Asignatura: Probabilidad III.
Carrera: Licenciatura en matemáticas
Alumno: Raúl Ibáñez Couoh
Matrícula: ES172001745
Docente: Marco Antonio Olivera Villa
Unidad 1. Procesos estocásticos y Movimiento Browniano
Actividad 2. Movimiento Browniano Tarea
06/04/2020, Zihuatanejo, Guerrero, México.
Contesta las siguientes preguntas
1.- ¿Qué es un movimiento browniano como fenómeno físico?
Por medio de (Petrov, 2008), establecemos que:
El Movimiento Browniano. Este proceso aleatorio es el ejemplo básico de diversas familias
de procesos aleatorios (entre ellas: procesos de Markov y martingalas con tiempo continuo,
procesos de Lévy), y es frecuentemente utilizado en la modelización matemática en las más
diversas ciencias (por ejemplo: física, biología, finanzas), jugando también un importante rol
en la estadística matemática. Su primera denominación se debe a las investigaciones del
botánico inglés Robert Brown, que en 1828 observó y describió el movimiento caótico de
una partícula de polen suspendida en agua, destacando la naturaleza física (y no biológica)
del movimiento observado. Luego de las contribuciones de L. Bachelier (1900), quien
propuso este modelo para las fluctuaciones de la bolsa de París, y de A. Einstein (1905) y
M. Smoluchowski (1906), que lo propusieron en el marco de la teoría molecular de la
materia; Norbert Wiener, en 1923, construyó el proceso aleatorio con trayectorias continuas
correspondiente a la dinámica observada.
Ejemplo:
(Movimiento Browniano discreto unidimensional)
Si una partícula está sujeta a colisiones e impulsos aleatorios, entonces su posición fluctúa
aleatoriamente, pero, a pesar de ello, la partícula describe un camino continuo. Si la
posición futura (es decir, su distribución de probabilidad) de la partícula depende solo de la
posición presente y si 𝑋𝑋𝑡𝑡 es la posición en el tiempo 𝑡𝑡, entonces el proceso {𝑋𝑋𝑡𝑡 } es
markoviano. Una aproximación discreta a tal movimiento continuo corresponde a un
camino aleatorio.
Una versión clásica discreta del movimiento browniano, está dado por un CAMINO
ALEATORIO SIMÉTRICO (UNIDIMENSIONAL). Llamamos camino aleatorio simétrico
sobre todos los enteros a una cadena de Markov con espacio de estado el conjunto de los
números enteros y cuya matriz de probabilidades de transición tiene elementos:
𝑝𝑝 𝑠𝑠𝑠𝑠 𝑗𝑗 = 𝑖𝑖 + 𝑖𝑖 𝑜𝑜 𝑗𝑗 = 𝑖𝑖 − 1
𝑃𝑃𝑖𝑖𝑖𝑖 = � 𝑟𝑟 𝑠𝑠𝑠𝑠 𝑗𝑗 = 𝑖𝑖
0 𝑑𝑑𝑑𝑑 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓
Donde 𝑖𝑖, 𝑗𝑗 ∈ ℤ, 𝑝𝑝 > 0, 𝑟𝑟 ≥ 0 y 2𝑝𝑝 + 𝑟𝑟 = 1. Convencionalmente, “camino aleatorio simétrico”
1
solo se refiere al caso 𝑟𝑟 = 0 y 𝑝𝑝 = .
2
Ejemplo obtenido de: (Correa, 2016).
2.- ¿Qué es un movimiento browniano como modelo matemático?
Acorde a (Correa, 2016):
Más concretamente, un proceso estocástico {𝑊𝑊𝑡𝑡 , 𝑡𝑡 ≥ 0} se llama MOVIMIENTO
BROWNIANO UNIDIMENSIONAL (o PROCESO DE WIENER) con parámetros 𝜇𝜇 ∈ ℝ y 𝜎𝜎 2
si:
(a) {𝑊𝑊𝑡𝑡 , 𝑡𝑡 ≥ 0} tiene INCREMENTOS INDEPENDIENTES, es decir, 𝑊𝑊𝑡𝑡1 − 𝑊𝑊𝑡𝑡0 , 𝑊𝑊𝑡𝑡2 − 𝑊𝑊𝑡𝑡1 , … son
independientes para todo 0 ≤ 𝑡𝑡0 < 𝑡𝑡1 < ⋯.
(b) {𝑊𝑊𝑡𝑡 , 𝑡𝑡 ≥ 0} tiene INCREMENTOS ESTACIONARIOS, es decir, la distribución de 𝑊𝑊𝑡𝑡 − 𝑊𝑊𝑠𝑠
depende solo de la diferencia 𝑡𝑡 − 𝑠𝑠 para todo 𝑠𝑠 < 𝑡𝑡.
