Procesos Estocásticos

Procesos – Caminatas Aleatorias

Joffre Sánchez C. - Mayo 2019

PROCESOS ESTOCÁSTICOS - INTRODUCCION

𝕩𝑡 Estado de X en el tiempo t

𝑋𝑡 ∈ 𝑆 ⊆ ℝ

𝑡 ∈ 𝑇 = 1,2,3, … Tiempo discreto

𝑡 ∈ 𝑇 = 0, ∞ Tiempo continuo
PROCESOS ESTOCÁSTICOS - INTRODUCCIÓN
Definición

Un proceso estocástico es una colección infinita de variables aleatorias (v.a.)

𝑋𝑡 : 𝑡 ∈ 𝑇 parametrizadas por un conjunto T llamado espacio parametral, en
donde las v.a. toman valores en un conjunto Ω llamado espacio de estados.
X(t)
7

5
𝑡 ∈ 𝑇 = 1,2,3, … , 25
4

2
𝑆 = 1,2,3,4,5,6
1

0
0 5 10 15 20 25 30

𝑋: 𝑇 × Ω → 𝑆
PROCESOS ESTOCÁSTICOS - INTRODUCCIÓN
Esto es para cada 𝜔 ∈ Ω, junto con 𝑡 ∈ 𝑇 se tiene X 𝑡, 𝜔 𝑜 𝑋𝑡 𝜔 ∈ 𝑆, dónde
𝜔 → 𝑋𝑡 𝜔 es una v.a. y t → 𝑋𝑡 𝜔 se denomina trayectoria o realización del
proceso.

Nos interesa conocer:

a) 𝑃 𝑋𝑡 = 𝑥

b) 𝑃(𝑋𝑡 ∈ 𝐴), siendo 𝐴 ⊆ 𝑆

c) 𝑃(𝑋𝑡1 ∈ 𝐴1 , 𝑋𝑡2 ∈ 𝐴2 , 𝑋𝑡3 ∈ 𝐴3 , … , 𝑋𝑡𝑛 ∈ 𝐴𝑛 )

PROCESOS ESTOCÁSTICOS - INTRODUCCIÓN
Estadísticos de un proceso estocásticos

Función de probabilidades

Si se fija un tiempo 𝑡 = 𝑡0 , se tiene una v.a. que tiene una distribución o densidad de
probabilidad, si se fija otro tiempo 𝑡 = 𝑡1 , se tiene otra v.a. que puede tener otra
distribución de probabilidad o no.

Función de distribución: 𝐹𝑋 (𝑥, 𝑡) = 𝑃(𝑋(𝑡) ≤ 𝑥)

𝑑(𝐹𝑋 𝑥,𝑡 )
Si la v.a. es continua obtenemos su densidad derivando 𝑓 𝑥, 𝑡 =
𝑑𝑥
PROCESOS ESTOCÁSTICOS - INTRODUCCIÓN
Estadísticos de un proceso estocásticos

Media

Tiempo discreto: 𝐸 𝑋𝑡 = 𝜇𝑋𝑡 = 𝑥𝑥 ⋅ 𝑓(𝑥, 𝑡)

∞
Tiempo continuo: 𝐸 𝑋𝑡 = 𝜇𝑋𝑡 = −∞
𝑥 ⋅ 𝑓(𝑥, 𝑡) ⅆ𝑥

La media es en general una función que depende del tiempo.

