Cálculo estocástico. David Nualart Universitat de Barcelona
|
|
- Ana Quintana Lozano
- hace 8 años
- Vistas:
Transcripción
1 Cálculo esocásico David Nualar Universia de Barcelona 1
2 a) Demosrar que M = M + p x (s, B s)db s. b) Sea H = p (, B x ). Probar que 1 H2 d < casi seguramene, 1 pero E H2 d =. 2.9 Sean Y y X procesos de Iô. Demosrar la siguiene fórmula de inegración por pares: X Y = X Y + X s dy s + Y s dx s + dx s dy s. 3 Ecuaciones diferenciales esocásicas Queremos resolver ecuaciones diferenciales del ipo dx = b(, X )d + σ(, X )db. (34) Los coeficienes b(, x) yσ(, x) se denominan, respecivamene, coeficiene de deriva y coeficiene de difusión. Si el coeficiene de difusión se anula, enonces, endremos una ecuación diferencial ordinaria: dx d = b(, X ), que puede resolverse, si conocemos la condición inicial X. Por ejemplo, en el caso lineal b(, x) =b()x, la solución es X = X + e b(s)ds. Una ecuación diferencial del ipo (34) se denomina una ecuación diferencial esocásica. La solución será un proceso esocásico {X, } con rayecorias coninuas adapado a la filración browniana. Los procesos solución se denominan procesos de difusión. Una inerpreación heurísica de la ecuación diferencial (34) sería la siguiene: El incremeno X = X + X se expresa como una suma de b(, X ) más un érmino que depende del incremeno del movimieno browniano: σ(, X ) B y que se inerprea como una impulso aleaorio. Por 69
3 Preliminaries Pricing by binomial ree mehod Compuaional Mehods for Quaniaive Finance Models, Algorihms, Numerical Analysis Chrisoph Schwab N. Hilber, C. Winer ETHZ-UNIZ Maser of Advanced Sudies in Finance Spring Term 28 Chrisoph Schwab Compuaional Mehods for Quaniaive Finance
4 Pricing by Finie Difference Soluion of PDEs Compuaional Mehods for Quaniaive Finance Pricing by Finie Difference Soluion of PDEs Chrisoph Schwab N. Hilber, Ch. Winer Lecure 2 Chrisoph Schwab Compuaional Mehods for Quaniaive Finance
5 Ouline Pricing by Finie Difference Soluion of PDEs Opion prices as soluions of PDEs: Fokker-Planck equaion Finie Difference mehod for he hea equaion Pricing by Finie Difference Soluion of PDEs Opion prices as soluions of PDEs: Fokker-Planck equaion Finie Difference mehod for he hea equaion Chrisoph Schwab Compuaional Mehods for Quaniaive Finance
6 Pricing by Finie Difference Soluion of PDEs Opion prices as soluions of PDEs: Fokker-Planck equaion Finie Difference mehod for he hea equaion Seup Consider he SDE dx = b(, X )d + σ(, X )dw, X = x. (2.1) Assume K > such ha x, y R, T (A1) b(, x) b(, y) + σ(, x) σ(, y) K x y (A2) b(, x) + σ(, x) K(1 + x ) (A3) he RV x is independen of he σ algebra generaed by W and saisfies E[ x 2 ] < (A1) (A3) for any T (2.1) admis an unique soluion (X ) T wih he properies (X ) T is coninuous, (X ) T is adaped o he filraion generaed by x and W, E[ T X 2 d] <. Chrisoph Schwab Compuaional Mehods for Quaniaive Finance
7 Seup Pricing by Finie Difference Soluion of PDEs Opion prices as soluions of PDEs: Fokker-Planck equaion Finie Difference mehod for he hea equaion Assume he risky underlying (X ) T evolves according o he SDE dx = b(, X )d + σ(, X )dw, X = x. Assume r(, x) is a bounded and coninuous funcion modelling he riskless ineres rae. Objecive: Compue he value of an opion wih payoff h( ) which is he condiional expecaion V = u(, X )=E e R T r(s,xs,x )ds h(x,x ) F, (2.2) where Xs,x. is he soluion of he SDE (2.1) saring from x a ime T Chrisoph Schwab Compuaional Mehods for Quaniaive Finance
8 Pricing by Finie Difference Soluion of PDEs Infiniesimal generaor Opion prices as soluions of PDEs: Fokker-Planck equaion Finie Difference mehod for he hea equaion Soluion: characerize u(, x) as soluion of a parial differenial equaion. We need some auxiliary resuls. Assume ha σ,b in (2.1) are independen of. Denoe by A he differenial operaor acing on funcions f C 2. (Af)(x) = 1 2 σ2 (x)f (x)+b(x)f (x), (2.3) Chrisoph Schwab Compuaional Mehods for Quaniaive Finance
9 Pricing by Finie Difference Soluion of PDEs Infiniesimal generaor Opion prices as soluions of PDEs: Fokker-Planck equaion Finie Difference mehod for he hea equaion Proposiion Assume ha σ,b in (2.1) are independen of. Thenheprocess M := f(x ) (Af)(X s )ds (2.4) is a maringale wih respec o he filraion of W.Inparicular, for all, E f(x ) = f(x)+e Af(X s )ds. (2.5) Proof. Iô s Lemma, sochasic inegral w.r. o W is a maringale. Chrisoph Schwab Compuaional Mehods for Quaniaive Finance
10 Pricing by Finie Difference Soluion of PDEs Infiniesimal generaor Opion prices as soluions of PDEs: Fokker-Planck equaion Finie Difference mehod for he hea equaion Based on his Proposiion, we have Theorem Denoe by X x he soluion of he SDE (2.1) wih iniial condiion X x = x. Then for any funcion f C2, he funcion E[f(X x )] is coninuously differeniable and wih A as in (2.3) d d E f(x x ) = =(Af)(x) Remark The operaor A is called infiniesimal generaor of he diffusion process X x. Chrisoph Schwab Compuaional Mehods for Quaniaive Finance
11 Pricing by Finie Difference Soluion of PDEs Opion prices as soluions of PDEs: Fokker-Planck equaion Finie Difference mehod for he hea equaion Prices of European conracs are momens of he price process X x of he form u(x, ) =E e R r(xx s )ds h(x x ) (2.6) where h(x) and r(x) are coninuous funcions of x R. Such momens are soluions of deerminisic PDEs, as he following heorem, he so-called Feynman-Kac heorem, shows. Chrisoph Schwab Compuaional Mehods for Quaniaive Finance
12 Pricing by Finie Difference Soluion of PDEs Feynman-Kac Opion prices as soluions of PDEs: Fokker-Planck equaion Finie Difference mehod for he hea equaion Theorem Le u(x, ) C 2,1 (R R + ) be a soluion of he parabolic Cauchy problem u + Au ru = inr R + (2.7) u(x, ) = h(x) inr wih A as in (2.3). Thenu(x, ) can be represened as in (2.6), i.e. u(x, ) =E e R r(xx s )ds h(x x ). Viceversa, any u(x, ) as in (2.6) which is in C 2,1 (R R + ) solves he deerminisic Fokker Planck equaion (2.7). Chrisoph Schwab Compuaional Mehods for Quaniaive Finance
13 Pricing by Finie Difference Soluion of PDEs Opion prices as soluions of PDEs: Fokker-Planck equaion Finie Difference mehod for he hea equaion This resul is sill rue in a muli-dimensional model and for he case when he coefficien funcions b, σ and he discouning facor c depend also on. For p N consider he sysem of SDEs dx k = b k (, X )d + Denoe by A he operaor p σ kj (, X )dw j, 1 k n. (2.8) j=1 (Au)(x, ) = 1 2 r[σσ D 2 u]+b, u, (2.9) where D 2 =( xi x j ) 1 i,j n is he Hessian, σ =(σ ij ) 1 i n,1 j p and, denoes he sandard inner produc in R n. Chrisoph Schwab Compuaional Mehods for Quaniaive Finance
14 Pricing by Finie Difference Soluion of PDEs Feynman-Kac (baskes) Opion prices as soluions of PDEs: Fokker-Planck equaion Finie Difference mehod for he hea equaion Theorem (baskes) (i) If (X ) is a soluion of (2.8) and u(x, ) :R n R + R has bounded, second order derivaives in x and bounded firs order derivaives in and if r(, x) :R + R n R is a coninuous, bounded funcion on R + R n,henheprocess M := e R r(s,xs)ds u(x,) is a maringale. e R s r(τ,xτ )dτ ( u + Au ru)(x s,s)ds Chrisoph Schwab Compuaional Mehods for Quaniaive Finance