(c) Para cada 𝑠𝑠 < 𝑡𝑡 el incremento 𝑊𝑊𝑡𝑡 − 𝑊𝑊𝑠𝑠 tiene distribución normal con media 𝜇𝜇 = 0 y varianza
𝜎𝜎 2 (𝑡𝑡 − 𝑠𝑠).
3.-Describe los 4 componentes del modelo matemático del movimiento browniano
De (Rincón, 2011) tenemos que:
Un movimiento Browniano unidimensional de parámetro 𝜎𝜎 2 es un proceso estocástico
{𝐵𝐵𝑡𝑡 : 𝑡𝑡 ≥ 0} con valores en ℝ que cumple las siguientes propiedades:
1. 𝐵𝐵0 = 0 𝑐𝑐. 𝑠𝑠.
2. Las trayectorias 𝑡𝑡 ↦ 𝐵𝐵𝑡𝑡 son continuas.
3. Para cualesquiera tiempo 0 < 𝑡𝑡1 < ⋯ < 𝑡𝑡𝑛𝑛 y para cualesquiera conjuntos de Borel 𝐴𝐴1 , … , 𝐴𝐴𝑛𝑛
de ℝ, se cumple que:
𝑃𝑃�𝐵𝐵𝑡𝑡1 ∈ 𝐴𝐴1 , … , 𝐵𝐵𝑡𝑡𝑛𝑛 ∈ 𝐴𝐴𝑛𝑛 � = � … � 𝑝𝑝(𝑡𝑡1 , 0, 𝑥𝑥1 ).
𝐴𝐴1 𝐴𝐴𝑛𝑛
𝑝𝑝(𝑡𝑡2 − 𝑡𝑡1 , 𝑥𝑥1 , 𝑥𝑥2 ) … 𝑝𝑝(𝑡𝑡𝑛𝑛 − 𝑡𝑡𝑛𝑛−1 , 𝑥𝑥𝑛𝑛−1 , 𝑥𝑥𝑛𝑛 )𝑑𝑑𝑥𝑥𝑛𝑛 … 𝑑𝑑𝑥𝑥1 ,
En donde:
1 (𝑦𝑦−𝑥𝑥)2
−
𝑝𝑝(𝑡𝑡, 𝑥𝑥, 𝑦𝑦) = 𝑒𝑒 2𝜎𝜎2 𝑡𝑡
√2𝜋𝜋𝜎𝜎 2 𝑡𝑡
4.- Analiza la siguiente proposición y menciona que significa
Si 0<t1<t2…..<tn, entonces el vector (Bt1,Bt2…..,Btn) tiene función de densidad
F(x1,x2,…xn)=p(t1,0,x1) . p(t2-t1,x1,x2)……..p(tn-tn-1,xn-1,xn)
El postulado explica la naturaleza de las trayectorias del Proceso de Wiener o movimiento
Browniano
Para lo cual
𝑋𝑋𝑡𝑡0 , 𝑋𝑋𝑡𝑡2 − 𝑋𝑋𝑡𝑡1 , 𝑋𝑋𝑡𝑡3 − 𝑋𝑋𝑡𝑡2 , … , 𝑋𝑋𝑡𝑡𝑛𝑛 − 𝑋𝑋𝑡𝑡𝑛𝑛 −1
Son variables aleatorias independientes.
Bibliografía
Canavos, G. C. (1988). Probabilidad y Estadística Aplicaciones y métodos. México: Mc Graw
Hill.
Correa, R. B. (2016). Procesos estocásticos con aplicaciones. Barranquilla: Universidad del
Norte.
Devore, J. L. (2005). Probabilidad y estadística para ingenierías y ciencias. México: Thomson.
Estuardo, A. (2012). Estadística y probabilidad. Chile: ADMIN2766.
Murray, S. (1976). Probabilidad y Estadística. México: Mc Graw Hill.
Petrov, V. V. (2008). Teoría de la probabilidad. Montevideo: DIRAC.
Rincón, L. (2011). Introducción a los procesos estocásticos. México: UNAM.
Rincon, L. (2014). Introducción a la probabilidad. México: UNAM.
RIVERO, D. (2013 ). PROBABILIDAD Y ESTADÍSTICA. APLICACIONES A LA INGENIERÍA.
Unexpo.
Walpole, M. (2012). Probabilidad y estadística para ingenierías y ciencias. México: Pearson
Educación.
