1 PROBABILIDAD

Procesos Estocásticos
Licenciatura en Ingenieria Económica y Financiera
Ejercicios
Instrucciones Resuelva los siguientes ejercicios detallando claramente el procedimiento

1 Probabilidad
1.1 Espacios muestrales y σ-álgebras
1. Se tienen dos tetraedros (figura de cuatro caras) que en cada una de sus caras tienen una de las
letras A, B, C, y D. Indicar el espacio muestral del experimento de lanzar los tetraedros y anotar las
parejas de caras ocultas (las que quedan hacia el suelo).

2. Para el conjunto Ω = {A, B, C} obtener

(a) P(Ω) (Conjunto potencia) y la σ-álgebra trivial


(b) σ(A) donde A = {B}, {A, C} . (Nota: σ(A) es la σ-álgebra más pequeña que contiene a la
familia de eventos A)
(c) Una σ-álgebra distinta a las tres σ-álgebras anteriores

3. Para el conjunto Ω = {w, x, y, z}, obtener

(a) P(Ω)
(b) Cuatro σ-álgebras posibles de Ω, distintas a P(Ω) y a la trivial.
(c) σ(A) para

i. A = {w, y}

ii. A = {x, y, z}

iii. A = {x}, {w, z}

4. El experimento consiste en lo siguiente: se lanzan dos monedas justas indistinguibles con caras águila
(A) y sol (S). Obtener

(a) Espacio muestral

(b) P(Ω)

1.2 Probabilidades, densidades, distribuciones y momentos

5. Ocupando el ejercicio anterior, se tiene la variable aleatoria X que representa la multiplicación del
número de águilas por el número de soles obtenidos. Indicar

(a) Soporte de X
(b) Función de probabilidad
(c) Función de distribución (acumulada)
(d) Esperanza y Varianza
(e) E[X 2 ] y E[eX ]

1
1.3 Vectores aleatorios 1 PROBABILIDAD

6. Ocupando el experimento de lanzar dos dados justos indistinguibles, la variable aleatoria Y que
representa la diferencia entre el resultado de las caras superiores de los dados. Indicar

(a) Soporte de Y
(b) Función de probabilidad
(c) Función de distribución (acumulada)
(d) Esperanza y Varianza

1.3 Vectores aleatorios

7. Suponga un experimento consiste en lanzar un par de dados. Sea X el número máximo de los puntos
y Y la suma de los puntos obtenidos. Obtenga la función de probabilidad conjunta de (X, Y ).

8. Suponga que el 15% de las familias en cierta comunidad no tienen hijos, 20% tiene uno, 35% tienen
dos, y 30% tienen tres; además, suponga que en cada familia es igualmente probable que un hijo sea
niña o niño. Si una familia se elige aleatoriamente de la comunidad y B es el número de total de
hijos (niños y niñas), y G el número de niñas en dicha familia. ¿cuál es la distribución conjunta de
B y G?

1.4 Probabilidad condicional, probabilidades totales, regla de multipli-

cación y teorema de Bayes
9. Carlos está indeciso entre tomar un curso de Microeconomı́a o uno de Estadı́stica. Él estima que la
probabilidad de que tenga una calificación mayor o igual a 9 en Microeconomı́a es de 21 , mientras que
es de 32 para Estadı́stica. Carlos toma su decisión basado en el lanzamiento de una moneda justa.
¿Cuál es la probabilidad de que Carlos obtenga una calificación mayor o igual a 9 en Microeconomı́a?

10. Una compañia de seguros considera que las pesonas se pueden dividir en dos clases: aquellas que
son propensas a los accidentes y las que no. Basado en datos históricos, la compañia considera que
una persona propensa a los acccidentes tendrá un accidente en algún momento dentro del periodo
de un año con probabilidad 0.4, mientras que esta probabilidad decrece a 0.2 para el caso de las que
no son propensas. Supongamos que el 30% de las población es propensa a los accidentes, ¿cuál es
la probabilidad de que un nuevo cliente tenga un accidente dentro del periodo de un año desde que
compra el seguro?

11. Con los datos del ejercicio anterior, supongamos que un nuevo cliente tienen un accidente a lo largo
del primer año desde que compra el seguro. ¿cuál es la probabilidad de que el cliente sea propenso
a los accidentes?

12. Una prueba de COVID tiene un 95% de efectividad en detectar la enfermedad cuando la persona
tiene COVID. Sin embargo, la prueba puede indicar un resultado “falso positivo” para un 1% de las
personas sanas que se hacen la prueba. (Esto significa que, si un persona sana se hace la prueba,
entonces, con probabilidad 0.01, el resultado implicará que esta persona tiene la enfermedad). Si
solo el 5% de la población tiene la enfermedad, ¿cuál es la probabilidad de que una persona tenga
COVID, dado que su resultado fué positivo?

13. Una urna contiene cuatro pelotas de color rojo, cinco de color blanco y siete de color negro. Se sacan
cuatro pelotas de la urna sin reemplazar cada vez que se las retira. ¿Cuál es la probabilidad de que:

2
 3 CADENAS DE MARKOV

(a) todas sean de color blanco?

