Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Contents
1. La caminata aleatoria simple y simétrica 1
1.1. Cálculos distribucionales básicos 1
1.1.1. Coeficientes binomiales 2
1.1.2. La fórmula de Stirling y el teorema de de Moivre y Laplace 2
1.1.3. Prueba de la aproximación de Stirling 4
1.1.4. El teorema lı́mite central 5
1.2. La caminata aleatoria Bernoulli y la variable aleatoria geométrica 6
1.3. El problema de la ruina 7
1.4. La persistencia de la (mala) suerte 8
References 10
{(i, ji ) : i = 0 . . . n} ⊂ N × Z,
para el cual
ji = ji−1 ± 1,
1
CAMINATAS ALEATORIAS 2
con i = 2 . . . n. 1 Notemos que, puesto que los incrementos de la caminata aleatoria son
independientes, entonces
1
P(S1 = j1 , . . . , Sn = jn ) = P(X1 = j1 , X2 = j2 − j1 , . . . , Xn = jn − jn−1 ) = n .
2
Esto nos dice que la caminata aleatoria sigue cualquier camino con la misma proba-
bilidad, por lo que el recorrido de la caminata aleatoria en n pasos es uniforme en los
caminos de longitud n. Notemos que en particular nos dice que hay 2n caminos, pues la
suma sobre todos los caminos debe ser 1. Esto también lo podemos ver al notar que un
camino está determinado por sus incrementos, que son cualquier sucesión de longitud
n de −1, 1. Claramente hay 2n de estas sucesiones. Ası́, para encontrar la probabili-
dad de que la evolución de la caminata aleatoria simple hasta el tiempo n tenga cierta
propiedad, una posibilidad es encontrar la cantidad de caminos para los cuales se cumple
dicha propiedad y multiplicar por 1/2n . Éste es un método combinatorio.
1.1.1. Coeficientes binomiales. Por ejemplo, podemos calcular la probabilidad de que Sn
tome el valor k. A este evento lo escribimos como {Sn = k}. Efectivamente, un camino
que comience en cero y termine en k debe subir una cantidad de veces x y bajar x − k
veces. Si éste camino tiene longitud n entonces 2x + k = n, por lo que x = (n − k)/2.
Ası́, sólo tenemos
que contar cuántos caminos tienen x incrementos hacia arriba. Hay
n
caminos con estas condiciones y por lo tanto
(n − k)/2
n
(n − k)/2
P(Sn = k) = .
2n
La anterior expresión es cero si n y k no tienen la misma paridad.
1.1.2. La fórmula de Stirling y el teorema de de Moivre y Laplace. Alpgraficar a la función
2
P(S2n = k), vemos que se parece a la gráfica de la función e−k /2n / πn/2. Por ejemplo,
podemos utilizar el siguiente código en Octave para hacerlo:
Listing 1. dML.notm
1;
# La f u n c i o n binom c a l c u l a Proba ( S n=k )
# para una caminata a l e a t o r i a s i m p l e y s i m e t r i c a .
function p=binom ( n , k )
p=f a c t o r i a l ( n ) . / f a c t o r i a l ( ( n−k ) / 2 ) . / f a c t o r i a l ( ( n+k ) / 2 ) . / 2 ˆ n ;
endfunction
n=150;
k=(−n ) : 2 : ( n ) ;
# Se c a l c u l a n l a s p r o b a b i l i d a d e s de t e r m i n a r en l a s e n t r a d a s de k
p=binom ( n , k ) ;
# Se g r a f i c a j u n t o con l a a p r o x i m a c i o n .
plot ( k , p , ’ ∗ ’ , k , exp(−k . ∗ k/n / 2 ) / sqrt ( pi ∗n / 2 ) , ’ k ’ )
El resultado se puede ver en la Figura 1.1.2.
La aproximación anterior se puede explicar mediante el llamado teorema de de Moivre
y Laplace que a su vez admite una prueba basada en la aproximación de Stirling para
el factorial. La aproximación de Stirling afirma que
√
n! ∼ nn e−n 2πn,
1En la pareja ordenada (i, j ) perteneciente a un camino, i es el número de pasos y j es la posición
i i
de la caminata aleatoria.
CAMINATAS ALEATORIAS 3
0.08
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0
-150 -100 -50 0 50 100 150
Al hacer un análisis más preciso (pero no mucho más complicado) con los residuos,
podemos ver que de hecho
P(Sn = k)
sup
2 /2n
√ √ − 1 → 0
2/3 e −k 2/ πn
k:|k|≤n
conforme n → ∞.
1.1.3. Prueba de la aproximación de Stirling. Ahora utilizaremos un argumento clásico,
conocido como método de Laplace, para obtener la aproximación de Stirling. Dicho
método se puede consultar en [dB58]. Comenzamos por recordar el valor de la integral
Z ∞
2 2
I= ex /2σ dx.
−∞
Puesto que Z ∞ Z ∞
2 +y 2
I2 = e−(x )/2σ2 dx dy,
−∞ −∞
un cambio a coordenadas polares (x = r cos θ y y = r sin θ con r > 0 y 0 ≤ θ < 2π) nos
da: Z 2π Z ∞ Z ∞
−r2 /2σ 2
2
I = e r drdθ = 2π e−y σ 2 dy = 2πσ 2 .
0 0 0
√
Se concluye que I = 2πσ 2 .
