jogos de ganhar dinheiro no pix de verdade
mitzvahceremonies.com:2024/11/4 6:05:54
jogos de ganhar dinheiro no pix de verdade
jogos de ganhar dinheiro no pix de verdade
Melhores sites de apostas esportivas do Brasil 💸 2024
Você está procurando maneiras de ganhar dinheiro bônus no KTO? Não procure mais! Neste artigo, vamos explorar algumas dicas e 📉 truques para ajudá-lo a maximizar seus ganhos na plataforma.
Dica 1: Complete tarefas e pesquisas.
Uma das maneiras mais fáceis de ganhar 📉 dinheiro bônus no KTO é completando tarefas e pesquisas. O kto oferece uma variedadede atividades que você pode completar para 📉 obter pontos, os quais podem ser resgatados por caixa ou outras recompensas /p>;
Alguns exemplos de tarefas que você pode concluir 📉 incluem fazer pesquisas, assistir vídeos e baixar aplicativos. As atividades geralmente são fáceis para serem concluídas rapidamente tornando-se uma ótima 📉 maneira em dinheiro extra no seu tempo livre
Além disso, o KTO também oferece um programa de referência que permite ganhar 📉 pontos para cada amigo a quem você se refere à plataforma. Esta é uma ótima maneira em dinheiro bônus sem 📉 ter muito trabalho feito
0 5 apostas
Em teoria das probabilidades, um martingale é um modelo de jogo honesto (fair game) em que o conhecimento de eventos 🗝 passados nunca ajuda a prever os ganhos futuros e apenas o evento atual importa.
Em particular, um martingale é uma sequência 🗝 de variáveis aleatórias (isto é, um processo estocástico) para o qual, a qualquer tempo específico na sequência observada, a esperança 🗝 do próximo valor na sequência é igual ao valor presentemente observado, mesmo dado o conhecimento de todos os valores anteriormente 🗝 observados.[1]
O movimento browniano parado é um exemplo de martingale.
Ele pode modelar um jogo de cara ou coroa com a possibilidade 🗝 de falência.
Em contraste, em um processo que não é um martingale, o valor esperado do processo em um tempo pode 🗝 ainda ser igual ao valor esperado do processo no tempo seguinte.
Entretanto, o conhecimento de eventos anteriores (por exemplo, todas as 🗝 cartas anteriormente retiradas de um baralho) pode ajudar a reduzir a incerteza sobre os eventos futuros.
Assim, o valor esperado do 🗝 próximo evento, dado o conhecimento do evento presente e de todos os anteriores, pode ser mais elevado do que o 🗝 do presente evento se uma estratégia de ganho for usada.
Martingales excluem a possibilidade de estratégias de ganho baseadas no histórico 🗝 do jogo e, portanto, são um modelo de jogos honestos.
É também uma técnica utilizada no mercado financeiro, para recuperar operações 🗝 perdidas.
Dobra-se a segunda mão para recuperar a anterior, e assim sucessivamente, até o acerto.
Martingale é o sistema de apostas mais 🗝 comum na roleta.
A popularidade deste sistema se deve à jogos de ganhar dinheiro no pix de verdade simplicidade e acessibilidade.
O jogo Martingale dá a impressão enganosa de 🗝 vitórias rápidas e fáceis.
A essência do sistema de jogo da roleta Martingale é a seguinte: fazemos uma aposta em uma 🗝 chance igual de roleta (vermelho-preto, par-ímpar), por exemplo, no "vermelho": fazemos uma aposta na roleta por 1 dólar; se você 🗝 perder, dobramos e apostamos $ 2.
Se perdermos na roleta, perderemos a aposta atual ($ 2) e a aposta anterior ($ 🗝 1) de $ 3.4, por exemplo.
duas apostas ganham (1 + 2 = $ 3) e temos um ganho líquido de 🗝 $ 1 na roleta.
Se você perder uma segunda vez na roleta Martingale, dobramos a aposta novamente (agora é $ 4).
Se 🗝 ganharmos, ganharemos de volta as duas apostas anteriores (1 + 2 = 3 dólares) e a atual (4 dólares) da 🗝 roda da roleta, e novamente ganharemos 1 dólar do cassino [2].
Originalmente, a expressão "martingale" se referia a um grupo de 🗝 estratégias de aposta popular na França do século XVIII.
[3][4] A mais simples destas estratégias foi projetada para um jogo em 🗝 que o apostador ganhava se a moeda desse cara e perdia se a moeda desse coroa.
A estratégia fazia o apostador 🗝 dobrar jogos de ganhar dinheiro no pix de verdade aposta depois de cada derrota a fim de que a primeira vitória recuperasse todas as perdas anteriores, além 🗝 de um lucro igual à primeira aposta.
Conforme o dinheiro e o tempo disponível do apostador se aproximam conjuntamente do infinito, 🗝 a possibilidade de eventualmente dar cara se aproxima de 1, o que faz a estratégia de aposta martingale parecer como 🗝 algo certo.
