Em teoria das probabilidades, um martingale é um modelo de jogo honesto (fair game) em que o conhecimento de eventos 2️⃣ passados nunca ajuda a prever os ganhos futuros e apenas o evento atual importa.
Em particular, um martingale é uma sequência 2️⃣ de variáveis aleatórias (isto é, um processo estocástico) para o qual, a qualquer tempo específico na sequência observada, a esperança 2️⃣ do próximo valor na sequência é igual ao valor presentemente observado, mesmo dado o conhecimento de todos os valores anteriormente 2️⃣ observados.[1]
O movimento browniano parado é um exemplo de martingale.
Ele pode modelar um jogo de cara ou coroa com a possibilidade 2️⃣ de falência.
Em contraste, em um processo que não é um martingale, o valor esperado do processo em um tempo pode 2️⃣ ainda ser igual ao valor esperado do processo no tempo seguinte.
Entretanto, o conhecimento de eventos anteriores (por exemplo, todas as 2️⃣ cartas anteriormente retiradas de um baralho) pode ajudar a reduzir a incerteza sobre os eventos futuros.
Assim, o valor esperado do 2️⃣ próximo evento, dado o conhecimento do evento presente e de todos os anteriores, pode ser mais elevado do que o 2️⃣ do presente evento se uma estratégia de ganho for usada.
Martingales excluem a possibilidade de estratégias de ganho baseadas no histórico 2️⃣ do jogo e, portanto, são um modelo de jogos honestos.
É também uma técnica utilizada no mercado financeiro, para recuperar operações 2️⃣ perdidas.
Dobra-se a segunda mão para recuperar a anterior, e assim sucessivamente, até o acerto.
Martingale é o sistema de apostas mais 2️⃣ comum na roleta.
A popularidade deste sistema se deve à melhor aplicativo de jogo para ganhar dinheiro simplicidade e acessibilidade.
O jogo Martingale dá a impressão enganosa de 2️⃣ vitórias rápidas e fáceis.
A essência do sistema de jogo da roleta Martingale é a seguinte: fazemos uma aposta em uma 2️⃣ chance igual de roleta (vermelho-preto, par-ímpar), por exemplo, no "vermelho": fazemos uma aposta na roleta por 1 dólar; se você 2️⃣ perder, dobramos e apostamos $ 2.
Se perdermos na roleta, perderemos a aposta atual ($ 2) e a aposta anterior ($ 2️⃣ 1) de $ 3.4, por exemplo.
duas apostas ganham (1 + 2 = $ 3) e temos um ganho líquido de 2️⃣ $ 1 na roleta.
Se você perder uma segunda vez na roleta Martingale, dobramos a aposta novamente (agora é $ 4).
Se 2️⃣ ganharmos, ganharemos de volta as duas apostas anteriores (1 + 2 = 3 dólares) e a atual (4 dólares) da 2️⃣ roda da roleta, e novamente ganharemos 1 dólar do cassino [2].
Originalmente, a expressão "martingale" se referia a um grupo de 2️⃣ estratégias de aposta popular na França do século XVIII.
[3][4] A mais simples destas estratégias foi projetada para um jogo em 2️⃣ que o apostador ganhava se a moeda desse cara e perdia se a moeda desse coroa.
A estratégia fazia o apostador 2️⃣ dobrar melhor aplicativo de jogo para ganhar dinheiro aposta depois de cada derrota a fim de que a primeira vitória recuperasse todas as perdas anteriores, além 2️⃣ de um lucro igual à primeira aposta.
Conforme o dinheiro e o tempo disponível do apostador se aproximam conjuntamente do infinito, 2️⃣ a possibilidade de eventualmente dar cara se aproxima de 1, o que faz a estratégia de aposta martingale parecer como 2️⃣ algo certo.