(b) al menos una sea de color rojo?
(c) la segunda pelota que se saca sea color negro?

14. Una persona posee dos automóviles, un modelo compacto y uno estándar. Usa el vehiculo compacto
para trasladarse a su trabajo las tres cuartas partes del tiempo; el tiempo restante usa el carro más
grande. Cuando emplea el auto compacto llega a su casa a las 17:30, 75% de las veces; si utiliza el
carro de tamaño estándar llega a la misma hora el 60% de las veces. Si llega a su casa después de
las 17:30, ¿cuál es la probabilidad de que haya usado el auto compacto?

2 Introducción a los Procesos Estocásticos

1. Se lanza dos dados idénticos y una moneda. Se tiene el siguiente proceso estocástico formado por
las v.a.

X1 diferencia entre el valor de las caras superiores de los dados

X2 suma de tres veces el valor de la cara más chica y una vez la más grande (si caen iguales, se
puede multiplicar cualquiera con esta regla)
X3 Residuo de la división del valor de la cara más grande entre más chica
X4 Valor de la cara mı́nimo elevada al cuadrado

Si el resultado de la moneda cae en águila, todas las variables aleatorias se duplican.

Indica la realización y grafica la trayectoria de los siguientes puntos muestrales


• ω = s, (1, 3), (3, 1)


• ω = a, (1, 2), (2, 1)


• ω = s, (2, 4), (4, 2)


• ω = a, (5, 3), (3, 5)


• ω = s, (1, 6), (6, 1)

3 Cadenas de Markov
1. Describa las siguientes cadenas de Markov, especificando el espacio parametral y el espacio de estados
(cuando no se especifique previamente). Dibuja el diagrama y escribe la matriz de las probabilidades
de transición

(a) (Ruina del Jugador). Considera una apuesta en la cúal en cada turno puedes ganar $1 con
probabilidad p = 0.4 o perder $1 con probabilidad 1 − p = 0.6. Supongamos además que
estableces la regla que dejarás de jugar si tu fortuna alcanza $N . Desde luego, si tu fortuna
llega a $0, entonces el casino te prohibe seguir jugando.
(b) (Movilidad Social). Sea Xn una familia de una clase social en el año n, donde asumimos que
1 =baja, 2 =media, y 3 =alta. En nuestra sencilla versión sociológica, los cambios de un año a
otro de una clase se dan segun la siguiente información:

3
 3 CADENAS DE MARKOV

• De la clase baja, una proporción de 0.2 pasa a media, mientras que 0.05 pasa a alta.
• De la clase media, una proporción de 0.3 pasa a baja, mientras que 0.25 pasa a alta.
• De la clase alta, una proporción de 0.15 pasa a baja, mientras que 0.35 pasa a media.
(c) (Preferencia de marca). Supongamos que hay tres tipos de detergente, 1, 2, y 3, respectiva-
mente. Xn representa la marca escogida en la n−ésima compra. Los clientes que compran
estas marcas están satisfechos y repiten la elección de la marca con probabilidades 0.8, 0.6, y
0.4, respectivamente. Cuando cambian su elección, eligen indistintamente entre las otras dos
marcas.
(d) (Mantenimiento). Una máquina tiene tres partes crı́ticas que están sujetas a fallas, pero pueden
funcionar siempre que dos de estas partes esten trabajando. Cuando dos partes fallan, entonces
se manda a mantenimiento por un dı́a donde las partes son reemplazadas y la máquina regresa
a labor el siguiente dı́a. Para formular la cadena de Markov, tomamos el espacio de estados
como el número de partes rotas {0, 1, 2, 3, 12, 23, 13}. Si asumimos que las partes 1, 2, y 3 fallan
con probabilidades 0.01, 0.02, y 0.04, pero 2 partes no pueden descomponerse el mismo dı́a.
(e) En un paı́s en desarrollo se tienen tres clase sociales: baja (1), media (2) y alta (3). Si un
individuo se halla en la clase baja puede quedarse en dicha clase el 50% de las veces, y tiene
una probabilidad del doble de pasar a clase media que a clase alta. Por otra parte, si se halla
en clase media o alta puede pasar a cualquera de las clases media o alta indistintamente con
la misma probabilidad. Si ya se ubican en clase media o alta, no pueden regresar a clase baja.
Las transiciones se dan año con año. Sea Xn la situación de un individuo en esta población.
(f) Se tiene un apostador que cada dı́a apuesta un dólar. Gana con probabilidad p y pierde con
probabilidad q. Si en algún momento acumula 4 dólares, se retira del juego para siempre con su
dinero. Si en algún momento se encuentra con −3 dólares, se retira. Xn representa el número
de dólares que tiene el apostador después de n apuestas.
(g) (Sistemas de Inventario y producción) Consideremos una distrubuidora de un artı́culo que
comienza con 7 unidades de inventario al inicio del periodo n. Todos los dı́as, esta empresa
enfrenta una demanda Dn de dicho producto. Si al principio de un periodo, la empresa observa
que tiene inventario 1 o nulo, ordena unidades del producto hasta completar el inventario de
7 unidades. Estas unidades son entregadas justo antes de empezar el siguiente periodo. Se
ha observado que la demanda se comporta como una variable aleatoria Poisson con parámetro
λ = 2. Identificamos a Xn como la cantidad de inventario del producto al inicio de cada periodo.
En este ejercicio no se considera el caso de inventario negativo.
2. Sea {Xn : n ≥ 0} una cadena de Markov, con espacio de estados {0, 1} y con matriz de probabilidades
de transición
1 4
 
