Movimento Browniano Aplicado
Mestrado em Engenharia Elétrica 2º Semestre
Michel Ferreira Lima
Entregue ao Prof. Marcelo Alencar da disciplina Processos Estocásticos
Resumo: Texto de cunho dissertativo com a proposta de elaborar
uma reflexão simplificada do Movimento Browniano para a
disciplina Processos Estocásticos de Marcelo Alencar. O objetivo
principal desta leitura é evidenciar os conceitos e propriedades
mais importantes relacionadas ao Processo de Wiener por
intermédio de um exemplo prático. O artigo foca nas definições
e principais fórmulas desta teoria, primando pelas observações
de Alencar e outros autores necessários para uma primeira
compreensão geral sobre este tema.
Palavras-chave: Movimento Browniano, Processos de Wiener,
Markov. Martingal.
I. INTRODUÇÃO
Em matemática, o processo de Wiener é um processo
estocástico de tempo contínuo, que recebe este nome em
homenagem a Norbert Wiener. Este processo é
frequentemente chamado de movimento browniano padrão ou
movimento browniano devido a sua conexão histórica com o
processo físico conhecido como movimento browniano
primeiramente observado por Robert Brown (Wikipédia,
2018).
O movimento Browniano é descrito como o movimento
aleatório de partículas macroscópicas em um fluido, como
consequência dos choques das moléculas do fluido contra as
partículas (Herbert, 2009).
O Movimento Browniano, como atualmente é descrito,
consiste no movimento de uma partícula dentro de um fluido,
como gases ou líquidos. Só que essa partícula precisa ser
suficientemente grande para que nós possamos vê-la no
microscópio e a sua massa precisa ser suficientemente
pequeno para que ela sinta as colisões das moléculas do
fluido. Ou seja, quando uma molécula vier colidir com essa
partícula, a mesma precisa sentir que houve a colisão, precisa
mudar o seu estado de movimento, ela precisa acelerar. Outros
cientistas observaram esse movimento. Porém, Brown foi o
primeiro a dar uma abordagem cientifica para esse tipo de
problema.
Com um microscópio ele observou que grãos de pólen
em cima de uma superfície de água se moviam de uma forma
bem estranha, uma forma quase que aleatória. Era um
movimento no qual as moléculas do fluido estavam vibrando
e colidindo com a partícula que estava interessada em ser
observada. Na época formou-se até uma hipótese que esse
grão era um ser vivo porque ele vinha de uma planta e talvez
tivesse vida nesse grão de pólen. Para testar essa hipótese ele
pegou a matéria inerte, poeira, e fez o mesmo experimento
para somente comprovar que o mesmo estilo de movimento
se repetia. Dessa forma ele teve que descartar a hipótese de
que aquele movimento se dava por causa de uma vida. Após
um bom tempo, em 1905, Albert Einstein publicou um
trabalho sobre movimento browniano. Esse trabalho era
baseado na hipótese atômica. Vale ressaltar que naquele
tempo a comunidade científica ainda não aceitava a existência
de átomos e que a matéria era dividida em partículas ainda
menores. Então, nesse trabalho, Einstein constrói a sua
hipótese atômica e a partir dela desenvolve a sua teoria sobre
o assunto. Ele chega na equação da difusão que relaciona
desvio quadrático médio da posição da partícula com a
temperatura do fluido. Então, chegou-se à conclusão que
existia um jeito de avaliar que, quanto maior for a temperatura
maior seria o desvio quadrático médio da posição da partícula.
Escrevendo essa equação de outra forma ele chegou na
equação como é conhecida hoje: constante da difusão. É
importante destacar que além de Einstein, esse resultado foi
obtido por outros dois cientistas que de forma independente
alcançaram, também, o mesmo resultado. Eles foram,
Sutherlan em 1904 e Smoluchowski em 1906. Estes
resultados foram importantíssimos para o Movimento
Browniano. Em algum tempo depois outro grande cientista,
Jean Perrin, confirmou o mesmo resultado. Graças a essa
consequência a comunidade científica começou a acreditar na
existência de átomos, porque que a teoria toda se baseava na
hipótese atômica, então se a teoria estava fazendo previsões e
a única hipótese dela é de que existem átomos e que a matéria
é dividida em pequenas partículas, então significava que a
hipótese estava correta, uma vez que, era a única coisa que é
teoria presumia. Isso já mostrava que o Movimento
Browniano é extremamente relevante para a física porque foi
ele que começou a mostrar para a comunidade científica que
os átomos existiam. Em 1908 um cientista chamado Paul
Langevin publicou uma abordagem totalmente inovadora
sobre o Movimento Browniano. Essa abordagem era bem
diferente no sentido matemático que outros cientistas
abordaram, mas era fisicamente equivalente a abordagem que
Einstein e outros cientistas tiveram sobre o movimento. Uma
curiosidade histórica sobre o Langevin e Einstein era que o
primeiro era um entusiasta da relatividade restrita e uma vez
Einstein falou sobre ele dizendo o seguinte: “ Me parece certo
que ele [Langevin] teria desenvolvido a teoria da relatividade
especial se ela não tivesse sido feita em outro lugar, pois ele
claramente tinha reconhecido os pontos essenciais. ” O
modelo do Langevin para tratar o movimento browniano teria
como ideia escrever a 2ª Lei de Newton para a partícula,
contudo essa segunda lei de Newton vai ter uma força
aleatória nela mudando as direções em que ela está agindo.
Seria como se as moléculas que vão colidir não fossem a
mesma molécula. Na prática, a partícula que estamos
analisando estaria recebendo vários impactos aleatórias.
Assim fazendo argumentações físicas, calculando médias e
resolvendo integrais consegue-se chegar a resolução dessa
equação. A diferença básica entre a abordagem de Langevin
para a de Einsten é a interpretação muito mais simples
alcançada por Langevin.
 II. TEORIA Definindo o valor esperado:

