.html
Definicin y propiedades
Definicin 1.2.1.1.
El proceso de Wiener( Movimiento Browniano) es un proceso estocstico W Wt , t 0,
que satisface las siguientes condiciones:

1. W0 0 c.s.
2. Los caminos muestrales t
Wt son continuos c.s.
3. Para cualquier sucesin finita de tiempos 0 t1 ... tn y para cualesquiera conjuntos

de Borel A0 ,..., An
se tiene que la probabilidad
P Wt1 A1 , ..., Wtn An ... p t1 , 0, x1 p t2 t1 , x1 , x2 p tn tn1 , xn 1 , xn dxn dx1

A1
An
Probabilidad III
donde la expresin
x y 2
1
p t , x, y
e 2t
2 t
Est definida para cualesquiera x, y y t 0 . A dicha expresin se le llama la
densidad de transicin.
Nota: Recuerda que una sucesin de variables aleatorias X1 ,..., X n converge casi seguramente
(c.s.) a una variable aleatoria X , si para cada 0 , se tiene que
P lim X n X 1
Esta definicin establece que
X n converge c.s. a X si las funciones X n s convergen a X s
S
para todos los elementos s de un espacio muestral , excepto posiblemente para aquellos
P A 0
A S
elementos s de
en los que
.
Es necesario acordar que en lo sucesivo cada vez que un proceso estocstico presente la letra
W mayscula, se tratar de un proceso de Wiener.
Teorema 1.2.1.2.
La funcin
2
1
fWt x
e 2t
2 t
Es la densidad de probabilidades de W Wt , t 0, .
Demostracin
Si consideramos un tiempo t y un Boreliano A fijos, tenemos, por la condicin 3 de la definicin
anterior, que
P Wt A p t , 0, x dx
A
de donde
2
1
p t , 0, x
e 2t fWt x
2 t
Que es lo que se quera probar.

(
10
Probabilidad III
Es fcil ver que el valor esperado del Movimiento Browniano W Wt , t 0, , cuya funcin
de densidad de probabilidades se muestra en el teorema anterior, es igual a cero, pues:
1
E Wt x p t , 0, x dx
2 t
xe
x2
2t
t
dx
e 2t
2 t
Y adems la varianza ser t debido a que:
E Wt
1
x 2 p t , 0, x dx
2 t
Donde, del hecho de que
x2
2
x2
2t
t
dx
x e 2t
2 t
2 t
dx 2 , y haciendo la sustitucin u
E Wt
t
0
2 t
u2
2
x2
2t
dx
x
, se obtiene que
t
du t
Teorema 1.2.1.3.
E Ws Wt min s, t
Demostracin
Para dos tiempos fijos s , t tales que 0 s t , y dos Borelianos fijos, entonces, por la
condicin 3 de la definicin 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

Sustituyendo en la integral entre los corchetes y x u se tiene

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
x p s, 0, x x 0 dx
x p s, 0, x dx E W
2
11
Probabilidad III
De donde se infiere que para valores arbitrarios s, t mayores o iguales que cero se debe
cumplir que
E Ws Wt min s, t
En este caso tambin existe una definicin de movimiento Browniano para el caso ndimensional, y se define de la siguiente manera:
Definicin 1.2.1.4.
Si Wt1 , ..., Wtn es una coleccin de movimientos Brownianos independientes unidimensionales,
entonces al vector aleatorio W Wt1 , ..., Wtn

n
se le conoce como movimiento Browniano en
La siguiente proposicin nos proporciona una propiedad de los incrementos de los procesos de
Wiener.
Proposicin 1.2.1.5.
Si consideramos un incremento de movimientos Brownianos, Wt Ws , para cualesquiera
valores 0 s t tiene distribucin con media cero y varianza t s .
Demostracin
La densidad conjunta de Ws y Wt est dada por:
fWs ,Wt x, y p s, 0, x p t s , x, y
Considerando un conjunto de Borel A se tiene:
P Ws Wt A
p s, 0, x p t s, x, y dy dx
( x , y ):x yA
p s, 0, x p t s, x, y dy dx p s, 0, x p t s, x, x u du dx
y:x yA
p s, 0, x p t s, 0, u du dx p t s, 0, u du p s, 0, x dx
p t s, 0, u du
A
12
Probabilidad III
De aqu se puede ver que f u p t s, 0, u es la densidad de la distribucin normal con
media 0 y varianza t s , lo cual nos indica que Wt Ws
N 0, t s para cualesquiera
0 s t , culminando as la demostracin.
La proposicin anterior establece que el movimiento Browniano W Wt , t 0, tiene

incrementos estacionarios.
Proposicin 1.2.1.6.
Para cualesquiera tiempos tales que 0 t0 t1 ... tn los incrementos
Wt1 Wt0 , ..., Wtn Wtn1