Entretanto, o crescimento exponencial das apostas eventualmente leva os apostadores à falência, assumindo de forma óbvia e realista que 🗝 a quantidade de dinheiro do apostador é finita (uma das razões pelas quais casinos, ainda que desfrutem normativamente de uma 🗝 vantagem matemática nos jogos oferecidos aos seus clientes, impõem limites às apostas).
Um movimento browniano parado, que é um processo martingale, 🗝 pode ser usado para descrever a trajetória de tais jogos.
O conceito de martingale em teoria das probabilidades foi introduzido por 🗝 Paul Lévy em 1934, ainda que ele não lhes tivesse dado este nome.
[5] O termo "martingale" foi introduzido em 1939 🗝 por Jean Ville,[6] que também estendeu a definição à martingales contínuos.
[7] Muito do desenvolvimento original da teoria foi feito por 🗝 Joseph Leo Doob, entre outros.
[8] Parte da motivação daquele trabalho era mostrar a impossibilidade de estratégias de aposta bem-sucedidas.[9]
Uma definição 🗝 básica de um martingale de tempo discreto diz que ele é um processo estocástico (isto é, uma sequência de variáveis 🗝 aleatórias) X 1 , X 2 , X 3 , ...
{\displaystyle X_{1},X_{2},X_{3},...
} de tempo discreto que satisfaz, para qualquer tempo 🗝 n {\displaystyle n} ,
E ( | X n | ) < ∞ {\displaystyle \mathbf {E} (\vert X_{n}\vert )<\infty }
E ( 🗝 X n + 1 ∣ X 1 , .
.
.
, X n ) = X n .
{\displaystyle \mathbf {E} (X_{n+1}\mid 🗝 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 🗝 observação.[10]
Sequências martingale em relação a outra sequência [ editar | editar código-fonte ]
Mais geralmente, uma sequência Y 1 , Y 🗝 2 , Y 3 , ...
{\displaystyle Y_{1},Y_{2},Y_{3},...
} é considerada um martingale em relação a outra sequência X 1 , X 🗝 2 , X 3 , ...
{\displaystyle X_{1},X_{2},X_{3},...
} se, para todo n {\displaystyle n} ,
E ( | Y n | ) 🗝 < ∞ {\displaystyle \mathbf {E} (\vert Y_{n}\vert )<\infty }
E ( Y n + 1 ∣ X 1 , .
.
.
, 🗝 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 🗝 relação ao processo estocástico X t {\displaystyle X_{t}} é um processo estocástico Y t {\displaystyle Y_{t}} tal que, para todo 🗝 t {\displaystyle t} ,
E ( | Y t | ) < ∞ {\displaystyle \mathbf {E} (\vert Y_{t}\vert )<\infty }
E ( 🗝 Y t ∣ { X τ , τ ≤ s } ) = Y s ∀ s ≤ t .
{\displaystyle 🗝 \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 🗝 qualquer observação no tempo t {\displaystyle t} , dadas todas as observações até o tempo s {\displaystyle s} , é 🗝 igual à observação no tempo s {\displaystyle s} (considerando que s ≤ t {\displaystyle s\leq t} ).
Em geral, um processo 🗝 estocástico Y : T × Ω → S {\displaystyle Y:T\times \Omega \to S} é um martingale em relação a uma 🗝 filtração Σ ∗ {\displaystyle \Sigma _{*}} e medida de probabilidade P {\displaystyle P} se
Σ ∗ {\displaystyle \Sigma _{*}} espaço de 🗝 probabilidade subjacente ( Ω , Σ , P {\displaystyle \Omega ,\Sigma ,P}
espaço de probabilidade subjacente ( Y {\displaystyle Y} Σ 🗝 ∗ {\displaystyle \Sigma _{*}} t {\displaystyle t} T {\displaystyle T} Y t {\displaystyle Y_{t}} função mensurável Σ τ {\displaystyle \Sigma 🗝 _{\tau }}
função mensurável Para cada t {\displaystyle t} Y t {\displaystyle Y_{t}} espaço Lp L 1 ( Ω , Σ 🗝 t , P ; S ) {\displaystyle L^{1}(\Omega ,\Sigma _{t},P;S)}
E P ( | Y t | ) < + ∞ 🗝 ; {\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 ) 🗝 = 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 🗝 evento F {\displaystyle F} A última condição é denotada como Y s = E P ( Y t | Σ 🗝 s ) , {\displaystyle Y_{s}=\mathbf {E} _{\mathbf {P} }(Y_{t}|\Sigma _{s}),} que é uma forma geral de valor esperado condicional.[ 11 🗝 ] É importante notar que a propriedade martingale envolve tanto a filtração, como a medida de probabilidade (em relação à qual 🗝 os valores esperados são assumidos). É possível que Y {\displaystyle Y} seja um martingale em relação a uma medida, mas não 🗝 em relação a outra. O Teorema de Girsanov oferece uma forma de encontrar uma medida em relação à qual um processo 🗝 de Itō é um martingale.