Entretanto, o crescimento exponencial das apostas eventualmente leva os apostadores à falência, assumindo de forma óbvia e realista que 2️⃣ a quantidade de dinheiro do apostador é finita (uma das razões pelas quais casinos, ainda que desfrutem normativamente de uma 2️⃣ vantagem matemática nos jogos oferecidos aos seus clientes, impõem limites às apostas).
Um movimento browniano parado, que é um processo martingale, 2️⃣ pode ser usado para descrever a trajetória de tais jogos.
O conceito de martingale em teoria das probabilidades foi introduzido por 2️⃣ Paul Lévy em 1934, ainda que ele não lhes tivesse dado este nome.
[5] O termo "martingale" foi introduzido em 1939 2️⃣ por Jean Ville,[6] que também estendeu a definição à martingales contínuos.
[7] Muito do desenvolvimento original da teoria foi feito por 2️⃣ Joseph Leo Doob, entre outros.
[8] Parte da motivação daquele trabalho era mostrar a impossibilidade de estratégias de aposta bem-sucedidas.[9]
Uma definição 2️⃣ básica de um martingale de tempo discreto diz que ele é um processo estocástico (isto é, uma sequência de variáveis 2️⃣ aleatórias) X 1 , X 2 , X 3 , ...
{\displaystyle X_{1},X_{2},X_{3},...
} de tempo discreto que satisfaz, para qualquer tempo 2️⃣ n {\displaystyle n} ,
E ( | X n | ) < ∞ {\displaystyle \mathbf {E} (\vert X_{n}\vert )<\infty }
E ( 2️⃣ X n + 1 ∣ X 1 , .
.
.
, X n ) = X n .
{\displaystyle \mathbf {E} (X_{n+1}\mid 2️⃣ X_{1},\ldots ,X_{n})=X_{n}.}
Isto é, o valor esperado condicional da próxima observação, dadas todas as observações anteriores, é igual à mais recente 2️⃣ observação.[10]
Sequências martingale em relação a outra sequência [ editar | editar código-fonte ]
Mais geralmente, uma sequência Y 1 , Y 2️⃣ 2 , Y 3 , ...
{\displaystyle Y_{1},Y_{2},Y_{3},...
} é considerada um martingale em relação a outra sequência X 1 , X 2️⃣ 2 , X 3 , ...
{\displaystyle X_{1},X_{2},X_{3},...
} se, para todo n {\displaystyle n} ,
E ( | Y n | ) 2️⃣ < ∞ {\displaystyle \mathbf {E} (\vert Y_{n}\vert )<\infty }
E ( Y n + 1 ∣ X 1 , .
.
.
, 2️⃣ X n ) = Y n .
{\displaystyle \mathbf {E} (Y_{n+1}\mid X_{1},\ldots ,X_{n})=Y_{n}.}
Da mesma forma, um martingale de tempo contínuo em 2️⃣ relação ao processo estocástico X t {\displaystyle X_{t}} é um processo estocástico Y t {\displaystyle Y_{t}} tal que, para todo 2️⃣ t {\displaystyle t} ,
E ( | Y t | ) < ∞ {\displaystyle \mathbf {E} (\vert Y_{t}\vert )<\infty }
E ( 2️⃣ Y t ∣ { X τ , τ ≤ s } ) = Y s ∀ s ≤ t .
{\displaystyle 2️⃣ \mathbf {E} (Y_{t}\mid \{X_{\tau },\tau \leq s\})=Y_{s}\quad \forall s\leq t.}
Isto expressa a propriedade de que o valor esperado condicional de 2️⃣ qualquer observação no tempo t {\displaystyle t} , dadas todas as observações até o tempo s {\displaystyle s} , é 2️⃣ igual à observação no tempo s {\displaystyle s} (considerando que s ≤ t {\displaystyle s\leq t} ).