PROCESOS ESTOCÁSTICOS - INTRODUCCIÓN
Estadísticos de un proceso estocásticos

Varianza

Tiempo discreto: 𝑉 𝑋𝑡 = 𝜎𝑋2𝑡 = 𝑥(𝑥 − 𝜇𝑋𝑡 )2 ⋅ 𝑓(𝑥, 𝑡)

∞
Tiempo continuo: 𝑉 𝑋𝑡 = 𝜎𝑋2𝑡 = −∞
(𝑥 − 𝜇𝑋𝑡 )2 ⋅ 𝑓(𝑥, 𝑡) ⅆ𝑥

2
𝑉 𝑋𝑡 = 𝜎𝑋2𝑡 =E 𝑋𝑡2 − 𝐸 𝑋𝑡
PROCESOS ESTOCÁSTICOS - INTRODUCCIÓN
Estadísticos de un proceso estocásticos

Esperanza Conjunta - Autocorrelación 𝑹𝒙 (𝒕𝒊 , 𝒕𝒋 )

Tiempo discreto: 𝑅𝑥 𝑡𝑖 , 𝑡𝑗 = 𝐸 𝑋𝑡𝑖 , 𝑋𝑡𝑗 = 𝑥 𝑋𝑡𝑖 𝑋𝑡𝑗 ⋅ 𝑓(𝑋𝑡𝑖 𝑋𝑡𝑗 , 𝑡𝑖 , 𝑡𝑗 )

∞
Tiempo continuo:𝑅𝑥 𝑡𝑖 , 𝑡𝑗 = 𝐸 𝑋𝑡𝑖 , 𝑋𝑡𝑗 = 𝑋 𝑋
−∞ 𝑡𝑖 𝑡𝑗
⋅ 𝑓(𝑋𝑡𝑖 𝑋𝑡𝑗 , 𝑡𝑖 , 𝑡𝑗 ) ⅆ𝑥𝑡𝑖 ⅆ𝑥𝑡𝑗

Si i=j
𝑅 𝑋𝑡 = E 𝑋𝑡2

Si son incorreladas
𝑅𝑥 𝑡𝑖 , 𝑡𝑗 = 𝐸 𝑋𝑡𝑖 𝐸 𝑋𝑡𝑗
PROCESOS ESTOCÁSTICOS - INTRODUCCIÓN
Estadísticos de un proceso estocásticos

Covarianza 𝐶𝑥 𝑡𝑖 , 𝑡𝑗

𝐶𝑥 𝑡𝑖 , 𝑡𝑗 = 𝐸 (𝑋𝑡𝑖 − 𝜇𝑡𝑖 )(𝑋𝑡𝑗 − 𝜇𝑡𝑗 ) = 𝑅𝑥 𝑡𝑖 , 𝑡𝑗 − E 𝑋𝑡𝑖 E 𝑋𝑡𝑗

Tiempo discreto: 𝐶𝑥 𝑡𝑖 , 𝑡𝑗 = 𝑥(𝑋𝑡𝑖 − 𝜇𝑡𝑖 )(𝑋𝑡𝑗 − 𝜇𝑡𝑗 ) ⋅ 𝑓(𝑋𝑡𝑖 𝑋𝑡𝑗 , 𝑡𝑖 , 𝑡𝑗 )

∞
Tiempo continuo:𝐶𝑥 𝑡𝑖 , 𝑡𝑗 = (𝑋
−∞ 𝑡𝑖
− 𝜇𝑡𝑖 )(𝑋𝑡𝑗 − 𝜇𝑡𝑗 ) ⋅ 𝑓(𝑋𝑡𝑖 𝑋𝑡𝑗 , 𝑡𝑖 , 𝑡𝑗 ) ⅆ𝑥𝑡𝑖 ⅆ𝑥𝑡𝑗

Si i=j
𝐶 𝑋𝑡 = 𝑉 𝑋𝑡
PROCESOS ESTOCÁSTICOS - INTRODUCCIÓN
Tipos de procesos estocásticos

a) Proceso de ensayos independientes

Si el proceso a tiempo discreto presenta resultados para ensayos independientes, el
resultado no es afectado por lo ocurrido antes.

