Sei sulla pagina 1di 8

Introduo Econofsica

Aula 7
Processos estocsticos de Lvy e teoremas limite. Distribuies estveis
Consideremos uma distribuio lorentziana:
p (x) = N

1
,
2 + x2

onde N uma constante de normalizao e uma constante real positiva.


Calculemos N :
+
1
dx N 2
= 1,
+ x2

ou seja,
N = +

1
1
dx 2 +x
2

A integral no denominador pode ser escrita se simplificarmos seu integrando:


2

1
1
=
2
+x
(x + i) (x i)
1
1

.
=
2i (x i) 2i (x + i)

Podemos utilizar o seguinte truque:


+
+
dx
exp (ix)
=
lim
dx
2
2
o+
2 + x2
+ x


+
exp (ix)
exp (ix)
= lim+
dx

o
2i
(x

i)
2i (x + i)

+
+
exp (ix)
exp (ix)
= lim+
dx
lim+
dx
.
o
2i (x i) o
2i (x + i)

Consideremos o contorno no plano complexo da figura abaixo:

fcil provar que vale o limite:

+
exp (iz)
exp (ix)
lim
dz
=
, para , > 0.
dx
R C
(z i)
(x i)

Usando o teorema dos resduos, vem:

exp (iz)
dz
= 2i exp () .
(z i)
C
Logo,
+

exp (iz)
exp (ix)
= lim
dz
dx
R C
(x i)
(z i)

= lim [2i exp ()]


R

= 2i exp ()
e, portanto,

+
dx
exp (ix)
= lim+
dx
o
(x i)
(x i)

= lim+ [2i exp ()]


o

= 2i.
2

Tambm temos (um bom exerccio):


+

dx
= 0.
(x + i)

Consequentemente,
+
+
+
1
1
1
dx 2
=
dx

dx
+ x2
2i (x i)
2i (x + i)

0
2i

=
2i 2i

e
1
N = +
1
dx 2 +x2

= .

A densidade de probabilidade que vamos considerar, normalizada, fica:


p (x) =

1
.
2 + x2

(1)

Sigamos agora um procedimento anlogo ao da aula passada: consideremos a


varivel
X = x1 + x2
e calculemos a densidade de probabilidade para X, quando x1 e x2 so variveis
estocsticas independentes, identicamente distribudas segundo a Eq. (1). Assim,
+
+
P (X) =
dx1
dx2 p (x1 ) p (x2 ) (X x1 x2 ) .

mais simples considerarmos a transformada de Fourier de P (X), tambm

chamada de funo caracterstica da densidade de probabilidade P (X):


+
(q) =
dX P (X) exp (iqX)

 +

+
+
=
dX
dx1
dx2 p (x1 ) p (x2 ) (X x1 x2 ) exp (iqX)

+
+
+
=
dx1
dx2 p (x1 ) p (x2 )
dX exp (iqX) (X x1 x2 )

+
+
=
dx1
dx2 p (x1 ) p (x2 ) exp [iq (x1 + x2 )]


  +

+
=
dx1 p (x1 ) exp (iqx1 )
dx2 p (x2 ) exp (iqx2 )

 +
2
=
dx p (x) exp (iqx) .

Calculemos a transformada de Fourier, ou a funo caracterstica, da lorentziana


da Eq. (1):
+
(q) =
dx p (x) exp (iqx)

exp (iqx)
+
dx 2
.
=

+ x2
Aqui, devemos considerar dois casos: q > 0 e q < 0. No primeiro caso, temos:
+
+
+
exp (iqx)
exp (iqx)
exp (iqx)
dx 2
=
dx

dx
+ x2
2i (x i)
2i (x + i)

exp (q)
=
.

