• Nenhum resultado encontrado

Introdu¸c˜ao aos Processos Estoc´asticos

N/A
N/A
Protected

Academic year: 2022

Share "Introdu¸c˜ao aos Processos Estoc´asticos"

Copied!
11
0
0

Texto

(1)

Introdu¸c˜ ao aos Processos Estoc´ asticos

Luiz Renato Fontes

1

(2)

Processos Markovianos de saltos

SejaS um cj enumer´avel qquer e Q= (qxy)x,y∈S uma Q-matriz, i.e.,Qsatisfaz ∀x,y ∈ S

(i) 0≤qx :=−qxx <∞;

(ii) qxy ≥0, sex 6=y; (iii) P

z∈Sqxz = 0.

Obs. P

z∈S,z6=xqxz =qx Parax,y ∈ S, sejam πxy =

(q

xy

qx , seqx 6= 0 e x 6=y;

0, seqx = 0 e x 6=y. e πxx =

(0, seqx 6= 0;

1, seqx = 0.

Ent˜aoΠ:={πxy;x,y ∈ S}´e uma matriz estoc´astica.

2

(3)

PMSs (cont)

Vamos a seguir construir um processo de saltos (Xt), definindo a cadeia de saltos e depois os tempos de salto.

1) Cadeia de saltos: (Yn)∼CM(µ,Π), onde µ´e a distr de X0. 2) Dada (Yn),T1,T2, . . . s˜ao va’s exponenciais indep com taxas qY0,qY1, . . ., resp.

Constru¸c˜ao de (Xt)

Sejamτ0, τ1, . . . va’s iid Exp(1). Dada (Yn), fa¸camos Tn+1n/qYn,n≥0

(conv: τn/0 =∞). Note que Tn>0 ∀n ≥1 qc.

H´a 3 casos (como j´a vimos antes, mais genericamente).

3

(4)

3 casos

1) SeTn<∞ ∀ n1 eSn=Pn

i=1Ti→ ∞qdon→ ∞, ent˜ao Xt =Yn, se Snt <Sn+1 para algumn0 (S0= 0), est´a bem definido para todot 0.

2) SeTn=para algumn1, sejan= min{n1 : Tn=∞}, ent˜ao

Xt =Yn, se Snt <Sn+1 para algumn<n (Sn=∞), est´a bem definido para todot 0.

3) SeTn<∞ ∀ n1 eSnζ <qdon→ ∞, ent˜ao Xt =Yn, se Snt <Sn+1 para algumn0

=∞, set ζ, onde

´e um pto adicionado a S, est´a bem definido para todot0.

(Xt)t≥0assim definido ´e ditoprocesso Markoviano de saltos (m´ınimo) associado aQ. Not: (Xt)PMS(·,Q).

4

(5)

PMS — Ppdde de Markov

Teorema 1

Dados 0≤t0 <t1 <· · ·<tn<tn+1 e x0, . . . ,xn+1 ∈ S,

P(Xtn+1 =xn+1|Xtn =xn, . . . ,Xt0 =x0) =Pxn(Xtn+1−tn =xn+1).

Dem.Segue da constru¸c˜ao, usando a falta de mem´oria da distr

exponencial e ppdde de Markov de (Yn).

𝑋!

𝑡 𝒮

𝑡! 𝑡" … … … 𝑡#

~ 𝐸𝑥𝑝(𝑞!!) indep do passado

5

(6)

Constru¸c˜ oes equivalentes

1){τny;y∈ S,n≥0}iid Exp(1) Dado queYn=x, ent˜ao fa¸ca

Tn+1yny/qxy,y6=x; Tn+1= infy6=xTn+1y ; Yn+1 =

(y, seTn+1 =Tn+1y ; x, seTn+1 =∞.

2) Sejam (Ntxy),x,y ∈ S, PPs indep c/txsqxy, resp.

DadosY0 e S0= 0, fa¸camos indutiva/e Sn+1 = inf{t>Sn: NtYn,y 6= NSYn,y

n para algum y6=Yn}, e Yn+1 =

(y, seSn+1 <∞ eNSYn,y

n+1 6= NSYn,y

n ;

Yn, seSn+1 =∞.

Obs. Os infs acima est˜ao bem defs pois P

y6=xqxy =qx <∞.

6

(7)

Explos˜ ao

Dizemos que um PMS(·,Q)/a Q-matriz Q´e explosivo/a se Px(Sn→ζ <∞ qdon → ∞)>0 para algumx ∈ S. Do contr´ario, dizemos que o PMS/Q´e n˜ao explosivo/a.

Teorema 2

Seja (Xt)∼PMS(µ,Q). Ent˜ao (Xt) ´e n˜ao explosivo se (i) S for finito; ou

(ii) supx∈Sqx <∞; ou

(iii) X0 =x ex for recorrente para (Yn).

