PROBABILIDAD III

ACTIVIDAD 1: PROCESOS ESTOCASTICOS

Licenciatura en Matematicas (UnADM)
Fecha inicio del foro: 5 de octubre de 2016
Fecha inicio
fin del foro: 8 de octubre de 2016
Toda actividad debe ser redactada con buena ortografa, haciendo uso correcto de signos de
puntuaci
on y ademas, redactar con seriedad y respeto.
Revisa las notas que se presentan mas adelante, despues:
Ingresa al foro y presenta tu conclusion (respuesta) a las siguientes preguntas.
1. Ques es un proceso estoc
astico?
2. El conjunto T respresenta el tiempo?
3. En tus propias palabras Que significa la propiedad de Markov?
4. Como debe ser un fenomen
o de la vida real para ser modelado como un proceso con
incrementos independientes?
5. Considera una partcula que se mueve en linea recta hacia la derecha a partir de un instante
de tiempo t0 , se lanza una moneda al tiempo t1 , se sale aguila la partcula continua en
la misma direcci
on si sale sol la partcula comienza a viajar en direccion contraria. esto
es un procesos estoc
astico? si tu respuesta es afirmativa Quien es el espacio muestral?
Quien es T ? Cu
antas trayectorias tiene?
Finalmente:
Lee las aportaciones de tus compa
neros y discute con ellos sobre las conclusiones de cada
uno.
Tus aportaciones deben ser relevantes y no muy extensas. Evita argumentos como Estoy
de acuerdo con. . . o Muy buen comentario.
Las aportaciones deben ser ingresadas directamente al foro por lo que no debes anexar
documentos.
Todos los comentario que sean hechos a tu aportaciones deben ser replicados.
Valor m
aximo de tu aportaci
on: 50
Valor m
aximo del debate con tus compa
neros y replicas: 50
Despues del 8 de octubre las aportaciones hacia los compa
neros no tendran peso en la
califiaci
on
El foro debe comenzar el da 5 de octubre dando responder a la secuencia inicial que ser
a
abierta por tu facilitadora, por tanto queda prohibido que los estudiantes inicien secuencias.

Captulo 1

Ideas preliminares
Considere un sistema que puede caracterizarse por estar en cualquiera de
un conjunto de estados previamente especificado. Suponga que el sistema
evoluciona o cambia de un estado a otro a lo largo del tiempo de acuerdo con
una cierta ley de movimiento, y sea Xt el estado del sistema al tiempo t. Si
se considera que la forma en la que el sistema evoluciona no es determinista,
sino provocada por alg
un mecanismo azaroso, entonces puede considerarse
que Xt es una variable aleatoria para cada valor del ndice t. Esta coleccion
de variables aleatorias es la definicion de proceso estocastico, y sirve como
modelo para representar la evolucion aleatoria de un sistema a lo largo del
tiempo. En general, las variables aleatorias que conforman un proceso no
son independientes entre s, sino que estan relacionadas unas con otras de
alguna manera particular. Las distintas formas en que pueden darse estas
dependencias es una de las caractersticas que distingue a unos procesos
de otros. M
as precisamente, la definicion de proceso estocastico toma como
base un espacio de probabilidad , F , P y puede enunciarse de la siguiente
forma.
Definici
on 1.1 Un proceso estoc
astico es una colecci
on de variables aleatorias Xt : t T parametrizada por un conjunto T , llamado espacio parametral, en donde las variables toman valores en un conjunto S llamado espacio
de estados.
En los casos m
as sencillos se toma como espacio parametral el conjunto
0, 1, 2, . . . y estos n
umeros se interpretan como tiempos. En
discreto T
1

1. Ideas preliminares

este caso se dice que el proceso es a tiempo discreto, y en general este tipo
de procesos se denotar
a por Xn : n 0, 1, . . . , o explcitamente,
X0 , X1 , X2 , . . .
as, para cada n, Xn es el valor del proceso o estado del sistema al tiempo n.
Este modelo corresponde a un vector aleatorio de dimension infinita. Vease
la Figura 1.1.

Xn
X5
X3
X1

X4

X0
n
1

X2

Figura 1.1

El espacio parametral puede tambien tomarse como el conjunto continuo

0, . Se dice entonces que el proceso es a tiempo continuo, y se
T
denotar
a por
Xt : t 0 .
Por lo tanto, seguiremos la convencion de que si el subndice es n, entonces
los tiempos son discretos, y si el subndice es t, el tiempo se mide de manera
continua. Los posibles espacios de estados que consideraremos son subconjuntos de Z, y un poco mas generalmente tomaremos como espacio de estados el conjunto de n
umeros reales R, aunque en algunos pocos casos tambien consideraremos a Zn o Rn . Naturalmente, espacios mas generales son
posibles, tanto para el espacio parametral como para el espacio de estados.
En particular, para poder hablar de variables aleatorias con valores en el
espacio de estados S, es necesario asociar a este conjunto una -algebra.

