como ganhar em slots online-rapant-mcelroy.com

Em teoria das probabilidades, um martingale é um modelo de jogo honesto (fair game) em que o conhecimento de eventos 0️⃣ passados nunca ajuda a prever os ganhos futuros e apenas o evento atual importa.

Em particular, um martingale é uma sequência 0️⃣ de variáveis aleatórias (isto é, um processo estocástico) para o qual, a qualquer tempo específico na sequência observada, a esperança 0️⃣ do próximo valor na sequência é igual ao valor presentemente observado, mesmo dado o conhecimento de todos os valores anteriormente 0️⃣ observados.[1]

O movimento browniano parado é um exemplo de martingale.

Ele pode modelar um jogo de cara ou coroa com a possibilidade 0️⃣ de falência.

Em contraste, em um processo que não é um martingale, o valor esperado do processo em um tempo pode 0️⃣ ainda ser igual ao valor esperado do processo no tempo seguinte.

Entretanto, o conhecimento de eventos anteriores (por exemplo, todas as 0️⃣ cartas anteriormente retiradas de um baralho) pode ajudar a reduzir a incerteza sobre os eventos futuros.

Assim, o valor esperado do 0️⃣ próximo evento, dado o conhecimento do evento presente e de todos os anteriores, pode ser mais elevado do que o 0️⃣ do presente evento se uma estratégia de ganho for usada.

Martingales excluem a possibilidade de estratégias de ganho baseadas no histórico 0️⃣ do jogo e, portanto, são um modelo de jogos honestos.

É também uma técnica utilizada no mercado financeiro, para recuperar operações 0️⃣ perdidas.

Dobra-se a segunda mão para recuperar a anterior, e assim sucessivamente, até o acerto.

Martingale é o sistema de apostas mais 0️⃣ comum na roleta.

A popularidade deste sistema se deve à como ganhar em slots online simplicidade e acessibilidade.

O jogo Martingale dá a impressão enganosa de 0️⃣ vitórias rápidas e fáceis.

A essência do sistema de jogo da roleta Martingale é a seguinte: fazemos uma aposta em uma 0️⃣ chance igual de roleta (vermelho-preto, par-ímpar), por exemplo, no "vermelho": fazemos uma aposta na roleta por 1 dólar; se você 0️⃣ perder, dobramos e apostamos $ 2.

Se perdermos na roleta, perderemos a aposta atual ($ 2) e a aposta anterior ($ 0️⃣ 1) de $ 3.4, por exemplo.

duas apostas ganham (1 + 2 = $ 3) e temos um ganho líquido de 0️⃣ $ 1 na roleta.

Se você perder uma segunda vez na roleta Martingale, dobramos a aposta novamente (agora é $ 4).

Se 0️⃣ ganharmos, ganharemos de volta as duas apostas anteriores (1 + 2 = 3 dólares) e a atual (4 dólares) da 0️⃣ roda da roleta, e novamente ganharemos 1 dólar do cassino [2].

Originalmente, a expressão "martingale" se referia a um grupo de 0️⃣ estratégias de aposta popular na França do século XVIII.

[3][4] A mais simples destas estratégias foi projetada para um jogo em 0️⃣ que o apostador ganhava se a moeda desse cara e perdia se a moeda desse coroa.

A estratégia fazia o apostador 0️⃣ dobrar como ganhar em slots online aposta depois de cada derrota a fim de que a primeira vitória recuperasse todas as perdas anteriores, além 0️⃣ de um lucro igual à primeira aposta.

Conforme o dinheiro e o tempo disponível do apostador se aproximam conjuntamente do infinito, 0️⃣ a possibilidade de eventualmente dar cara se aproxima de 1, o que faz a estratégia de aposta martingale parecer como 0️⃣ algo certo.

Entretanto, o crescimento exponencial das apostas eventualmente leva os apostadores à falência, assumindo de forma óbvia e realista que 0️⃣ a quantidade de dinheiro do apostador é finita (uma das razões pelas quais casinos, ainda que desfrutem normativamente de uma 0️⃣ vantagem matemática nos jogos oferecidos aos seus clientes, impõem limites às apostas).

Um movimento browniano parado, que é um processo martingale, 0️⃣ pode ser usado para descrever a trajetória de tais jogos.

O conceito de martingale em teoria das probabilidades foi introduzido por 0️⃣ Paul Lévy em 1934, ainda que ele não lhes tivesse dado este nome.

[5] O termo "martingale" foi introduzido em 1939 0️⃣ por Jean Ville,[6] que também estendeu a definição à martingales contínuos.

[7] Muito do desenvolvimento original da teoria foi feito por 0️⃣ Joseph Leo Doob, entre outros.

[8] Parte da motivação daquele trabalho era mostrar a impossibilidade de estratégias de aposta bem-sucedidas.[9]

Uma definição 0️⃣ básica de um martingale de tempo discreto diz que ele é um processo estocástico (isto é, uma sequência de variáveis 0️⃣ aleatórias) X 1 , X 2 , X 3 , ...

{\displaystyle X_{1},X_{2},X_{3},...

} de tempo discreto que satisfaz, para qualquer tempo 0️⃣ n {\displaystyle n} ,

E ( | X n | ) < ∞ {\displaystyle \mathbf {E} (\vert X_{n}\vert )<\infty }

E ( 0️⃣ X n + 1 ∣ X 1 , .

