Baixe o app para aproveitar ainda mais
Prévia do material em texto
Introdução à Econofísica Aula 7 Processos estocásticos de Lévy e teoremas limite. Distribuições es- táveis Consideremos uma distribuição lorentziana: p (x) = N 1 γ2 + x2 , onde N é uma constante de normalização e γ é uma constante real positiva. Calculemos N : ˆ +∞ −∞ dxN 1 γ2 + x2 = 1, ou seja, N = 1´ +∞ −∞ dx 1 γ2+x2 . A integral no denominador pode ser escrita se simplificarmos seu integrando: 1 γ2 + x2 = 1 (x+ iγ) (x− iγ) = 1 2iγ (x− iγ) − 1 2iγ (x+ iγ) . Podemos utilizar o seguinte truque:ˆ +∞ −∞ dx γ2 + x2 = lim ε→o+ ˆ +∞ −∞ dx exp (iεx) γ2 + x2 = lim ε→o+ ˆ +∞ −∞ dx [ exp (iεx) 2iγ (x− iγ) − exp (iεx) 2iγ (x+ iγ) ] = lim ε→o+ ˆ +∞ −∞ dx exp (iεx) 2iγ (x− iγ) − limε→o+ ˆ +∞ −∞ dx exp (iεx) 2iγ (x+ iγ) . Consideremos o contorno no plano complexo da figura abaixo: 1 É fácil provar que vale o limite: lim R→∞ ˛ C dz exp (iεz) (z − iγ) = ˆ +∞ −∞ dx exp (iεx) (x− iγ) , para ε, γ > 0. Usando o teorema dos resíduos, vem:˛ C dz exp (iεz) (z − iγ) = 2pii exp (−εγ) . Logo, ˆ +∞ −∞ dx exp (iεx) (x− iγ) = limR→∞ ˛ C dz exp (iεz) (z − iγ) = lim R→∞ [2pii exp (−εγ)] = 2pii exp (−εγ) e, portanto, ˆ +∞ −∞ dx (x− iγ) = limε→o+ ˆ +∞ −∞ dx exp (iεx) (x− iγ) = lim ε→o+ [2pii exp (−εγ)] = 2pii. 2 Também temos (um bom exercício): ˆ +∞ −∞ dx (x+ iγ) = 0. Consequentemente,ˆ +∞ −∞ dx 1 γ2 + x2 = ˆ +∞ −∞ dx 1 2iγ (x− iγ) − ˆ +∞ −∞ dx 1 2iγ (x+ iγ) = 2pii 2iγ − 0 2iγ = pi γ e N = 1´ +∞ −∞ dx 1 γ2+x2 = γ pi . A densidade de probabilidade que vamos considerar, normalizada, fica: p (x) = γ pi 1 γ2 + x2 . (1) Sigamos agora um procedimento análogo ao da aula passada: consideremos a variável X = x1 + x2 e calculemos a densidade de probabilidade para X, quando x1 e x2 são variáveis estocásticas independentes, identicamente distribuídas segundo a Eq. (1). Assim, P (X) = ˆ +∞ −∞ dx1 ˆ +∞ −∞ dx2 p (x1) p (x2) δ (X − x1 − x2) . É mais simples considerarmos a transformada de Fourier de P (X), também 3 chamada de função característica da densidade de probabilidade P (X): Φ (q) = ˆ +∞ −∞ dX P (X) exp (iqX) = ˆ +∞ −∞ dX [ˆ +∞ −∞ dx1 ˆ +∞ −∞ dx2 p (x1) p (x2) δ (X − x1 − x2) ] exp (iqX) = ˆ +∞ −∞ dx1 ˆ +∞ −∞ dx2 p (x1) p (x2) ˆ +∞ −∞ dX exp (iqX) δ (X − x1 − x2) = ˆ +∞ −∞ dx1 ˆ +∞ −∞ dx2 p (x1) p (x2) exp [iq (x1 + x2)] = [ˆ +∞ −∞ dx1 p (x1) exp (iqx1) ] [ˆ +∞ −∞ dx2 p (x2) exp (iqx2) ] = [ˆ +∞ −∞ dx p (x) exp (iqx) ]2 . Calculemos a transformada de Fourier, ou a função característica, da lorentziana da Eq. (1): ϕ (q) = ˆ +∞ −∞ dx p (x) exp (iqx) = γ pi ˆ +∞ −∞ dx exp (iqx) γ2 + x2 . Aqui, devemos considerar dois casos: q > 0 e q < 0. No primeiro caso, temos:ˆ +∞ −∞ dx exp (iqx) γ2 + x2 = ˆ +∞ −∞ dx exp (iqx) 2iγ (x− iγ) − ˆ +∞ −∞ dx exp (iqx) 2iγ (x+ iγ) = pi exp (−qγ) γ . No segundo caso: ˆ +∞ −∞ dx exp (iqx) γ2 + x2 = pi exp (qγ) γ . Em todo caso, portanto, ϕ (q) = ˆ +∞ −∞ dx p (x) exp (iqx) = exp (γ |q|) . Logo, Φ (q) = [ϕ (q)]2 = exp (−2γ |q|) . 