b) Procesos de Markov
Si para cualquier estado de X en cualquier tiempo se tiene que:
𝑃 𝑋𝑛+1 = 𝑥𝑛+1 𝑋0 = 𝑥0 , … , 𝑋𝑛 = 𝑥𝑛 = 𝑃 𝑋𝑛+1 = 𝑥𝑛+1 𝑋𝑛 = 𝑥𝑛

c) Proceso con incrementos independientes

Proceso a tiempo continuo o discreto para el cuál dados los tiempos 0 ≤ 𝑡1 ≤ 𝑡2 ≤
⋯ ≤ 𝑡𝑛 , las v.a. 𝑋𝑡1 , 𝑋𝑡2 − 𝑋𝑡1 , … , 𝑋𝑡𝑛 − 𝑋𝑡𝑛−1 son independientes, siendo 𝑋𝑡𝑖 −
𝑋𝑡𝑖−1 el desplazamiento del proceso
PROCESOS ESTOCÁSTICOS - INTRODUCCIÓN
Tipos de procesos estocásticos

d) Procesos estacionarios
Un proceso será estacionario en sentido estricto si para 𝑡1 , 𝑡2 , 𝑡3 , … , 𝑡𝑛 , ℎ ≥ 0
se tiene que los vectores aleatorios (𝑋𝑡1 , 𝑋𝑡2 , 𝑋𝑡3 , … , 𝑋𝑡𝑛 ) y (𝑋𝑡1+ℎ ,
𝑋𝑡2+ℎ , 𝑋𝑡3 +ℎ , … , 𝑋𝑡𝑛+ℎ ) tienen las mismas funciones de densidad conjunta.

Un proceso será estacionario en sentido débil si:

a) 𝐸 𝑋𝑡 = 𝜇, independiente del tiempo

b) 𝑅𝑥 𝑡𝑖 , 𝑡𝑗 = 𝑅𝑥 𝜏 ; 𝜏 = 𝑡𝑖 − 𝑡𝑗 , es decir dependen de la distancia entre los tiempos

solamente
PROCESOS ESTOCÁSTICOS - INTRODUCCIÓN
Tipos de procesos estocásticos

d) Procesos con incrementos estacionarios

Un proceso se denomina de incrementos estacionarios si para cualquier ℎ ≥ 0 𝑦 0 ≤
𝑠 ≤ 𝑡, se tiene que los incrementos 𝑋𝑡 − 𝑋𝑠 y 𝑋𝑡+ℎ − 𝑋𝑠+ℎ tienen las mismas
funciones de densidad.

e) Martingala
Si se cumple que 𝐸 𝑋𝑛+1 𝑋0 = 𝑥0 , … , 𝑋𝑛 = 𝑥𝑛 = 𝑋𝑛
PROCESOS ESTOCÁSTICOS - INTRODUCCIÓN
Tipos de procesos estocásticos

f) Procesos de Lévy
Para este tipo de procesos sus incrementos cumplen con:
1.Ser independientes
2.Ser estacionarios

g) Proceso Gaussiano
Se tiene un proceso gaussiano si para cualquier tiempo 𝑡1 , 𝑡2 , 𝑡3 , … , 𝑡𝑛 el vector
aleatorios (𝑋𝑡1 , 𝑋𝑡2 , 𝑋𝑡3 , … , 𝑋𝑡𝑛 ) tiene distribución normal multivariada
PROCESOS ESTOCÁSTICOS – CAMINATAS ALEATORIAS
Definición

Se denomina caminata aleatoria simple al proceso estocástico a tiempo discreto

sobre el conjunto ℤ y se nota 𝑋𝑛 : 𝑛 = 0,1,2,3 …

𝑋0 = 0; 𝑁𝑜 𝑛𝑒𝑐𝑒𝑠𝑎𝑟𝑖𝑎𝑚𝑒𝑛𝑡𝑒
𝑋𝑛 = +1; 𝑐𝑜𝑛 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖ⅆ𝑎ⅆ 𝑝
𝑋𝑛 =
𝑋𝑛 = −1; 𝑐𝑜𝑛 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖ⅆ𝑎ⅆ 𝑞
𝑝+𝑞 =1
PROCESOS ESTOCÁSTICOS – CAMINATAS ALEATORIAS
Probabilidades
𝑝 𝑠𝑖 𝑗 = 𝑖 + 1
𝑃 𝑋𝑛+1 = 𝑗 𝑋𝑛 = 𝑖 =
𝑞 𝑠𝑖 𝑗 = 𝑖 − 1