, X n ) = X n .

{\displaystyle \mathbf {E} (X_{n+1}\mid 0️⃣ 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 0️⃣ observação.[10]

Sequências martingale em relação a outra sequência [ editar | editar código-fonte ]

Mais geralmente, uma sequência Y 1 , Y 0️⃣ 2 , Y 3 , ...

{\displaystyle Y_{1},Y_{2},Y_{3},...

} é considerada um martingale em relação a outra sequência X 1 , X 0️⃣ 2 , X 3 , ...

{\displaystyle X_{1},X_{2},X_{3},...

} se, para todo n {\displaystyle n} ,

E ( | Y n | ) 0️⃣ < ∞ {\displaystyle \mathbf {E} (\vert Y_{n}\vert )<\infty }

E ( Y n + 1 ∣ X 1 , .

, 0️⃣ 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 0️⃣ relação ao processo estocástico X t {\displaystyle X_{t}} é um processo estocástico Y t {\displaystyle Y_{t}} tal que, para todo 0️⃣ t {\displaystyle t} ,

E ( | Y t | ) < ∞ {\displaystyle \mathbf {E} (\vert Y_{t}\vert )<\infty }

E ( 0️⃣ Y t ∣ { X τ , τ ≤ s } ) = Y s ∀ s ≤ t .

{\displaystyle 0️⃣ \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 0️⃣ qualquer observação no tempo t {\displaystyle t} , dadas todas as observações até o tempo s {\displaystyle s} , é 0️⃣ igual à observação no tempo s {\displaystyle s} (considerando que s ≤ t {\displaystyle s\leq t} ).

Em geral, um processo 0️⃣ estocástico Y : T × Ω → S {\displaystyle Y:T\times \Omega \to S} é um martingale em relação a uma 0️⃣ filtração Σ ∗ {\displaystyle \Sigma _{*}} e medida de probabilidade P {\displaystyle P} se

Σ ∗ {\displaystyle \Sigma _{*}} espaço de 0️⃣ probabilidade subjacente ( Ω , Σ , P {\displaystyle \Omega ,\Sigma ,P}

espaço de probabilidade subjacente ( Y {\displaystyle Y} Σ 0️⃣ ∗ {\displaystyle \Sigma _{*}} t {\displaystyle t} T {\displaystyle T} Y t {\displaystyle Y_{t}} função mensurável Σ τ {\displaystyle \Sigma 0️⃣ _{\tau }}

função mensurável Para cada t {\displaystyle t} Y t {\displaystyle Y_{t}} espaço Lp L 1 ( Ω , Σ 0️⃣ t , P ; S ) {\displaystyle L^{1}(\Omega ,\Sigma _{t},P;S)}

E P ( | Y t | ) < + ∞ 0️⃣ ; {\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 ) 0️⃣ = 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 0️⃣ evento F {\displaystyle F} A última condição é denotada como Y s = E P ( Y t | Σ 0️⃣ s ) , {\displaystyle Y_{s}=\mathbf {E} _{\mathbf {P} }(Y_{t}|\Sigma _{s}),} que é uma forma geral de valor esperado condicional.[ 11 0️⃣ ]

É importante notar que a propriedade martingale envolve tanto a filtração, como a medida de probabilidade (em relação à qual 0️⃣ os valores esperados são assumidos).

É possível que Y {\displaystyle Y} seja um martingale em relação a uma medida, mas não 0️⃣ em relação a outra.

O Teorema de Girsanov oferece uma forma de encontrar uma medida em relação à qual um processo 0️⃣ de Itō é um martingale.[12]

Exemplos de martingales [ editar | editar código-fonte ]

Um passeio aleatório não viesado (em qualquer número 0️⃣ de dimensões) é um exemplo de martingale.

O dinheiro de um apostador é um martingale se todos os jogos de aposta 0️⃣ com que ele se envolver forem honestos.

Uma urna de Pólya contém uma quantidade de bolas de diferentes cores.

A cada iteração, 0️⃣ uma bola é aleatoriamente retirada da urna e substituída por várias outras da mesma cor.

Para qualquer cor dada, a fração 0️⃣ das bolas na urna com aquela cor é um martingale.

Por exemplo, se atualmente 95% da bolas são vermelhas, então, ainda 0️⃣ que a próxima iteração mais provavelmente adicione bolas vermelhas e não de outra cor, este viés está exatamente equilibrado pelo 0️⃣ fato de que adicionar mais bolas vermelhas altera a fração de forma muito menos significativa do que adicionar o mesmo 0️⃣ número de bolas não vermelhas alteraria.

Suponha que X n {\displaystyle X_{n}} moeda honesta foi jogada n {\displaystyle n}

moeda honesta foi 0️⃣ jogada Considere Y n = X n 2 − n {\displaystyle Y_{n}={X_{n}}^{2}-n} X n {\displaystyle X_{n}} { Y n : 0️⃣ n = 1 , 2 , 3 , ...

} {\displaystyle \{Y_{n}:n=1,2,3,...

\}} raiz quadrada do número de vezes que a moeda 0️⃣ for jogada.

raiz quadrada do número de vezes que a moeda for jogada.