Em geral, um processo 2️⃣ estocástico Y : T × Ω → S {\displaystyle Y:T\times \Omega \to S} é um martingale em relação a uma 2️⃣ filtração Σ ∗ {\displaystyle \Sigma _{*}} e medida de probabilidade P {\displaystyle P} se
Σ ∗ {\displaystyle \Sigma _{*}} espaço de 2️⃣ probabilidade subjacente ( Ω , Σ , P {\displaystyle \Omega ,\Sigma ,P}
espaço de probabilidade subjacente ( Y {\displaystyle Y} Σ 2️⃣ ∗ {\displaystyle \Sigma _{*}} t {\displaystyle t} T {\displaystyle T} Y t {\displaystyle Y_{t}} função mensurável Σ τ {\displaystyle \Sigma 2️⃣ _{\tau }}
função mensurável Para cada t {\displaystyle t} Y t {\displaystyle Y_{t}} espaço Lp L 1 ( Ω , Σ 2️⃣ t , P ; S ) {\displaystyle L^{1}(\Omega ,\Sigma _{t},P;S)}
E P ( | Y t | ) < + ∞ 2️⃣ ; {\displaystyle \mathbf {E} _{\mathbf {P} }(|Y_{t}|)<+\infty ;}
Para todo s {\displaystyle s} t {\displaystyle t} s < t {\displaystyle s
E P ( [ Y t − Y s ] χ F ) 2️⃣ = 0 , {\displaystyle \mathbf {E} _{\mathbf {P} }\left([Y_{t}-Y_{s}]\chi _{F}\right)=0,} em que χ F {\displaystyle \chi _{F}} função indicadora do 2️⃣ evento F {\displaystyle F} A última condição é denotada como Y s = E P ( Y t | Σ 2️⃣ s ) , {\displaystyle Y_{s}=\mathbf {E} _{\mathbf {P} }(Y_{t}|\Sigma _{s}),} que é uma forma geral de valor esperado condicional.[ 11 2️⃣ ]
É importante notar que a propriedade martingale envolve tanto a filtração, como a medida de probabilidade (em relação à qual 2️⃣ os valores esperados são assumidos).
É possível que Y {\displaystyle Y} seja um martingale em relação a uma medida, mas não 2️⃣ em relação a outra.
O Teorema de Girsanov oferece uma forma de encontrar uma medida em relação à qual um processo 2️⃣ de Itō é um martingale.[12]
Exemplos de martingales [ editar | editar código-fonte ]
Um passeio aleatório não viesado (em qualquer número 2️⃣ de dimensões) é um exemplo de martingale.
O dinheiro de um apostador é um martingale se todos os jogos de aposta 2️⃣ com que ele se envolver forem honestos.
Uma urna de Pólya contém uma quantidade de bolas de diferentes cores.
A cada iteração, 2️⃣ uma bola é aleatoriamente retirada da urna e substituída por várias outras da mesma cor.
Para qualquer cor dada, a fração 2️⃣ das bolas na urna com aquela cor é um martingale.
Por exemplo, se atualmente 95% da bolas são vermelhas, então, ainda 2️⃣ que a próxima iteração mais provavelmente adicione bolas vermelhas e não de outra cor, este viés está exatamente equilibrado pelo 2️⃣ fato de que adicionar mais bolas vermelhas altera a fração de forma muito menos significativa do que adicionar o mesmo 2️⃣ número de bolas não vermelhas alteraria.
Suponha que X n {\displaystyle X_{n}} moeda honesta foi jogada n {\displaystyle n}
moeda honesta foi 2️⃣ jogada Considere Y n = X n 2 − n {\displaystyle Y_{n}={X_{n}}^{2}-n} X n {\displaystyle X_{n}} { Y n : 2️⃣ n = 1 , 2 , 3 , ...
} {\displaystyle \{Y_{n}:n=1,2,3,...
\}} raiz quadrada do número de vezes que a moeda 2️⃣ for jogada.
raiz quadrada do número de vezes que a moeda for jogada.