15 Pricing by Finie Difference Soluion of PDEs Opion prices as soluions of PDEs: Fokker-Planck equaion Finie Difference mehod for he hea equaion (ii) Le u(x, ) C 2,1 (R n [,T]) be a soluion of he parabolic Cauchy problem u + Au ru = inr n R + u(x, T ) = h(x) inr n (2.1) wih A as in (2.9). Thenu(x, ) can be represened as u(x, ) =E e R T r(s,xs,x )ds h(x,x T ). (2.11) Chrisoph Schwab Compuaional Mehods for Quaniaive Finance
16 Pricing by Finie Difference Soluion of PDEs Applicaion o he Black Scholes model Opion prices as soluions of PDEs: Fokker-Planck equaion Finie Difference mehod for he hea equaion Assume for simpliciy ha no dividends are paid. Dynamics of risky underlying: Geomeric Brownian moion ds = S (rd + σdw ), S = S (2.12) i.e. we have b(s) =rs, σ(s) =σs. The infiniesimal generaor A is A =: A BS = 1 2 σ2 S 2 SS + rs S. Chrisoph Schwab Compuaional Mehods for Quaniaive Finance
17 Pricing by Finie Difference Soluion of PDEs Opion prices as soluions of PDEs: Fokker-Planck equaion Finie Difference mehod for he hea equaion The discouned price of a European conrac wih payoff h(s), i.e. V (S, ) :=E[e r(t ) h(s T ) S = S], is equal o a regular soluion V (S, ) of he Black Scholes (BS) equaion V + A BS V rv = inr + [,T) V (S, T ) = h(s) inr +, (2.13) where A BS = 1 2 σ2 S 2 SS + rs S. Chrisoph Schwab Compuaional Mehods for Quaniaive Finance
18 Pricing by Finie Difference Soluion of PDEs Hea equaion Opion prices as soluions of PDEs: Fokker-Planck equaion Finie Difference mehod for he hea equaion By change of variables y(x, τ) :=e αx βτ V (e x,t 2τ/σ 2 ), α, β R he Black-Scholes equaion can be ransformed o he hea equaion (see exercise): τ y xx y = inr (, 1/2σ 2 T ] y(x, ) = y (x) inr We firs sudy finie difference mehod on his simple example. Boundary condiions If he equaion is saisfied for x (a, b), we need condiions a x = a and x = b, forallτ. Examples: Dirichle condiions: y(a, τ) =g a (τ), y(b, τ) =g b (τ). Neumann condiions: x y(a, τ) =g a (τ), x y(b, τ) =g b (τ). Remark If x R, we choose a bounded compuaional domain (a, b) and impose arificial boundary condiions. Chrisoph Schwab Compuaional Mehods for Quaniaive Finance
19 Pricing by Finie Difference Soluion of PDEs Discreizaion of he domain Opion prices as soluions of PDEs: Fokker-Planck equaion Finie Difference mehod for he hea equaion Compuaional domain [a, b] [, τ max ] is replaced by discree grid: {(x i, τ m )}, i =,...,N +1, m =,...,M, where x i are equidisan space grid poins wih space sep size h: x i = a + ih, h x = b a N +1, and τ m he ime levels wih ime sep size k: τ m = mk, k τ = τ max M. Remark I is possible o use variable sep sizes x i and τ m : for example, o refine he grid near he irregulariies of he soluion. Chrisoph Schwab Compuaional Mehods for Quaniaive Finance
20 Pricing by Finie Difference Soluion of PDEs Soluion on he grid Opion prices as soluions of PDEs: Fokker-Planck equaion Finie Difference mehod for he hea equaion The exac soluion y(x, ) is a surface on [a, b] [, τ max ]: infiniely dimensional objec. Compuer can work only wih finie quaniies. Therefore, we represen he soluion by is values on he grid: he surface is replaced by (N + 2) (M + 1) poins: y(x, ) {y m i = y(x i, τ m )}, i =,...,N+1,m=,...,M. The goal is o approximae he values {yi m }. Values of he soluion beween grid poins are hen found by some inerpolaion. Chrisoph Schwab Compuaional Mehods for Quaniaive Finance
21 Pricing by Finie Difference Soluion of PDEs Difference Quoiens (= Finie Differences) Opion prices as soluions of PDEs: Fokker-Planck equaion Finie Difference mehod for he hea equaion We wan o approximae he derivaives of y using only is values on he grid. Firs, le us consider a funcion f(x) of one variable. Assume ha f is wice differeniable wih coninuous derivaives; we wrie f C 2.Then,usingTaylor sformula, f (x) = f(x + h) f(x) h + h 2 f (ξ), ξ [x, x + h]. If f i = f(x i ) are he values of f on he grid {x i }, we obain f (x i ) f i+1 f i h wih a remainder ha goes o zero as h. Chrisoph Schwab Compuaional Mehods for Quaniaive Finance
22 Pricing by Finie Difference Soluion of PDEs Opion prices as soluions of PDEs: Fokker-Planck equaion Finie Difference mehod for he hea equaion Noaions f (x i )= f i+1 f i h + O(h) =:(δ + x f) i + O(h) f (x i )= f i f i 1 + O(h) =:(δx f) i + O(h) h (δ x + f) i and (δx f) i are called one-sided difference quoiens of f wih respec o x a x i.theyareaccurae of firs order (O(h)). Oher examples (valid for more regular funcions): f (x i )= f i+1 f i 1 2h + O(h 2 )=:(δ x f) i + O(h 2 ) f C 3, f (x i )= f i+1 2f i + f i 1 h 2 + O(h 2 )=:(δ 2 xxf) i + O(h 2 ) f C 4, f (x i )= f i+2 +4f i+1 3f i 2h Chrisoph Schwab + O(h 2 )=:( δ + x f) i + O(h 2 ) f C 3. Compuaional Mehods for Quaniaive Finance
23 Pricing by Finie Difference Soluion of PDEs Explici (Euler) finie difference scheme Opion prices as soluions of PDEs: Fokker-Planck equaion Finie Difference mehod for he hea equaion We replace PDE y τ 2 y x 2 y m+1 i yi m k for m =,...,M 1, i =1,...,N. Iniializaion: y i = y (x i ), i =,...,N +1. For m =,...,M 1: =by he se of algebraic equaions ym i+1 2ym i + yi 1 m h 2 = y m+1 i = k h 2 y m i 1 +(1 2 k h 2 )y m i + k h 2 y m i+1, i =1,...,N y m+1 = g a (τ m+1 ), y m+1 N+1 = g b(τ m+1 ) (if Dirichle boundary condiions) Chrisoph Schwab Compuaional Mehods for Quaniaive Finance
24 Pricing by Finie Difference Soluion of PDEs Neumann boundary condiions Opion prices as soluions of PDEs: Fokker-Planck equaion Finie Difference mehod for he hea equaion If boundary condiions are specified in Neumann form: y x (a, τ) =g a(τ), y x (b, τ) =g b(τ), τ [, τ max ] we can approximae he derivaives by one-sided finie differences: y m 1 ym h = g a (τ m ), y m N+1 ym N h = g b (τ m ), m =,...,M which gives boundary condiions for he discree scheme: y m = y m 1 hg a (τ m ), y m N+1 = y m N + hg b (τ m ), m =,...,M. Remark We can also use more accurae approximaions of y x as, for example, ( δ + x y). Chrisoph Schwab Compuaional Mehods for Quaniaive Finance
25 Pricing by Finie Difference Soluion of PDEs Implici finie difference scheme Opion prices as soluions of PDEs: Fokker-Planck equaion Finie Difference mehod for he hea equaion Here, he space derivaive is aken on he ime level m +1: y m+1 i yi m k for m =,...,M 1, i =1,...,N. Iniializaion: ym+1 i+1 2ym+1 i + yi 1 m+1 h 2 = y i = y (x i ), i =,...,N +1. For m =,...,M 1: y m+1 = g a (τ m+1 ), solve k y m+1 h 2 i 1 +(1+2k )y m+1 h 2 i k y m+1 h 2 i+1 = yi m, i =1,...,N y m+1 N+1 = g b(τ m+1 ). Chrisoph Schwab Compuaional Mehods for Quaniaive Finance
26 θ-scheme Pricing by Finie Difference Soluion of PDEs Opion prices as soluions of PDEs: Fokker-Planck equaion Finie Difference mehod for he hea equaion For a parameer θ [, 1], θ-scheme is a combinaion of explici and implici schemes: E m i := ym+1 i = ym+1 i yi m k yi m k (1 θ)(δxxy) 2 m i + θ(δxxy) 2 m+1 i (1 θ) ym i+1 2ym i + yi 1 m h 2 +θ ym+1 i+1 2ym+1 i + yi 1 m+1 θ = = explici scheme. θ =1 = implici scheme. θ =1/2 = Crank-Nicolson scheme. h 2 = Chrisoph Schwab Compuaional Mehods for Quaniaive Finance
27 Pricing by Finie Difference Soluion of PDEs θ-scheme in marix form Opion prices as soluions of PDEs: Fokker-Planck equaion Finie Difference mehod for he hea equaion Le us inroduce column vecors y m =(y1 m,...,yn m ), E m =(E1 m,...,en m ) and he ridiagonal N N marix 2 1. G = Then he FD θ-scheme E m =becomes, in marix form, I + θ k h 2 G y m+1 = I (1 θ) k h 2 G y m. /here, we assume homogeneous Dirichle boundary condiions/ Chrisoph Schwab Compuaional Mehods for Quaniaive Finance