No caso de um martingale de Moivre, suponha que 0️⃣ a moeda é desonesta, isto é, viesada, com probabilidade p {\displaystyle p} q = 1 − p {\displaystyle q=1-p}

X n 0️⃣ + 1 = X n ± 1 {\displaystyle X_{n+1}=X_{n}\pm 1} com + {\displaystyle +} − {\displaystyle -}

Y n = ( 0️⃣ q / p ) X n .

{\displaystyle Y_{n}=(q/p)^{X_{n}}.}

Então, { Y n : n = 1 , 2 , 3 , 0️⃣ ...

} {\displaystyle \{Y_{n}:n=1,2,3,...

\}} { X n : n = 1 , 2 , 3 , ...

} {\displaystyle \{X_{n}:n=1,2,3,...

\}} E [ 0️⃣ Y n + 1 ∣ X 1 , .

, X n ] = p ( q / p ) 0️⃣ X n + 1 + q ( q / p ) X n − 1 = p ( q / 0️⃣ p ) ( q / p ) X n + q ( p / q ) ( q / p 0️⃣ ) X n = q ( q / p ) X n + p ( q / p ) X 0️⃣ 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 0️⃣ verossimilhança em estatística, uma variável aleatória X {\displaystyle X} f {\displaystyle f} g {\displaystyle g} amostra aleatória X 1 , 0️⃣ ...

, X n {\displaystyle X_{1},...

,X_{n}} [ 13 ] Considere Y n {\displaystyle Y_{n}}

Y n = ∏ i = 1 n 0️⃣ 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} 0️⃣ g {\displaystyle g} { Y n : n = 1 , 2 , 3 , ...

} {\displaystyle \{Y_{n}:n=1,2,3,...

\}} { X 0️⃣ n : n = 1 , 2 , 3 , ...

} {\displaystyle \{X_{n}:n=1,2,3,...\}}

Suponha que uma ameba se divide em duas 0️⃣ amebas com probabilidade p {\displaystyle p} 1 − p {\displaystyle 1-p} X n {\displaystyle X_{n}} n {\displaystyle n} X n 0️⃣ = 0 {\displaystyle X_{n}=0} r {\displaystyle r} r {\displaystyle r} p {\displaystyle p} [ 14 ] Então

{ r X n 0️⃣ : n = 1 , 2 , 3 , .

} {\displaystyle \{\,r^{X_{n}}:n=1,2,3,\dots \,\}}

é um martingale em relação a { 0️⃣ X n : n = 1 , 2 , 3 , ...

} {\displaystyle \{X_{n}:n=1,2,3,...\}}

Uma série martingale criada por software.

Em uma 0️⃣ comunidade ecológica (um grupo de espécies em um nível trófico particular, competindo por recursos semelhantes em uma área local), o 0️⃣ número de indivíduos de qualquer espécie particular de tamanho fixado é uma função de tempo (discreto) e pode ser visto 0️⃣ como uma sequência de variáveis aleatórias.

Esta sequência é um martingale sob a teoria neutra unificada de biodiversidade e biogeografia.

Se { 0️⃣ N t : t ≥ 0 } {\displaystyle \{N_{t}:t\geq 0\}} processo de Poisson com intensidade λ {\displaystyle \lambda } { 0️⃣ N t − λ t : t ≥ 0 } {\displaystyle \{N_{t}-\lambda _{t}:t\geq 0\}}

Submartingales, supermartingales e relação com funções harmônicas 0️⃣ [ editar | editar código-fonte ]

Há duas generalizações populares de um martingale que também incluem casos em que a observação 0️⃣ atual X n {\displaystyle X_{n}} não é necessariamente igual à futura expectativa condicional E [ X n + 1 | 0️⃣ X 1 , ...

, X n ] {\displaystyle E[X_{n+1}|X_{1},...

,X_{n}]} , mas, em vez disto, a um limite superior ou inferior 0️⃣ à expectativa condicional.

Estas definições refletem uma relação entre a teoria do martingale e a teoria do potencial, que é o 0️⃣ estudo das funções harmônicas.

[15] Assim como um martingale de tempo contínuo satisfaz a E [ X t | { X 0️⃣ τ : τ ≤ s } − X s = 0 ∀ s ≤ t {\displaystyle E[X_{t}|\{X_{\tau }:\tau \leq s\}-X_{s}=0\forall 0️⃣ s\leq t} , uma função harmônica f {\displaystyle f} satisfaz a equação diferencial parcial Δ f = 0 {\displaystyle \Delta 0️⃣ f=0} , em que Δ {\displaystyle \Delta } é o operador de Laplace.

Dado um processo de movimento browniano W t 0️⃣ {\displaystyle W_{t}} e uma função harmônica f {\displaystyle f} , o processo resultante f ( W t ) {\displaystyle f(W_{t})} 0️⃣ também é um martingale.

Um submartingale de tempo discreto é uma sequência X 1 , X 2 , X 3 , 0️⃣ .

{\displaystyle X_{1},X_{2},X_{3},\ldots } integráveis que satisfaz a

E [ X n + 1 | X 1 , .

, X 0️⃣ 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 0️⃣ [ X t | { X τ : τ ≤ s } ] ≥ X s ∀ s ≤ t 0️⃣ .