Son independientes.
Demostracin
De la proposicin 1.2.1.5. Los incrementos de movimientos Brownianos tienen distribucin
normal. Adems, debido a que variables aleatorias que se distribuyen bajo normalidad son
independientes si y slo si con incorrelacionadas, entonces es suficiente probar que
E Wu Wt Ws Wr 0
Para cualesquiera 0 r s t u
Pero
E Wu Wt Ws Wr E Wu Ws E Wu Wr E Wt Ws E Wt Wr
min u , s min u , r min t , s min t , r
sr sr 0
Que es lo que se quera probar.
Ahora, proporcionemos un teorema que nos ayudar a probar que un proceso estocstico es de
Wiener, en el que se emplean algunas de las propiedades que ya hemos demostrado.
Teorema 1.2.1.7.
Un proceso estocstico Wt , t 0 es un proceso de Wiener (o Movimiento Browniano) si y slo si
cumple las siguientes condiciones:
1.
W0 0 c.s.
2.
Los caminos muestrales t
Wt son continuos c.s.
13
Probabilidad III
3.
Wt tiene incrementos estacionarios.
4.
Los incrementos Wt Ws tienen una distribucin normal con valor esperado 0 y varianza
t s para cualesquiera 0 s t .
Demostracin
Debemos probar dos condiciones
i) Wt , t 0
Wt , t 0
es un proceso de Wiener
cumple las condiciones 1 a 4
ii) Se cumplen las condiciones 1 a 4 para un proceso Wt , t 0 Wt , t 0
es de Wiener
Demostracin. i)
Como Wt , t 0 es un proceso de Wiener, entonces debe cumplir las condiciones 1 y 2, adems
por la proposicin 1.2.1.5. y 1.2.1.6. de que tiene se cumplen las condiciones 3 y 4.
Demostracin ii)
Acerca de las condiciones 1 y 2 no hay nada que probar. Ahora, si un proceso Wt , t 0 tiene
incrementos estacionarios (definicin 1.1.1.5.) distribuidos bajo una normal con valor esperado
0 y varianza t s para 0 s t , entonces
fWt
,...,Wt
x1 ,..., xn
fWt
, Wt
t ,..., Wt t
1
n n1
x1 , x2 x1..., xn xn1
fWt x1 fWt t x2 x1 f Wt
1
n1
xn xn1
p t1 , 0, x1 p t2 t1 , 0, x2 x1 p t n t n 1 , 0, xn xn 1
p t1 , 0, x1 p t2 t1 , x1 , x2 p tn t n 1 , xn 1 , xn
Y por tanto
P Wt1 A1 , ..., Wtn An ... p t1 , 0, x1 p t2 t1 , x1 , x2 p tn tn1 , xn 1 , xn dxn dx1

A1
An
para cualquier sucesin finita de tiempos 0 t1 ... tn y para cualesquiera conjuntos de Borel
A0 ,..., An
De las pruebas de i) y ii) inferimos que el teorema queda demostrado.
Para cerrar este tema, presentaremos una definicin de suma importancia, as como una
proposicin sobre los procesos de Wiener, en el entendido de que sta se presentar sin
demostracin.
Definicin 1.2.1.8.
14
Probabilidad III
Un proceso estocstico X t , t 0, se dice H auto similar, para algn H 0 , si sus

distribuciones finito dimensionales satisfacen la siguiente condicin
Wt1 , ..., T HWtn WTt1 , ..., WTtn
Para cada T 0 , y cualquier eleccin de ti 0, i 1,..., n , y n positivo o cero.

Debes considerar que la propiedad anterior corresponde a la distribucin de un proceso. La
propiedad de auto similaridad es una cualidad fractal, y nos indica que los modelos
propiamente escalonados de un camino muestral en un intervalo de tiempo, se asemejan en
forma pero no son idnticos.
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 proposicin.
Proposicin 1.2.1.9. (No diferenciabilidad de procesos auto similares)
Si X t es un proceso H auto similar, con incrementos estacionarios para algn H 0, 1 ,
entonces para cada valor t0 fijo se cumple que
lim sup
t t0
X t X t0
t t0
Lo cual significa que los caminos muestrales de un proceso H auto similar no son
diferenciables en ninguna parte con probabilidad igual a 1.
Debido a que, para llevar a efecto la demostracin de los hechos anteriores se requieren
algunos otros contenidos, los cuales no estn contemplados en el desarrollo de esta unidad, es
necesario que, por el momento los consideres una propiedad ms de los procesos de Wiener
de forma axiomtica.
Procesos derivados del movimiento Browniano