28 Noaion Pricing by Finie Difference Soluion of PDEs Opion prices as soluions of PDEs: Fokker-Planck equaion Finie Difference mehod for he hea equaion To shoren he noaion, le us inroduce marices B = I + θ k h 2 G and C = I (1 θ) k h 2 G. The scheme becomes By m+1 = Cy m. To find y m+1, we have o solve his linear sysem: y m+1 = B 1 Cy m. Chrisoph Schwab Compuaional Mehods for Quaniaive Finance
29 Pricing by Finie Difference Soluion of PDEs θ-scheme for some modificaions of he PDE Inhomogeneous hea equaion: Opion prices as soluions of PDEs: Fokker-Planck equaion Finie Difference mehod for he hea equaion y τ = 2 y + f(x, τ) = x 2 By m+1 = Cy m + k[θf m+1 +(1 θ)f m ]. where f m =(f m 1,...,fm N ) and f m i = f(x i, τ m ). Inhomogeneous Dirichle BC: y(a, τ) =g a (τ), y(b, τ) =g b (τ) By m+1 = Cy m + k h 2 [θgm+1 +(1 θ)g m ]. where g m = g a (τ m ),,...,,g b (τ m ). Neumann BC: y x (a, τ) =g a(τ), y x (b, τ) =g b(τ) = (B θ k h 2 F )ym+1 =(C+(1 θ) k h 2 F )ym + k h [θgm+1 +(1 θ)g m ]. where g m = g a (τ m ),,...,,g b (τ m ),andf conains only wo non-zero elemens: F ij =excep F 11 = F NN =1. Chrisoph Schwab Compuaional Mehods for Quaniaive Finance
30 ano, el incremeno X endrá una ley normal de media b(, X ) y varianza σ(, X ) 2. La formalización de esas ecuaciones se realiza ransformándolas en ecuaciones inegrales y uilizando inegrales esocásicas: X = X + b(s, X s )ds + σ(s, X s )db s. (35) El resulado fundamenal sobre la exisencia y unicidad de soluciones es el siguiene: Teorema 18 Fijemos un inervalo de iempo [,T]. Supongamos que coeficienes de la ecuación (34) verifican: los b(, x) b(, y) D 1 x y (36) σ(, x) σ(, y) D 2 x y (37) b(, x) C 1 (1 + x ) (38) σ(, x) C 2 (1 + x ), (39) para odo x, y R, [,T]. Supongamos que Z es una variable aleaoria independiene de la σ-álgebra F T generada por el movimieno browniano en [,T], al que E(Z 2 ) <. Enonces, exise un único proceso {X, [,T]} coninuo, adapado, solución de (35) y al que Observaciones: T E X s 2 ds <. 1.- Ese resulado es ciero en dimensión superior, cuando B es un movimieno browniano m-dimensional, la solución X es un proceso esocásico n- dimensional, y los coeficienes son funciones b : [,T] R n R n, σ : [,T] R n R n m. 2.- La condición de crecimieno lineal (38,39) garaniza que la solución no exploa anes del iempo final T. Por ejemplo, la ecuación diferencial deerminisa dx = X 2,X =1, d 7
31 iene por única solución la función que diverge en el insane =1. X = 1 1, <1, 3.- La condición de Lipschiz (36,37) garaniza que no exisa más de una solución. Por ejemplo, la ecuación diferencial deerminisa dx d =3X 2/3,X =, iene infinias soluciones ya que para cada a>, la función si a X = ( a) 3 si >a es solución. En ese ejemplo la función b(x) = 3x 2/3 no cumple la condición de Lipschiz ya que la derivada de b no esá acoada. 4.- Si los coeficienes b(, x) yσ(, x) son diferenciables en la variable x, la condición de Lipschiz significa que las derivadas parciales b y σesán x x acoadas por las consanes D 1 y D 2, respecivamene. Demosración del Teorema 18: Consideremos el espacio L 2 a,t de los procesos adapados a la filración F Z T = σ(z) F y ales que E X s 2 ds <. En ese espacio inroducimos la siguiene norma T X = e λs E 1/2 Xs 2 ds, donde λ es una consane al que λ > 2(TD D 2 2). Definimos un operador en ese espacio de la forma siguiene (LX) = X + b(s, X s )ds + σ(s, X s )db s. Ese operador esá bien definido debido a la propiedad de crecimieno lineal (38,39) de los coeficienes de la ecuación. 71
32 La desigualdad de Schwarz y la isomería de la inegral esocásica nos permien escribir E (LX) (LY ) 2 2 2E (b(s, X s ) b(s, Y s )) ds 2 +2E (σ(s, X s ) σ(s, X s )) db s 2TE (b(s, X s ) b(s, Y s )) 2 ds +2E (σ(s, X s ) σ(s, X s )) 2 ds. Uilizando la propiedad de Lipschiz (36,37) se obiene E (LX) (LY ) 2 2 TD D 2 2 E (X s Y s ) 2 ds. Pongamos C =2(TD D 2 2). Por consiguiene, muliplicando por el facor e λ e inegrando en [,T] se obiene T e λ E (LX) (LY ) 2 d C Por lo ano, y como L 2 a,t C λ LX LY C C λ T T T e λ E (X s Y s ) 2 ds d T e λ d E (X s Y s ) 2 ds s e λs E (X s Y s ) 2 ds. C λ X Y < 1. Eso nos dice que el operador L es una conracción en el espacio. El eorema del puno fijo nos asegura que ese operador iene un único puno fijo, lo que implica la unicidad y exisencia de solución de la ecuación (35). 72
33 3.1 Soluciones explícias de ecuaciones diferenciales esocásicas La fórmula de Iô permie resolver explíciamene algunas ecuaciones diferenciales esocásicas. Veamos algunos ejemplos. A) Ecuaciones lineales. El movimieno browniano geomérico saisface la ecuación lineal X = X e µ σ 2 +σb 2 dx = µx d + σx db. Más generalmene, la solución de la ecuación lineal homogénea dx = b()x d + σ()x db será X = X exp b(s) 1 2 σ2 (s) ds + σ(s)db s B) El proceso de Ornsein-Uhlenbeck. Consideremos la ecuación diferencial esocásica dx = a (m X ) d + σdb X = x, donde a, σ > ym es un número real. Como se raa de una ecuación lineal no homogénea, uilizaremos el méodo de variación de las consanes. La solución de la ecuación homogénea dx = ax d x = x es x = xe a. Enonces hacemos el cambio de variable X = Y e a, es decir, Y = X e a. El proceso Y saisface dy = ax e a d + e a dx = ame a d + σe a db. 73
34 Por ano, lo que implica Y = x + m(e a 1) + σ e as db s, X = m +(x m)e a + σe a eas db s El proceso esocásico X es gaussiano. La media y varianza de cada variable X pueden calcularse fácilmene: E(X ) = m +(x m)e a, 2 V arx = σ 2 e 2a E e as db s = e 2a e 2as ds = σ2 1 e 2a. 2a La disribución de X cuando iende a infinio converge hacia la ley normal N(m, σ2 2a ). Esa ley se denomina la ley invariane o esacionaria. En el caso m = ese proceso se denomina el proceso de Ornsein-Uhlenbeck. C) Consideremos una ecuación diferencial esocásica del ipo dx = f(, X )d + c()x db,x = x, (4) donde f(, x) y c() son funciones deerminisas coninuas, ales que f saisface las condiciones de crecimieno lineal y propiedad de Lipschiz en la variable x. Esa ecuación se puede resolver siguiendo los pasos siguienes: a) Se considera el facor inegrane F =exp c(s)db s c 2 (s)ds, al que F 1 es solución de la ecuación (4) si f =yx =1. El proceso Y = F X cumple dy = F f(, F 1 Y )d, Y = x. (41) 74
35 b) La ecuación (41) es una ecuación diferencial deerminisa, paramerizada por ω Ω, que podrá resolverse mediane méodos habiuales. Por ejemplo, supongamos que f(, x) =f()x. En al caso la ecuación (41) es dy = f()y d, de lo que se deduce y, por lo ano, Y = x exp f(s)ds X = x exp f(s)ds + c(s)db s 1 2 c2 (s)ds D) Ecuación diferencial esocásica lineal general. Consideremos la ecuación dx =(a()+b()x ) d +(c()+d()x ) db, con condición inicial X = x, donde a, b, c y d son funciones coninuas. Uilizando el méodo de variación de las consanes propondremos una solución de la forma X = U V (42) donde y du = b()u d + d()u db dv = α()d + β()db, con U =1yV = x. Por el aparado C sabemos que U = exp b(s)ds + d(s)db s 1 d 2 (s)ds. 2 Por ora pare, diferenciando la igualdad (42) obenemos a() = U α() +β()d()u c() = U β() 75