Um processo estocástico W(t), t > 0 é um processo de 𝑖

Wiener se (Ross, 1996): 𝐸[𝑠𝑖 ] = 𝐸 [∑ 𝑅𝑗 ]
𝑗=1
 Possui incrementos estacionários independentes.
 Se W(t) é normalmente distribuído. 𝑖
 Se E(W(t)) = 0 para todo t > 0 e se W(0) = 0.
𝐸[𝑠𝑖 ] = ∑[𝐸𝑅𝑗 ]
𝑗=1
O Processo de Wiener é um processo em tempo contínuo
com três propriedades importantes:
Como o nosso retorno de j já este definido em:
1. É um Processo de Markov (muitas vezes o Processo
de Wiener é considerado como um Processo de Rj = ±1
Markov de tempo contínuo). Assim, tudo que se Então,
precisa para fazer uma previsão do valor futuro da
variável é a sua distribuição de probabilidade e o seu 𝐸[𝑅𝑗 ] = 50%(1) + 50%(−1) = 0
valor atual.
2. Possui incrementos independentes. Logo chegaremos em nossa primeira propriedade:
3. Mudanças no processo sobre qualquer intervalo de
tempo são normalmente distribuídas, com uma 𝐸[𝑠𝑖 ] = 0 (1.0)
variância que aumenta linearmente com o intervalo
de tempo.
A segunda propriedade, o desvio padrão, a variância pode
ser verificada da seguinte forma:
III. APLICAÇÃO
Se Rj = ±1, então o nosso R2i = 1, o que por
Para tratarmos do movimento browniano vamos utilizar consequência teremos E[R2i ] = 1.
como exemplo um jogo que ocorre num tempo de um
lançamento de uma moeda. A moeda é comum e possui Qual seria o nosso valor esperado?
previsão aleatória. Os resultados dela são:
𝐸[𝑠𝑖 2 ] = E[∑ 𝑅𝑗 . ∑ 𝑅𝑗 ]
 CARA = 1
 COROA = -1 = E[(𝑅1 +𝑅2 + ⋯ + 𝑅𝑛 )(𝑅1 + 𝑅2 + ⋯ + 𝑅𝑛 )]
= E[(𝑅1 2 + 𝑅1 𝑅2 + 𝑅2 𝑅3 + ⋯ +𝑅𝑖 2 )]
Vamos supor uma determinada jogada que esteja
discriminada na Figura 1. No qual St determinará os ganhos
desse jogo, ou seja, o nosso valor acumulado. E esse ganho Nesse momento temos uma propriedade muito devido ao
estará em função de um tempo t. fato dos lançamentos serem independentes:

E[𝑅𝐴 . 𝑅𝐵 ] = E[𝑅𝐴 ]E[𝑅𝐵 ] = 0

St
S Assim podemos concluir que:

3 𝐸[𝑠𝑖 2 ] = E[𝑅1 2 +𝑅2 2 + ⋯ + 𝑅𝑖 2 ]

2
1
Fazendo uma simplificação:
0
-1
-2 𝐸[𝑠𝑖 2 ] = E[𝑖𝑅𝑖 2 ]
t
Como R2i = 1 podemos concluir a nossa segunda
propriedade:
Figura 1: Lançamentos sucessivos de uma moeda.
𝐸[𝑠𝑖 2 ] = E[𝑖] = i

Modelando o jogo de forma estatística, o mesmo ficaria Para esse processo chegamos a seguinte conclusão:
definido da seguinte forma:
E[St] = 0
Retorno no momento i seria: Ri = ±1;
var[St] = t ⇒ 𝜎(St) = √𝑡
𝑖
Ganho acumulado seria: St = ∑𝑗=1(𝑅𝑗 )
 Por intermédio do desvio padrão (𝜎), analisamos de Entretanto, apesar de não sabemos o resultado, sabemos que
forma mais precisa os resultados obtidos no jogo da moeda. o seu valor será constante, Rn = ±A. Logo podemos concluir
𝑛
Uma vez que, a parábola descrita na figura 2, representa o que o 𝑆𝑛 = ∑𝑗=1(𝑅𝑗 ). O que de forma imediata nos traz:
desvio padrão, a forma como o jogo irá variar, revelando o
erro associado. Além disso, verificamos também que o seu
 𝐸[𝑠𝑛 ] = 0
valor médio é zero, ou seja, é um jogo que tenderá a zero no
futuro.  𝐸[𝑅𝑛 ] = 0
 𝐸[𝑠𝑖 2 ] = 𝑡
E[𝑅𝑛 2 ] = A2
S 4
St 