5 5
P= 
1 2
3 3
3 2


Suponga que la cadena tiene una distribución inicial dada por el vector Π0 = ,
5 5
. Encuentre:
(a) La distribución de X1
(b) La distribución conjunta de X1 y X2
(c) P (X0 = 0, X1 = 1, X2 = 0)
(d) P (X0 = 1, X1 = 0, X2 = 1, X3 = 0)
(e) P (X5 = 1|X4 = 0)
(f) P (X4 = 1|X2 = 1, X3 = 1)

4
 3 CADENAS DE MARKOV

(g) P (X3 = 0, X2 = 0|X1 = 0)

3. Verificar si el producto PQ de las matrices

   
p 1−p r 1−r
P= Q=
1−q q 1−s s

es una matriz estocástica

4. Si P y Q son matrices estocásticas de la misma dimensión tal que el producto P Q es posible, entonces
¿P Q es estocástica? Demostrar o dar un contraejemplo

5. Pruebe que una matriz estocástica simétrica es doblemente estocástica

6. Sea la cadena de Markov de dos estados con matriz de probabilidad de transición

 
1−p p
P=
q 1−q

con distribución inicial Π0 = (π00 , π10 ). Compruebe que

(a) P (X0 = 0, X1 = 1, X2 = 0, X3 = 0) = π00 pq(1 − p)

(b) P (X0 = 0, X2 = 1) = π00 [p(1 − q) + (1 − p)p]
(c) P (X2 = 1) = π10 [(1 − q)2 + pq] + π00 [(1 − p)p + p(1 − q)]
(d) P (X3 = 1|X1 = 0) = (1 − p)p + p(1 − q)

7. En el paı́s del ejemplo (1e) se sabe que la población actualmente esta divida como sigue: 60% es clase
baja, 30% es clase media, y 10% es clase alta. Siendo Xn , nuevamente, la situación de un individuo
en esta población.

(a) Proporciona la matriz de transición, el diagrama de transición y el vector de distribución inicial.

(b) ¿Cómo se distribuye la población en clases sociales despues del primer año?

8. Del ejemplo 1f, sea Xn el número de dólares que tiene el apostador después de n apuestas.

(a) Dibujar el diagrama de transición

(b) Encontrar la matriz de probabilidades de transición
(c) Si empieza a jugar con 3 dólares señala cual es el vector de probabilidades iniciales del jugador,
y contesta lo siguiente¿cuál es la probabilidad de que se retire al:
• tercer dı́a?
• segundo dı́a?

9. Un almacén tiene en bodega salas que se pueden ordenar semanalmente. Sea ξn la demanda de las
salas durante la n-ésima semana. Suponga que las demandas ξn están idénticamente distribuidas con
función de distribución de Poisson con parámetro λ = 1 y que la polı́tica de inventario está prescrita
al especificar los valores crı́ticos:

(a) s = 0 y S = 4
(b) s = 3 y S = 8

5
 3 CADENAS DE MARKOV

Calcule las respectivas matrices de probabilidad de transición de un paso y dibuje los diagramas de
transición correspondientes.

(a) ¿Cuál es la probabilidad de tener en el inventario 3 salas al cabo de un mes en ambos casos (4
semanas)?,
(b) ¿Cuál es el valor esperado de salas que hay en la bodega en un mes?
(c) Si se tiene una función de costo dada por C(x) = e−8+x , donde x es el inventario del almacen,
calcular el valor esperado del costo de inventario al final del mes

10. Considera una sucesión de artı́culos generados por un proceso de producción, donde cada artı́culo
puede ser considerado como bueno o deficiente. Supongamos que a un artı́culo bueno le sigue
otro bueno con probabilidad α y le sigue un defectuoso con probabilidad 1 − α. Similarmente, un
artı́culo deficiente es seguido por otro deficiente con probabilidad β y es seguido por uno bueno con
probabilidad 1 − β. Si el primer artı́culo es bueno, ¿Cuál es la probabilidad de que el primer artı́culo
defectuoso aparezca hasta el quinto artı́culo producido?