- La probabilidad del siguiente paso es independiente del tiempo y es constante

para cualquier valor de n.
- El siguiente paso está condicionado únicamente por el paso anterior (Markov)
X(n)
10

0
0 5 10 15 20 25 30 35
-2

-4
PROCESOS ESTOCÁSTICOS – CAMINATAS ALEATORIAS
Representación

Sea la sucesión de variables aleatorias independientes e idénticamente

distribuidas (i.i.d.) representadas por 𝜉1 , 𝜉2 , 𝜉3 , … 𝜉𝑛 siendo la distribución de 𝜉𝑖 la
siguiente: 𝑃 𝜉𝑖 = 1 = 𝑝 y 𝑃 𝜉𝑖 = −1 = 𝑞, donde p+q=1. entonces para n ≥ 1,
se tiene que:

𝑋𝑛 = 𝑋0 + 𝜉1 + 𝜉2 + 𝜉3 + ⋯ + 𝜉𝑛

Por tanto: 𝐸 𝑋𝑛 = 𝑛 𝑝 − 𝑞 𝑉 𝑋𝑡 = 4𝑛𝑝𝑞

PROCESOS ESTOCÁSTICOS – CAMINATAS ALEATORIAS
Análisis

¿Qué pasa si p>q?

¿Qué pasa si q>p?

¿Qué pasa si p=q?

Si la caminata es simétrica p=q entonces 𝐸 𝑋𝑛 = y V 𝑋𝑛 =

PROCESOS ESTOCÁSTICOS – CAMINATAS ALEATORIAS
Probabilidades de transición

Para cualesquiera números enteros x y n tales que –n ≤ x ≤ n, y tanto si x y n son

ambos pares o impares a la vez se tiene que:

𝑛 1
(𝑛+𝑥)
1
𝑃 𝑋𝑛 = 𝑥 𝑋0 = 0 = 1 𝑝2 𝑞 2(𝑛−𝑥)
(𝑛 + 𝑥)
2

Si n o x no cumplen las condiciones señaladas esta probabilidad es 0

PROCESOS ESTOCÁSTICOS – CAMINATAS ALEATORIAS
Probabilidades de transición

Prueba:
Sean
𝐷𝑛 número de pasos dados hacia la derecha
𝐿𝑛 número de pasos dados hacia la izquierda
Por tanto 𝑋𝑛 = 𝐷𝑛 − 𝐿𝑛 y además n = 𝐷𝑛 + 𝐿𝑛
Recordar que 𝑋𝑛 = 𝑛𝑖=1 𝜉𝑖

Se obtiene:
𝑛
1 1
𝐷𝑛 = 𝑛 + 𝑋𝑛 = (1 + 𝜉𝑖 )
2 2
𝑖=1
PROCESOS ESTOCÁSTICOS – CAMINATAS ALEATORIAS
Finalmente

1 𝑛 1
(𝑛+𝑥)
1
𝑃 𝑋𝑛 = 𝑥 𝑋0 = 0 = 𝑃(𝐷𝑛 = 𝑛 + 𝑋𝑛 ) = 1 𝑝2 𝑞 2(𝑛−𝑥)
2 (𝑛 + 𝑥)
2

Si p=q=1/2, bajo las mismas condiciones se tiene:

1 𝑛
𝑃 𝑋𝑛 = 𝑥 𝑋0 = 0 = 1
(𝑛 + 𝑥) 2𝑛
2
PROCESOS ESTOCÁSTICOS – CAMINATAS ALEATORIAS
Probabilidad de regreso al punto de partida