Esta seccin tiene como finalidad mostrarte algunos modelos probabilsticos que se derivan del
Movimiento Browniano, con la finalidad de proporcionarte algunos elementos ms acerca de
este tema. Reiteremos 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 vlido.
15
Probabilidad III
Definicin 1.2.2.1.
El proceso estocstico definido por:
X t Wt tW1 , 0 t 1
Se llama puente Browniano.
Las funciones de esperanzas y covarianzas que presenta son, respectivamente
X t 0
c X t , s min t , s t s
Este tipo de procesos reciben su nombre debido a que cumplen la siguiente propiedad:
X 0 X1 0
Las distribuciones finito dimensionales de esta clase de procesos son Gaussianas.
Definicin 1.2.2.2.
El proceso aleatorio definido por:
X t t Wt , t 0
Para escalares 0 y
, recibe el nombre de movimiento Browniano con direccin.
Su funcin de esperanzas est dada por
X t t , donde s, t 0
y su funcin de covarianzas es
c X t , s 2 min t , s , con s, t 0
La direccin en este modelo es proporcionada por la funcin de esperanzas.
El siguiente proceso fue propuesto por Black, Scholes y Merton (1973), y es empleado para
modelar la especulacin de precios en el rea de las finanzas.
Definicin 1.2.2.3.
El proceso aleatorio definido por:
X t e t Wt , t 0
Para escalares 0 y
, se denomina movimiento Browniano Geomtrico.
Su funcin de esperanzas est dada por
16
Probabilidad III
0.5 t
X t e
2
y su funcin de varianzas es
2 t t
X2 t e
e 1
2
Es fcil darse cuenta de que se trata de un modelo exponencial para el movimiento Browniano
con direccin.
El Movimiento Browniano Geomtrico permite calcular el valor esperado de un proceso en un
cierto momento, determinado por un valor para el tiempo t, dado el historial del proceso al
tiempo t.
Actividad 2. Movimiento Browniano

Al finalizar esta actividad podrs determinar si un proceso estocstico es un proceso de
Wiener.
Evidencia de aprendizaje: Demostraciones sobre movimiento Browniano

Es momento de realizar tu evidencia de aprendizaje, donde podrs resolver ejercicios sobre
movimiento Browniano, auxilindote de toda la teora aprendida durante la unidad. En esta
seccin terminars de formalizar tus conocimientos.
Consulta la Escala de Evaluacin para conocer los criterios con que ser evaluado tu trabajo.
Autorreflexiones
Como parte de cada unidad, es importante que ingreses al foro Preguntas de autorreflexin y
leas los cuestionamientos que formul tu docente, ya que a partir de ellos debes elaborar tu
Autorreflexin y enviarla mediante la herramienta Autorreflexiones. No olvides que tambin se
toman en cuenta para la calificacin final.
Cierre de la unidad
En esta unidad 1, aprendiste a utilizar la teora de procesos estocsticos para identificar un
movimiento Browniano a travs de sus definiciones y propiedades.
17
Probabilidad III
En la unidad 2, el objetivo es aprender a aplicar el concepto de la esperanza condicional para
resolver diversos problemas probabilsticos, utilizando sus propiedades.
Para saber ms
Revisa los contenidos de la asignatura Probabilidad I, y II, as como la de Procesos
Estocsticos.
Modelo Estocstico Wiener Gauss: una Aplicacin a la Economa Financiera en el Mercado de
Capitales de Espaa
http://www.redalyc.org/articulo.oa?id=11400805
Integracin estocstica con respecto al movimiento browniano
http://www.redalyc.org/articulo.oa?id=46814206
Referencias Bibliogrficas
Brzezniak, Z. y Zastawniak, T. (1999). Basic stochastic processes. Great Britain:

Springer.
Chung, K. L. y Williams R. J. (1990). Introduction to Stochastic Integration. USA:
Birkhuser.
Klebaner, F. (2005). Introduction to Stochastic Calculus with Applications. Imperial
CollegePress.
Mikosch, T. (2000). Elementary stochastic calculus with finance in view. Singapore:
WorldScientific Publishing.
18

U1. Procesos Estocasticos y Movimiento Browniano PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

U1. Procesos Estocasticos y Movimiento Browniano PDF

Cargado por

Copyright:

Formatos disponibles

Probabilidad III

Unidad 1. Procesos estocsticos y Movimiento Browniano

Universidad Abierta y a Distancia de Mxico

Unidad 1. Procesos estocsticos y Movimiento

Ciencias Exactas, Ingenieras y Tecnologas | Licenciatura en Matemticas

Ciencias Exactas, Ingenieras y Tecnologas | Licenciatura en Matemticas

Identificar un proceso estocstico y sus caractersticas.