4 Para obtermos a distribuição da variável X, basta calcularmos a transformada de Fourier inversa: P (X) = 1 2pi ˆ +∞ −∞ dqΦ (q) exp (−iqX) = 1 2pi ˆ +∞ −∞ dq exp (−2γ |q| − iqX) = 1 2pi ˆ 0 −∞ dq exp (2γq − iqX) + 1 2pi ˆ +∞ 0 dq exp (−2γq − iqX) = 1 2pi ( 1 2γ − iX + 1 2γ + iX ) = 1 2pi 2γ + iX + 2γ − iX (2γ − iX) (2γ + iX) = 2γ pi 1 (2γ)2 +X2 . Logo, a densidade de probabilidade para a variável X é também lorentziana, com apenas uma mudança de escala: γ → 2γ. Dizemos, nesse caso, que a densidade de probabilidade lorentziana é uma dis- tribuição estável, pois sua convolução resulta em na mesma distribuição, com uma mudança de escala apenas. A distribuição gaussiana também é estável. Para verificarmos isso, tomemos: p (x) = 1√ 2piσ2 exp [ − x 2 2σ2 ] e consideremos a distribuição da variável X = x1 + x2. A função característica correspondente é dada por: Φ (q) = [ϕ (q)]2 = [ˆ +∞ −∞ dx p (x) exp (iqx) ]2 . 5 Mas, ϕ (q) = ˆ +∞ −∞ dx p (x) exp (iqx) = 1√ 2piσ2 ˆ +∞ −∞ dx exp [ − x 2 2σ2 + iqx ] = 1√ 2piσ2 ˆ +∞ −∞ dx exp [ − 1 2σ2 ( x2 − 2iσ2qx)] = exp [−12σ2q2]√ 2piσ2 ˆ +∞ −∞ dx exp [ − 1 2σ2 ( x− iσ2q)2] = exp (−12σ2q2)√ 2piσ2 √ 2piσ2 = exp ( −1 2 σ2q2 ) e, portanto, Φ (q) = [ϕ (q)]2 = exp (−σ2q2) . Tomando a transformada de Fourier inversa, obtemos a densidade de probabili- dade para a variável X: P (X) = 1 2pi ˆ +∞ −∞ dqΦ (q) exp (−iqX) = 1 2pi ˆ +∞ −∞ dq exp (−σ2q2 − iqX) = 1 2pi ˆ +∞ −∞ dq exp [ −σ2 ( q2 − iq σ2 X )] = exp [ σ2 ( iX 2σ2 )2] 2pi ˆ +∞ −∞ dq exp [ −σ2 ( q − iX 2σ2 )2] = exp ( −X24σ2 ) 2pi √ pi σ2 = 1√ 4piσ2 exp ( −X 2 4σ2 ) , que também é uma gaussiana, porém com uma escala diferente: σ2 → 2σ2. 6 Logo, a distribuição gaussiana também é estável. Depois de estudar esses dois exemplos, podemos perguntar: quais são as dis- tribuições estáveis? Existem outras? As respostas a essas questões foram dadas por Paul Pierre Lévy (há fotos) e Aleksandr Khinchin nas décadas de 1920 e 1930. Segundo o livro-texto adotado neste curso, eles encontraram que a forma mais geral de uma função característica de um processo estável é dada por: ln [ϕ (q)] = iµq − γ |q| α [ 1− iβ q|q|tg ( pi 2α )] se α 6= 1 iµq − γ |q| [ 1 + iβ q|q| 2 pi ln (|q|) ] se α = 1 , onde 0 < α 6 2, γ é um fator de escala positivo, µ é um número real qualquer (valor esperado) e β é um parâmetro de assimetria que varia no intervalo de −1 a 1. O livro-texto afirma que só são conhecidas as formas analíticas das distribuições de Lévy com os parâmetros: • α = 1 e β = 1 (distribuição de Lévy-Smirnov); • α = 1 e β = 0 (distribuição lorentziana); • α = 2 (distribuição gaussiana). O livro-texto então informa que, no caso simétrico, isto é, quando β = 0 e com média zero, ou seja, µ = 0, a distribuição estável, para x muito grande, tem a forma assintótica: P (|x|) ∼ |x|−(1+α) . Uma consequência importante desse resultado é que o valor esperado de |x|n diverge para n > α quando α < 2. Assim, em particular, todos os processos estáveis de Lévy com α < 2 têm variâncias infinitas. Por exemplo, a distribuição lorentziana da Eq. 7 (1) dá uma variância infinita: var (x) = 〈 x2 〉− 〈x〉2 = γ pi ˆ +∞ −∞ dx x2 γ2 + x2 − [ γ pi ˆ +∞ −∞ dx x γ2 + x2 ]2 = γ pi ˆ +∞ −∞ dx x2 + γ2 − γ2 γ2 + x2 − 0 = γ pi ˆ +∞ −∞ dx x2 + γ2 γ2 + x2 − γ pi ˆ +∞ −∞ dx γ2 γ2 + x2 = γ pi ˆ +∞ −∞ dx− γ2 →∞. 8
Compartilhar