{\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 0️⃣ f ≥ 0 {\displaystyle \Delta f\geq 0} Grosso modo, o prefixo "sub-" é consistente porque a atual observação X n 0️⃣ {\displaystyle X_{n}} E [ X n + 1 | X 1 , ...

, X n ] {\displaystyle E[X_{n+1}|X_{1},...,X_{n}]}

De forma análoga, 0️⃣ um supermartingale de tempo discreto satisfaz a

E [ X n + 1 | X 1 , .

, X n 0️⃣ ] ≤ 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 [ 0️⃣ X t | { X τ : τ ≤ s } ] ≤ X s ∀ s ≤ t .

{\displaystyle 0️⃣ {}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 0️⃣ ≤ 0 {\displaystyle \Delta f\leq 0} Grosso modo, o prefixo "super-" é consistente porque a atual observação X n {\displaystyle 0️⃣ X_{n}} E [ X n + 1 | X 1 , ...

, X n ] {\displaystyle E[X_{n+1}|X_{1},...,X_{n}]}

Exemplos de submartingales e 0️⃣ supermartingales [ editar | editar código-fonte ]

Todo martingale é também um submartingale e um supermartingale.

Reciprocamente, todo processo estocástico que é 0️⃣ tanto um submartingale, como um supermartingale, é um martingale.

Considere novamente um apostador que ganha $1 quando uma moeda der cara 0️⃣ e perde $1 quando a moeda der coroa.

Suponha agora que a moeda possa estar viesada e que ela dê cara 0️⃣ com probabilidade p {\displaystyle p} Se p {\displaystyle p} 1 / 2 {\displaystyle 1/2} Se p {\displaystyle p} 1 / 0️⃣ 2 {\displaystyle 1/2} Se p {\displaystyle p} 1 / 2 {\displaystyle 1/2}

Uma função convexa de um martingale é um submartingale 0️⃣ pela desigualdade de Jensen.

Por exemplo, o quadrado da riqueza de um apostador em jogo de moeda honesta é um submartingale 0️⃣ (o que também se segue do fato de que X n 2 − n {\displaystyle {X_{n}}^{2}-n}

Martingales e tempos de parada 0️⃣ [ editar | editar código-fonte ]

Um tempo de parada em relação a uma sequência de variáveis aleatórias X 1 , 0️⃣ X 2 , X 3 , ...

{\displaystyle X_{1},X_{2},X_{3},...

} é uma variável aleatória τ {\displaystyle \tau } com a propriedade de 0️⃣ que para cada t {\displaystyle t} , a ocorrência ou a não ocorrência do evento τ = t {\displaystyle \tau 0️⃣ =t} depende apenas dos valores de X 1 , X 2 , X 3 , ...

, X t {\displaystyle X_{1},X_{2},X_{3},...,X_{t}} 0️⃣ .

A intuição por trás da definição é que, a qualquer tempo particular t {\displaystyle t} , pode-se observar a sequência 0️⃣ até o momento e dizer se é hora de parar.

Um exemplo na vida real pode ser o tempo em que 0️⃣ um apostador deixa a mesa de apostas, o que pode ser uma função de suas vitórias anteriores (por exemplo, ele 0️⃣ pode deixar a mesa apenas quando ele vai à falência), mas ele não pode escolher entre ficar ou sair com 0️⃣ base no resultando de jogos que ainda não ocorreram.[16]

Em alguns contextos, o conceito de tempo de parada é definido exigindo-se 0️⃣ apenas que a ocorrência ou não ocorrência do evento τ = t {\displaystyle \tau =t} seja probabilisticamente independente de X 0️⃣ t + 1 , X t + 2 , ...

{\displaystyle X_{t+1},X_{t+2},...

} , mas não que isto seja completamente determinado pelo 0️⃣ histórico do processo até o tempo t {\displaystyle t} .

Isto é uma condição mais fraca do que aquela descrita no 0️⃣ parágrafo acima, mas é forte o bastante para servir em algumas das provas em que tempos de parada são usados.

Uma 0️⃣ das propriedades básicas de martingales é que, se ( X t ) t > 0 {\displaystyle (X_{t})_{t>0}} for um (sub/super)martingale 0️⃣ e τ {\displaystyle \tau } for um tempo de parada, então, o processo parado correspondente ( X t τ ) 0️⃣ t > 0 {\displaystyle (X_{t}^{\tau })_{t>0}} definido por X t τ := X min { τ , t } {\displaystyle 0️⃣ 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, 0️⃣ incluindo, por exemplo, o teorema da parada opcional, que afirma que, sob certas condições, o valor esperado de um martingale 0️⃣ em um tempo de parada é igual ao seu valor inicial.

Em teoria das probabilidades, um martingale é um modelo de 0️⃣ jogo honesto (fair game) em que o conhecimento de eventos passados nunca ajuda a prever os ganhos futuros e apenas 0️⃣ o evento atual importa.

Em particular, um martingale é uma sequência de variáveis aleatórias (isto é, um processo estocástico) para o 0️⃣ qual, a qualquer tempo específico na sequência observada, a esperança do próximo valor na sequência é igual ao valor presentemente 0️⃣ observado, mesmo dado o conhecimento de todos os valores anteriormente observados.[1]

O movimento browniano parado é um exemplo de martingale.