Ciencias Exactas, Ingenieras y Tecnologas | Licenciatura en Matemticas

familia de magnitudes aleatorias X t que dependen de un parmetro real t, el cual toma

Proceso en tiempo discreto

y es usual emplear como T al conjunto

En virtud de lo anterior, podemos formalizar la definicin de proceso estocstico como se

Ciencias Exactas, Ingenieras y Tecnologas | Licenciatura en Matemticas

Considerando un subconjunto A del espacio de estados S, indicamos que el proceso

Ciencias Exactas, Ingenieras y Tecnologas | Licenciatura en Matemticas

distribuciones de los vectores finito dimensionales X t1 ,..., X tn ,

t1 ,..., tn T , para todos los

posibles valores que pueden tomar los tiempos t1 ,..., tn T y cada n 1.

,..., X tn , t1 ,..., tn T y n 1 , entonces

1. La funcin de esperanzas de X est dada por

En este caso, es vlido aplicar la igualdad

Ciencias Exactas, Ingenieras y Tecnologas | Licenciatura en Matemticas

E A sen 2t sen 2t sen 2t E A

Cuando dos elementos aleatorios (variables aleatorias, vectores aleatorios o procesos

estocsticos) X y Y tienen la misma distribucin, lo denotaremos por el smbolo . Cabe aclarar

se dice que es estacionario en sentido estricto si

es un intervalo, entonces diremos que

1. X tiene incrementos estacionarios si

X t X s X t h X s h para todos los valores de t , s T y h tales que t h, s h T

Actividad 1. Procesos estocsticos

Ciencias Exactas, Ingenieras y Tecnologas | Licenciatura en Matemticas

Su nombre se debe a los estudios del botnico Robert

El proceso de Wiener( Movimiento Browniano) es un proceso estocstico W Wt , t 0,

que satisface las siguientes condiciones:

Wt son continuos c.s.

3. Para cualquier sucesin finita de tiempos 0 t1 ... tn y para cualesquiera conjuntos

se tiene que la probabilidad

P Wt1 A1 , ..., Wtn An ... p t1 , 0, x1 p t2 t1 , x1 , x2 p tn tn1 , xn 1 , xn dxn dx1

Ciencias Exactas, Ingenieras y Tecnologas | Licenciatura en Matemticas

X n converge c.s. a X si las funciones X n s convergen a X s

Que es lo que se quera probar.

Ciencias Exactas, Ingenieras y Tecnologas | Licenciatura en Matemticas

Y adems la varianza ser t debido a que:

Donde, del hecho de que

Sustituyendo en la integral entre los corchetes y x u se tiene

Ciencias Exactas, Ingenieras y Tecnologas | Licenciatura en Matemticas

entonces al vector aleatorio W Wt1 , ..., Wtn

se le conoce como movimiento Browniano en

Ciencias Exactas, Ingenieras y Tecnologas | Licenciatura en Matemticas

La proposicin anterior establece que el movimiento Browniano W Wt , t 0, tiene

Wt1 Wt0 , ..., Wtn Wtn1

min u , s min u , r min t , s min t , r

Los caminos muestrales t

Wt son continuos c.s.

Ciencias Exactas, Ingenieras y Tecnologas | Licenciatura en Matemticas

Wt tiene incrementos estacionarios.

P Wt1 A1 , ..., Wtn An ... p t1 , 0, x1 p t2 t1 , x1 , x2 p tn tn1 , xn 1 , xn dxn dx1

Ciencias Exactas, Ingenieras y Tecnologas | Licenciatura en Matemticas

Un proceso estocstico X t , t 0, se dice H auto similar, para algn H 0 , si sus

Wt1 , ..., T HWtn WTt1 , ..., WTtn

Para cada T 0 , y cualquier eleccin de ti 0, i 1,..., n , y n positivo o cero.

Procesos derivados del movimiento Browniano

Ciencias Exactas, Ingenieras y Tecnologas | Licenciatura en Matemticas