11. Demostrar el teorema de Chapman-Kolmogorov

12. Demostrar que P(n) = Pn

13. Sea {Xn : n ≥ 0} una cadena de Markov, con espacio de estados {0, 1} y con matriz de probabilidades
de transición
1 2
 
3 3
P= 
1 1
2 2
3 2


Suponga que la cadena tiene una distribución inicial dada por el vector Π0 = ,
5 5
. Encuentre:

(a) La distribución de X2
(b) La distribución conjunta de X1 y X2
(c) P (X4 = 1|X0 = 0, X2 = 1, X3 = 0)
(d) P (X0 = 0, X1 = 1, X2 = 0)
(e) P (X6 = 1, X4 = 0)
(f) P (X3 = 0, X2 = 0|X1 = 0)

14. Una partı́cula se mueve sobre un cı́rculo por los puntos marcados 0, 1, 2, 3, 4 (marcados en el sentido
de las manecillas del reloj). La partı́cula comienza en el punto 0. En cada paso tiene una probabilidad
de 0.5 de moverse a un punto en el sentido de las manecillas del reloj (0 sigue al 4) y una probabilidad
de 0.5 de moverse a un punto en el sentido opuesto a las manecillas del reloj. Sea Xn (n ≥ 0) la
localización en el cı́rculo después del paso n. Entonces {Xn } es una cadena de Markov

(a) Encuentre la matriz de transición de un paso

(b) Determine la matriz de transición para n = 5, 10, 20, 40.

15. Una empresa dedicada a la producción y venta de café está interesada en verificar la preferencia que
tienen por su marca los consumidores de café de la Ciudad de México. Para ello realiza una encuesta
tomando en cuenta la preferencia que tienen por su marca (A), la de su principal competidor (B),
y las otras marcas (C). La encuesta se realizo en el mes de enero del 2019 y se entrevistó a 8450
personas:

6
 3 CADENAS DE MARKOV

Compra en el mes de febrero

Compra en el mes de enero Marca A Marca B Marca C TOTALES
Marca A 507 845 338 1690
Marca B 676 2028 676 3380
Marca C 845 845 1690 3380
TOTALES 2028 3718 2704 8450

(a) Elaborar la matriz de transición y diagrama de trancisión

(b) Si las compras se hacen mensualmente, ¿cuál será la distribución del mercado de café en el mes
de mayo?
(c) ¿Cuál es la probabilidad de que un consumidor, escogido al azar dentro de esta muestra, consuma
la Marca A en el mes de junio?

16. Un problema de interés para los sociólogos es determinar la proporción de la sociedad que tiene una
ocupación de clase alta o baja. Un posible modelo matemático será asumir que las transiciones entre
clases sociales de las generaciones sucesivas en una familia pueden considerarse como transiciones
de una cadena de Markov. Es decir, asumimos que la ocupación de un niño depende solo de la
ocupación de sus padres. Supongamos que ese modelo es apropiado, además

(a) 48% de los individuos cuyos padres pertenecieron a clase baja pasa a clase media, y solo un 7%
a clase alta
(b) 25% de los individuos cuyos padres pertenecieron a clase media pasa a clase alta, y solo un 5%
a clase baja
(c) 50% de los individuos cuyos padres pertenecieron a clase alta pasa a clase media, y solo un 1%
a clase baja
(d) Inicialmente hay 50% de población en clase baja, 40% en clase media y el resto en la clase alta

Responder lo siguiente:

(a) Obtén el diagrama y la matriz de probabilidades de transición entre generaciones

(b) ¿Cómo se distribuye la población de los nietos de la generación del punto 16d?
(c) ¿Cuál es la probabilidad de que los padres de una persona hayan pertenecido a clase baja, él a
clase media y sus hijos a clase alta? Considere que los padres pertenecen al 50% del punto 16d.
(d) Considere un individuo que pertenece a clase baja y cuyo padre perteneció al 40% de la clase
media del punto 16d. ¿Cúal es la probabilidad de que sus nietos continuen en clase baja?

17. En la mayor parte de Europa y Asia, las primas anuales de seguros de automóviles se determina
mediante el uso de un sistema conocido como “Bonus-Malu”. El estado de un asegurado cambia cada
año en respuesta a la cantidad de reclamaciones hechas por ese asegurado. Debido a que los estados
con números más bajos corresponden a primas anuales más bajas, el estado de un asegurado gen-
eralmente disminuirá si él o ella no tuvo reclamaciones en el año anterior, y generalmente aumentará
si el él o ella tuvo al menos una reclamación (Por lo tanto, ningún reclamo es bueno y generalmente
resulta en una reducción de prima, mientras que los reclamos son malos y generalmente resultan en
una prima más alta).
Suponga un Bonus Malus que consiste de 4 clases de tarifación, de 1 fort bonus a 4 fort malus, que
se rige por las siguientes reglas:

7
 4 COMUNICACIÓN, CLASIFICACIÓN DE ESTADOS, PERIODO, PRIMERA VISITA,
RECURRENCIA Y TRANSITORIEDAD
• Si un asegurado no tuvo siniestros durante el periodo, entonces pasa de la categorı́a i a la
categorı́a max{1, i − 1}.
• Si el asegurado tiene al menos un siniestro, entonces pasa de la categorı́a i a la 4.
• Si Xn denota la categorı́a en el cual se encuentra un individuo al n-ésimo periodo, entonces
{Xn : n ∈ N0 } es una cadena de Markov con espacio de estados S = {1, 2, 3, 4}.
• Suponemos que la probabilidad de no tener accidentes en un año es p = 0.4

Para este proceso

(a) Dibuje el diagrama de transición de un paso

(b) Determine la matriz de probabilidad de transición de un paso
(c) Supongamos que al inicio del año 2022, la compañia tiene 45, 000 clientes en la categoria 1,
35, 000 en la categorı́a 2, 20, 000 en la categorı́a 3 y 10, 000 en la categorı́a 4. ¿Cuántos clientes,
aproximadamente, tendrá en cada categoria al inicio del 2024, suponiendo que no entra ni sale
ningún cliente?