Ahora, recordemos la representación integral para la función factorial:
Z ∞ Z ∞
n −x
n! = x e dx = e−h̃(x) dx.
0 0
Ejercicio 1. Pruebe la representación integral del factorial mediante el siguiente argu-
mento:
R∞
(1) Defina f (n) = 0 xn e−x dx y pruebe que f (0) = 1.
(2) Integre por partes para deducir que f (n + 1) = (n + 1) f (n) y concluya.
Para verificar la fórmula de aproximación de Stirling, primero hacemos el cambio de
variable x = n (1 + y) para obtener:
Z ∞ Z ∞
n+1 −n −ny n n+1 −n
n! = n e e (1 + y) dy = n e e−nh(y) .
0 −1
La idea de este cambio de variable es que el mı́nimo de la función h se alcance en cero y
sea igual a cero. El segundo paso es analizar a la función exp −nh(y) para n grande. Esta
función es 1 cuando y = 0 y si y 6= 0, tiende a cero. Por lo tanto, su integral deberı́a
estar cada vez más localizada alrededor de y = 0. Para formalizar esta heurı́stica,
notemos que h(y) = y 2 + o y 3 y que h es convexa pues h00 > 0. Puesto que h(1) > 0
y h0 (1) = 1/2 > 0, se sigue que h(y) ≥ h(1) + y/2. Sea δ = n−α donde α ∈ (1/3, 1/2).
Veremos que la integral se localiza en [−δ, δ]. Notemos que nh(δ) ∼ n1−2α .
Podemos entonces dividir la integral en lo que pasa en [−δ, δ] y en el complemento.
En el complemento, notemos que
Z −δ
1−2α
e−nh(y) dy ≤ e−nh(−δ) (1 − δ) = O e−n ,
−1
Z 1
1−2α
e−nh(y) dy ≤ e−nh(δ) (1 − δ) = O e−n
δ
y
Z ∞ Z ∞
2
e−nh(y) dy ≤ e−nh(1) e−ny/2 dy = e−nh(1) e−n/2 .
1 1 n
CAMINATAS ALEATORIAS 5
1.1.4. El teorema lı́mite central. Ahora veremos una consecuencia del Teorema de de
Moivre y Laplace conocida como teorema lı́mite central. Es un caso particular de un
teorema fundamental en la teorı́a de la probabilidad.
Teorema 2 (Teorema lı́mite central para la caminata aleatoria simple y simétrica).
Conforme n → ∞, Z x
Sn 2 1
P √ ≤x → e−y /2 √ dy.
n −∞ 2π
√
Otra manera de expresarlo es que Sn / n tiene una distribución lı́mite conforme n →
∞ y que esta distribución es gaussiana. (Se dice que una variable aleatoria X es gaussiana
Rx 2
si P(X ≤ x) = −∞ e−y /2 dy).
Demostración: Comenzaremos por probar que
Z b
Sn 2
P √ ∈ (a, b) → e−y /2 dy
n a
para cualesquiera a < b. En el intervalo (a, b), al aproximar a la integral en términos de
sumas de Riemann, obtenemos
Z b
X
−k2 /2n 2 2 1
lim e √ = e−x /2 √ dx
n→∞ 2πn a 2π
k+n
2 √
∈N
a≤k/ n≤b
por lo cual
√ X
lim P Sn / n ∈ (a, b) = lim P(Sn = k)
n→∞ n→∞
k+n
2 √
∈N
a≤k/ n≤b
X 2 /2n 2
= lim e−k √
n→∞ 2πn
k+n
2 √
∈N
a≤k/ n≤b
Z b
2 /2
= e−x dx.
a
CAMINATAS ALEATORIAS 6
R∞ 2 √
Recordemos que 1 = −∞ e−x /2 / 2π dx. Por lo tanto, para x > 0:
Z −x √ √ √
Z −x Z ∞
−y 2 /2 1 −y 2 /2 −y 2 /2
e / 2π dy = e / 2π dy + e / 2π dy
−∞ 2 −∞ x
Z x √
1 −y 2 /2
= 1− e / 2π dy
2 −x
Notemos también que Sn tiene una distribución simétrica, por lo cual, si x > 0:
√ 1 √
P Sn / n ≤ −x = 1 − P Sn / n ∈ (−x, x) .
2
Se sigue entonces que para x > 0:
√
Z x
2 √
e−y /2 / 2π dy.
P Sn / n ≤ −x =
−∞
√
√ restante se resuelve notando que si x > 0 entonces P(Sn / n ≤ x) ∼ 1/2 +
El caso
P(Sn / x ∈ (0, x)).
Ası́, la probabilidad de interés queda determinada por una relación de recurrencia con
valores de frontera. Afortunadamente, la solución se conoce. En efecto, escribamos la
relación de recurrencia en la forma
ó inclusive
1
Ejercicio 6. Aplique la fórmula de Stirling para deducir que P(A2n = 2k) ∼ √
π x(1−x)
si x ∈ (0, 1) y k/n → x conforme n → ∞.
References
[dB58] N. G. de Bruijn, Asymptotic methods in analysis, Bibliotheca Mathematica. Vol. 4, North-Holland
Publishing Co., Amsterdam; P. Noordhoff Ltd., Groningen; Interscience Publishers Inc., New
York, 1958. MR 0099564 (20 #6003)