Para una caminata aleatoria sobre Z, se tiene que la probabilidad de regreso al

punto de partida está dada por:

1 𝑠𝑖 𝑝 = 𝑞
1− 𝑝−𝑞 =
< 1 𝑠𝑖 𝑝 ≠ 𝑞

Sólo en el caso simétrico se puede asegurar que la caminata volverá a pasar por
el origen en un promedio indefinido de pasos
PROCESOS ESTOCÁSTICOS – CAMINATAS ALEATORIAS
Caminatas en ℤ𝒏
Así como es posible el movimiento hacia un lado u otro (delante, atrás, izquierda,
derecha), se puede establecer la posibilidad con una probabilidad asignada (r) de
permanecer en el mismo sitio; así p+q+r=1, o incluir la caminata en ℤ𝟐 , haciendo
el movimiento posible también arriba con probabilidad (r) o abajo con
probabilidad (s) y se establece que p+q+r+s=1.
PROCESOS ESTOCÁSTICOS – CAMINATAS ALEATORIAS
El problema del jugador
Jugador A posee k unidades monetarias

Jugador B posee N-k unidades monetarias (total entre ambos N unidades)

En cada jugada A apuesta una unidad contra B

Probabilidad de ganar A en cada jugada p

Probabilidad de ganar B en cada jugada q=1-p

Sea 𝑋𝑛 la fortuna de A en el tiempo n; empieza en k y puede terminar en 0 si A pierde

todo o en N si A gana todo.
PROCESOS ESTOCÁSTICOS – CAMINATAS ALEATORIAS
El problema del jugador

¿Cuál es la probabilidad de que el jugador A se arruine?

Solución:

Sea 𝜏 el momento llega a cualquiera de los estados absorbentes, es decir

𝜏 = 𝑚í𝑛 𝑛 ≥ 0: 𝑋𝑛 = 0 𝑋𝑛 = 𝑁 , así podemos plantear:

𝓊𝑘 = 𝑃 𝑋𝜏 = 0 𝑋0 = 𝑘

Probabilidad de que A se arruine dado que empieza con k unidades monetarias

PROCESOS ESTOCÁSTICOS – CAMINATAS ALEATORIAS
El problema del jugador
𝓊𝑘 = 𝑝 ∗ 𝓊𝑘+1 + 𝑞𝓊𝑘−1
Se sabe que p+q=1, por lo que se puede escribir sin problema

(𝑝 + 𝑞)𝓊𝑘 = 𝑝 ∗ 𝓊𝑘+1 + 𝑞𝓊𝑘−1

Operando sobre esta ecuación se obtiene

𝑞
𝓊𝑘+1 − 𝓊𝑘 = (𝓊𝑘 − 𝓊𝑘−1 )
𝑝
PROCESOS ESTOCÁSTICOS – CAMINATAS ALEATORIAS
El problema del jugador
Otorgando diferentes valores para k, se tienen dos “valores de frontera” fijos
𝓊0 = 1 ⋀ 𝓊 𝑁 = 0
𝑞
Para valores de k entre 1 y N-1, en 𝓊𝑘+1 − 𝓊𝑘 = (𝓊𝑘 − 𝓊𝑘−1 ) se tiene lo siguiente:
𝑝
Para k=1
𝑞 𝑞
𝓊2 − 𝓊1 = 𝓊1 − 𝓊0 = 𝓊1 − 1
𝑝 𝑝
Para k=2
𝑞 𝑞 𝑞 𝑞 2
𝓊3 − 𝓊2 = 𝓊2 − 𝓊1 = 𝓊1 − 1 = 𝓊1 − 1
𝑝 𝑝 𝑝 𝑝
PROCESOS ESTOCÁSTICOS – CAMINATAS ALEATORIAS
El problema del jugador
De manera general tendremos:
𝑞
𝓊2 − 𝓊1 = 𝓊1 − 1
𝑝
2
𝑞
𝓊3 − 𝓊2 = 𝓊1 − 1
𝑝
3
𝑞
𝓊4 − 𝓊3 = 𝓊1 − 1
𝑝
⋮
𝑘−1
𝑞
𝓊𝑘 − 𝓊𝑘−1 = 𝓊1 − 1
𝑝