4 Comunicación, clasificación de estados, periodo, primera visita,

recurrencia y transitoriedad
1. Considere las matrices de transición de una caminata aleatoria simétrica con espacio de estados
{0, 1, 2, 3}, con

(a) Estados absorventes

(b) Estados reflejantes

Encuentre la matriz de n pasos mediante diagonalización y determine limn→∞ P(n)

2. Dibuje un diagrama de transición, identifique las clases de comunicación y calcule el perı́odo de cada
uno de los siguientes estados de las siguientes cadenas de Markov.
     
0.3 0 0.7 0 0.2 0 0.8 1/4 1/4 1/4 1/4
 0.4 0.6 0 0 
 (c) P =  0 1/2 1/2 0 
  
(a) P = 
 0.4 0.6
 (b) P =  
0   0 0 1 0   0 0 0 1 
0.5 0 0.5 0 0 0.3 0.7 0 0 1 0
 
0 0 0 0 1

 0 0 1 0 0 

(d) P = 
 0 0 0 1/2 1/2 

 0 0 1 0 0 
1/5 1/5 1/5 1/5 1/5

3. ¿Cuál es número máximo y mı́nimo de clases de comunicación que puede exister para una cadena de
Markov de n estados? Dibuje un diagrama de transición ilustrando cada una de estas situaciones.

4. Dibuje el diagrama de transición de una Cadena de Markov que sea:

(a) Finita e irreducible

(b) Finita y No-irreducible

8
 5 COMPORTAMIENTO DE LARGO PLAZO

(c) Infinita e irreducible

(d) Infinita y No-irreducible

5. Proporcione un ejemplo de una cadena que tenga dos estados que tengan el mismo perı́odo y sin
embargo no pertenezcan a la misma clase.

6. Encuentre las clases de comunicación de las siguientes cadenas de Markov. Encuentre, además, los
perı́odos y clasifique cada clase de comunicación como transitoria o recurrente.
 
  1/2 1/2 0 0 0 0
  0 0 0 1  1/2 1/2 0 0 0 0 
0 1/2 1/2  0
 
0 0 1   0 0 1/2 1/2 0 0 
(a) P =  1/2 0 1/2  (b) P =   1/2 1/2 0 0 
 (c) P = 
 0

0 1/2 1/2 0 0 
1/2 1/2 0  
0 0 1 0  1/6 1/6 1/6 1/6 1/6 1/6 
1/6 1/6 1/6 1/6 1/6 1/6

7. Dibuje un diagrama de transición de una cadena de Markov tal que:

(a) Todos sus estados sean recurrentes.

(b) Todos sus estados sean transitorios.
(c) Tenga igual número de estados transitorios y recurrentes.

8. Demuestre que todo estado absorbente es recurrente.

5 Comportamiento de Largo Plazo

5.1 Distribución Estacionaria
1. Halle la distribución estacionaria para la cadena de Markov con matriz de transición P. Verifique
que la distribución que halló satisface la condición ΠT = ΠT P.
 
.7 .3 0 0
 0 .4 .6 0 
P=  .2 0 .5 .3 


.6 0 0 .4

2. Una partı́cula se mueve de acuerdo a una cadena de Markov sobre S = {1, 2, . . . , c + d}. Si está
en cualquiera de los primeros c estados, la partı́cula salta en un paso a un estado que se selecciona
uniformemente entre los lúltimos d estados. Si, en cambio, se encuentra en cualquiera de los últimos d
estados, pasa en una transición a alguno de los primeros c estados, seleccionado de manera uniforme.
Halle la distribución estacionaria.

3. Sea Π la distribución estacionaria de una cadena de Markov.

(a) Demuestre que si Π(i) > 0 y i → j entonces Π(j) > 0 también.

(b) Demuestre que si j y k son dos estados de una cadena de Markov para los cuales se cumple que
Pij = cPik para todo i ∈ S, entonces Π(j) = cΠ(k).

9
5.2 Distribución y matriz de transición lı́mite 5 COMPORTAMIENTO DE LARGO PLAZO

4. Halle la distribución estacionaria para cada una de las cadenas de Markov cuyas matrices de transición
Pi , 1 ≤ i ≤ 7, se presentan acontinuación. Verifique que la distribución que halló satisface la condición
ΠT = ΠT P1 .
   