No caso de um martingale de Moivre, suponha que 2️⃣ a moeda é desonesta, isto é, viesada, com probabilidade p {\displaystyle p} q = 1 − p {\displaystyle q=1-p}
X n 2️⃣ + 1 = X n ± 1 {\displaystyle X_{n+1}=X_{n}\pm 1} com + {\displaystyle +} − {\displaystyle -}
Y n = ( 2️⃣ q / p ) X n .
{\displaystyle Y_{n}=(q/p)^{X_{n}}.}
Então, { Y n : n = 1 , 2 , 3 , 2️⃣ ...
} {\displaystyle \{Y_{n}:n=1,2,3,...
\}} { X n : n = 1 , 2 , 3 , ...
} {\displaystyle \{X_{n}:n=1,2,3,...
\}} E [ 2️⃣ Y n + 1 ∣ X 1 , .
.
.
, X n ] = p ( q / p ) 2️⃣ X n + 1 + q ( q / p ) X n − 1 = p ( q / 2️⃣ p ) ( q / p ) X n + q ( p / q ) ( q / p 2️⃣ ) X n = q ( q / p ) X n + p ( q / p ) X 2️⃣ n = ( q / p ) X n = Y n .
{\displaystyle {\begin{aligned}E[Y_{n+1}\mid X_{1},\dots ,X_{n}]&=p(q/p)^{X_{n}+1}+q(q/p)^{X_{n}-1}\\[6pt]&=p(q/p)(q/p)^{X_{n}}+q(p/q)(q/p)^{X_{n}}\\[6pt]&=q(q/p)^{X_{n}}+p(q/p)^{X_{n}}=(q/p)^{X_{n}}=Y_{n}.\end{aligned}}}
No teste de razão de 2️⃣ verossimilhança em estatística, uma variável aleatória X {\displaystyle X} f {\displaystyle f} g {\displaystyle g} amostra aleatória X 1 , 2️⃣ ...
, X n {\displaystyle X_{1},...
,X_{n}} [ 13 ] Considere Y n {\displaystyle Y_{n}}
Y n = ∏ i = 1 n 2️⃣ g ( X i ) f ( X i ) {\displaystyle Y_{n}=\prod _{i=1}^{n}{\frac {g(X_{i})}{f(X_{i})}}}
Se X {\displaystyle X} f {\displaystyle f} 2️⃣ g {\displaystyle g} { Y n : n = 1 , 2 , 3 , ...
} {\displaystyle \{Y_{n}:n=1,2,3,...
\}} { X 2️⃣ n : n = 1 , 2 , 3 , ...
} {\displaystyle \{X_{n}:n=1,2,3,...\}}
Suponha que uma ameba se divide em duas 2️⃣ amebas com probabilidade p {\displaystyle p} 1 − p {\displaystyle 1-p} X n {\displaystyle X_{n}} n {\displaystyle n} X n 2️⃣ = 0 {\displaystyle X_{n}=0} r {\displaystyle r} r {\displaystyle r} p {\displaystyle p} [ 14 ] Então
{ r X n 2️⃣ : n = 1 , 2 , 3 , .
.
.
} {\displaystyle \{\,r^{X_{n}}:n=1,2,3,\dots \,\}}
é um martingale em relação a { 2️⃣ X n : n = 1 , 2 , 3 , ...
} {\displaystyle \{X_{n}:n=1,2,3,...\}}
Uma série martingale criada por software.
Em uma 2️⃣ comunidade ecológica (um grupo de espécies em um nível trófico particular, competindo por recursos semelhantes em uma área local), o 2️⃣ número de indivíduos de qualquer espécie particular de tamanho fixado é uma função de tempo (discreto) e pode ser visto 2️⃣ como uma sequência de variáveis aleatórias.
Esta sequência é um martingale sob a teoria neutra unificada de biodiversidade e biogeografia.