2
Desenvolvendo o desvio padrão, teremos:
0
𝑛
-2 𝐸[𝑠𝑛 2 ] = 𝐸 [∑𝑗=1 𝑅𝑗 2 ] ()
t
𝑛
2] 2
Figura 2: valor médio e desvio padrão. 𝐸[𝑠𝑛 = 𝐴 ∑1
𝑗=1
Com isso chegaremos a um processo denominado
Markoviano. Ou seja, a moeda não tem memória. Os 𝐸[𝑠𝑛 2 ] = 𝐴2 𝑛
resultados dos lançamentos futuros dessa moeda só dependem
da onde ele está. Não dependem do passado. Pelo critério de igualdade podemos concluir que:
Matematicamente ele pode ser descrito da seguinte forma:
𝑡
𝐸[𝑋𝑛+1 |𝑋0 𝑋1 𝑋2 … 𝑋𝑛 ] = 𝐸[𝑋𝑛+1 |𝑋𝑛 ] (1.2) 𝐴= ±√
𝑛
Esse processo que estamos tratando também é
considerado um Martingal. Isto é, o valor esperado no futuro Logo podemos concluir que o retorno será dado por:
é exatamente o que temos agora. A melhor projeção que
teremos no futuro é a que temos no presente. Também pode
𝑡
ser expresso de forma matemática como: 𝑅𝑛 = ± √
𝑛
𝐸[𝑆𝑗 |𝑆𝑖 ] = 𝑆𝑖 , com i < j.
Para esse jogo ir para o continuo precisamos apenas
A melhor previsão para o próximo passo é a que temos definir uma mudança:
agora.
lim 𝑛.
𝑛→∞
IV. ANALISE NO TEMPO CONTINUO
No qual, paramos de chamar os lançamento em t, para vê-
lo como uma função X(t). E assim, termos:
Como poderíamos levar o problema da moeda para o
tempo continuo? Contudo, é valido ressaltar que a ideia não é
 𝐸[𝑋(𝑡) ] = 0
lançar a moeda infinitas vezes num tempo infinito, mas elevar
a frequência com que jogamos a moeda e verificar como o  𝐸[𝑋(𝑡) 2 ] = 𝑡
jogo evolui. Se lançávamos uma vez a moeda por segundo, a
mesma será lançada duas vezes por segundo. Assim, qual será
o retorno desse lançamento se dividirmos o meu intervalo no Então, podemos concluir que nessas condições criamos
tempo t em várias partes? um método finito, continuo, e um processo Markoviano. O
O que tínhamos anteriormente era uma distribuição que significa dizer que o mesmo não tem memória. Não nos
normal pela frequência de um lançamento por segundo. Não interessa o que aconteceu no passado. O futuro só dependerá
sabemos qual será o retorno de cada lançamento se aumentar do estado presente. O que define ele como um processo de
a frequência desse intervalo de t e dividirmos em partes Martingal.
iguais. Entretanto, podemos garantir que se aumentarmos a
frequência do jogo, a distribuição estatística do jogo
continuará a mesmo. Ou seja, continuaremos a jogar o mesmo V. CONCLUSÃO
jogo. Não faria sentindo acelerar o tempo para que o nosso
jogo mudasse. O jogo não pode ser assimétrico atemporal. Um assunto tão complexo como movimento Browniano,
Conclusão, não sabemos qual será o retorno no instante i, mas pode e deve ser sintetizado de forma mais simples para que o
já sabemos que: E[Si] = 0 e 𝜎(Si) = √𝑡. leitor tenha uma primeira compreensão mais intuitiva desse
Precisamos calcular o retorno na enésima jogada. assunto. Determinar suas definições como as suas principais
propriedades por intermédio de um problema simples não só
introduz os aspectos mais importantes desse processo como
contextualiza o assunto para o leitor.
O aprendizado do movimento aleatório é considerado um
pilar fundamental na análise de processos estocásticos.
Existem diversas aplicações no estudo de problemas físicos,
biológicos, economia (estudo de flutuações em preços, ações,
etc.), ciências políticas (em opiniões de multidões, por
exemplo); em resumo, praticamente quase tudo se pode
encontrar aleatoriedade e como tal também o movimento
browniano e as suas implicações.
O Processo de Movimento Browniano processo de
movimento browniano descreve um percurso aleatório
unidimensional no qual, a cada instante, a posição muda por
um pequeno incremento que é independente da posição atual
e do histórico passado do processo. A mudança de posição por
qualquer intervalo de tempo é uma variável aleatória
gaussiana com valor esperado zero e variância proporcional
ao intervalo de tempo (Yates, 2017).
O processo de Wiener é um método essencial na
probabilidade. Visto que, a grande procura por modelos
matemáticos que entreguem uma previsão mais próxima de
um resultado satisfatório é cada vez mais frequente. A
crescente quantidade de informação e até mesmo a sua
complexidade requer cada vez mais processos que detenham
maior otimização e menor custos para serviços dentro dessa e
outras área. E é diante desse aspecto, com um certo número
de leituras sobre o funcionamento desse processo e das suas
mais variadas técnicas, que uma melhor compreensão acaba
sendo adquirida sobre os conceitos que permeiam esse
assunto. Ocasionando mais pesquisas e estudos refletidos em
trabalhos futuros dentro da área de probabilidade.

VI. REFERÊNCIAS

ALENCAR, Marcelo Sampaio de. Probabilidade e processos

estocásticos. 1ª ed. São Paulo: Erica, 2008.

HERBERT, N. Atomicidade da matéria. Sitio da internet,

http://www.oocities.org/mpennafort/atomici.html (2018).

WIKIPÉDIA. Movimento Browniano. Disponível em: <

https://pt.wikipedia.org/wiki/Movimento_browniano >. Acesso em:
20 Julho 2018.

ROSS, S. M., Stochastic Processes. Wiley, New York (1996).

YATES, Roy D.: Probabilidade e Processos estocásticos: uma

introdução amigável para engenheiros eletricistas e da
computação. 3ª ed. Rio de Janeiro, LTC, 2017.

BIT, Pedia. Movimento Browniano. 2017. (14m16s). Disponível

em: < https://www.youtube.com/watch?v=K_5prtFhJAI>. Acesso
em: 20 jul. 2018.