Processo di Wiener

Da Wikipedia, l'enciclopedia libera.
Una singola traiettoria di un processo di Wiener unidimensionale

In matematica, un processo di Wiener, conosciuto anche come moto browniano, è un processo stocastico gaussiano in tempo continuo con incrementi indipendenti, usato per modellizzare il moto browniano stesso e diversi fenomeni casuali osservati nell'ambito della matematica applicata, della finanza e della fisica. È uno dei processi di Lévy meglio conosciuti.

Il processo di Wiener ricopre un ruolo importante anche in matematica pura, dove diede vita allo studio della martingala a tempo continuo, che risultò fondamentale per la descrizione e la modellizzazione di processi stocastici più complessi. Per questo questo tipo di processo ricopre un ruolo vitale nel calcolo stocastico, nei processi di diffusione e anche nella teoria del potenziale.

In matematica applicata, il processo di Wiener è usato per rappresentare l'integrale del rumore bianco gaussiano; ed è molto utile come modello del rumore in ingegneria elettronica, nella teoria dei filtri e per rappresentare gli ingressi sconosciuti nella teoria dei controlli.

Definizione[modifica | modifica wikitesto]

Un processo di Wiener W_t è caratterizzato dalle seguenti condizioni:

  • Le traiettorie, ovvero le funzioni t\to W_t sono continue quasi certamente;
  • Il processo ha incrementi indipendenti, ovvero, scelti quattro tempi 0\leq s_1 \leq t_1 \leq s_2 \leq t_2 (gli intervalli (s_1,t_1) e (s_2,t_2) non si intersecano), allora
\ W_{t_1}-W_{s_1} e \ W_{t_2}-W_{s_2}
sono variabili casuali indipendenti.
  • Il processo ha incrementi gaussiani, ovvero scelti due tempi s\leq t
\ W_{t}-W_{s}\sim N\left(0,(t-s)\right)
dove \ N(\mu,\sigma^{2}) denota una distribuzione normale con media \ \mu e varianza \ \sigma^{2};


Proprietà[modifica | modifica wikitesto]

Dalla definizione segue che, per ogni t, la variabile aleatoria W_t ha legge gaussiana N(0,t). Da questo fatto possono essere ricavate le seguenti proprietà:

f_{W_t}(x) = \frac{1}{\sqrt{2 \pi t}} e^{-\frac{x^2}{2t}}.
\mathbb{E}[W_t] = 0.
\operatorname{Var}(W_t)= t.
\operatorname{cov}(W_s,W_t) = \min(s,t),
  • La correlazione tra W_s e W_t è pari a
\operatorname{corr}(W_s,W_t) = \sqrt{\frac{\min(s,t)}{\max(s,t)}}.

Massimo e minimo[modifica | modifica wikitesto]

Sia  M_t = \max_{0 \leq s \leq t} (W_s) il massimo raggiunto dal moto browniano nell'intervallo [0,t]. La densità di M_t è data, al variare di t, da:

 f_{M_t}(m) = \sqrt{\frac{2}{\pi t}}e^{-\frac{m^2}{2t}}\mathbf{1}_{[0,+\infty)}.

Il suo valore atteso è

 \mathbb{E}[M_t] = \sqrt{\frac{2t}{\pi}}

Se invece m_t = \min_{0 \leq s \leq t} (W_s) è il minimo raggiunto dal moto browniano in [0,t], per simmetria dello stesso la sua densità sarà

 f_{m_t}(m) = \sqrt{\frac{2}{\pi t}}e^{-\frac{m^2}{2t}}\mathbf{1}_{(-\infty,0]},

mentre il suo valore atteso è

 \mathbb{E}[M_t] = -\sqrt{\frac{2t}{\pi}}

Proprietà di scaling[modifica | modifica wikitesto]

Se W_t è un moto browniano, allora

  • V_t = W_{t+s} - W_s è un moto browniano
  • V_t = - W_t è un moto browniano
  • Per ogni c>0, V_t = cW_{t/c^2} è un moto browniano
  • Il processo Z_t tale che Z_0=0 e Z_t = tW_{1/t} per t>0 è un moto browniano.