36 es decir Finalmene, X = U x + β() = c() U 1 α() = [a() c()d()] U 1. [a(s) c(s)d(s)] U 1 s ds + 1 c(s) Us db s La ecuación diferencial esocásica de Iô X = X + b(s, X s )ds + σ(s, X s )db s, puede ransformarse en una ecuación de Sraonovich, uilizando la fórmula (27) que nos relaciona ambos ipos de inegral. Así, se obiene X = X + b(s, X s )ds 1 2 (σσ )(s, X s )ds + σ(s, X s ) db s, ya que la expresión del proceso σ(s, X s ) como proceso de Iô sería σ(, X ) = σ(,x )+ σ b 12 σ σ 2 (s, X s )ds + (σσ )(s, X s )db s. Yamada y Waanabe demosraron en 1971 que la condición de Lipschiz podía debiliarse de la forma siguiene, en el caso de ecuaciones diferenciales esocásicas unidimensionales. Supongamos que los coeficienes b y σ no dependen del iempo, el coeficiene b es Lipschiz, pero el coeficiene σ saisface la condición de Hölder σ(x) σ(y) D x y α, donde α 1. En al caso exise una única solución de la ecuación. 2 Por ejemplo, la ecuación dx = X r db iene una solución única si r 1/2. X = 76
37 3.2 Soluciones fueres y soluciones débiles La solución X que hemos enconrado anes es una solución fuere porque es un proceso adapado a la familia de σ-álgebras F Z = σ(b s,s, Z). Podemos planear el problema de forma diferene. Nos dan los coeficienes b(, x) yσ(, x) y nos piden que enconremos un par de procesos X,B en un espacio de probabilidad (Ω, F,P) ales que B es un movimieno browniano relaivo a una filración H y X saisface la ecuación (34) en ese espacio. Diremos enonces que (Ω, F,P,H,X,B ) es una solución débil de la ecuación (34). Pueden demosrarse los siguienes resulados: Toda solución fuere es ambién una solución débil. Una ecuación con coeficienes b(, x) yσ(, x) se dice que iene unicidad débil si dos soluciones débiles ienen la misma ley (las mismas disribuciones en dimensión finia). Si los coeficienes saisfacen las condiciones del Teorema (18) enonces se saisface la unicidad débil. La exisencia de soluciones débiles puede asegurarse suponiendo solamene que los coeficienes b(, x) y σ(, x) son funciones coninuas y acoadas. La ecuación de Tanaka dx = sign (X ) db,x =, no iene ninguna solución fuere pero iene una solución débil única. 3.3 Aproximaciones numéricas Muchas ecuaciones diferenciales esocásicas no pueden resolverse explíciamene. Por ello es conveniene disponer de méodos numéricos que permien la simulación de soluciones. 77
38 Consideremos la ecuación diferencial esocásica con coeficienes independienes del iempo dx = b(x )d + σ(x )db, (43) con condición inicial X = x. Fijemos un inervalo de iempo [,T] y consideremos la subdivisión formada por los punos j = it,i=, 1,..., n. n La longiud de cada subinervalo será δ n = T. n El méodo de Euler consise en el esquema recursivo siguiene: X (n) ( i )=X (n) ( i 1 )+b(x (n) ( i 1 ))δ n + σ(x (n) ( i 1 )) B i, i = 1,...,n, donde B i = B i B i 1. El valor inicial será X (n) = x. En los punos de cada inervalo ( i i+1 ) el valor del proceso X (n) se deduce por inerpolación lineal. El proceso X (n) es una función del movimieno browniano y podemos medir el error comerido al aproximar X por X (n) : e n = E X T X (n) T Puede demosrarse que e n es del orden δ 1/2 n e n cδ 1/2 n 2. es decir, si n n. Para simular una solución mediane el méodo de Euler, basa con obener valores de n variables aleaorias ξ 1,...., ξ n independienes con ley N(, 1), y subsiuir B i por δ n ξ i. El méodo de Euler puede mejorarse mediane una corrección adicional. Eso nos lleva a inroducir el méodo de Milsein. El valor exaco del incremeno enre dos punos de la parición es i X( i )=X( i 1 )+ b(x s )ds + σ(x s )db s. (44) i 1 i 1 En el méodo de Euler se basa en aproximar las inegrales de la forma siguiene: i b(s)ds b(x (n) ( i 1 ))δ n, i 1 i σ(s)db s σ(x (n) ( i 1 )) B i. i 1 78 i
39 En el méodo de Milsein, aplicaremos la fórmula de Iô a los procesos b(x s )y σ(x s ) que aparecen en (44), con objeo de obener una aproximación mejor. De esa forma obenemos = X( i ) X( i 1 ) i b(x (n) ( i 1 )) + + i 1 i i 1 s σ(x (n) ( i 1 )) + i 1 s bb + 12 s b σ 2 (X r )dr + i 1 = b(x (n) ( i 1 ))δ n + σ(x (n) ( i 1 )) B i + R i. bσ + 12 σ σ 2 (X r )dr + El érmino dominane en el reso es la inegral esocásica doble i s (σσ )(X r )db r db s, i 1 i 1 i 1 (σb )(X r )db r s ds i 1 (σσ )(X r )db r y puede demosrarse que las demás componenes del reso son de órdenes inferiores y pueden despreciarse. La inegral esocásica doble puede, a su vez, aproximarse por i (σσ )(X (n) ( i 1 )) i 1 s i 1 db r db s. Las reglas del cálculo esocásico nos permien calcular la inegral doble que nos queda: i s i db r db s = Bs B i 1 dbs i 1 i 1 i 1 = 1 B 2i B 2i 1 B i 1 Bi B i 1 δ 2 n 2 = 1 2 ( B i) 2 δ 2 n. En conclusión, el méodo de Milsein consise en el sisema recursivo siguiene db s X (n) ( i ) = X (n) ( i 1 )+b(x (n) ( i 1 ))δ n + σ(x (n) ( i 1 )) B i (σσ )(X (n) ( i 1 )) ( B i ) 2 δ 2 n. 79
40 Puede demosarse que el error e n es del orden δ n es decir, si n n. e n cδ n 3.4 Propiedad de Markov Consideremos un proceso de difusión n-dimensional {X, } que saisface una ecuación diferencial esocásica del ipo dx = b(, X )d + σ(, X )db, (45) donde B es un movimieno browniano m-dimensional y los coeficienes b y σ son funciones que saisfacen las hipóesis del Teorema (18). Seguidamene demosraremos que los procesos de difusión saisfacen la propiedad de Markov. Esa propiedad nos dice que el comporamieno fuuro del proceso, conociendo la información hasa el insane solo depende del valor del proceso en el insane presene, X. Definición 19 Diremos que un proceso esocásico n-dimensional {X, } es un proceso de Markov si para odo s<se iene E(f(X ) X r,r s) =E(fX ) X s ), para oda función medible y acoada f en R n. La ley de probabilidad de los procesos de Markov se caraceriza mediane las denominadas probabilidades de ransición: P (C,, x, s) =P (X C X s = x), donde s<, C B n y x R n. Es decir, P (,, x, s) es la ley de probabilidad de la variable X condicionada por X s = x. Si esa ley condicionada iene densidad, la designaremos por p(y,, x, s). Por ejemplo, el movimieno browniano real B es un proceso de Markov con probabilidades de ransición dadas por 1 p(y,, x, s) = e (x y) 2 2( s). 2π( s) 8
41 Designaremos por {X s,x, s} la solución de la ecuación diferencial esocásica (45) en el inervalo de iempo [s, ) y con condición inicial Xs s,x = x. Si s =, escribiremos X,x = X x. Puede demosrarse que exise una versión coninua en los res parámeros del proceso esocásico {X s,x, s, x R n }. Por ora pare, para cada s se cumple la siguiene propiedad: X x = X s,xx s (46) En efeco, X x para s saisface la ecuación diferencial esocásica Por ora pare, X s,y X x = X x s + verifica X s,y = y + s s b(u, X x u)du + b(u, X s,y u )du + s s σ(u, X x u)db u. σ(u, Xu s,y )db u y subsiuyendo y por Xs x obenemos que los procesos X x y X s,xx s son soluciones de la misma ecuación en el inervalo [s, ) con condición inicial Xs x. Por la unicidad de soluciones deben coincidir. Teorema 2 (Propiedad de Markov de las difusiones) Sea f una función medible y acoada definida en R n. Enonces, para cada s<endremos E [f(x ) F s ]=E [f(x s,x )] x=xs. Demosración: Tenemos, uilizando (46) y la Regla 7 de la esperanza condicionada: E [f(x ) F s ]=E f(x s,x s ) F s = E [f(x s,x )] x=xs, ya que el proceso {X s,x, s, x R n } es independiene de F s y la variable X s es medible respeco de F s. Ese eorema nos dice que los procesos de difusión ienen la propiedad de Markov y sus probabilidades de ransición son P (C,, x, s) =P (X s,x 81 C).