.4 .6 0   1−p p 0 0
1/2 1/2 0
   0 0 1−p p 
P1 =  .2 .4 .4 
 P 2 =  0 1/2 1/2  P 3 = 
 1−p p

0 0 
0 1/2 1/2
0 .3 .7 0 1 0 0
   
1/2 1/2 0 0 1/2 0 1/2 0
 0 1/2 1/2 0  P5 =  0 1/2 0 1/2 

P4 =  0 1/2 1/2

0   1/2 0 1/2 0 
1/4 1/4 1/4 1/4 0 1/2 0 1/2
   
1 0 0 0 0 1 0 0 0 0
 1/3 0 2/3 0 0   1/2 0 1/2 0 0 
   
P6 =  0 1/3
 0 2/3 0  P7 =  0 1/4 1/2 1/4
  0 
 0 0 1/3 0 2/3   0 0 1/8 3/4 1/8 
0 0 0 1/3 2/3 0 0 0 0 1

5. Las siguientes matrices de transición Pi corresponden a una cadena de Markov. Demuestre que esta
cadena tienen infinitas distribuciones estacionarias.
 
  1/2 0 0 1/2 0  
1/2 0 1/2 0  0 2/3 0 1/2 1/2 0
 0 2/3 0 0 1/3 
0 1/3     0 1 0 0 
P8 =   1/5 1/5 1/5 1/5 1/5 
P9 =  P10 = 
 
 1/3 0 2/3 0   0 0 1/3 2/3 
 1/3 0 0 2/3 0 
0 1/2 0 1/2 0 0 2/3 1/3
0 1/2 0 0 1/2

6. Demuestra lo siguiente: Una cadena de Markov de con número de estados finito tiene una matriz de
transición doblemente estocástica si y solo si una distribución estacionaria es la distribución uniforme.

7. Considere una cadena de Markov con matriz de transición P que satisface pij = αj para todo i, j ∈ S,
donde las αj son constantes. Demuestre que la cadena tiene una única distribución estacionaria Π
dada por Πj = αj , j ∈ S.

8. Sean Π1 y Π2 dos distribuciones estacionarias distintas para una cadena de Markov. Demuestre que
para 0 ≤ α ≤ 1, la función Πα definida por

Πα (i) = (1 − α)Π1 (i) + αΠ2 (i)

5.2 Distribución y matriz de transición lı́mite

1. Considere la matriz de transición de un paso
 
0 1/2 1/2
P =  3/4 0 1/4 
1 0 0

(a) Clasifique los estados del sistema

(b) Obtenga la distribución de probabilidades a largo plazo si se sabe que inicialmente el sistema
parte de cualquier estado con igual probabilidad.

10
5.2 Distribución y matriz de transición lı́mite 5 COMPORTAMIENTO DE LARGO PLAZO

(c) ¿Cuál es el tiempo medio que se demora en volver a cada uno de los estados?

2. Considere la matriz de transición de un paso, con S = {1, . . . , 5},

 
0.75 0 0.25 0 0
 0.25 0 0 0 0.75 
 
P =  0.75 0 0.25 0
 0 

 0 0.8 0.2 0 0 
0 0.5 0.25 0.25 0

(a) Clasifique los estados del sistema

(b) Obtenga la distribución de probabilidades a largo plazo si se sabe que inicialmente el sistema
se encuentre en los estados 3, 4 y 5 con igual probabilidad.
(c) ¿Cuál es el tiempo medio que se demora en volver a cada uno de los estados?

3. El nivel de negocio de la Bolsa puede considerarse cada dı́a alto (A) o bajo (B). Para un perı́odo
de 5301 dı́as se dispone de la secuencia BAABBA . . . , y que nos permite representar la alternancia
mediante el cuadro adjunto:

B A
B 3077 543
A 588 1092

(a) ¿ Se puede saber si la bolsa estará más tiempo a la Baja o a la Alza?

(b) ¿ Cuál es el tiempo promedio que la Bolsa tarda en volver a la Alza o a la Baja?

4. La siguientes matrices P representan la matriz de transición de una cadena de Markov con estados
S

• Obtener la matriz canonica reducida. ¿De que dimensión es esta matriz?

• Obtener la matriz de transición canónica lı́mite.
• Si se tiene la distribución inicial Π0 , hallar los tiempos de retorno de los estados de las clases
esenciales que tiene probabilidad positiva de ocurrir dado Π0 .
• Da una aproximación de la cantidad de veces que la cadena se encontrará en cada estado dada
Π0 después de 5000 transiciones.

Nota: S y Π0 se proporcionarán en cada inciso.

(a)  
0 1 0 0 0 0 0

 1/2 0 1/2 0 0 0 0 

 0 1 0 0 0 0 0 
  S = {1, 2, 3, 4, 5, 6, 7}
P= 0 0 0 1 0 0 0 
  Π0 = [0, 0, 0, 0, 0.2, 0.8, 0]

 0 0 0 0 1/3 2/3 0 

 0 0 0 0 1/3 2/3 0 
1/6 0 1/6 1/6 1/6 1/6 1/6

11
5.2 Distribución y matriz de transición lı́mite 5 COMPORTAMIENTO DE LARGO PLAZO

(b)
 