[12] Exemplos de martingales [ editar | editar código-fonte ] Um passeio aleatório não viesado (em qualquer número 🗝 de dimensões) é um exemplo de martingale. O dinheiro de um apostador é um martingale se todos os jogos de aposta 🗝 com que ele se envolver forem honestos. Uma urna de Pólya contém uma quantidade de bolas de diferentes cores. A cada iteração, 🗝 uma bola é aleatoriamente retirada da urna e substituída por várias outras da mesma cor. Para qualquer cor dada, a fração 🗝 das bolas na urna com aquela cor é um martingale. Por exemplo, se atualmente 95% da bolas são vermelhas, então, ainda 🗝 que a próxima iteração mais provavelmente adicione bolas vermelhas e não de outra cor, este viés está exatamente equilibrado pelo 🗝 fato de que adicionar mais bolas vermelhas altera a fração de forma muito menos significativa do que adicionar o mesmo 🗝 número de bolas não vermelhas alteraria. Suponha que X n {\displaystyle X_{n}} moeda honesta foi jogada n {\displaystyle n} moeda honesta foi 🗝 jogada Considere Y n = X n 2 − n {\displaystyle Y_{n}={X_{n}}^{2}-n} X n {\displaystyle X_{n}} { Y n : 🗝 n = 1 , 2 , 3 , ... } {\displaystyle \{Y_{n}:n=1,2,3,... \}} raiz quadrada do número de vezes que a moeda 🗝 for jogada. raiz quadrada do número de vezes que a moeda for jogada. No caso de um martingale de Moivre, suponha que 🗝 a moeda é desonesta, isto é, viesada, com probabilidade p {\displaystyle p} q = 1 − p {\displaystyle q=1-p} X n 🗝 + 1 = X n ± 1 {\displaystyle X_{n+1}=X_{n}\pm 1} com + {\displaystyle +} − {\displaystyle -} Y n = ( 🗝 q / p ) X n . {\displaystyle Y_{n}=(q/p)^{X_{n}}.} Então, { Y n : n = 1 , 2 , 3 , 🗝 ... } {\displaystyle \{Y_{n}:n=1,2,3,... \}} { X n : n = 1 , 2 , 3 , ... } {\displaystyle \{X_{n}:n=1,2,3,... \}} E [ 🗝 Y n + 1 ∣ X 1 , . . . , X n ] = p ( q / p ) 🗝 X n + 1 + q ( q / p ) X n − 1 = p ( q / 🗝 p ) ( q / p ) X n + q ( p / q ) ( q / p 🗝 ) X n = q ( q / p ) X n + p ( q / p ) X 🗝 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 🗝 verossimilhança em estatística, uma variável aleatória X {\displaystyle X} f {\displaystyle f} g {\displaystyle g} amostra aleatória X 1 , 🗝 ... , X n {\displaystyle X_{1},... ,X_{n}} [ 13 ] Considere Y n {\displaystyle Y_{n}} Y n = ∏ i = 1 n 🗝 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} 🗝 g {\displaystyle g} { Y n : n = 1 , 2 , 3 , ... } {\displaystyle \{Y_{n}:n=1,2,3,... \}} { X 🗝 n : n = 1 , 2 , 3 , ... } {\displaystyle \{X_{n}:n=1,2,3,...\}} Suponha que uma ameba se divide em duas 🗝 amebas com probabilidade p {\displaystyle p} 1 − p {\displaystyle 1-p} X n {\displaystyle X_{n}} n {\displaystyle n} X n 🗝 = 0 {\displaystyle X_{n}=0} r {\displaystyle r} r {\displaystyle r} p {\displaystyle p} [ 14 ] Então { r X n 🗝 : n = 1 , 2 , 3 , . . . } {\displaystyle \{\,r^{X_{n}}:n=1,2,3,\dots \,\}} é um martingale em relação a { 🗝 X n : n = 1 , 2 , 3 , ... } {\displaystyle \{X_{n}:n=1,2,3,...\}} Uma série martingale criada por software. Em uma 🗝 comunidade ecológica (um grupo de espécies em um nível trófico particular, competindo por recursos semelhantes em uma área local), o 🗝 número de indivíduos de qualquer espécie particular de tamanho fixado é uma função de tempo (discreto) e pode ser visto 🗝 como uma sequência de variáveis aleatórias. Esta sequência é um martingale sob a teoria neutra unificada de biodiversidade e biogeografia. Se { 🗝 N t : t ≥ 0 } {\displaystyle \{N_{t}:t\geq 0\}} processo de Poisson com intensidade λ {\displaystyle \lambda } { 🗝 N t − λ t : t ≥ 0 } {\displaystyle \{N_{t}-\lambda _{t}:t\geq 0\}} Submartingales, supermartingales e relação com funções harmônicas 🗝 [ editar | editar código-fonte ] Há duas generalizações populares de um martingale que também incluem casos em que a observação 🗝 atual X n {\displaystyle X_{n}} não é necessariamente igual à futura expectativa condicional E [ X n + 1 | 🗝 X 1 , ... , X n ] {\displaystyle E[X_{n+1}|X_{1},... ,X_{n}]} , mas, em vez disto, a um limite superior ou inferior 🗝 à expectativa condicional. Estas definições refletem uma relação entre a teoria do martingale e a teoria do potencial, que é o 🗝 estudo das funções harmônicas. [15] Assim como um martingale de tempo contínuo satisfaz a E [ X t | { X 🗝 τ : τ ≤ s } − X s = 0 ∀ s ≤ t {\displaystyle E[X_{t}|\{X_{\tau }:\tau \leq s\}-X_{s}=0\forall 🗝 s\leq t} , uma função harmônica f {\displaystyle f} satisfaz a equação diferencial parcial Δ f = 0 {\displaystyle \Delta 🗝 f=0} , em que Δ {\displaystyle \Delta } é o operador de Laplace. Dado um processo de movimento browniano W t 🗝 {\displaystyle W_{t}} e uma função harmônica f {\displaystyle f} , o processo resultante f ( W t ) {\displaystyle f(W_{t})} 🗝 também é um martingale. Um submartingale de tempo discreto é uma sequência X 1 , X 2 , X 3 , 🗝 . . . {\displaystyle X_{1},X_{2},X_{3},\ldots } integráveis que satisfaz a E [ X n + 1 | X 1 , . . . , X 🗝 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 🗝 [ X t | { X τ : τ ≤ s } ] ≥ X s ∀ s ≤ t 🗝 . {\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 🗝 f ≥ 0 {\displaystyle \Delta f\geq 0} Grosso modo, o prefixo "sub-" é consistente porque a atual observação X n 🗝 {\displaystyle X_{n}} E [ X n + 1 | X 1 , ... , X n ] {\displaystyle E[X_{n+1}|X_{1},...,X_{n}]} De forma análoga, 🗝 um supermartingale de tempo discreto satisfaz a E [ X n + 1 | X 1 , . . . , X n 🗝 ] ≤ 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 [ 🗝 X t | { X τ : τ ≤ s } ] ≤ X s ∀ s ≤ t . {\displaystyle 🗝 {}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 🗝 ≤ 0 {\displaystyle \Delta f\leq 0} Grosso modo, o prefixo "super-" é consistente porque a atual observação X n {\displaystyle 🗝 X_{n}} E [ X n + 1 | X 1 , ... , X n ] {\displaystyle E[X_{n+1}|X_{1},...,X_{n}]} Exemplos de submartingales e 🗝 supermartingales [ editar | editar código-fonte ] Todo martingale é também um submartingale e um supermartingale. Reciprocamente, todo processo estocástico que é 🗝 tanto um submartingale, como um supermartingale, é um martingale. Considere novamente um apostador que ganha $1 quando uma moeda der cara 🗝 e perde $1 quando a moeda der coroa. Suponha agora que a moeda possa estar viesada e que ela dê cara 🗝 com probabilidade p {\displaystyle p} Se p {\displaystyle p} 1 / 2 {\displaystyle 1/2} Se p {\displaystyle p} 1 / 🗝 2 {\displaystyle 1/2} Se p {\displaystyle p} 1 / 2 {\displaystyle 1/2} Uma função convexa de um martingale é um submartingale 🗝 pela desigualdade de Jensen. Por exemplo, o quadrado da riqueza de um apostador em jogo de moeda honesta é um submartingale 🗝 (o que também se segue do fato de que X n 2 − n {\displaystyle {X_{n}}^{2}-n} Martingales e tempos de parada 🗝 [ editar | editar código-fonte ] Um tempo de parada em relação a uma sequência de variáveis aleatórias X 1 , 🗝 X 2 , X 3 , ... {\displaystyle X_{1},X_{2},X_{3},... } é uma variável aleatória τ {\displaystyle \tau } com a propriedade de 🗝 que para cada t {\displaystyle t} , a ocorrência ou a não ocorrência do evento τ = t {\displaystyle \tau 🗝 =t} depende apenas dos valores de X 1 , X 2 , X 3 , ... , X t {\displaystyle X_{1},X_{2},X_{3},...,X_{t}} 🗝 . A intuição por trás da definição é que, a qualquer tempo particular t {\displaystyle t} , pode-se observar a sequência 🗝 até o momento e dizer se é hora de parar. Um exemplo na vida real pode ser o tempo em que 🗝 um apostador deixa a mesa de apostas, o que pode ser uma função de suas vitórias anteriores (por exemplo, ele 🗝 pode deixar a mesa apenas quando ele vai à falência), mas ele não pode escolher entre ficar ou sair com 🗝 base no resultando de jogos que ainda não ocorreram.[16] Em alguns contextos, o conceito de tempo de parada é definido exigindo-se 🗝 apenas que a ocorrência ou não ocorrência do evento τ = t {\displaystyle \tau =t} seja probabilisticamente independente de X 🗝 t + 1 , X t + 2 , ... {\displaystyle X_{t+1},X_{t+2},... } , mas não que isto seja completamente determinado pelo 🗝 histórico do processo até o tempo t {\displaystyle t} . Isto é uma condição mais fraca do que aquela descrita no 🗝 parágrafo acima, mas é forte o bastante para servir em algumas das provas em que tempos de parada são usados. Uma 🗝 das propriedades básicas de martingales é que, se ( X t ) t > 0 {\displaystyle (X_{t})_{t>0}} for um (sub/super)martingale 🗝 e τ {\displaystyle \tau } for um tempo de parada, então, o processo parado correspondente ( X t τ ) 🗝 t > 0 {\displaystyle (X_{t}^{\tau })_{t>0}} definido por X t τ := X min { τ , t } {\displaystyle 🗝 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, 🗝 incluindo, por exemplo, o teorema da parada opcional, que afirma que, sob certas condições, o valor esperado de um martingale 🗝 em um tempo de parada é igual ao seu valor inicial. Em teoria das probabilidades, um martingale é um modelo de 🗝 jogo honesto (fair game) em que o conhecimento de eventos passados nunca ajuda a prever os ganhos futuros e apenas 🗝 o evento atual importa. Em particular, um martingale é uma sequência de variáveis aleatórias (isto é, um processo estocástico) para o 🗝 qual, a qualquer tempo específico na sequência observada, a esperança do próximo valor na sequência é igual ao valor presentemente 🗝 observado, mesmo dado o conhecimento de todos os valores anteriormente observados.[1] O movimento browniano parado é um exemplo de martingale. Ele pode 🗝 modelar um jogo de cara ou coroa com a possibilidade de falência. Em contraste, em um processo que não é um 🗝 martingale, o valor esperado do processo em um tempo pode ainda ser igual ao valor esperado do processo no tempo 🗝 seguinte. Entretanto, o conhecimento de eventos anteriores (por exemplo, todas as cartas anteriormente retiradas de um baralho) pode ajudar a reduzir 🗝 a incerteza sobre os eventos futuros. Assim, o valor esperado do próximo evento, dado o conhecimento do evento presente e de 🗝 todos os anteriores, pode ser mais elevado do que o do presente evento se uma estratégia de ganho for usada. Martingales 🗝 excluem a possibilidade de estratégias de ganho baseadas no histórico do jogo e, portanto, são um modelo de jogos honestos. É 🗝 também uma técnica utilizada no mercado financeiro, para recuperar operações perdidas. Dobra-se a segunda mão para recuperar a anterior, e assim 🗝 sucessivamente, até o acerto. Martingale é o sistema de apostas mais comum na roleta. A popularidade deste sistema se deve à jogos de ganhar dinheiro no pix de verdade 🗝 simplicidade e acessibilidade. O jogo Martingale dá a impressão enganosa de vitórias rápidas e fáceis. A essência do sistema de jogo da 🗝 roleta Martingale é a seguinte: fazemos uma aposta em uma chance igual de roleta (vermelho-preto, par-ímpar), por exemplo, no "vermelho": 🗝 fazemos uma aposta na roleta por 1 dólar; se você perder, dobramos e apostamos $ 2. Se perdermos na roleta, perderemos 🗝 a aposta atual ($ 2) e a aposta anterior ($ 1) de $ 3.4, por exemplo. duas apostas ganham (1 + 🗝 2 = $ 3) e temos um ganho líquido de $ 1 na roleta. Se você perder uma segunda vez na 🗝 roleta Martingale, dobramos a aposta novamente (agora é $ 4). Se ganharmos, ganharemos de volta as duas apostas anteriores (1 + 🗝 2 = 3 dólares) e a atual (4 dólares) da roda da roleta, e novamente ganharemos 1 dólar do cassino 🗝 [2]. Originalmente, a expressão "martingale" se referia a um grupo de estratégias de aposta popular na França do século XVIII. [3][4] A 🗝 mais simples destas estratégias foi projetada para um jogo em que o apostador ganhava se a moeda desse cara e 🗝 perdia se a moeda desse coroa. A estratégia fazia o apostador dobrar jogos de ganhar dinheiro no pix de verdade aposta depois de cada derrota a fim de 🗝 que a primeira vitória recuperasse todas as perdas anteriores, além de um lucro igual à primeira aposta. Conforme o dinheiro e 🗝 o tempo disponível do apostador se aproximam conjuntamente do infinito, a possibilidade de eventualmente dar cara se aproxima de 1, 🗝 o que faz a estratégia de aposta martingale parecer como algo certo. Entretanto, o crescimento exponencial das apostas eventualmente leva os 🗝 apostadores à falência, assumindo de forma óbvia e realista que a quantidade de dinheiro do apostador é finita (uma das 🗝 razões pelas quais casinos, ainda que desfrutem normativamente de uma vantagem matemática nos jogos oferecidos aos seus clientes, impõem limites 🗝 às apostas). Um movimento browniano parado, que é um processo martingale, pode ser usado para descrever a trajetória de tais jogos. O 🗝 conceito de martingale em teoria das probabilidades foi introduzido por Paul Lévy em 1934, ainda que ele não lhes tivesse 🗝 dado este nome. [5] O termo "martingale" foi introduzido em 1939 por Jean Ville,[6] que também estendeu a definição à martingales 🗝 contínuos. [7] Muito do desenvolvimento original da teoria foi feito por Joseph Leo Doob, entre outros. [8] Parte da motivação daquele trabalho 🗝 era mostrar a impossibilidade de estratégias de aposta bem-sucedidas.