Dem.Usamos a constr de (Xt) com tempos de salto Tn+1n/qYn,n≥0, ondeτ0, τ1, . . . va’s iid Exp(1).

7

(8)

Dem. Teo 2 (cont)

Em (i) e (ii), sejaq = supx∈Sqx. Ent˜ao qζ =qP

n=0Tn+1≥P

n=0τn=∞ qc

Em (iii), vamos supor queqx >0, do contr´ario temos uma situa¸c˜ao trivial. Ent˜ao, existe qc uma subsequˆencia

0 =N0 <N1<· · · tq YNi =x,i ≥0. Logo qxζ ≥P

i=0τNi =∞ qc.

Teorema 3

Seja (Xt)∼PMS(·,Q), eζ o tempo de explos˜ao de (Xt).

Fixadoθ >0, sejazx =Ex(e−θζ),x∈ S. Ent˜aoz := (zx) satisfaz:

(i) |zx| ≤1,x ∈ S;

(ii) Qz =θz.

Al´em disto, se ˜z satisfizer (i-ii), ent˜ao ˜zx ≤zx,x∈ S.

8

(9)

Dem. Teo 3

(i) ´e ´obvio;

(ii) Condicionando no 1o salto:

zx =Ex(e−θζ) =X

y6=x

Z

0

dt qxe−qxtπxye−θtEy(e−θζ)

=qx

X

y6=x

πxyzy

Z

0

dt e−(qx+θ)t = qx

qx +θ X

y6=x

πxyzy

⇒zx(θ−qxx) =P

y6=xqxyzy ⇒ θzx =P

yqxyzy ii

O argumento acima pode ser repetido p/obtermos:

Ex(e−θSn+1) =P

y6=x qxy

qxEy(e−θSn), n≥0

9

(10)

Dem. Teo 3 (cont)

Se ˜z satisfaz (i-ii), ent˜ao

˜

zx ≤1 =Ex(e−θS0),x ∈ S, e, supondo indutiva/e que

˜

zx ≤Ex(e−θSn), x∈ S, ent˜ao, de (ii),

˜ zx =P

y6=x qxy

qxy ≤P

y6=x qxy

qxEx(e−θSn) =Ex(e−θSn+1), e completamos o passo de indu¸c˜ao para concluir que

˜

zx ≤Ex(e−θSn), n≥0, e logo

˜

zx ≤limn→∞Ex(e−θSn) =Ex(e−θζ) =zx,x∈ S

10

(11)

Corol´ ario

Para todoθ >0, s˜ao equivalentes (i) Q´e n˜ao explosiva;

(ii) Qz =θz e|zx| ≤1 ∀x ∈ S ⇒z ≡0.

Dem.(i ⇒ ii)

(i)⇒Px(ζ =∞) = 1∀x ⇒Ex(e−θζ) = 0∀x. (∗) SeQz =θz e |zx| ≤1, ent˜ao temos do Teo 3 que

±zx ≤Ex(e−θζ)(∗)= 0⇒zx = 0 . (ii⇒ i)

Do Teo 3, temos queEx(e−θζ) satisfaz a premissa de (ii).

Segue ent˜ao da conclus˜ao de (ii) que

Ex(e−θζ) = 0,x ∈ S e, logo, Px(ζ =∞) = 1, x∈ S.

11

Referências

Documentos relacionados

A an´ alise de dados amostrais possibilita que se fa¸ ca inferˆ encia sobre a distribui¸ c˜ ao de probabilidades das vari´ aveis de interesse, definidas sobre a popula¸ c˜ ao da

Em geral, cada linha da matriz de dados corresponde a uma unidade de investiga¸c˜ ao (e.g. uni- dade amostral) e cada coluna, a uma vari´ avel. Uma planilha bem elaborada

A an´ alise de dados amostrais possibilita que se fa¸ ca inferˆ encia sobre a distribui¸ c˜ ao de probabilidades das vari´ aveis de interesse, definidas sobre a popula¸ c˜ ao da

Vocˆ e pode fazer est´ a quest˜ ao mesmo que n˜ ao tenha escrito a fun¸c˜ ao carregue_mapa() ou a fun¸c˜ ao sokoban_resolvido(). Um exemplo de execu¸c˜ ao do programa est´ a

Introdu¸c˜ ao aos Processos Estoc´ asticos.. Luiz

Reciprocamente, dadas uma distribui¸ c˜ ao de probabilidade µ e uma matriz estoc´ astica P em S, existe uma Cadeia de Markov X em S com distribui¸c˜ ao inicial µ e matriz

De fato, no caso desfavor´ avel, a melhor estrat´ egia ´ e apostar R$ 50 de uma vez; no caso, favor´ avel, melhor apostar em cada jogo o menos poss´ıvel (1 centavo, digamos).. Os

Segue da constru¸ c˜ ao, usando a falta de mem´ oria da distr exponencial e ppdde de Markov de (Y