Si sumamos…
PROCESOS ESTOCÁSTICOS – CAMINATAS ALEATORIAS
El problema del jugador

Tenemos
2 3 𝑘−1
𝑞 𝑞 𝑞 𝑞
𝓊𝑘 − 𝓊1 = + + +⋯+ 𝓊1 − 1
𝑝 𝑝 𝑝 𝑝

Supongamos p = q = 1/2 𝓊𝑘 − 𝓊1 = (𝑘 − 1) 𝓊1 − 1

Tomando k = N 𝓊𝑁 − 𝓊1 = (𝑁 − 1) 𝓊1 − 1 Pero 𝓊𝑁 = 0

Por tanto −𝓊1 = (𝑁 − 1) 𝓊1 − 1

(𝑁 − 1)
𝓊1 =
𝑁
PROCESOS ESTOCÁSTICOS – CAMINATAS ALEATORIAS
El problema del jugador

Sustituimos en 𝓊𝑁 − 𝓊1 = (𝑁 − 1) 𝓊1 − 1

(𝑁 − 1) (𝑁 − 1)
𝓊𝑘 − = (𝑘 − 1) −1
𝑁 𝑁

Operando lo necesario llegamos a

(𝑁 − 𝑘)
𝓊𝑘 =
𝑁
PROCESOS ESTOCÁSTICOS – CAMINATAS ALEATORIAS
El problema del jugador
Ahora, si p ≠ q
2 3 𝑘−1
𝑞 𝑞 𝑞 𝑞
𝓊𝑘 − 𝓊1 = + + +⋯+ 𝓊1 − 1
𝑝 𝑝 𝑝 𝑝
2 3 𝑘−1
𝑞 𝑞 𝑞 𝑞
La suma en progresión geométrica + + + ⋯+
𝑝 𝑝 𝑝 𝑝

𝑘
𝑞 𝑞
−
𝑝 𝑝
𝑆𝑘−1 =
𝑞
1−
𝑝
PROCESOS ESTOCÁSTICOS – CAMINATAS ALEATORIAS
El problema del jugador
Nos queda la ecuación 𝓊𝑘 − 𝓊1 = 𝑆𝑘−1 𝓊1 − 1

Tomando k = N 𝓊𝑁 − 𝓊1 = 𝑆𝑁−1 𝓊1 − 1 Pero 𝓊𝑁 = 0

Por tanto 𝓊1 = 𝑆𝑁−1 1 − 𝓊1

𝑆𝑁−1
𝓊1 =
𝑆𝑁−1 + 1

𝑆𝑁−1 𝑆𝑁−1
Sustituimos 𝓊𝑘 − = 𝑆𝑘−1 −1
𝑆𝑁−1 + 1 𝑆𝑁−1 + 1
PROCESOS ESTOCÁSTICOS – CAMINATAS ALEATORIAS
El problema del jugador
Considerando que
𝑘
𝑞 𝑞 𝑁 𝑞 𝑞
− −
𝑝 𝑝 𝑝 𝑝
𝑆𝑁−1 = 𝑆𝑘−1 =
𝑞 𝑞
1− 1−
𝑝 𝑝

Operando lo necesario llegamos a:

𝑘
𝑞 𝑞 𝑁
−
𝑝 𝑝
𝓊𝑘 =
𝑞 𝑁
1−
𝑝
 PROCESOS ESTOCÁSTICOS – CAMINATAS ALEATORIAS
El problema del jugador
PROBABILIDAD Uk
1

0,9

0,8

0,7

0,6

0,5

0,4

0,3

0,2

0,1

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50

0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9