[9] Uma definição básica de um martingale de tempo discreto diz que ele 🗝 é um processo estocástico (isto é, uma sequência de variáveis aleatórias) X 1 , X 2 , X 3 , 🗝 ... {\displaystyle X_{1},X_{2},X_{3},... } de tempo discreto que satisfaz, para qualquer tempo n {\displaystyle n} , E ( | X n | ) 🗝 < ∞ {\displaystyle \mathbf {E} (\vert X_{n}\vert )<\infty } E ( X n + 1 ∣ X 1 , . . . , 🗝 X n ) = X n . {\displaystyle \mathbf {E} (X_{n+1}\mid 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 observação.[10] Sequências martingale em relação a outra sequência [ editar | 🗝 editar código-fonte ] Mais geralmente, uma sequência Y 1 , Y 2 , Y 3 , ... {\displaystyle Y_{1},Y_{2},Y_{3},... } é considerada um 🗝 martingale em relação a outra sequência X 1 , X 2 , X 3 , ... {\displaystyle X_{1},X_{2},X_{3},... } se, para todo 🗝 n {\displaystyle n} , E ( | Y n | ) < ∞ {\displaystyle \mathbf {E} (\vert Y_{n}\vert )<\infty } E ( 🗝 Y n + 1 ∣ X 1 , . . . , 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 relação ao processo estocástico X t {\displaystyle X_{t}} é um 🗝 processo estocástico Y t {\displaystyle Y_{t}} tal que, para todo t {\displaystyle t} , E ( | Y t | ) 🗝 < ∞ {\displaystyle \mathbf {E} (\vert Y_{t}\vert )<\infty } E ( Y t ∣ { X τ , τ ≤ s 🗝 } ) = Y s ∀ s ≤ t . {\displaystyle \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 qualquer observação no tempo t {\displaystyle t} , dadas todas 🗝 as observações até o tempo s {\displaystyle s} , é igual à observação no tempo s {\displaystyle s} (considerando que 🗝 s ≤ t {\displaystyle s\leq t} ). Em geral, um processo estocástico Y : T × Ω → S {\displaystyle Y:T\times 🗝 \Omega \to S} é um martingale em relação a uma filtração Σ ∗ {\displaystyle \Sigma _{*}} e medida de probabilidade 🗝 P {\displaystyle P} se Σ ∗ {\displaystyle \Sigma _{*}} espaço de probabilidade subjacente ( Ω , Σ , P {\displaystyle \Omega 🗝 ,\Sigma ,P} espaço de probabilidade subjacente ( Y {\displaystyle Y} Σ ∗ {\displaystyle \Sigma _{*}} t {\displaystyle t} T {\displaystyle T} 🗝 Y t {\displaystyle Y_{t}} função mensurável Σ τ {\displaystyle \Sigma _{\tau }} função mensurável Para cada t {\displaystyle t} Y t 🗝 {\displaystyle Y_{t}} espaço Lp L 1 ( Ω , Σ t , P ; S ) {\displaystyle L^{1}(\Omega ,\Sigma _{t},P;S)} E 🗝 P ( | Y t | ) < + ∞ ; {\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 ) = 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 evento F {\displaystyle F} A última condição é denotada como 🗝 Y s = E P ( Y t | Σ s ) , {\displaystyle Y_{s}=\mathbf {E} _{\mathbf {P} }(Y_{t}|\Sigma _{s}),} 🗝 que é uma forma geral de valor esperado condicional.[ 11 ] É importante notar que a propriedade martingale envolve tanto a 🗝 filtração, como a medida de probabilidade (em relação à qual os valores esperados são assumidos). É possível que Y {\displaystyle Y} 🗝 seja um martingale em relação a uma medida, mas não em relação a outra. O Teorema de Girsanov oferece uma forma 🗝 de encontrar uma medida em relação à qual um processo de Itō é um martingale.