Ele pode 0️⃣ modelar um jogo de cara ou coroa com a possibilidade de falência.

Em contraste, em um processo que não é um 0️⃣ martingale, o valor esperado do processo em um tempo pode ainda ser igual ao valor esperado do processo no tempo 0️⃣ seguinte.

Entretanto, o conhecimento de eventos anteriores (por exemplo, todas as cartas anteriormente retiradas de um baralho) pode ajudar a reduzir 0️⃣ a incerteza sobre os eventos futuros.

Assim, o valor esperado do próximo evento, dado o conhecimento do evento presente e de 0️⃣ todos os anteriores, pode ser mais elevado do que o do presente evento se uma estratégia de ganho for usada.

Martingales 0️⃣ excluem a possibilidade de estratégias de ganho baseadas no histórico do jogo e, portanto, são um modelo de jogos honestos.

É 0️⃣ também uma técnica utilizada no mercado financeiro, para recuperar operações perdidas.

Dobra-se a segunda mão para recuperar a anterior, e assim 0️⃣ sucessivamente, até o acerto.

Martingale é o sistema de apostas mais comum na roleta.

A popularidade deste sistema se deve à como ganhar em slots online 0️⃣ simplicidade e acessibilidade.

O jogo Martingale dá a impressão enganosa de vitórias rápidas e fáceis.

A essência do sistema de jogo da 0️⃣ roleta Martingale é a seguinte: fazemos uma aposta em uma chance igual de roleta (vermelho-preto, par-ímpar), por exemplo, no "vermelho": 0️⃣ fazemos uma aposta na roleta por 1 dólar; se você perder, dobramos e apostamos $ 2.

Se perdermos na roleta, perderemos 0️⃣ a aposta atual ($ 2) e a aposta anterior ($ 1) de $ 3.4, por exemplo.

duas apostas ganham (1 + 0️⃣ 2 = $ 3) e temos um ganho líquido de $ 1 na roleta.

Se você perder uma segunda vez na 0️⃣ roleta Martingale, dobramos a aposta novamente (agora é $ 4).

Se ganharmos, ganharemos de volta as duas apostas anteriores (1 + 0️⃣ 2 = 3 dólares) e a atual (4 dólares) da roda da roleta, e novamente ganharemos 1 dólar do cassino 0️⃣ [2].

Originalmente, a expressão "martingale" se referia a um grupo de estratégias de aposta popular na França do século XVIII.

[3][4] A 0️⃣ mais simples destas estratégias foi projetada para um jogo em que o apostador ganhava se a moeda desse cara e 0️⃣ perdia se a moeda desse coroa.

A estratégia fazia o apostador dobrar como ganhar em slots online aposta depois de cada derrota a fim de 0️⃣ que a primeira vitória recuperasse todas as perdas anteriores, além de um lucro igual à primeira aposta.

Conforme o dinheiro e 0️⃣ o tempo disponível do apostador se aproximam conjuntamente do infinito, a possibilidade de eventualmente dar cara se aproxima de 1, 0️⃣ o que faz a estratégia de aposta martingale parecer como algo certo.

Entretanto, o crescimento exponencial das apostas eventualmente leva os 0️⃣ apostadores à falência, assumindo de forma óbvia e realista que a quantidade de dinheiro do apostador é finita (uma das 0️⃣ razões pelas quais casinos, ainda que desfrutem normativamente de uma vantagem matemática nos jogos oferecidos aos seus clientes, impõem limites 0️⃣ às apostas).

Um movimento browniano parado, que é um processo martingale, pode ser usado para descrever a trajetória de tais jogos.

O 0️⃣ conceito de martingale em teoria das probabilidades foi introduzido por Paul Lévy em 1934, ainda que ele não lhes tivesse 0️⃣ dado este nome.

[5] O termo "martingale" foi introduzido em 1939 por Jean Ville,[6] que também estendeu a definição à martingales 0️⃣ contínuos.

[7] Muito do desenvolvimento original da teoria foi feito por Joseph Leo Doob, entre outros.

[8] Parte da motivação daquele trabalho 0️⃣ era mostrar a impossibilidade de estratégias de aposta bem-sucedidas.[9]

Uma definição básica de um martingale de tempo discreto diz que ele 0️⃣ é um processo estocástico (isto é, uma sequência de variáveis aleatórias) X 1 , X 2 , X 3 , 0️⃣ ...

{\displaystyle X_{1},X_{2},X_{3},...

} de tempo discreto que satisfaz, para qualquer tempo n {\displaystyle n} ,

E ( | X n | ) 0️⃣ < ∞ {\displaystyle \mathbf {E} (\vert X_{n}\vert )<\infty }

E ( X n + 1 ∣ X 1 , .

, 0️⃣ 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, 0️⃣ dadas todas as observações anteriores, é igual à mais recente observação.[10]

Sequências martingale em relação a outra sequência [ editar | 0️⃣ editar código-fonte ]

Mais geralmente, uma sequência Y 1 , Y 2 , Y 3 , ...

{\displaystyle Y_{1},Y_{2},Y_{3},...