42 Si el proceso de difusión es homogéneo en el iempo, la propiedad de Markov se escribe E [f(x ) F s ]=E f(x x s) x=xs. 3.5 Generador de una difusión Consideremos un proceso de difusión n-dimensional {X, } que saisface una ecuación diferencial esocásica del ipo dx = b(, X )d + σ(, X )db. donde B es un movimieno browniano m-dimensional. Supondremos que los coeficienes b y σ saisfacen las hipóesis del Teorema 18 y que X es consane. Podemos asociar a un proceso de difusión un operador diferencial de segundo orden. Dicho operador, que denoaremos por A s, s, se denomina el generador de la difusión, y se define por A s f(x) = n i=1 b i(s, x) f x i + 1 n 2 i,j=1 (σσ ) i,j (s, x) 2 f x i x j. (47) En esa expresión f es una función en R n dos veces derivable con derivadas parciales coninuas (de clase C 1,2 ). La mariz (σσ )(s, x) es simérica y semidefinida posiiva: (σσ ) i,j (s, x) = n σ i,k (s, x)σ j,k (s, x). k=1 La relación enre el operador A s y la difusión viene dada por la siguiene propiedad, consecuencia de la fórmula de Iô: Si f(, x) es una función de clase C 1,2, enonces, f(, X ) es un proceso de Iô con diferencial f df (, X ) = (, X )+A f(, X ) d + n i=1 m j=1 f x i (, X )σ i,j (, X )db j. 82
PROCESOS ESTOCÁSTICOS PROCESOS ESTOCÁSTICOS INTEGRAL ESTOCÁSTICA ECUACIONES DIFERENCIALES ESTOCASTICAS: LEMA DE ITO
PROCESOS ESOCÁSICOS PROCESOS ESOCÁSICOS INEGRAL ESOCÁSICA ECUACIONES DIFERENCIALES ESOCASICAS: LEMA DE IO Procesos esocásicos Un proceso esocásico describe la evolución emporal de una variable aleaoria.
Más detallesTema 5: Diferenciabilidad: Aplicaciones
Prof. Susana López 1 UniversidadAuónomadeMadrid Tema 5: Diferenciabilidad: Aplicaciones 1 Funciones compuesas y Regla de la cadena Recordemos que la regla de la cadena para funciones de una sola variable
Más detallesLa transformada de Laplace
Capíulo 8 La ransformada de Laplace 8.. Inroducción a las ransformadas inegrales En ese aparado aprenderemos un méodo alernaivo para resolver el problema de valores iniciales (4.5.) y (x) + py (x) + qy(x)
Más detallesTEMA I: FUNCIONES ELEMENTALES
TEMA I: FUNCIONES ELEMENTALES. Función Logarimo Todos conocemos la definición de logarimo en base b, siendo b un número enero posiivo disino de. u = log b x x = b u y la propiedad fundamenal log b (xy)
Más detallesCapítulo 5 Sistemas lineales de segundo orden
Capíulo 5 Sisemas lineales de segundo orden 5. Definición de sisema de segundo orden Un sisema de segundo orden es aquel cuya salida y puede ser descria por una ecuación diferencial de segundo orden: d
Más detallesSoluciones Acotadas para Ecuaciones Diferenciales Ordinarias de Orden 2
Divulgaciones Maemáicas Vol. 7 No. 1 (1999), pp. 49 57 Soluciones Acoadas para Ecuaciones Diferenciales Ordinarias de Orden 2 Bounded Soluions for Second Order Ordinary Differenial Equaions Raúl Naulin
Más detallesCobertura de una cartera de bonos con forwards en tiempo continuo
Coberura de una carera de bonos con forwards en iempo coninuo Bàrbara Llacay Gilber Peffer Documeno de Trabajo IAFI No. 7/4 Marzo 23 Índice general Inroducción 2 Objeivos......................................
Más detallesAutor: D. Marcos Javier Olza Tapiz Tutor: Dr. D. Ricardo Vélez Ibarrola
Aproximación a FX y Producos Quano en el Marco Black-Scholes Trabajo aprobado para la obención del Tíulo de Maser en Maemáicas Avanzadas de la UNED. Especialidad de Invesigación Operaiva y Esadísica Auor:
Más detallesMaster en Economía Macroeconomía II. 1 Problema de Ahorro-Consumo en Horizonte Finito
Maser en Economía Macroeconomía II Profesor: Danilo Trupkin Se de Problemas 1 - Soluciones 1 Problema de Ahorro-Consumo en Horizone Finio Considere un problema de ahorro-consumo sobre un horizone finio
Más detallesMaster en Economía Macroeconomía II. 1 Learning by Doing (versión en tiempo discreto)
Maser en Economía Macroeconomía II Profesor: Danilo Trupkin Se de Problemas 4 - Soluciones 1 Learning by Doing (versión en iempo discreo) Considere una economía cuyas preferencias, ecnología, y acumulación
Más detallesLas derivadas de los instrumentos de renta fija
Las derivadas de los insrumenos de rena fija Esrella Peroi, MBA Ejecuivo a cargo Capaciación & Desarrollo Bolsa de Comercio de Rosario eperoi@bcr.com.ar Como viéramos en el arículo el dilema enre la asa
Más detallesCINEMÁTICA: MOVIMIENTO RECTILÍNEO, CONCEPTOS BÁSICOS Y GRÁFICAS
CINEMÁTICA: MOVIMIENTO RECTILÍNEO, CONCEPTOS BÁSICOS Y GRÁFICAS Dada la dependencia de la velocidad con la posición en un movimieno recilíneo mosrada por la siguiene gráfica, deerminar la dependencia con
Más detallesEcuaciones diferenciales, conceptos básicos y aplicaciones
GUIA 1 Ecuaciones diferenciales, concepos básicos y aplicaciones Las ecuaciones diferenciales ordinarias son una herramiena básica en las ciencias y las ingenierías para el esudio de sisemas dinámicos
Más detallesEl comportamiento del precio de las acciones
El comporamieno del precio de las acciones Esrella Peroi Invesigador enior Bolsa de Comercio de Rosario eperoi@bcr.com.ar Para comprender el funcionamieno de los modelos de valuación de opciones sobre
Más detalles3. Matrices y álgebra matricial
Marices y álgebra maricial Repasaremos algunos concepos básicos de la eoría maricial Nos cenraremos en aspecos relacionados con el álgebra lineal, la inversión y la diagonalización de marices Veremos algunas
Más detalles3 Aplicaciones de primer orden
CAÍTULO 3 Aplicaciones de primer orden 3.2. Modelo logísico El modelo de Malhus iene muchas limiaciones. or ejemplo, predice que una población crecerá exponencialmene con el iempo, que no ocurre en la
Más detallesPROBLEMAS RESUELTOS 1 (continuidad, derivabilidad y diferenciabilidad de funciones de varias variables)
Funciones de varias variables. PROBLEMAS RESUELTOS 1 (coninuidad, derivabilidad y diferenciabilidad de funciones de varias variables) PROBLEMA 1 Esudiar la coninuidad de la función: xy ( xy, ) (,) x +
Más detallesGuía de Ejercicios Econometría II Ayudantía Nº 3
Guía de Ejercicios Economería II Ayudanía Nº 3 1.- La serie del dao hisórico del IPC Español desde enero de 2002 hasa diciembre de 2011, esá represenada en el siguiene gráfico: 115 110 105 100 95 90 85
Más detallesCapítulo 4 Sistemas lineales de primer orden
Capíulo 4 Sisemas lineales de primer orden 4. Definición de sisema lineal de primer orden Un sisema de primer orden es aquel cuya salida puede ser modelada por una ecuación diferencial de primer orden
Más detallesRepresentación gráfica de curvas en forma paramétrica x a(t sent) 1.- Representar la curva dada por
Represenación gráfica de curvas en forma paramérica x a( sen) 1.- Represenar la curva dada por, siendo a > 0. y a(1 cos).- Emparejar cada curva con su gráfica ì ì x = a) ï x = í b) ï ì í ï c) ï x = - sen
Más detallesSolución y criterios de corrección. Examen de mayores de 25 años. 2012. Matemáticas aplicadas a las ciencias sociales.
Solución y crierios de corrección. Examen de mayores de años.. Maemáicas aplicadas a las ciencias sociales. BLOQUE A En un cenro de ocio hay salas de cine: A, B y. A una deerminada sesión han acudido personas.
Más detallesY t = Y t Y t-1. Y t plantea problemas a la hora de efectuar comparaciones entre series de valores de distintas variables.
ASAS DE VARIACIÓN ( véase Inroducción a la Esadísica Económica y Empresarial. eoría y Pácica. Pág. 513-551. Marín Pliego, F. J. Ed. homson. Madrid. 2004) Un aspeco del mundo económico que es de gran inerés
Más detallesFUNCIONES VECTORIALES CON DERIVE.