[12] Exemplos de martingales [ editar | 🗝 editar código-fonte ] Um passeio aleatório não viesado (em qualquer número de dimensões) é um exemplo de martingale. O dinheiro de um 🗝 apostador é um martingale se todos os jogos de aposta com que ele se envolver forem honestos. Uma urna de Pólya 🗝 contém uma quantidade de bolas de diferentes cores. A cada iteração, uma bola é aleatoriamente retirada da urna e substituída por 🗝 várias outras da mesma cor. Para qualquer cor dada, a fração das bolas na urna com aquela cor é um martingale. Por 🗝 exemplo, se atualmente 95% da bolas são vermelhas, então, ainda que a próxima iteração mais provavelmente adicione bolas vermelhas e 🗝 não de outra cor, este viés está exatamente equilibrado pelo fato de que adicionar mais bolas vermelhas altera a fração 🗝 de forma muito menos significativa do que adicionar o mesmo número de bolas não vermelhas alteraria. Suponha que X n {\displaystyle 🗝 X_{n}} moeda honesta foi jogada n {\displaystyle n} moeda honesta foi jogada Considere Y n = X n 2 − n 🗝 {\displaystyle Y_{n}={X_{n}}^{2}-n} X n {\displaystyle X_{n}} { Y n : n = 1 , 2 , 3 , ... } {\displaystyle 🗝 \{Y_{n}:n=1,2,3,... \}} raiz quadrada do número de vezes que a moeda for jogada. raiz quadrada do número de vezes que a moeda 🗝 for jogada. No caso de um martingale de Moivre, suponha que a moeda é desonesta, isto é, viesada, com probabilidade p 🗝 {\displaystyle p} q = 1 − p {\displaystyle q=1-p} X n + 1 = X n ± 1 {\displaystyle X_{n+1}=X_{n}\pm 1} 🗝 com + {\displaystyle +} − {\displaystyle -} Y n = ( q / p ) X n . {\displaystyle Y_{n}=(q/p)^{X_{n}}.} Então, { Y 🗝 n : n = 1 , 2 , 3 , ... } {\displaystyle \{Y_{n}:n=1,2,3,... \}} { X n : n = 1 🗝 , 2 , 3 , ... } {\displaystyle \{X_{n}:n=1,2,3,... \}} E [ Y n + 1 ∣ X 1 , . . . , 🗝 X n ] = p ( q / p ) X n + 1 + q ( q / p 🗝 ) X n − 1 = p ( q / p ) ( q / p ) X n + 🗝 q ( p / q ) ( q / p ) X n = q ( q / p ) 🗝 X n + p ( q / p ) X 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 verossimilhança em estatística, uma variável aleatória X {\displaystyle X} f 🗝 {\displaystyle f} g {\displaystyle g} amostra aleatória X 1 , ... , X n {\displaystyle X_{1},... ,X_{n}} [ 13 ] Considere Y 🗝 n {\displaystyle Y_{n}} Y n = ∏ i = 1 n 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} g {\displaystyle g} { Y n : n = 1 🗝 , 2 , 3 , ... } {\displaystyle \{Y_{n}:n=1,2,3,... \}} { X n : n = 1 , 2 , 3 , 🗝 ... } {\displaystyle \{X_{n}:n=1,2,3,...\}} Suponha que uma ameba se divide em duas amebas com probabilidade p {\displaystyle p} 1 − p {\displaystyle 🗝 1-p} X n {\displaystyle X_{n}} n {\displaystyle n} X n = 0 {\displaystyle X_{n}=0} r {\displaystyle r} r {\displaystyle r} 🗝 p {\displaystyle p} [ 14 ] Então { r X n : n = 1 , 2 , 3 , . . . 🗝 } {\displaystyle \{\,r^{X_{n}}:n=1,2,3,\dots \,\}} é um martingale em relação a { X n : n = 1 , 2 , 3 🗝 , ... } {\displaystyle \{X_{n}:n=1,2,3,...\}} Uma série martingale criada por software. Em uma comunidade ecológica (um grupo de espécies em um nível trófico 🗝 particular, competindo por recursos semelhantes em uma área local), o número de indivíduos de qualquer espécie particular de tamanho fixado 🗝 é uma função de tempo (discreto) e pode ser visto como uma sequência de variáveis aleatórias. Esta sequência é um martingale 🗝 sob a teoria neutra unificada de biodiversidade e biogeografia. Se { N t : t ≥ 0 } {\displaystyle \{N_{t}:t\geq 0\}} 🗝 processo de Poisson com intensidade λ {\displaystyle \lambda } { N t − λ t : t ≥ 0 } 🗝 {\displaystyle \{N_{t}-\lambda _{t}:t\geq 0\}} Submartingales, supermartingales e relação com funções harmônicas [ editar | editar código-fonte ] Há duas generalizações populares de 🗝 um martingale que também incluem casos em que a observação atual X n {\displaystyle X_{n}} não é necessariamente igual à 🗝 futura expectativa condicional E [ X n + 1 | X 1 , ... , X n ] {\displaystyle E[X_{n+1}|X_{1},... ,X_{n}]} , 🗝 mas, em vez disto, a um limite superior ou inferior à expectativa condicional. Estas definições refletem uma relação entre a teoria 🗝 do martingale e a teoria do potencial, que é o estudo das funções harmônicas. [15] Assim como um martingale de tempo 🗝 contínuo satisfaz a E [ X t | { X τ : τ ≤ s } − X s = 🗝 0 ∀ s ≤ t {\displaystyle E[X_{t}|\{X_{\tau }:\tau \leq s\}-X_{s}=0\forall s\leq t} , uma função harmônica f {\displaystyle f} satisfaz 🗝 a equação diferencial parcial Δ f = 0 {\displaystyle \Delta f=0} , em que Δ {\displaystyle \Delta } é o 🗝 operador de Laplace. Dado um processo de movimento browniano W t {\displaystyle W_{t}} e uma função harmônica f {\displaystyle f} , 🗝 o processo resultante f ( W t ) {\displaystyle