} é considerada um 0️⃣ martingale em relação a outra sequência X 1 , X 2 , X 3 , ...

{\displaystyle X_{1},X_{2},X_{3},...

} se, para todo 0️⃣ n {\displaystyle n} ,

E ( | Y n | ) < ∞ {\displaystyle \mathbf {E} (\vert Y_{n}\vert )<\infty }

E ( 0️⃣ Y n + 1 ∣ X 1 , .

, X n ) = Y n .

{\displaystyle \mathbf {E} (Y_{n+1}\mid 0️⃣ 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 0️⃣ processo estocástico Y t {\displaystyle Y_{t}} tal que, para todo t {\displaystyle t} ,

E ( | Y t | ) 0️⃣ < ∞ {\displaystyle \mathbf {E} (\vert Y_{t}\vert )<\infty }

E ( Y t ∣ { X τ , τ ≤ s 0️⃣ } ) = Y s ∀ s ≤ t .

{\displaystyle \mathbf {E} (Y_{t}\mid \{X_{\tau },\tau \leq s\})=Y_{s}\quad \forall s\leq t.}

Isto 0️⃣ expressa a propriedade de que o valor esperado condicional de qualquer observação no tempo t {\displaystyle t} , dadas todas 0️⃣ as observações até o tempo s {\displaystyle s} , é igual à observação no tempo s {\displaystyle s} (considerando que 0️⃣ s ≤ t {\displaystyle s\leq t} ).

Em geral, um processo estocástico Y : T × Ω → S {\displaystyle Y:T\times 0️⃣ \Omega \to S} é um martingale em relação a uma filtração Σ ∗ {\displaystyle \Sigma _{*}} e medida de probabilidade 0️⃣ P {\displaystyle P} se

Σ ∗ {\displaystyle \Sigma _{*}} espaço de probabilidade subjacente ( Ω , Σ , P {\displaystyle \Omega 0️⃣ ,\Sigma ,P}

espaço de probabilidade subjacente ( Y {\displaystyle Y} Σ ∗ {\displaystyle \Sigma _{*}} t {\displaystyle t} T {\displaystyle T} 0️⃣ Y t {\displaystyle Y_{t}} função mensurável Σ τ {\displaystyle \Sigma _{\tau }}

função mensurável Para cada t {\displaystyle t} Y t 0️⃣ {\displaystyle Y_{t}} espaço Lp L 1 ( Ω , Σ t , P ; S ) {\displaystyle L^{1}(\Omega ,\Sigma _{t},P;S)}

E 0️⃣ P ( | Y t | ) < + ∞ ; {\displaystyle \mathbf {E} _{\mathbf {P} }(|Y_{t}|)<+\infty ;}

Para todo s 0️⃣ {\displaystyle s} t {\displaystyle t} s < t {\displaystyle s

E P ( 0️⃣ [ Y t − Y s ] χ F ) = 0 , {\displaystyle \mathbf {E} _{\mathbf {P} }\left([Y_{t}-Y_{s}]\chi _{F}\right)=0,} 0️⃣ em que χ F {\displaystyle \chi _{F}} função indicadora do evento F {\displaystyle F} A última condição é denotada como 0️⃣ Y s = E P ( Y t | Σ s ) , {\displaystyle Y_{s}=\mathbf {E} _{\mathbf {P} }(Y_{t}|\Sigma _{s}),} 0️⃣ que é uma forma geral de valor esperado condicional.[ 11 ]

É importante notar que a propriedade martingale envolve tanto a 0️⃣ filtração, como a medida de probabilidade (em relação à qual os valores esperados são assumidos).

É possível que Y {\displaystyle Y} 0️⃣ seja um martingale em relação a uma medida, mas não em relação a outra.

O Teorema de Girsanov oferece uma forma 0️⃣ de encontrar uma medida em relação à qual um processo de Itō é um martingale.[12]

Exemplos de martingales [ editar | 0️⃣ editar código-fonte ]

Um passeio aleatório não viesado (em qualquer número de dimensões) é um exemplo de martingale.

O dinheiro de um 0️⃣ apostador é um martingale se todos os jogos de aposta com que ele se envolver forem honestos.

Uma urna de Pólya 0️⃣ contém uma quantidade de bolas de diferentes cores.

A cada iteração, uma bola é aleatoriamente retirada da urna e substituída por 0️⃣ várias outras da mesma cor.

Para qualquer cor dada, a fração das bolas na urna com aquela cor é um martingale.

Por 0️⃣ exemplo, se atualmente 95% da bolas são vermelhas, então, ainda que a próxima iteração mais provavelmente adicione bolas vermelhas e 0️⃣ não de outra cor, este viés está exatamente equilibrado pelo fato de que adicionar mais bolas vermelhas altera a fração 0️⃣ de forma muito menos significativa do que adicionar o mesmo número de bolas não vermelhas alteraria.

Suponha que X n {\displaystyle 0️⃣ X_{n}} moeda honesta foi jogada n {\displaystyle n}

moeda honesta foi jogada Considere Y n = X n 2 − n 0️⃣ {\displaystyle Y_{n}={X_{n}}^{2}-n} X n {\displaystyle X_{n}} { Y n : n = 1 , 2 , 3 , ...