No segundo caso:
+
exp (iqx)
exp (q)
dx 2
=
.
+ x2

Em todo caso, portanto,


+
(q) =
dx p (x) exp (iqx)

= exp ( |q|) .
Logo,
(q) = [ (q)]2
= exp (2 |q|) .
4

Para obtermos a distribuio da varivel X, basta calcularmos a transformada


de Fourier inversa:
+
1
dq (q) exp (iqX)
P (X) =
2
+
1
=
dq exp (2 |q| iqX)
2
0
1
dq exp (2q iqX)
=
2
+
1
+
dq exp (2q iqX)
2 0


1
1
1
=
+
2 2 iX 2 + iX
1 2 + iX + 2 iX
=
2 (2 iX) (2 + iX)
2
1
=
.
(2)2 + X 2
Logo, a densidade de probabilidade para a varivel X tambm lorentziana, com
apenas uma mudana de escala:
2.
Dizemos, nesse caso, que a densidade de probabilidade lorentziana uma distribuio estvel, pois sua convoluo resulta em na mesma distribuio, com
uma mudana de escala apenas.
A distribuio gaussiana tambm estvel. Para verificarmos isso, tomemos:


1
x2
exp 2
p (x) =
2
2 2
e consideremos a distribuio da varivel
X = x1 + x2 .
A funo caracterstica correspondente dada por:
(q) = [ (q)]2
 +
2
=
dx p (x) exp (iqx) .

Mas,

(q) =
=
=
=
=
=

dx p (x) exp (iqx)



+
x2
1

dx exp 2 + iqx
2
2 2


+

1
1

dx exp 2 x2 2i 2 qx
2
2
2
 1



2 2 +

exp 2 q
1
2

dx exp 2 x i 2 q
2
2
2 
1 2 2
exp 2 q

2 2
2
2

1 2 2
exp q
2

e, portanto,
(q) = [ (q)]2

= exp 2 q 2 .
Tomando a transformada de Fourier inversa, obtemos a densidade de probabilidade para a varivel X:
+
1
P (X) =
dq (q) exp (iqX)
2
+

1
dq exp 2 q 2 iqX
=
2



+
1
iq
2
2
=
dq exp q 2 X
2

h
i

"
iX 2 +

2 #
exp 2 2
2
iX
=
dq exp 2 q 2
2
2



X2 r
exp 4
2

=
2
2


1
X2
=
exp 2 ,
4
4 2
que tambm uma gaussiana, porm com uma escala diferente:
2 2 2 .
6

Logo, a distribuio gaussiana tambm estvel.


Depois de estudar esses dois exemplos, podemos perguntar: quais so as distribuies estveis? Existem outras? As respostas a essas questes foram dadas
por Paul Pierre Lvy (h fotos) e Aleksandr Khinchin nas dcadas de 1920 e
1930. Segundo o livro-texto adotado neste curso, eles encontraram que a forma
mais geral de uma funo caracterstica de um processo estvel dada por:

h
i
iq |q| 1 i q tg
se 6= 1
|q|
2
h
i
ln [ (q)] =
,
iq |q| 1 + i q 2 ln (|q|)
se

=
1
|q|
onde
0 < 6 2,
um fator de escala positivo, um nmero real qualquer (valor esperado) e
um parmetro de assimetria que varia no intervalo de 1 a 1. O livro-texto
afirma que s so conhecidas as formas analticas das distribuies de Lvy com
os parmetros:
= 1 e = 1 (distribuio de Lvy-Smirnov);
= 1 e = 0 (distribuio lorentziana);
= 2 (distribuio gaussiana).
O livro-texto ento informa que, no caso simtrico, isto , quando = 0 e com
mdia zero, ou seja, = 0, a distribuio estvel, para x muito grande, tem a
forma assinttica:
P (|x|) |x|(1+) .
Uma consequncia importante desse resultado que o valor esperado de
|x|n
diverge para
n >
quando < 2. Assim, em particular, todos os processos estveis de Lvy com
< 2 tm varincias infinitas. Por exemplo, a distribuio lorentziana da Eq.

(1) d uma varincia infinita:


var (x) = x2 hxi2
 +
2

x2
x
+

dx 2

dx 2
=

+ x2

+ x2
+

x2 + 2 2
=
dx
0

2 + x2

+
x2 + 2 +
2
=
dx 2

dx 2

+ x2
+ x2

+
=
dx 2 .