f(W_{t})} também é um martingale. Um submartingale de tempo discreto é uma 🗝 sequência X 1 , X 2 , X 3 , . . . {\displaystyle X_{1},X_{2},X_{3},\ldots } integráveis que satisfaz a E [ X 🗝 n + 1 | X 1 , . . . , X 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 [ X t | { X τ : τ ≤ 🗝 s } ] ≥ X s ∀ s ≤ t . {\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 f ≥ 0 {\displaystyle \Delta f\geq 0} Grosso modo, o 🗝 prefixo "sub-" é consistente porque a atual observação X n {\displaystyle X_{n}} E [ X n + 1 | X 🗝 1 , ... , X n ] {\displaystyle E[X_{n+1}|X_{1},...,X_{n}]} De forma análoga, um supermartingale de tempo discreto satisfaz a E [ X n 🗝 + 1 | X 1 , . . . , X n ] ≤ 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 [ X t | { X τ : τ ≤ s 🗝 } ] ≤ X s ∀ s ≤ t . {\displaystyle {}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 ≤ 0 {\displaystyle \Delta f\leq 0} Grosso modo, o prefixo 🗝 "super-" é consistente porque a atual observação X n {\displaystyle X_{n}} E [ X n + 1 | X 1 🗝 , ... , X n ] {\displaystyle E[X_{n+1}|X_{1},...,X_{n}]} Exemplos de submartingales e supermartingales [ editar | editar código-fonte ] Todo martingale é também 🗝 um submartingale e um supermartingale. Reciprocamente, todo processo estocástico que é tanto um submartingale, como um supermartingale, é um martingale. Considere novamente 🗝 um apostador que ganha $1 quando uma moeda der cara e perde $1 quando a moeda der coroa. Suponha agora que 🗝 a moeda possa estar viesada e que ela dê cara com probabilidade p {\displaystyle p} Se p {\displaystyle p} 1 🗝 / 2 {\displaystyle 1/2} Se p {\displaystyle p} 1 / 2 {\displaystyle 1/2} Se p {\displaystyle p} 1 / 2 🗝 {\displaystyle 1/2} Uma função convexa de um martingale é um submartingale pela desigualdade de Jensen. Por exemplo, o quadrado da riqueza de 🗝 um apostador em jogo de moeda honesta é um submartingale (o que também se segue do fato de que X 🗝 n 2 − n {\displaystyle {X_{n}}^{2}-n} Martingales e tempos de parada [ editar | editar código-fonte ] Um tempo de parada em 🗝 relação a uma sequência de variáveis aleatórias X 1 , X 2 , X 3 , ... {\displaystyle X_{1},X_{2},X_{3},... } é uma 🗝 variável aleatória τ {\displaystyle \tau } com a propriedade de que para cada t {\displaystyle t} , a ocorrência ou 🗝 a não ocorrência do evento τ = t {\displaystyle \tau =t} depende apenas dos valores de X 1 , X 🗝 2 , X 3 , ... , X t {\displaystyle X_{1},X_{2},X_{3},...,X_{t}} . A intuição por trás da definição é que, a qualquer 🗝 tempo particular t {\displaystyle t} , pode-se observar a sequência até o momento e dizer se é hora de parar. Um 🗝 exemplo na vida real pode ser o tempo em que um apostador deixa a mesa de apostas, o que pode 🗝 ser uma função de suas vitórias anteriores (por exemplo, ele pode deixar a mesa apenas quando ele vai à falência), 🗝 mas ele não pode escolher entre ficar ou sair com base no resultando de jogos que ainda não ocorreram.[16] Em alguns 🗝 contextos, o conceito de tempo de parada é definido exigindo-se apenas que a ocorrência ou não ocorrência do evento τ 🗝 = t {\displaystyle \tau =t} seja probabilisticamente independente de X t + 1 , X t + 2 , ... {\displaystyle 🗝 X_{t+1},X_{t+2},... } , mas não que isto seja completamente determinado pelo histórico do processo até o tempo t {\displaystyle t} . Isto 🗝 é uma condição mais fraca do que aquela descrita no parágrafo acima, mas é forte o bastante para servir em 🗝 algumas das provas em que tempos de parada são usados. Uma das propriedades básicas de martingales é que, se ( X 🗝 t ) t > 0 {\displaystyle (X_{t})_{t>0}} for um (sub/super)martingale e τ {\displaystyle \tau } for um tempo de parada, 🗝 então, o processo parado correspondente ( X t τ ) t > 0 {\displaystyle (X_{t}^{\tau })_{t>0}} definido por X t 🗝 τ := X min { τ , t } {\displaystyle 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, incluindo, por exemplo, o teorema da parada opcional, que afirma 🗝 que, sob certas condições, o valor esperado de um martingale em um tempo de parada é igual ao seu valor 🗝 inicial.
artigos relacionados
2024/11/4 6:05:54