Xt

Xt2
Xt1
Xt3
t
t2

t1

t3

Figura 1.2

Considerando que S es un subconjunto de R, puede tomarse la -algebra

de Borel de R restringida a S, es decir, S B R .
Un proceso estoc
astico, tambien llamado proceso aleatorio, puede considerarse como una funci
on de dos variables
X:T

tal que a la pareja t, se le asocia el valor o estado X t, , lo cual

tambien puede escribirse como Xt . Para cada valor de t en T , el mapeo

Xt es una variable aleatoria, mientras que para cada en fijo,

Xt es llamada una trayectoria o realizacion del proceso.
la funci
on t
Es decir, a cada del espacio muestral le corresponde una trayectoria del
proceso. Es por ello que a veces se define un proceso estocastico como una
funci
on aleatoria. Una de tales trayectorias tpicas que ademas cuenta con
la propiedad de ser continua se muestra en la Figura 1.2, y corresponde a
una trayectoria de un movimiento Browniano, proceso que definiremos y
estudiaremos m
as adelante.
Si A es un conjunto de estados, el evento Xn A corresponde a la situacion
en donde al tiempo n el proceso toma alg
un valor dentro del conjunto A. En
particular, Xn x es el evento en donde al tiempo n el proceso se encuentra en el estado x. Considerando distintos tiempos, estaremos interesados

1. Ideas preliminares

en eventos de la forma Xn1 x1 , Xn2 x2 , . . . , Xnk xk .

Los diferentes tipos de procesos estocasticos se obtienen al considerar las
distintas posibilidades para el espacio parametral, el espacio de estados,
las caractersticas de las trayectorias, y principalmente las relaciones de
dependencia entre las variables aleatorias que conforman el proceso. Los
siguientes son algunos ejemplos generales de procesos estocasticos. Estos son
procesos que cumplen una cierta propiedad particular, no necesariamente
excluyentes unas de otras. A lo largo del texto estudiaremos y definiremos
con mayor precisi
on algunos de estos tipos de procesos.
Proceso de ensayos independientes
El proceso a tiempo discreto Xn : n 0, 1, . . . puede estar constituido por
variables aleatorias independientes. Este modelo representa una sucesion de
ensayos independientes de un mismo experimento aleatorio, por ejemplo,
lanzar un dado o una moneda repetidas veces. El resultado u observacion
del proceso en un momento cualquiera es, por lo tanto, independiente de
cualquier otra observaci
on pasada o futura del proceso.
Procesos de Markov
Estos tipos de procesos son modelos en donde, suponiendo conocido el estado
presente del sistema, los estados anteriores no tienen influencia en los estados
futuros del sistema. Esta condicion se llama propiedad de Markov y puede
expresarse de la siguiente forma: para cualesquiera estados x0 , x1 , . . . , xn 1
(pasado), xn (presente), xn 1 (futuro), se cumple la igualdad
P Xn

xn

X0

x0 , . . . , Xn

xn

P Xn

xn

Xn

xn .

De esta forma la probabilidad del evento futuro Xn 1

xn 1 solo depende el evento Xn
xn , mientras que la informacion correspondiente
x0 , . . . , Xn 1
xn 1 es irrelevante. Los proceal evento pasado X0
sos de Markov han sido estudiados extensamente y existe un gran n
umero
de sistemas que surgen en muy diversas disciplinas del conocimiento para
los cuales el modelo de proceso estocastico y la propiedad de Markov son
razonables. En particular, los sistemas dinamicos deterministas dados por
una ecuaci
on diferencial pueden considerarse procesos de Markov, pues su
evoluci
on futura queda determinada por la posicion inicial del sistema y la
ley de movimiento especificada.

5
Procesos con incrementos independientes
Se dice que un proceso estocastico a tiempo continuo Xt : t
0 tiene
incrementos independientes si para cualesquiera tiempos 0 t1 t2
tn , las variables Xt1 , Xt2 Xt1 , . . . , Xtn Xtn 1 son independientes. Esto
quiere decir que los desplazamientos que tiene el proceso en estos intervalos
disjuntos de tiempo son independientes unos de otros.
Procesos estacionarios
0 es
Se dice que un proceso estocastico a tiempo continuo Xt : t
estacionario en el sentido estricto si para cualesquiera tiempos t1 , . . . , tn ,
la distribuci
on del vector Xt1 , . . . , Xtn es la misma que la del vector
Xt1 h , . . . , Xtn h para cualquier valor de h
0. En particular, la distribuci
on de Xt es la misma que la de Xt h para cualquier h 0.
Procesos con incrementos estacionarios
Se dice que un proceso estocastico a tiempo continuo Xt : t 0 tiene incrementos estacionarios si para cualesquiera tiempos s t, y para cualquier
h 0, las variables Xt h Xs h y Xt Xs tienen la misma distribucion de
probabilidad. Es decir, el incremento que tiene el proceso entre los tiempos
s y t s
olo depende de estos tiempos a traves de la diferencia t s, y no de
los valores especficos de s y t.
Martingalas
Una martingala a tiempo discreto es, en terminos generales, un proceso
Xn : n 0, 1, . . . que cumple la condicion
E Xn

X0

x0 , . . . , Xn

xn

xn .

(1.1)

En palabras, esta igualdad significa que el valor promedio del proceso al

ltimo momento observatiempo futuro n 1 es el valor del proceso en su u
do, es decir, xn . Esto es, se trata de una ley de movimiento aleatorio que es
equilibrada o simetrica, pues en promedio el sistema no cambia del u
ltimo
momento observado. A estos procesos tambien se les conoce como procesos de juegos justos, pues si se considera una sucesion infinita de apuestas
sucesivas y si Xn denota el capital de uno de los jugadores al tiempo n,
entonces la propiedad de martingala (1.1) establece que el juego es justo
pues en promedio el jugador no pierde ni gana en cada apuesta.