FUNCIONES VECTORIALES CON DERIVE. Las operaciones de cálculo de Dominio, adición susracción, muliplicación escalar y vecorial de funciones vecoriales, se realizan de manera similar a las operaciones con
Más detallesUD: 3. ENERGÍA Y POTENCIA ELÉCTRICA.
D: 3. ENEGÍA Y OENCA ELÉCCA. La energía es definida como la capacidad de realizar rabajo y relacionada con el calor (ransferencia de energía), se percibe fundamenalmene en forma de energía cinéica, asociada
Más detallesMATEMATICAS I FUNCIONES ELEMENTALES. PROBLEMAS
1º) La facura del gas se calcula a parir de una canidad fija y de un canidad variable que se calcula según los m 3 consumidos (el precio de cada m 3 es consane). El impore de la facura de una familia,
Más detallesMATEMÁTICAS AVANZADAS
MATEMÁTICAS AVANZADAS Examen Final - Enero 23 Nombre: NIU: Calificación: Grupo: Insrucciones: El examen consa de seis pregunas. Dispone de dos horas para conesar, de forma razonada, a odos los ejercicios.
Más detallesTest. Cada pregunta correcta está valorada con 0.5 puntos y cada incorrecta resta 0.25 puntos
Teléf.: 91 533 38 4-91 535 19 3 8003 MADRID EXAMEN DE ECONOMETRÍA (enero 010) 1h 15 Apellidos: Nombre: Tes. Cada preguna correca esá valorada con 0.5 punos y cada incorreca resa 0.5 punos 1.- Al conrasar
Más detallesPráctica 20. CARGA Y DESCARGA DE UN CONDENSADOR ELÉCTRICO
Prácica 20. CARGA Y DESCARGA DE UN CONDENSADOR ELÉCTRICO OBJETIVOS Esudiar los procesos de carga y de descarga de un condensador. Medida de capacidades por el méodo de la consane de iempo. MATERIAL Generador
Más detallesTécnicas cualitativas para las Ecuaciones diferenciales de primer orden: Campos de pendientes y líneas de fase
Lección 5 Técnicas cualiaivas para las Ecuaciones diferenciales de primer orden: Campos de pendienes y líneas de fase 5.. Técnicas Cualiaivas Hasa ahora hemos esudiado écnicas analíicas para calcular,
Más detallesLÍNEAS DE FASES. Fig. 1. dx (1) dt se llama Ecuación Diferencial Ordinaria (E.D.O.) de Primer Orden definida en Ω.
LÍNEAS DE FASES E. SÁEZ Sea el dominio Ω R R y la función F : Ω R. F R Ω Una epresión de la forma Fig. 1 d (1) = F(,), o bien, ẋ = F(,) se llama Ecuación Diferencial Ordinaria (E.D.O.) de Primer Orden
Más detallesModelo de regresión lineal simple
Modelo de regresión lineal simple Inroducción Con frecuencia, nos enconramos en economía con modelos en los que el comporamieno de una variable,, se puede explicar a ravés de una variable X; lo que represenamos
Más detallesMACROECONOMIA II. Grado Economía 2013-2014
MACROECONOMIA II Grado Economía 2013-2014 PARTE II: FUNDAMENTOS MICROECONÓMICOS DE LA MACROECONOMÍA 3 4 5 Tema 2 Las expecaivas: los insrumenos básicos De qué dependen las decisiones económicas? Tipo de
Más detallesFunciones de varias variables
Funciones de varias variables Derivadas parciales. El concepto de función derivable no se puede extender de una forma sencilla para funciones de varias variables. Aquí se emplea el concepto de diferencial
Más detallesCINEMÁTICA: MOVIMIENTO RECTILÍNEO, OTROS DATOS.
CINEMÁTICA: MOVIMIENTO RECTILÍNEO, OTROS DATOS. Una parícula se muee en la dirección posiia del eje X, de modo que su elocidad aría según la ley = α donde α es una consane. Teniendo en cuena que en el
Más detallesMatemáticas 1 1 EJERCICIOS RESUELTOS: Funciones de varias variables. Elena Álvarez Sáiz. Dpto. Matemática Aplicada y C.
Maemáicas 1 1 EJERCICIOS RESUELTOS: Funciones de varias variables Elena Álvarez Sáiz Dpo. Maemáica Aplicada C. Compuación Universidad de Canabria Ingeniería de Telecomunicación Ejercicios: Func. varias
Más detalles01 Ejercicios de Selectividad Matrices y Sistemas de Ecuaciones
01 Ejercicios de Selecividad Marices y Sisemas de Ecuaciones Ejercicios propuesos en 009 1- [009-1-A-1] a) [1 5] En un comercio de bricolaje se venden lisones de madera de res longiudes: 090 m, 150 m y
Más detalles1.- ALGORITMOS RÁPIDOS PARA LA EJECUCIÓN DE FILTROS DE PILA
hp://www.vinuesa.com 1.- ALGORITMOS RÁPIDOS PARA LA EJECUCIÓN DE FILTROS DE PILA 1.1.- INTRODUCCIÓN Los filros de pila consiuyen una clase de filros digiales no lineales. Un filro de pila que es usado
Más detallesTEMA 2 MODELO LINEAL SIMPLE (MLS) Gujarati, Econometria (2004)
EMA 2 MODELO LINEAL SIMPLE (MLS) Gujarai, Economeria (2004). Planeamieno e inerpreación del modelo economérico lineal simple. Capíulo 2 páginas 36 a 39 2. Hipóesis Básicas del Modelo Capíulo 3 páginas
Más detallesMtro. Horacio Catalán Alonso
ECONOMETRIA TEORÍA DE LA COINTEGRACIÓN Mro. I. REGRESIÓN ESPURÍA Y X Dos series que presenan camino aleaorio. Si ambas series se consideran en una modelo economérico. Y = Y -1 + u u N(0,s 2 u) X =X -1
Más detallesExamen Parcial de Econometría II. Nombre: RESOLUCION DEL EXAMEN PARCIAL Paralelo:
Escuela Superior Poliécnica del Lioral Faculad de Economía y Negocios 30-11-2011 Examen Parcial de Economería II Nombre: RESOLUCION DEL EXAMEN PARCIAL Paralelo: REGLAMENTO DE EVALUACIONES Y CALIFICACIONES
Más detallesPRÁCTICA 3: Sistemas de Orden Superior:
PRÁCTICA 3: Sisemas de Orden Superior: Idenificación de modelo de POMTM. Esabilidad y Régimen Permanene de Sisemas Realimenados Conrol e Insrumenación de Procesos Químicos. . INTRODUCCIÓN Esa prácica se
Más detallesPráctica 2: Análisis en el tiempo de circuitos RL y RC
Prácica 2: Análisis en el iempo de circuios RL y RC Objeivo Esudiar la respuesa ransioria en circuios serie RL y RC. Se preende ambién que el alumno comprenda el concepo de filro y su uilidad. 1.- INTRODUCCIÓN
Más detallesAplicaciones de la Probabilidad en la Industria
Aplicaciones de la Probabilidad en la Indusria Cuara pare Final Dr Enrique Villa Diharce CIMAT, Guanajuao, México Verano de probabilidad y esadísica CIMAT Guanajuao,Go Julio 010 Reglas para deección de
Más detallesMarch 2, 2009 CAPÍTULO 3: DERIVADAS PARCIALES Y DIFERENCIACIÓN
March 2, 2009 1. Derivadas Parciales y Funciones Diferenciables En ese capíulo, D denoa un subconjuno abiero de R n. Definición 1.1. Consideremos una función f : D R y sea p D, i = 1,, n. Definimos la
Más detallesTEMA 1 INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL. 1. Sistemas analógicos y digitales.
T-1 Inroducción a la elecrónica digial 1 TEMA 1 INTRODUCCIÓN A LA ELECTRÓNICA DIGITAL El raamieno de la información en elecrónica se puede realizar de dos formas, mediane écnicas analógicas o mediane écnicas
Más detallesMétodos de Previsión de la Demanda Datos
Daos Pronósico de la Demanda para Series Niveladas Esime la demanda a la que va a hacer frene la empresa "Don Pinzas". La información disponible para poder esablecer el pronósico de la demanda de ese produco
Más detallesACTIVIDADES UNIDAD 7: Funciones elementales
ACTIVIDADES UNIDAD 7: Funciones elemenales 1. La facura del gas de una familia, en sepiembre, fue de 4,8 euros por 1 m 3, y en ocubre, de 43,81 por 4 m 3. a) Escribe la función que da el impore de la facura
Más detalles1 Introducción... 2. 2 Tiempo de vida... 3. 3 Función de fiabilidad... 4. 4 Vida media... 6. 5 Tasa de fallo... 9. 6 Relación entre conceptos...