0 1/2 1/2 0 0 0 0 0

 1/2 0 1/2 0 0 0 0 0 


 1/4 1/2 1/4 0 0 0 0 0 

 0 0 0 1 0 0 0 0  S = {a, b, c, d, e, f, g, h}
P= 

 0 0 0 0 1/3 2/3 0 0 
 Π0 = [0, 1/2, 1/2, 0, 0, 0, 0, 0]

 0 0 0 0 2/3 1/3 0 0 

 1/6 0 1/6 1/6 1/6 1/6 1/6 0 
1/4 1/4 0 1/6 0 1/6 0 1/6

(c)  
0.7 0 0 0 0.3 0 0 0

 0.1 0.2 0.3 0.3 0 0 0 0.1 


 0 0 0.5 0.2 0.2 0 0 0.1 

 0 0 0 0.5 0 0.5 0 0  S = {A, B, C, D, E, F, G, H}
P= 

 0.6 0 0 0 0.4 0 0 0 
 Π0 = [0, 0, 0, 0.3, 0, 0, 0.7, 0]

 0 0 0 0 0 0.2 0.8 0 

 0 0 0 1 0 0 0 0 
0.3 0 0 0.1 0.2 0.2 0.2 0
(d)
2
0 0 13 0 0
 
0 0 0 3
 0 4 0 0 15 0 0 0 0 
 1 51 1 1 1 1 1 1

1 

 92 9 9 9 9 9 9 9 9 
 3 0 0
 0 0 0 13 0 0  S = {−4, −3, −2, −1, 0, 1, 2, 3, 4}
 0 1 0
P= 0 0 0 0 0 0   (i)Π0 = [0, 1/4, 0, 0, 3/4, 0, 0, 0, 0]
 0 0 0 0 0 1 0 0 0  (ii)Π0 = [0, 0, 0, 0, 0, 0, 0, 1, 0]
 1 2

 3 0 0 0 0 0 0 0
 
3 
 0 0 0 0 0 0 0 1 0 
1
8
0 18 1
4
0 19 0 14 0

5.
1 2 3 4 5 6 7 8 9
1 2
0 0 31 0 0
 
0 0 0 3
2  0 3 0 0 14 0 0 0 0 
 1 41 1
3 1 1 1 1 1

1 

 92 9 9 9 9 9 9 9 9 
4 0 0 0 31 0 0 
 3 01 0

P = 
5  0
 5
0 0 45 0 0 0 0 
6  0 0 0 0 0 1 0 0 0 
 1 2

7  3 0 0 0 0 0 0 0
 
3 
 0 0 0 0 0 0 0 1 0 
8 1
8
0 81 1
4
0 14 0 41 0
9
(a) Obtener la matriz canónica reducida. ¿De qué dimensión es esta matriz?
(b) Obtener la matriz de transición lı́mite.
(c) Si se tiene una distribución inicial Π0 = (0, 0.2, 0, 0, 0.8, 0, 0, 0, 0), señalar el número
aproximado de veces que la cadena se encontrara en cada uno de los estados de la cadena
después de 30, 000 transiciones.

12
 6 INTRODUCCIÓN A LAS MARTINGALAS

6 Introducción a las Martingalas

n
X
1. Sea {Sn : n ≥ 0} una caminata aleatoria, es decir, Mn = S0 + Xi , donde P (Xn = 1) = p y
i=1
P (Xn = −1) = q, donde X1 , X2 , . . . es i.i.d. Demuestre que los siguientes procesos son martingalas

(a) Mn = Sn − n(p − q)

2

(b) Mn = Sn2 − 2(p − q)nSn + n(p − q) − n 1 − (p − q)2
(c) Supongamos que E[Xn ] = µ, Mn = Sn − nµ.
 λX  eλXi
(d) Sea ϕ(λ) = E e 1
< ∞. Sea Mn = . En particular, si ϕ(λ) = 1, entonces ϕ(λSn ) es
ϕ(λ)n
una martingala.

Utilice el teorema de paro opcional para encontrar E[τ ] y V ar(τ ) donde τ es un tiempo de paro
definido como τ = min{n : Mn = −a o Mn = b} donde 0 < a, b.
n
X
2
2. Sea X1 , X2 , . . . una sucesión de variables aleatorias i.i.d. con media 0 y varianza σ . Sea Sn = Xi .
i=1
Demuestre que {Zn : n ≥ 1} es una martingala donde

Zn = Sn2 − nσ 2

3. Si {Xn : n ≥ 0} y {Yn : n ≥ 0} son martingalas independientes. ¿Será {Zn : n ≥ 0} una martingala

cuando

(a) Zn = Xn + Yn
(b) Zn = Xn Yn ?

En cada caso presente la prueba o un contraejemplo. ¿Serı́an estos resultados ciertos sin el supuesto
de independencia?.
n
Y
4. Sea Zn = Xi donde Xi , i ≥ 1 son variables independientes tales que
i=1

1
P X i = 2 = P Xi = 0 =
2
Sea N = min{n : Zn = 0}. ¿Se puede aplicar el Teorema de Paro Opcional para Martingalas? Si es
posible, ¿qué concluirı́a? Si no es posible, ¿por qué?