} {\displaystyle 0️⃣ \{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 0️⃣ for jogada.

No caso de um martingale de Moivre, suponha que a moeda é desonesta, isto é, viesada, com probabilidade p 0️⃣ {\displaystyle p} q = 1 − p {\displaystyle q=1-p}

X n + 1 = X n ± 1 {\displaystyle X_{n+1}=X_{n}\pm 1} 0️⃣ com + {\displaystyle +} − {\displaystyle -}

Y n = ( q / p ) X n .

{\displaystyle Y_{n}=(q/p)^{X_{n}}.}

Então, { Y 0️⃣ n : n = 1 , 2 , 3 , ...

} {\displaystyle \{Y_{n}:n=1,2,3,...

\}} { X n : n = 1 0️⃣ , 2 , 3 , ...

} {\displaystyle \{X_{n}:n=1,2,3,...

\}} E [ Y n + 1 ∣ X 1 , .

, 0️⃣ X n ] = p ( q / p ) X n + 1 + q ( q / p 0️⃣ ) X n − 1 = p ( q / p ) ( q / p ) X n + 0️⃣ q ( p / q ) ( q / p ) X n = q ( q / p ) 0️⃣ X n + p ( q / p ) X n = ( q / p ) X n = 0️⃣ Y n .

No teste de razão de verossimilhança em estatística, uma variável aleatória X {\displaystyle X} f 0️⃣ {\displaystyle f} g {\displaystyle g} amostra aleatória X 1 , ...

, X n {\displaystyle X_{1},...

,X_{n}} [ 13 ] Considere Y 0️⃣ n {\displaystyle Y_{n}}

Y n = ∏ i = 1 n g ( X i ) f ( X i ) 0️⃣ {\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 0️⃣ , 2 , 3 , ...

} {\displaystyle \{Y_{n}:n=1,2,3,...

\}} { X n : n = 1 , 2 , 3 , 0️⃣ ...

} {\displaystyle \{X_{n}:n=1,2,3,...\}}

Suponha que uma ameba se divide em duas amebas com probabilidade p {\displaystyle p} 1 − p {\displaystyle 0️⃣ 1-p} X n {\displaystyle X_{n}} n {\displaystyle n} X n = 0 {\displaystyle X_{n}=0} r {\displaystyle r} r {\displaystyle r} 0️⃣ p {\displaystyle p} [ 14 ] Então

{ r X n : n = 1 , 2 , 3 , .

0️⃣ } {\displaystyle \{\,r^{X_{n}}:n=1,2,3,\dots \,\}}

é um martingale em relação a { X n : n = 1 , 2 , 3 0️⃣ , ...

} {\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 0️⃣ particular, competindo por recursos semelhantes em uma área local), o número de indivíduos de qualquer espécie particular de tamanho fixado 0️⃣ é uma função de tempo (discreto) e pode ser visto como uma sequência de variáveis aleatórias.

Esta sequência é um martingale 0️⃣ sob a teoria neutra unificada de biodiversidade e biogeografia.

Se { N t : t ≥ 0 } {\displaystyle \{N_{t}:t\geq 0\}} 0️⃣ processo de Poisson com intensidade λ {\displaystyle \lambda } { N t − λ t : t ≥ 0 } 0️⃣ {\displaystyle \{N_{t}-\lambda _{t}:t\geq 0\}}

Submartingales, supermartingales e relação com funções harmônicas [ editar | editar código-fonte ]

Há duas generalizações populares de 0️⃣ um martingale que também incluem casos em que a observação atual X n {\displaystyle X_{n}} não é necessariamente igual à 0️⃣ futura expectativa condicional E [ X n + 1 | X 1 , ...

, X n ] {\displaystyle E[X_{n+1}|X_{1},...

,X_{n}]} , 0️⃣ mas, em vez disto, a um limite superior ou inferior à expectativa condicional.

Estas definições refletem uma relação entre a teoria 0️⃣ do martingale e a teoria do potencial, que é o estudo das funções harmônicas.

[15] Assim como um martingale de tempo 0️⃣ contínuo satisfaz a E [ X t | { X τ : τ ≤ s } − X s = 0️⃣ 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 0️⃣ a equação diferencial parcial Δ f = 0 {\displaystyle \Delta f=0} , em que Δ {\displaystyle \Delta } é o 0️⃣ operador de Laplace.

Dado um processo de movimento browniano W t {\displaystyle W_{t}} e uma função harmônica f {\displaystyle f} , 0️⃣ o processo resultante f ( W t ) {\displaystyle f(W_{t})} também é um martingale.

Um submartingale de tempo discreto é uma 0️⃣ sequência X 1 , X 2 , X 3 , .

{\displaystyle X_{1},X_{2},X_{3},\ldots } integráveis que satisfaz a

E [ X 0️⃣ n + 1 | X 1 , .

, X n ] ≥ X n .

{\displaystyle {}E[X_{n+1}|X_{1},\ldots ,X_{n}]\geq X_{n}.

} Da 0️⃣ mesma forma, um submartingale de tempo contínuo satisfaz a E [ X t | { X τ : τ ≤ 0️⃣ s } ] ≥ X s ∀ s ≤ t .

{\displaystyle {}E[X_{t}|\{X_{\tau }:\tau \leq s\}]\geq X_{s}\quad \forall s\leq t.