Asignaura: Ingeniería Indusrial Índice de Conenidos 1 Inroducción... 2 2 Tiempo de vida... 3 3 Función de fiabilidad... 4 4 Vida media... 6 5 Tasa de fallo... 9 6 Relación enre concepos... 12 7 Observaciones
Más detallesTEMA: FUNCIONES: Cuadrantes 3 er cuadrante, x 0, 4º cuadrante, x 0,
TEMA: FUNCIONES: ÍNDICE:. Inroducción.. Dominio y recorrido.. Gráficas de funciones elemenales. Funciones definidas a rozos. 4. Coninuidad.. Crecimieno y decrecimieno, máimos y mínimos. 6. Concavidad y
Más detallesTema 5 El Transistor MOS
FUNAMENTO FÍCO Y TECNOLÓGCO E LA NFORMÁTCA Tema 5 El Transisor MO Agusín Álvarez Marquina Esrucura física y polarización del ransisor nmo de acumulación (ource= Fuene) G (Gae= Puera) (rain= renador) (+)
Más detallesECUACIONES DIFERENCIALES
Tema 1 ECUACIONES DIFERENCIALES EJERCICIO 1 Comprobar que la función y() = c 2 ++3 es una solución del problema de valor inicial 2 y 2y + 2y = 6, y(0) = 3, y (0) = 1, (1.1) en <
Más detallesNota Técnica Índice de Tipo de Cambio Efectivo Real Multilateral con ponderadores móviles
Noa Técnica Índice de Tipo de Cambio Efecivo Real Mulilaeral con ponderadores móviles 1. Inroducción: La presene noa écnica preende inroducir y explicar al público el Índice de Tipo de Cambio Efecivo Real
Más detalles1. Producto escalar, métrica y norma asociada
1. asociada Consideramos el espacio vectorial R n sobre el cuerpo R; escribimos los vectores o puntos de R n, indistintamente, como x = (x 1,..., x n ) = n x i e i i=1 donde e i son los vectores de la
Más detallesDEPARTAMENTO DE QUÍMICA ANALÍTICA Y TECNOLOGÍA DE ALIMENTOS
DEPARTAMETO DE QUÍMICA AALÍTICA Y TECOLOGÍA DE ALIMETOS FUDAMETOS DE AÁLISIS ISTRUMETAL. 7º RELACIÓ DE PROBLEMAS..- Las susancias A y B ienen iempos de reención de 6.4 y 7.63 min, respecivamene, en una
Más detallesTOPOLOGÍA. De la misma forma se puede generalizar el concepto de convergencia, que para sucesiones
Muy, muy cerca: Coninuidad y convergencia Una función f : IR IR es coninua en a si valores muy, muy cercanos a a se ransforman en valores muy, muy cercanos a f(a). Dicho de oro modo, por muy exigenes que
Más detallesTEMA 9: LA TASA NATURAL DE DESEMPLEO Y LA CURVA DE PHILLIPS
TEMA 9: LA TASA NATURAL DE DESEMPLEO Y LA CURVA DE PHILLIPS 9.2 La asa naural de desempleo y la curva de Phillips La relación enre el desempleo y la inflación La curva de Phillips, basada en los daos aneriores
Más detalles= Δx 2. Escogiendo un sistema de referencia común para ambos móviles x A
Ejemplos de solución a problemas de Cinemáica de la parícula Diseño en PDF MSc. Carlos Álvarez Marínez de Sanelices, Dpo. Física, Universidad de Camagüey. Carlos.alvarez@reduc.edu.cu Acividad # C1. Un
Más detalles1. Ecuaciones no lineales
1. Ecuaciones no lineales 1.1 Ejercicios resueltos Ejercicio 1.1 Dada la ecuación xe x 1 = 0, se pide: a) Estudiar gráficamente sus raíces reales y acotarlas. b) Aplicar el método de la bisección y acotar
Más detallesFunciones exponenciales y logarítmicas
89566 _ 0363-00.qd 7/6/08 09:30 Página 363 Funciones eponenciales y logarímicas INTRODUCCIÓN En esa unidad se esudian dos funciones que se aplican a numerosas siuaciones coidianas y, sobre odo, a fenómenos
Más detallesMetodología de cálculo del diferencial base
Meodología de cálculo del diferencial base El diferencial base es el resulado de expresar los gasos generales promedio de operación de las insiuciones de seguros auorizadas para la prácica de los Seguros
Más detallesECONOMÍA. Teoría del control óptimo: Una guía para principiantes! David Bardey y Hélène Bonnet ISSN 0124 4396
ISSN 0124 4396 ECONOMÍA BORRADORES DE INVESTTI I IGACIÓN No. 87. Enero 2006 Teoría del conrol ópimo: Una guía para principianes! David Bardey y Hélène Bonne UNIVERSIDAD DEL ROSARIO Colegio Mayor de Nuesra
Más detallesTema 2 Resolución de Ecuaciones No Lineales
Tema 2 Resolución de Ecuaciones No Lineales Índice 1. Introducción 2. Método de Bisección 2.1 Algoritmo del Método de Bisección 2.2 Análisis de Método de Bisección 3. Método de Regula-Falsi 3.1 Algoritmo
Más detallesEcuaciones Diferenciales Ordinarias de Primer Orden
Tema 2 Ecuaciones Diferenciales Ordinarias de Primer Orden Introducción Estudiaremos en este tema varios tipos de E.D.O. de primer orden que es posible resolver de forma exacta. 2.1 Ecuaciones en variables
Más detalles4 APLICACIONES LINEALES. DIAGONALIZACIÓN
4 APLICACIONES LINEALES DIAGONALIZACIÓN DE MATRICES En ocasiones, y con objeto de simplificar ciertos cálculos, es conveniente poder transformar una matriz en otra matriz lo más sencilla posible Esto nos
Más detallesTema 14: Cálculo diferencial de funciones de varias variables II
Tema 14: Cálculo diferencial de funciones de varias variables II 1 Desarrollos de Taylor en varias variables Vamos ahora a generalizar los desarrollos de Taylor que vimos para funciones de una variable.
Más detalles(3) Regla del cociente: Si g(z 0 ) 0, f/g es derivable en z 0 y. (z 0 ) = f (z 0 )g(z 0 ) f(z 0 )g (z 0 ) . g
Funciones holomorfas 2.1. Funciones variable compleja En este capítulo vamos a tratar con funciones f : Ω C C, donde Ω C es el dominio de definición. La forma habitual de expresar estas funciones es como
Más detallesKeywords: seguro de vida, provisión matemática, probabilidad, función de distribución, solvencia, value at risk, VAT, valor actual neto, VAN.
El seguro de vida como variable aleaoria. Cómo calcular su función de disribución. Nieo Ranero, Armando Universiy of Valencia, Spain Do. Maemáicas Económico Empresarial, Edificio Deparamenal Orienal, Av.
Más detallesSolución: El sistema de referencia, la posición del cuerpo en cada instante respecto a dicha referencia, el tiempo empleado y la trayectoria seguida.
1 Qué es necesario señalar para describir correcamene el movimieno de un cuerpo? El sisema de referencia, la posición del cuerpo en cada insane respeco a dicha referencia, el iempo empleado y la rayecoria
Más detallesAplicaciones Lineales y Multilineales Continuas
Capítulo 4 Aplicaciones Lineales y Multilineales Continuas La conexión entre las estructuras vectorial y topológica de los espacios normados, se pone claramente de manifiesto en el estudio de las aplicaciones
Más detallesDispositivos semiconductores
Deparameno de Telecomunicaciones Disposiivos semiconducores 3 Inroduccion Veremos los disposiivos semiconducores más básicos: los diodos. Veremos las variables más comunes de esos semiconducores; El diodo
Más detalles1. Derivadas parciales
Análisis Matemático II. Curso 2009/2010. Diplomatura en Estadística/Ing. Téc. en Inf. de Gestión. Universidad de Jaén TEMA 3. ABLES DIFERENCIACIÓN DE FUNCIONES DE VARIAS VARI- 1. Derivadas parciales Para
Más detallesControl Digital. Práctica de Regulación Automática I. Abel Alberto Cuadrado Vega 24 de mayo de 2004
Conrol Digial Prácica e Regulación Auomáica I Abel Albero Cuarao Vega 24 e mao e 2004 1. Esquema e conrol igial El esquema básico el conrol igial figura 2) es semejane al el conrol analógico figura 1)
Más detallesFunciones de varias variables reales
Capítulo 6 Funciones de varias variables reales 6.1. Introducción En muchas situaciones habituales aparecen funciones de dos o más variables, por ejemplo: w = F D (Trabajo realizado por una fuerza) V =
Más detallesa) Buscar dominio, crecimiento, decrecimiento y máximos absolutos. b) Buscar el área delimitada por la función y el eje '0X'.