5. Sea Y1 , Y2 , . . . variables aleatorias independientes tales que

1
P (Yi = 1) = P (Yi = −1) =
2
Defina el tiempo de paro, τ , como

τ = min{n : Sn = r o Sn = −s}
n
X
donde Sn = Yi . Demuestre que
i=1

13
 6 INTRODUCCIÓN A LAS MARTINGALAS

s
(a) P (Sτ = r) = r+s
*
(b) Para r = s, encuentre E(eλτ ) para λ > 0.

6. Considera el caso especial de producto aleatorio en donde Xi = eηi donde ηi = normal(µ, σ 2 ). ¿Para
que valores µ y σ es Mn = M0 X1 · · · Xn una martingala?

7. (a) Proporciona las definiciones de martingala.

(b) Sea {X0 , X1 , . . .} una sucesión de v.a. independientes, tal que E[Xi ] = µ. Demostrar que el
proceso {Sn : n ≥ 0} definido por
n
X
Sn := (Xk − µ)
k=0

es una martingala.
n
X
8. Sea {Sn : n ≥ 0} una caminata aleatoria, es decir, Sn = S0 + Xi , donde P (Xn = 1) = p y
i=1
P (Xn = −1) = q, donde X1 , X2 , . . . es i.i.d. Demuestre que los siguientes procesos son martingalas

(a) Mn = Sn − n(p − q)

2

(b) Mn = Sn2 − 2(p − q)nSn + n(p − q) − n 1 − (p − q)2
(c) Supongamos que E[Xn ] = µ, Mn = Sn − nµ.
n
X
9. Sea X1 , X2 , . . . una sucesión de variables aleatorias i.i.d. con media 0 y varianza σ 2 . Sea Sn = Xi .
i=1
Demuestre que {Zn : n ≥ 1} es una martingala donde

Zn = Sn2 − nσ 2

10. Si {Xn : n ≥ 0} y {Yn : n ≥ 0} son martingalas independientes. ¿Será {Zn : n ≥ 0} una martingala
cuando

(a) Zn = Xn + Yn
(b) Zn = Xn Yn ?

En cada caso presente la prueba o un contraejemplo. ¿Serı́an estos resultados ciertos sin el supuesto
de independencia?.
n
Y
11. Sea Zn = Xi donde Xi , i ≥ 1 son variables independientes tales que
i=1

1
P Xi = 2 = P Xi = 0 =
2
Sea N = min{n : Zn = 0}. ¿Se puede aplicar el Teorema de Paro Opcional para Martingalas? Si es
posible, ¿qué concluirı́a? Si no es posible, ¿por qué?

12. Considera el caso especial de producto aleatorio en donde Xi = eηi donde ηi ∼ normal(µ, σ 2 ). ¿Qué
condición deben cumplir µ y σ para que Mn = M0 X1 · · · Xn sea una martingala? Tip: Investigar
qué es la función generadora de momentos o la función caracterı́stica

14
 6 INTRODUCCIÓN A LAS MARTINGALAS

13. Sea {X1 , X2 , . . .} una sucesion de v. a. independientes tales que E[Xn ] = mn ̸= 0, para todo n ≥ 1.
Demuestre que la sucesión
n
Y Xk
Yn := para n = 1, 2, . . .
k=1
m k

es una martingala con respecto a X1 , X2 , . . ..

14. Sean X0 , X1 , . . . v.a. tales que

E [Xn+1 |Xn , . . . , X0 ] = aXn + bXn−1 ∀n≥1

en donde 0 < a, b < 1 y a + b = 1. Encuentre un valor de α para el cual la colección de v. a.

{Sn : n ≥ 1} donde Sn = αXn + Xn−1 , es una martingala respecto a X0 , X1 , . . . , Xn .

15. Sea Y una v.a. con media finita, y {Xn : n ≥ 0} una sucesión de v. a. Demostrar que el proceso
{Yn : n ≥ 0} definido por
Yn = E[Y |Xn , . . . , X0 ]
es una martingala con respecto a X0 , X1 , . . ..
Hint: Ocupa la propiedad torre
h  i h  i
E[X|Y ] = E E[X|Z, Y ]Y = E E[X|Y ]Z, Y
 

16. Calcular

• Precio riesgo neutral de un contrato PUT

• Precio riesgo neutral de un contrato CALL
• Comprobar la Paridad Put-Call
• Obtener el precio de un Futuro

para los siguientes derivados:

(a) Se tiene una opción cuyo precio inicial es de $400, y cada periodo puede subir al doble o
disminuir a la mitad. El precio de ejercicio es de $300 y la fecha de ejercicio es T=3. La tasa
de interés es 0.
(b) Se tiene una opción cuyo precio inicial es de $600, y cada periodo puede subir al doble o
disminuir a la mitad. El precio de ejercicio es de $800 y la fecha de ejercicio es T=3. La tasa
de interés es 0.
(c) Se tiene una opción cuyo precio inicial es de $400, y cada periodo puede subir al doble o
disminuir a la mitad. El precio de ejercicio es de $500 y la fecha de ejercicio es T=3. La tasa
de interés es 10%..

15