} Em 0️⃣ teoria do potencial, uma função sub-harmônica f {\displaystyle f} Δ f ≥ 0 {\displaystyle \Delta f\geq 0} Grosso modo, o 0️⃣ prefixo "sub-" é consistente porque a atual observação X n {\displaystyle X_{n}} E [ X n + 1 | X 0️⃣ 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 0️⃣ + 1 | X 1 , .

, X n ] ≤ X n .

{\displaystyle {}E[X_{n+1}|X_{1},\ldots ,X_{n}]\leq X_{n}.

} Da mesma 0️⃣ forma, um supermartingale de tempo contínuo satisfaz a E [ X t | { X τ : τ ≤ s 0️⃣ } ] ≤ X s ∀ s ≤ t .

{\displaystyle {}E[X_{t}|\{X_{\tau }:\tau \leq s\}]\leq X_{s}\quad \forall s\leq t.

} Em teoria 0️⃣ do potencial, uma função super-harmônica f {\displaystyle f} Δ f ≤ 0 {\displaystyle \Delta f\leq 0} Grosso modo, o prefixo 0️⃣ "super-" é consistente porque a atual observação X n {\displaystyle X_{n}} E [ X n + 1 | X 1 0️⃣ , ...

, X n ] {\displaystyle E[X_{n+1}|X_{1},...,X_{n}]}

Exemplos de submartingales e supermartingales [ editar | editar código-fonte ]

Todo martingale é também 0️⃣ um submartingale e um supermartingale.

Reciprocamente, todo processo estocástico que é tanto um submartingale, como um supermartingale, é um martingale.

Considere novamente 0️⃣ um apostador que ganha $1 quando uma moeda der cara e perde $1 quando a moeda der coroa.

Suponha agora que 0️⃣ a moeda possa estar viesada e que ela dê cara com probabilidade p {\displaystyle p} Se p {\displaystyle p} 1 0️⃣ / 2 {\displaystyle 1/2} Se p {\displaystyle p} 1 / 2 {\displaystyle 1/2} Se p {\displaystyle p} 1 / 2 0️⃣ {\displaystyle 1/2}

Uma função convexa de um martingale é um submartingale pela desigualdade de Jensen.

Por exemplo, o quadrado da riqueza de 0️⃣ um apostador em jogo de moeda honesta é um submartingale (o que também se segue do fato de que X 0️⃣ n 2 − n {\displaystyle {X_{n}}^{2}-n}

Martingales e tempos de parada [ editar | editar código-fonte ]

Um tempo de parada em 0️⃣ relação a uma sequência de variáveis aleatórias X 1 , X 2 , X 3 , ...

{\displaystyle X_{1},X_{2},X_{3},...

} é uma 0️⃣ variável aleatória τ {\displaystyle \tau } com a propriedade de que para cada t {\displaystyle t} , a ocorrência ou 0️⃣ a não ocorrência do evento τ = t {\displaystyle \tau =t} depende apenas dos valores de X 1 , X 0️⃣ 2 , X 3 , ...

, X t {\displaystyle X_{1},X_{2},X_{3},...,X_{t}} .

A intuição por trás da definição é que, a qualquer 0️⃣ tempo particular t {\displaystyle t} , pode-se observar a sequência até o momento e dizer se é hora de parar.

Um 0️⃣ exemplo na vida real pode ser o tempo em que um apostador deixa a mesa de apostas, o que pode 0️⃣ ser uma função de suas vitórias anteriores (por exemplo, ele pode deixar a mesa apenas quando ele vai à falência), 0️⃣ mas ele não pode escolher entre ficar ou sair com base no resultando de jogos que ainda não ocorreram.[16]

Em alguns 0️⃣ contextos, o conceito de tempo de parada é definido exigindo-se apenas que a ocorrência ou não ocorrência do evento τ 0️⃣ = t {\displaystyle \tau =t} seja probabilisticamente independente de X t + 1 , X t + 2 , ...

{\displaystyle 0️⃣ X_{t+1},X_{t+2},...

} , mas não que isto seja completamente determinado pelo histórico do processo até o tempo t {\displaystyle t} .

Isto 0️⃣ é uma condição mais fraca do que aquela descrita no parágrafo acima, mas é forte o bastante para servir em 0️⃣ algumas das provas em que tempos de parada são usados.

Uma das propriedades básicas de martingales é que, se ( X 0️⃣ t ) t > 0 {\displaystyle (X_{t})_{t>0}} for um (sub/super)martingale e τ {\displaystyle \tau } for um tempo de parada, 0️⃣ então, o processo parado correspondente ( X t τ ) t > 0 {\displaystyle (X_{t}^{\tau })_{t>0}} definido por X t 0️⃣ τ := X min { τ , t } {\displaystyle X_{t}^{\tau }:=X_{\min\{\tau ,t\}}} é também um (sub/super) martingale.

O conceito de 0️⃣ um martingale parado leva a uma série de teoremas importantes, incluindo, por exemplo, o teorema da parada opcional, que afirma 0️⃣ que, sob certas condições, o valor esperado de um martingale em um tempo de parada é igual ao seu valor 0️⃣ inicial.

vocational rehabilitation success stories.