.- Dada la función: f(x) = x 9 x a) Buscar dominio, crecimiento, decrecimiento y máximos absolutos. b) Buscar el área delimitada por la función y el eje '0X'..a.- Lo primero que hacemos es buscar el dominio,
Más detallesConstrucción de señales usando escalones y rampas
Consrucción de señales usando escalones y rampas J. I. Huircán Universidad de La Fronera March 3, 24 bsrac Se planean méodos para componer y descomponer señales basadas en escalones y rampas. Se de ne
Más detallesIntegrales y ejemplos de aplicación
Integrales y ejemplos de aplicación I. PROPÓSITO DE ESTOS APUNTES Estas notas tienen como finalidad darle al lector una breve introducción a la noción de integral. De ninguna manera se pretende seguir
Más detallesMarch 25, 2010 CAPÍTULO 2: LÍMITES Y CONTINUIDAD DE FUNCIONES EN EL ESPACIO EUCLÍDEO
March 25, 2010 CAPÍTULO 2: LÍMITE Y CONTINUIDAD DE FUNCIONE EN EL EPACIO EUCLÍDEO 1. Producto Escalar en R n Definición 1.1. Dado x = (x 1,..., x n ), y = (y 1,..., y n ) R n, su producto escalar está
Más detallesTema 3. El modelo neoclásico de crecimiento: el modelo de Solow-Swan
Tema 3. El modelo neoclásico de crecimieno: el modelo de Solow-Swan Inroducción Esquema El modelo neoclásico SIN progreso ecnológico a ecuación fundamenal del modelo neoclásico El esado esacionario Transición
Más detallesCONTINUIDAD DE FUNCIONES DE VARIAS VARIABLES
CAPÍTULO II. CONTINUIDAD DE FUNCIONES DE VARIAS VARIABLES SECCIONES 1. Dominios y curvas de nivel. 2. Cálculo de ites. 3. Continuidad. 55 1. DOMINIOS Y CURVAS DE NIVEL. Muchos problemas geométricos y físicos
Más detallesIntegrales paramétricas e integrales dobles y triples.
Integrales paramétricas e integrales dobles y triples. Eleonora Catsigeras * 19 de julio de 2006 PRÓLOGO: Notas para el curso de Cálculo II de la Facultad de Ingeniería. Este texto es complementario al
Más detallesTema 2. Espacios Vectoriales. 2.1. Introducción
Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por
Más detallesPara la oblicua hacemos lo mismo, calculamos el límite en el menos infinito : = lim. 1 ( ) = = lim
) Sea la función: f(x) = ln( x ): a) Dar su Dominio y encontrar sus asíntotas verticales, horizontales y oblicuas. b) Determinar los intervalos de crecimiento y decrecimiento, los máximos y mínimos, los
Más detallesInvestigación y Técnicas de Mercado. Previsión de Ventas TÉCNICAS CUANTITATIVAS ELEMENTALES DE PREVISIÓN UNIVARIANTE.
Invesigación y écnicas de Mercado Previsión de Venas ÉCNICAS CUANIAIVAS ELEMENALES DE PREVISIÓN UNIVARIANE. (II) écnicas elemenales: Modelos Naive y Medias Móviles. Medición del error de previsión. Profesor:
Más detallesTema 3: Aplicaciones de la diagonalización
TEORÍA DE ÁLGEBRA II: Tema 3. DIPLOMATURA DE ESTADÍSTICA 1 Tema 3: Aplicaciones de la diagonalización 1 Ecuaciones en diferencias Estudiando la cría de conejos, Fibonacci llegó a las siguientes conclusiones:
Más detalles{ 3} Nota. La raíz no impone condiciones al dominio por ser de índice impar.
. Esudia el dominio de las siguienes unciones: a ( : Función Racional, el dominio son odos los números reales ecepo los que anulen el denominador. R / 0 : 0 : : ± [ ( ] { } R ± { } b ( : Función Racional,
Más detallesCaracterización de los campos conservativos
Lección 5 Caracterización de los campos conservativos 5.1. Motivación y enunciado del teorema Recordemos el cálculo de la integral de línea de un gradiente, hecho en la lección anterior. Si f : Ω R es
Más detalles1. El teorema de la función implícita para dos y tres variables.
GRADO DE INGENIERÍA AEROESPACIAL. CURSO. Lección. Aplicaciones de la derivación parcial.. El teorema de la función implícita para dos tres variables. Una ecuación con dos incógnitas. Sea f :( x, ) U f(
Más detallesEl concepto de integral con aplicaciones sencillas
El concepto de integral con aplicaciones sencillas Eliseo Martínez Marzo del 24 Abstract Este artículo trata de ejemplos sencillos del concepto de integral con aplicaciones a la Física, la Teoría de la
Más detallesParte I. Iniciación a los Espacios Normados
Parte I Iniciación a los Espacios Normados Capítulo 1 Espacios Normados Conceptos básicos Sea E un espacio vectorial sobre un cuerpo K = R ó C indistintamente. Una norma sobre E es una aplicación de E
Más detallesEcuaciones integrales fraccionarias: su solución mediante la transformación de Laplace.
Ecuaciones inegrales fraccionarias: su solución mediane la ransformación de Laplace. Cerui, Rubén A. Deparameno de Maemáica Faculad de Ciencias Exacas y Naurales y Agrimensura Universidad Nacional del
Más detallesEcuaciones de primer orden
Capíulo 1 Ecuaciones de primer orden Problema 1.1 Hallar la solución general de la ecuación + 1 + 2 = 0. Hallar la solución que verifica (0) = 0 y la que verifica (1) = 0. k=-5 k=5 k=-1 Figura 1.1: Soluciones
Más detallesMÉTODO DE DEFLACIÓN DE VARIABLES ECONÓMICAS: CUENTAS ECONÓMICAS Y TABLAS INPUT-OUTPUT CRISTINA PRADO
MÉTODO DE DEFLACIÓN DE VARIABLES ECONÓMICAS: CUENTAS ECONÓMICAS Y TABLAS INPUT-OUTPUT CRISTINA PRADO EUSKAL ESTATISTIKA ERAKUNDEA INSTITUTO VASCO DE ESTADISTICA Donosia-San Sebasián, 1 01010 VITORIA-GASTEIZ
Más detallesRE01 DIFERENCIA DEL LOGRO PROMEDIO EN COMPRENSIÓN LECTORA Y MATEMÁTICAS PARA 6 DE PRIMARIA Y 3 DE SECUNDARIA ENTRE 2000 Y 2005
RESULTADOSEDUCATIVOS RE01 DIFERENCIA DEL LOGRO PROMEDIO EN COMPRENSIÓN LECTORA Y MATEMÁTICAS PARA 6 DE PRIMARIA Y 3 DE SECUNDARIA ENTRE 2000 Y 2005 FÓRMULA RE01 NOMBREdelINDICADOR Diferencia del loro promedio
Más detalles1. Hallar los extremos de las funciones siguientes en las regiones especificadas:
1 1. DERIVACIÓN 1. Hallar los extremos de las funciones siguientes en las regiones especificadas: b) f(x) x (x 1) en el intervalo [, ] y en su dominio. DOMINIO. D R. CORTES CON LOS EJES. Cortes con el
Más detallesLECCIÓN N 3 SEÑALES. Introducción
LECCIÓN N 3 SEÑALES Inroducción Señales coninuas y discreas Señales ípicas Señales periódicas y aperiódicas Parámeros ípicos. Especro de frecuencias Ruido y disorsión Elecrónica General Inroducción En
Más detallesCURSO BÁSICO DE MATEMÁTICAS PARA ESTUDIANTES DE ECONÓMICAS Y EMPRESARIALES
INECUACIONES NOTA IMPORTANTE: El signo de desigualdad de una inecuación puede ser,, < o >. Para las cuestiones teóricas que se desarrollan en esta unidad únicamente se utilizará la desigualdad >, siendo
Más detallesTema 1 Generalidades sobre Ecuaciones Diferenciales Ordinarias (E.D.O.)
Tema 1 Generalidades sobre Ecuaciones Diferenciales Ordinarias (E.D.O.) 1.1 Definiciones Se llama ecuación diferencial a toda ecuación que contiene las derivadas de una o más variables dependientes respecto
Más detallesEspacios Vectoriales
Espacios Vectoriales Departamento de Matemáticas, CCIR/ITESM 4 de enero de 2 Índice 3.. Objetivos................................................ 3.2. Motivación...............................................
Más detallesSolvencia II. Los Conceptos Básicos. Por: P. Aguilar. Febrero de 2008
Solvencia II Los Concepos Básicos Por: P. Aguilar Febrero de 2008 El esquema regulaorio de Solvencia II planea un impaco relevane en el ejercicio de la prácica acuarial. Tal esquema se caraceriza por descansar
Más detallesPolinomios y Fracciones Algebraicas
Tema 4 Polinomios y Fracciones Algebraicas En general, a lo largo de este tema trabajaremos con el conjunto de los números reales y, en casos concretos nos referiremos al conjunto de los números complejos.
Más detalles