Se { 2️⃣ N t : t ≥ 0 } {\displaystyle \{N_{t}:t\geq 0\}} processo de Poisson com intensidade λ {\displaystyle \lambda } { 2️⃣ N t − λ t : t ≥ 0 } {\displaystyle \{N_{t}-\lambda _{t}:t\geq 0\}}
Submartingales, supermartingales e relação com funções harmônicas 2️⃣ [ editar | editar código-fonte ]
Há duas generalizações populares de um martingale que também incluem casos em que a observação 2️⃣ atual X n {\displaystyle X_{n}} não é necessariamente igual à futura expectativa condicional E [ X n + 1 | 2️⃣ X 1 , ...
, X n ] {\displaystyle E[X_{n+1}|X_{1},...
,X_{n}]} , mas, em vez disto, a um limite superior ou inferior 2️⃣ à expectativa condicional.
Estas definições refletem uma relação entre a teoria do martingale e a teoria do potencial, que é o 2️⃣ estudo das funções harmônicas.
[15] Assim como um martingale de tempo contínuo satisfaz a E [ X t | { X 2️⃣ τ : τ ≤ s } − X s = 0 ∀ s ≤ t {\displaystyle E[X_{t}|\{X_{\tau }:\tau \leq s\}-X_{s}=0\forall 2️⃣ s\leq t} , uma função harmônica f {\displaystyle f} satisfaz a equação diferencial parcial Δ f = 0 {\displaystyle \Delta 2️⃣ f=0} , em que Δ {\displaystyle \Delta } é o operador de Laplace.
Dado um processo de movimento browniano W t 2️⃣ {\displaystyle W_{t}} e uma função harmônica f {\displaystyle f} , o processo resultante f ( W t ) {\displaystyle f(W_{t})} 2️⃣ também é um martingale.
Um submartingale de tempo discreto é uma sequência X 1 , X 2 , X 3 , 2️⃣ .
.
.
{\displaystyle X_{1},X_{2},X_{3},\ldots } integráveis que satisfaz a
E [ X n + 1 | X 1 , .
.
.
, X 2️⃣ n ] ≥ X n .
{\displaystyle {}E[X_{n+1}|X_{1},\ldots ,X_{n}]\geq X_{n}.
} Da mesma forma, um submartingale de tempo contínuo satisfaz a E 2️⃣ [ X t | { X τ : τ ≤ s } ] ≥ X s ∀ s ≤ t 2️⃣ .
{\displaystyle {}E[X_{t}|\{X_{\tau }:\tau \leq s\}]\geq X_{s}\quad \forall s\leq t.
} Em teoria do potencial, uma função sub-harmônica f {\displaystyle f} Δ 2️⃣ f ≥ 0 {\displaystyle \Delta f\geq 0} Grosso modo, o prefixo "sub-" é consistente porque a atual observação X n 2️⃣ {\displaystyle X_{n}} E [ X n + 1 | X 1 , ...
, X n ] {\displaystyle E[X_{n+1}|X_{1},...,X_{n}]}
De forma análoga, 2️⃣ um supermartingale de tempo discreto satisfaz a
E [ X n + 1 | X 1 , .
.
.
, X n 2️⃣ ] ≤ X n .
{\displaystyle {}E[X_{n+1}|X_{1},\ldots ,X_{n}]\leq X_{n}.
} Da mesma forma, um supermartingale de tempo contínuo satisfaz a E [ 2️⃣ X t | { X τ : τ ≤ s } ] ≤ X s ∀ s ≤ t .
{\displaystyle 2️⃣ {}E[X_{t}|\{X_{\tau }:\tau \leq s\}]\leq X_{s}\quad \forall s\leq t.
} Em teoria do potencial, uma função super-harmônica f {\displaystyle f} Δ f 2️⃣ ≤ 0 {\displaystyle \Delta f\leq 0} Grosso modo, o prefixo "super-" é consistente porque a atual observação X n {\displaystyle 2️⃣ X_{n}} E [ X n + 1 | X 1 , ...
