5 votos

pregunta de probabilidad sobre el movimiento browniano

Supongamos que WtWt es un movimiento browniano estándar, calcula la probabilidad de que WtW2tWtW2t es negativo, es decir, P(WtW2t<0)P(WtW2t<0) . Me resulta difícil calcular la probabilidad. Gracias.

3 votos

Parece una tarea. ¿Qué has probado? Probablemente quieras usar el hecho de que WW tiene incrementos independientes.

0 votos

Esto es conceptualmente simple, pero puede necesitar algunos cálculos tediosos.

0 votos

He tratado de resolver como: P(WtW2t<0)=P(Wt<0,W2t>0)+P(Wt>0,W2t<0)=P(WtW2t<0)=P(Wt<0,W2t>0)+P(Wt>0,W2t<0)=P(W2t>0|Wt<0)P(Wt<0)+P(W2t<0|Wt>0)P(Wt>0)=P(W2tWt+Wt>0|Wt<0)P(Wt<0)+P(W2tWt+Wt<0|Wt>0)P(Wt>0)P(W2t>0|Wt<0)P(Wt<0)+P(W2t<0|Wt>0)P(Wt>0)=P(W2tWt+Wt>0|Wt<0)P(Wt<0)+P(W2tWt+Wt<0|Wt>0)P(Wt>0).

6voto

Paul Dixon Puntos 577

Desde W2tWtW2tWt es independiente de WtWt y tiene la misma ley que W2tt=WtW2tt=Wt sólo tenemos que calcular P(X(X+Y)<0)P(X(X+Y)<0) donde (X,Y)(X,Y) sigue una distribución normal bivariada (con correlación cero). A partir de ahí se puede dividir la probabilidad en dos casos : o bien X<0X<0 y X+Y>0X+Y>0 o lo contrario. Los dos eventos tienen la misma probabilidad ya que (X,Y)(X,Y)(X,Y)(X,Y) . Queda el cómputo de P(X<0,X+Y>0)P(X<0,X+Y>0) ya que la distribución de (X,Y)(X,Y) es invariable por la rotación alrededor del eje z) esta probabilidad puede ser calculada geométricamente (piense en cortar un pastel, siendo el pastel la densidad bivariada) : es igual a 1/81/8 . El resultado final es el siguiente 1/41/4 .

0 votos

Muchas gracias por dar una respuesta intuitiva. Sólo un poco confundido que quiere decir (X,XY)(X,X+Y)(X,XY)(X,X+Y) en lugar de (X,XY)(X,Y)(X,XY)(X,Y)

0 votos

Fue un error tipográfico, lo siento.

4voto

otto.poellath Puntos 1594

Su descomposición es correcta. Voy a mostrar aquí el cálculo para un término: \begin {align*} P(W_t < 0, W_{2t} >0) &= P(W_t < 0, W_{2t}-W_t > -W_t) \\ &= E \Big (E \big ( \mathbb {1}_{{W_t < 0\}} \mathbb {1}_{{W_{2t}-W_t > -W_t\}} \mid W_t \big ) \Big ) \\ &= E \Big ( \mathbb {1}_{{W_t < 0\}} \Phi\big (W_t/ \sqrt {t} \big ) \Big ) \\ &=E \Big ( \mathbb {1}_{{W_t/}} \sqrt {t} < 0\}} \Phi\big (W_t/ \sqrt {t} \big ) \Big ) \\ &= \int_ {- \infty }^0 \phi (x) \Phi (x) dx \\ &= \frac {1}{2} \Phi (x)^2 \mid_ {- \infty }^0 \\ &= \frac {1}{8}, \end {align*} donde \begin {align*} \phi (x)= \frac {1}{ \sqrt {2 \pi }} e^{- \frac {x^2}{2}} \end {align*} es la densidad de una variable aleatoria normal estándar, y Φ(x)Φ(x) es la función de distribución acumulativa.

0 votos

En la primera línea P(Wt<0,W2t>0)=E(Wt<0,W2tWt>Wt),P(Wt<0,W2t>0)=E(Wt<0,W2tWt>Wt), ¿por qué se cambia la probabilidad por la expectativa? ¿Qué resultado está utilizando?

0 votos

@Idonknow: Tenga en cuenta que P(A)=E(11A)P(A)=E(11A) .

0 votos

Sí, soy consciente de esta igualdad. Pero no hay ninguna función indicadora en E[Wt<0,W2tWt>Wt].E[Wt<0,W2tWt>Wt].

Finanhelp.com

FinanHelp es una comunidad para personas con conocimientos de economía y finanzas, o quiere aprender. Puedes hacer tus propias preguntas o resolver las de los demás.

Powered by:

X