Regolarità delle traiettorie[modifica | modifica wikitesto]

Il moto browniano è continuo quasi certamente per definizione. Se si elimina questa condizione dalla sua caratterizzazione, si ottiene un processo non necessariamente continuo. Utilizzando il teorema di continuità di Kolmogorov si può però dimostrare che questo processo ha comunque una versione continua quasi certamente. In questo senso, la condizione di continuità seleziona proprio questa versione.

Utilizzando lo stesso teorema, si dimostra anche che quasi certamente ogni traiettoria del moto browniano è holderiana di esponente \gamma solo per \gamma < \frac{1}{2}.

Pur essendo continua su tutto il proprio dominio, la traiettoria del moto browniano non è derivabile in nessun punto.

Comportamento asintotico[modifica | modifica wikitesto]

La legge del logaritmo iterato afferma che, se W_t è un moto browniano, allora

 \limsup_{t\to+\infty} \frac{ |W_t| }{ \sqrt{ 2t \log\log t } } = 1, \quad \text{quasi certamente}.

Proprietà di martingala[modifica | modifica wikitesto]

Il processo di Wiener è una martingala. Più in particolare, se W_t è un processo di Wiener e p(x,t) è un polinomio che soddisfa

\left( \frac{\partial}{\partial t} + \frac{1}{2} \frac{\partial^2}{\partial x^2} \right) p(x,t) = 0,

allora M_t:=p(W_t,t) è una martingala.

Differenziale del processo di Wiener[modifica | modifica wikitesto]

Se si considera il processo di Wiener in corrispondenza di un lasso di tempo sufficientemente piccolo si ottiene l'incremento infinitesimo di tale processo nella forma

\ W_{t+dt}-W_{t}=\delta W_{t}= N \sqrt {dt} (1)

la quale può scriversi come

\frac {W_{t+dt}-W_{t}}{dt}= \frac {N} {\sqrt {dt}}

Tale processo non è a variazione limitata, e per questo non risulta differenziabile nell'ambito dell'analisi classica. Infatti la precedente tende ad infinito al tendere a zero dell'intervallo \ dt.

Accantonati in parte gli strumenti dell'analisi classica, il differenziale del processo di Wiener può essere comunque definito in senso stocastico. Infatti, essendo la varianza di tale processo \ \textrm{E}(W_{t}^2)-\textrm{E}^2(W_{t})=t ed essendo il valore atteso di tale processo nullo \ \textrm{E}(W_{t})=\textrm{E}^2(W_{t})=0 si ha che la media quadratica del processo di Wiener coincide con il tempo trascorso, ovvero \ \textrm{E}(W_{t}^2)=t.

In base a ciò possiamo definire il differenziale di un processo di Wiener tramite il differenziale della media quadratica di tale processo. Ovvero il differenziale di \ W_{t} rispetto al tempo è \ dW_{t} in quanto il differenziale di \ t è \ dt.

In altre parole il differenziale di un processo di Wiener è quel processo la cui media quadratica coincide con il differenziale della media quadratica del processo di Wiener da differenziare. (In formule \ E(dW_{t}^2)=dE(W_{t}^2))

In base a quanto sopra esposto si può definire il differenziale di un processo di Wiener con la formula

\ dW_{t}=N \sqrt {dt}

la quale, confrontata con la (1), mostra che secondo l'approccio stocastico \ \delta W_{t} coincide proprio con \ dW_{t}, e sussistono le proprietà \ \textrm{E}(dW_{t})=0 ed \ \textrm{var}(dW_{t})= dt.

In termini meno formali il differenziale del processo di Wiener non è altro che un processo di Wiener considerato in un lasso di tempo infinitesimo.

Un'interessante proprietà del processo di Wiener è l'approssimativa non stocasticità del fattore \ dW_{t}^2 al tendere a zero del fattore temporale \ dt.

Bibliografia[modifica | modifica wikitesto]

  • T. Hida, Brownian Motion, Springer, 1980.
  • I. Karatzas, S. Shreve, Brownian Motion and Stochastic Calculus, Springer, 1998.
  • Revuz D., M. Yor, Continuous Martingales and Brownian Motion, Springer, 1991.
  • Paolo Baldi, Equazioni differenziali stocastiche, Pitagora editrice, 2000, ISBN 978-88-371-1211-0.

Voci correlate[modifica | modifica wikitesto]

Collegamenti esterni[modifica | modifica wikitesto]

matematica Portale Matematica: accedi alle voci di Wikipedia che trattano di matematica