, X n ] {\displaystyle E[X_{n+1}|X_{1},...,X_{n}]}
Exemplos de submartingales e 2️⃣ supermartingales [ editar | editar código-fonte ]
Todo martingale é também um submartingale e um supermartingale.
Reciprocamente, todo processo estocástico que é 2️⃣ tanto um submartingale, como um supermartingale, é um martingale.
Considere novamente um apostador que ganha $1 quando uma moeda der cara 2️⃣ e perde $1 quando a moeda der coroa.
Suponha agora que a moeda possa estar viesada e que ela dê cara 2️⃣ com probabilidade p {\displaystyle p} Se p {\displaystyle p} 1 / 2 {\displaystyle 1/2} Se p {\displaystyle p} 1 / 2️⃣ 2 {\displaystyle 1/2} Se p {\displaystyle p} 1 / 2 {\displaystyle 1/2}
Uma função convexa de um martingale é um submartingale 2️⃣ pela desigualdade de Jensen.
Por exemplo, o quadrado da riqueza de um apostador em jogo de moeda honesta é um submartingale 2️⃣ (o que também se segue do fato de que X n 2 − n {\displaystyle {X_{n}}^{2}-n}
Martingales e tempos de parada 2️⃣ [ editar | editar código-fonte ]
Um tempo de parada em relação a uma sequência de variáveis aleatórias X 1 , 2️⃣ X 2 , X 3 , ...
{\displaystyle X_{1},X_{2},X_{3},...
} é uma variável aleatória τ {\displaystyle \tau } com a propriedade de 2️⃣ que para cada t {\displaystyle t} , a ocorrência ou a não ocorrência do evento τ = t {\displaystyle \tau 2️⃣ =t} depende apenas dos valores de X 1 , X 2 , X 3 , ...
, X t {\displaystyle X_{1},X_{2},X_{3},...,X_{t}} 2️⃣ .
A intuição por trás da definição é que, a qualquer tempo particular t {\displaystyle t} , pode-se observar a sequência 2️⃣ até o momento e dizer se é hora de parar.
Um exemplo na vida real pode ser o tempo em que 2️⃣ um apostador deixa a mesa de apostas, o que pode ser uma função de suas vitórias anteriores (por exemplo, ele 2️⃣ pode deixar a mesa apenas quando ele vai à falência), mas ele não pode escolher entre ficar ou sair com 2️⃣ base no resultando de jogos que ainda não ocorreram.[16]
Em alguns contextos, o conceito de tempo de parada é definido exigindo-se 2️⃣ apenas que a ocorrência ou não ocorrência do evento τ = t {\displaystyle \tau =t} seja probabilisticamente independente de X 2️⃣ t + 1 , X t + 2 , ...
{\displaystyle X_{t+1},X_{t+2},...
} , mas não que isto seja completamente determinado pelo 2️⃣ histórico do processo até o tempo t {\displaystyle t} .
Isto é uma condição mais fraca do que aquela descrita no 2️⃣ parágrafo acima, mas é forte o bastante para servir em algumas das provas em que tempos de parada são usados.
Uma 2️⃣ das propriedades básicas de martingales é que, se ( X t ) t > 0 {\displaystyle (X_{t})_{t>0}} for um (sub/super)martingale 2️⃣ e τ {\displaystyle \tau } for um tempo de parada, então, o processo parado correspondente ( X t τ ) 2️⃣ t > 0 {\displaystyle (X_{t}^{\tau })_{t>0}} definido por X t τ := X min { τ , t } {\displaystyle 2️⃣ X_{t}^{\tau }:=X_{\min\{\tau ,t\}}} é também um (sub/super) martingale.
O conceito de um martingale parado leva a uma série de teoremas importantes, 2️⃣ incluindo, por exemplo, o teorema da parada opcional, que afirma que, sob certas condições, o valor esperado de um martingale 2️⃣ em um tempo de parada é igual ao seu valor inicial.
