Echa un vistazo al siguiente documento sobre la distribución de la Reducción Máxima:
Sobre la máxima reducción de un movimiento browniano
Los autores terminan con una serie aproximada para la densidad. Se implementa en la función maxdd del paquete R fBasics . Hay funciones convenientes dmaxdd , pmaxdd y rmaxdd . Calcular la reducción esperada debería ser fácil.
Sólo tiene que comparar sus resultados con la salida de este paquete (media, cuantiles, etc.) y debería estar bien.
En realidad, no es necesario "simular" las depresiones de un movimiento browniano, basta con tomar muestras aleatorias con rmaxdd .
Cuando dice "coincidir" o "acercarse", ¿se refiere probablemente a que las medias convergen si el tamaño de la muestra aumenta?
Por la ley de los grandes números, las medias de las reducciones máximas muestreadas convergerán a la reducción máxima esperada (aunque la convergencia puede ser lenta, especialmente si la distribución no tiene varianza finita). En realidad, las distribuciones empíricas se "acercan" a la distribución de las detracciones máximas.
0 votos
Cuanto más tiempo se ejecute la simulación o cuanto mayor sea el número de iteraciones que se realicen, más cerca debería estar.
0 votos
Algunos años después... Me estoy enfrentando exactamente a tu tema y estoy encontrando incoherencias entre la teoría y la simulación. ( quant.stackexchange.com/questions/42031 ) ¿Has desarrollado más experiencia en este tema? El debate es bienvenido